System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于线性淘汰权重和种群中心的无源时差定位方法技术_技高网

基于线性淘汰权重和种群中心的无源时差定位方法技术

技术编号:40043872 阅读:6 留言:0更新日期:2024-01-16 20:09
本发明专利技术公开了一种基于线性淘汰权重和种群中心的无源时差定位方法,主要解决了人工蜂鸟算法在求解时差定位问题时存在的资源浪费以及大量重复性行为,从而导致种群丰富度降低,容易陷入局部收敛,影响定位精度的问题。其实现方案是:首先在人工蜂鸟算法淘汰更新的基础上,利用淘汰权重计算公式计算当前的淘汰权重,然后利用淘汰更新方程对候补解进行更新。其次基于种群中心,通过计算每个个体的历史步长以及与种群中心的距离,判断当前种群的分布状态,当种群处于冗余状态时,以种群中心代替无效个体,克服了现有技术迭代后期存在大量无效行为导致定位效率不高的问题。

【技术实现步骤摘要】

本专利技术属于通信,更进一步涉及雷达通信中一种基于线性淘汰权重和种群中心的无源时差定位方法。本专利技术可用于无源时差定位对辐射源目标进行位置估计。


技术介绍

1、无源时差定位是基于辐射源目标到达各定位站的时差tdoa(time difference ofarrival)对目标进行估计的一种无源定位技术,因时差测量技术成熟且精度较高,定位精度好,无源时差定位被广泛应用于雷达、声呐
进行目标定位。无源时差定位问题本质是一组非线性方程,难以直接求解。群智能算法作为一类最优化算法,因其无需初始值以及只需考虑输入输出的黑盒特性,近年来被广泛应用于无源时差定位领域。粒子群算法、樽海鞘群算法、鲸鱼优化算法等多种群智能算法被应用于无源时差定位问题求解目标定位估计,但是,这类群智能算法在迭代求解过程中易陷入局部极值,从而影响目标估计的定位精度。

2、zhao等人在其发表的论文“artificial hummingbird algorithm:a new bio-inspired optimizer with its engineering applications”(computer methods inapplied mechanics and engineering,volume 388,2022,114194,issn 0045-7825.)中提出的人工蜂鸟算法。该算法根据最大似然估计得到似然方程后,将似然方程作为待优化的函数,然后随机产生n个初始目标估计,n个目标估计在每一次迭代更新过程中,根据当前位置与候补位置的优劣选择是否更新当前位置,迭代结束后,最优个体为算法的解,即辐射源目标的定位估计。该方法通过测试函数验证了在求解最优化问题时人工蜂鸟算法远高于其他群智能算法的求解精度,但是,该方法仍然存在的两点不足之处是,其一,由于算法择优更新,因此在迭代过程中多数个体经常处于不变状态,参与种群更新的实际个体变少,种群丰富度降低,导致在求解时差定位问题时容易陷入局部收敛,影响定位精度;其二,忽视了迭代后期种群处于聚集状态,大部分个体位置相近,部分个体行为重复,影响定位效率。


技术实现思路

1、本专利技术的目的在于针对上述现有技术存在的不足,提出一种基于线性淘汰权重和种群中心的无源时差定位方法,用于解决现有技术存在的定位精度以及定位效率不佳的问题。

2、实现本专利技术目的的技术思路是:本专利技术基于人工蜂鸟算法,在其基础上,设计了随迭代次数增加而变化的线性淘汰权重,提高了迭代过程中淘汰更新的个体比例,改善了人工蜂鸟算法在迭代后期参与更新的个体比例降低的问题。本专利技术基于种群中心,通过计算每个个体的历史步长以及与种群中心的距离,判断当前种群的分布状态,当种群处于冗余状态时,以种群中心代替处于无效个体,减少重复行为,克服了现有技术迭代后期存在大量无效行为导致定位效率不高的问题。

3、根据上述思路,本专利技术的技术方案如下:

4、步骤1,生成待优化函数;

5、步骤2,产生30个对辐射源目标位置的估计值,作为待优化函数的候补解;

6、步骤3,利用人工蜂鸟算法中的引导更新和领地更新方程,更新每个候补解;

7、步骤4,判断当前迭代次数能否被迁移间隔整除,若是,则执行步骤5,对候补解进行淘汰更新,否则,执行步骤6;

8、步骤5,利用淘汰权重计算公式计算当前的淘汰权重,利用淘汰更新方程对候补解进行更新;

9、步骤6,判断当前候补解的分布情况,若是种群平均历史步长小于种群平均中心距离,种群处于冗余状态,则执行步骤7,否则,执行步骤8;

