[发明专利]基于人工蜂群算法的多站时差定位方法

摘要

本发明公开了基于人工蜂群算法的多站时差定位方法，属于多站无源时差定位技术领域。主要应用于多站条件下对辐射源目标的定位。本发明将人工蜂群算法与常规多站时差定位相结合，有效实现了对于辐射源的精确定位。本发明针对牛顿迭代法和人工蜂群算法的特点，将二者结合优势互补，先采用最大似然估计将常规多站时差定位解方程组问题转换为求函数最值问题，再采用人工蜂群算法获取初步估计坐标，最后将该坐标作为牛顿迭代算法的迭代初始值使用，进而实现快速精确定位。本发明有效解决牛顿迭代算法需要接近最优解的初始值才能实现良好效果和人工蜂群算法后期速度慢的问题，并可有效提高定位精度。

主权项

1.基于人工蜂群算法的多站时差定位方法，其特征在于，包括以下步骤：(1)建立多站时差无源定位数学模型，采用N个固定观测站，坐标为(xi,yi,zi)，对辐射源M(x,y,z)进行三维定位，根据数学模型计算TDOA值并建立关于目标坐标的非线性方程组；(2)采用最大似然估计将求解多元非线性方程组问题转换为求解函数最小值问题，得到函数g(x,y,z)；(3)将g(x,y,z)作为人工蜂群算法的目标函数，使用人工蜂群算法初步求解辐射源位置坐标，初始化控制参数，产生SN个初始解，蜜源数目为SN2，得到最大循环次数；(4)计算各个初始解xij的适应度值，采蜜蜂根据搜索方程进行邻域搜索产生新解vij，并计算新解对应的适应度值，进行贪婪选择，若新解适应度值优于旧解的适应度值，则用新解替换旧解，否则保留旧解不变；(5)根据下列公式计算与解相关的选择概率Pi，观察蜂再根据轮盘赌选择法以概率Pi选择食物源，再根据搜索方程进行领域搜索产生新解vij，并计算新解对应的适应度值，进行贪婪选择：其中fiti为解vij的适应度值，fitn为解的适应度值；(6)判断是否有要放弃的解，如果存在，则产生一个新解代替要放弃的解，并记录迄今为止效果最好的解，最后判断是否满足终止条件，若满足便输出最优结果，不满足则返回步骤(4)；(7)设置牛顿迭代算法的迭代次数和终止门限ε参数，将人工蜂群算法估计的辐射源坐标值作为牛顿迭代算法迭代过程所需的辐射源初始值；(8)将初始值坐标赋给用以计算新的站间距离差值和新的观测站到目标距离值对x,y,z求导以构建雅克比矩阵G：(9)根据牛顿迭代算法不断将新获得坐标值替换进行牛顿迭代计算，获取更为精确坐标值，直至小于门限值或大于迭代次数时输出结果，利用最小二乘法得到误差值σ：其中h为测量距离差值与估计距离差值的差值，Δx,Δy,Δz分别为x,y,z坐标的偏差值；(10)令与设定门限值ε比较，重复以上步骤，直至σ足够小时，即满足|Δx|+|Δy|+|Δz|＜ε时，输出迭代计算结果，此刻认为辐射源的位置估计坐标就为从而完成精确定位。