一种基于动态概率自适应蝴蝶算法的整周模糊度搜索方法技术

本发明专利技术公开了一种基于动态概率自适应蝴蝶算法的整周模糊度搜索方法，该方法根据地面接收机接收到的数据得到模糊度的浮点解和协方差阵并进行降相关处理，然后通过GPS干涉仪测姿原理来确定搜索空间。通过将一定数量的蝴蝶随机放入搜索空间中，根据个体之间的香味浓度差异进行位置更新，得到蝴蝶位置对应的整数数组与目标函数值，将最小目标函数值的个体作为花蜜源位置，记录花蜜源位置及目标函数值。达到最大迭代次数后，输出最优位置即最小目标函数值对应的整数数组，作为整周模糊度搜索的整数解，加上小数部分即可得到整周模糊度的固定解。本方法提高搜索准确率的同时解决了现有技术在整周模糊度搜索中收敛速度慢、易于陷入局部极小的缺点。局部极小的缺点。局部极小的缺点。

【技术实现步骤摘要】
一种基于动态概率自适应蝴蝶算法的整周模糊度搜索方法


[0001]本专利技术属于卫星导航定位
，涉及DGPS整周模糊度搜索，具体涉及一种基于动态概率自适应蝴蝶算法的整周模糊度搜索方法。

技术介绍

[0002]在差分GPS定位方式中，载波相位观测值是否能够达到厘米级甚至毫米级的定位效果，关键在于能否正确快速得解算出整周模糊度。解算整周模糊度的关键步骤为：首先通过最小二乘估计得到模糊度的浮点解和协方差矩阵；然后利用去相关操作处理协方差矩阵，降低模糊度间的相关性；最后通过搜索算法得到模糊度固定解。现有技术中常用的DGPS整周模糊度搜索算法存在搜索空间大、成功率和搜索效率低的问题，导致定位结果的精度不理想。
[0003]蝴蝶优化算法(Butterfly Optimization Algorithm,BOA)是Arora和Singh在2018年提出的一种新型优化算法，可以作为模糊度固定解的搜索算法。该算法受蝴蝶日常觅食行为的启发，在实际应用中具有局部搜索能力强、所需调节参数少等特点。其缺点是在搜索过程中容易出现种群多样性减少，导致收敛速度慢、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于动态概率自适应蝴蝶算法的整周模糊度搜索方法，根据地面卫星信号接收机接收到的数据计算模糊度的浮点解和协方差矩阵进行降相关处理后通过GPS干涉仪测姿原理确定搜索空间，通过在搜索空间中进行迭代搜索，输出整周模糊度的整数解，其特征在于：迭代搜索的具体步骤如下：步骤1、初始化蝴蝶优化算法的当前迭代次数t＝0，设置蝴蝶种群数量M和最大迭代次数T；步骤2、将初始化后的蝴蝶种群随机放入搜索空间中，蝴蝶所在的位置对应着一组浮点解计算每只蝴蝶的目标函数值J(N)：其中，N表示蝴蝶搜索得到的整数，Z
k
表示k维的整数空间，k表示浮点解的维度；记录目标函数值最小与最大的蝴蝶搜索到整数数组；步骤4、设计动态的切换概率值P：计算动态概率函数值，确定蝴蝶位置的更新方式：
①
当P>rand时，以全局搜索的方式进行位置更新：
②
当P≤rand时，以局部搜索的方式进行位置更新：当P≤rand时，以局部搜索的方式进行位置更新：其中，rand表示范围在0到1之间的随机数，f
t
表示自适应香味，H表示服从标准的正态分布；表示第i只蝴蝶在第t+1次迭代对应的整数数组，g

【专利技术属性】
技术研发人员：罗照旺，尚俊娜，施浒立，苏明坤，应娜，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：