10、步骤7,对无效的候补解进行替代操作;

11、步骤8,判断迭代次数是否已达最大值,若是,则执行步骤9,否则,将迭代次数加1后执行步骤4;

12、步骤9,输出辐射源目标位置估计中使f取得最小值的目标位置估计。

13、本专利技术与现有技术相比具有以下优点:

14、第一,本专利技术在对候补解进行淘汰更新时,首先利用淘汰权重计算公式计算当前的淘汰权重,然后利用淘汰更新方程对候补解进行更新,增加了参与种群更新的实际个体比例,克服了现有技术在迭代过程中由于择优更新导致迭代后期参与种群更新的实际个体变少从而使得迭代易陷入局部极值,影响定位精度的问题,使得本专利技术可避免迭代过程中陷入局部极值,提高了对辐射源目标的定位精度。

15、第二,本专利技术根据种群平均历史步长和种群平均中心距离判断当前种群是否为冗余状态,当种群处于冗余状态时,以种群中心代替无效个体,减少重复行为,克服了现有技术忽略种群迭代后期聚集从而导致大量无效重复行为的不足,使得本专利技术提高了对辐射源目标的定位效率。

本文档来自技高网...

【技术保护点】

1.基于线性淘汰权重和种群中心的无源时差定位方法,其特征在于,利用基于迭代次数线性下降的线性淘汰权重对种群进行淘汰更新,以种群的中心位置与每个个体的位置分布作为判断依据,对处于冗余状态下的个体执行替代操作;该方法的具体步骤包括:

2.根据权利要求1所述的基于线性淘汰权重和种群中心的无源时差定位方法,其特征在于,步骤1中所述待优化函数指的是,通过待定位的辐射源目标信号到达定位主站与每个定位辅站之间的到达时差值,构造辐射源目标位置与到达时差之间的数学关系,利用最大似然估计法基于数学关系得到辐射源目标位置的似然函数,将似然函数作为待优化函数。

3.根据权利要求1所述的基于线性淘汰权重和种群中心的无源时差定位方法,其特征在于,步骤1中所述待优化函数的表达式如下:

4.根据权利要求1中所述的基于线性淘汰权重和种群中心的无源时差定位方法,其特征在于,步骤2中所述产生30个对辐射源目标位置的估计值是由下式得到的:

5.根据权利要求4中所述的基于线性淘汰权重和种群中心的无源时差定位方法,其特征在于,步骤3中所述的引导更新和领地更新方程如下:

6.根据权利要求1所述的基于线性淘汰权重和种群中心的无源时差定位方法,其特征在于,步骤4中所述迁移间隔为:T=2N,其中,N表示辐射源目标位置的估计值的个数。

7.根据权利要求1所述的基于改进人工蜂鸟算法的无源时差定位方法,其特征在于,步骤5中所述的淘汰权重计算公式如下:

8.根据权利要求7所述的基于线性淘汰权重和种群中心的无源时差定位方法,其特征在于,步骤5中所述的淘汰更新方程如下:

9.根据权利要求1所述的基于线性淘汰权重和种群中心的无源时差定位方法,其特征在于,步骤6中所述的平均历史步长与平均中心距离是由下式得到:

10.根据权利要求9所述的基于线性淘汰权重和种群中心的无源时差定位方法,其特征在于,步骤7中所述的替代操作公式如下:

...

【技术特征摘要】

1.基于线性淘汰权重和种群中心的无源时差定位方法,其特征在于,利用基于迭代次数线性下降的线性淘汰权重对种群进行淘汰更新,以种群的中心位置与每个个体的位置分布作为判断依据,对处于冗余状态下的个体执行替代操作;该方法的具体步骤包括:

2.根据权利要求1所述的基于线性淘汰权重和种群中心的无源时差定位方法,其特征在于,步骤1中所述待优化函数指的是,通过待定位的辐射源目标信号到达定位主站与每个定位辅站之间的到达时差值,构造辐射源目标位置与到达时差之间的数学关系,利用最大似然估计法基于数学关系得到辐射源目标位置的似然函数,将似然函数作为待优化函数。

3.根据权利要求1所述的基于线性淘汰权重和种群中心的无源时差定位方法,其特征在于,步骤1中所述待优化函数的表达式如下:

4.根据权利要求1中所述的基于线性淘汰权重和种群中心的无源时差定位方法,其特征在于,步骤2中所述产生30个对辐射源目标位置的估计值是由下式得到的:...

【专利技术属性】
技术研发人员:汤建龙代瑞雪斯海飞罗勇江
申请(专利权)人:西安电子科技大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1