煤矿井下人员精确定位的研究对于保护井下人员的生命安全具有重要意义。超宽带信号在井下容易受到非视距(NLOS)的干扰， 会严重影响定位精度。针对现有的用于NLOS识别和抑制的监督学习方法需要获取训练数据和标签分配， 消耗时间长， 劳动密集且成本高昂的问题， 提出一种基于自训练抑制NLOS的井下人员定位方法。该方法设计了一个新型的通用数据融合框架， 首先， PDR结合地图信息去除不可行的位置， 采用基于多粒度网格滤波器联合估计位置和航向， 充分利用地图信息生成弱标签。通过多传感器数据融合对弱标签迭代改进， 生成训练样本， 实现自主收集训练数据。最后将地图， 惯性传感器和超宽带测量的数据采用贝叶斯估计进行数据融合去推断位置。通过在井下环境中模拟测试， 结果表明， 对于复杂的井下场景， NLOS条件下的均方根误差由原来的1.02m下降到0.32m， 测距误差改善了69%， 定位误差小于0.3m的定位结果可以从49%提高到89%， 证明了所提出的井下人员定位方法的有效性。

1 方法概述
1.1 PDR算法
1.2 UWB测距
1.3 基于贝叶斯推理的位置估计
2 基于自训练抑制NLOS的方法
2.1 自动收集数据和弱标签
2.2 自训练学习模式
2.3 自训练数据库和模型更新
3 实验与结果分析
3.1 实验环境
3.2 基于自训练定位性能
3.3 对比监督学习
4 结 语