【技术实现步骤摘要】
一种基于Chan与并行群智能算法的长基线定位方法
[0001]本专利技术属于水声学定位领域的一种长基线定位方法，具体涉及了一种基于Chan算法与并行群智能算法的长基线定位方法。
技术介绍
[0002]随着社会的发展和科学的进步，人们对海洋的重视程度越来越高，海洋中蕴含着丰富的资源，因此各国竞相制定海洋科学发展规划、优先发展海洋科技、加大对海洋的开发力度。水下定位导航技术是一切海洋开发活动和海洋高技术发展的基本前提。由于电磁波在海洋中的传播衰减非常大，传播距离非常有限。因此在海洋中无法像在陆地一样使用电磁波进行通信。声波是目前已知唯一能在海洋中远距离传播的能量形式，其在水中的传播损失远小于电磁波，因此水声学随着海洋的开发和利用发展起来，并得到了广泛的应用。
[0003]水下声学定位系统的分类标准有很多，根据阵元间距的不同，可以分为长基线定位系统(Long Baseline，LBL)、短基线定位系统(Short Baseline，SBL)和超短基线定位系统(Ultra Short Baseline，USBL)。相较于SB...
【技术保护点】
【技术特征摘要】
1.一种基于Chan与并行群智能优化算法的长基线定位方法，其特征在于，包括以下步骤：1)基于时延信息，在有效声速表中查找对应的有效声速；2)根据当前有效声速和对应的有效时延，利用Chan算法获取目标的初始位置，再利用并行群智能优化算法对目标的初始位置进行优化更新，获得目标的最优位置，实现目标的最优定位。2.根据权利要求1所述的一种基于Chan与并行群智能优化算法的长基线定位方法，其特征在于，所述S1具体为：根据试验测得的时延在有效时延表t
e
中位置t
eij
，在有效声速表c
e
中查找有效声速c
eij
。3.根据权利要求1所述的一种基于Chan与并行群智能优化算法的长基线定位方法，其特征在于，所述2)具体为：首先设置多个子优化系统，接着多个子优化系统分别根据目标的初始位置进行种群最优个体的搜索，分别获得多个子优化系统对应的最优个体，然后根据多个子优化系统中最优个体的适应度选择最终的最优个体，将最终的最优个体的位置作为目标的最优位置，实现目标的最优定位。4.根据权利要求3所述的一种基于Chan与并行群智能优化算法的长基线定位方法，其特征在于，对于每个所述子优化系统根据初始种群进行种群最优个体的搜索，分别获得多个子优化系统对应的最优个体，具体为：S1：在种群搜索区间内，基于目标的初始位置以及混沌函数进行混沌初始化，产生初始种群；S2：计算当前种群中所有个体的适应度，根据适应度选择最优个体以及次优个体；S3：设置种群进入开发阶段概率和最优/次优选择概率，基于轮盘赌策略选择普通个体的移动方向，计算普通个体移动后的饥饿度值；S4：利用高斯
‑
柯西混合变异因子对当前最优个体以及次优个体进行变异，获得对应的变异后的个体，基于贪心策略比较当前最优个体、次优个体及其各自变异后的个体，选择其中最优的两个个体并作为新的最优个体和次优个体；S5：根据个体饥饿度值选择不同的位置更新策略，实现对当前种群的所有个体进行位置更新，获得当前种群的子代种群；S6：利用正交对立学习方法以及贪心策略优化当前子代种群，获得新的子代种群并作为新的种群，计算当前种群中所有个体的适应度，根据适应度选择最优个体以及次优个体；S7：根据当前种群及其最优个体和次优个体，重复S3
‑
S5，直至当前种群中最优个体的适应度小于设定适应度阈值或迭代次数达到迭代最大值，获得当前子优化系统的最优个体。5.根据权利要求4所述的一种基于Chan与并行群智能优化算法的长基线定位方法，其特征在于，所述S1具体为：首先，根据种群搜索区间对目标的初始位置(x,y,z)进行归一化后，获得混沌初始值u1，公式如下：
其中，x、y和z分别为目标的初始位置在x、y和z维度上的值，x
max
,y
max
,z
max
分别为种群在x、y和z维度上的搜索区间上限，x
min
,y
min
,z
min
分别为种群在x、y和z维度上的搜索区间下限，u
1x
,u
1y
,u
1z
分别为混沌初始值u1在x、y和z维度上的值；接着，根据混沌初始值u1，利用Tent混沌函数产生[0，1]范围内的混沌序列U
c
＝[u2,u3,
…
,u
N
]；最后，将混沌序列U
c
＝[u2,u3,
…
,u...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。