等梯度声速剖面下基于TOF融合粒子群的高斯牛顿定位方法技术

本发明专利技术公开了一种等梯度声速剖面下基于TOF融合粒子群的高斯牛顿定位方法，建立等梯度声速剖面的数学模型，获得传感器节点与目标节点之间的飞行时间(TOF)，通过TOF建立关于目标位置的优化问题。本发明专利技术提出一种融合粒子群的高斯牛顿(GN‑PSO)方法求解目标位置，在每次迭代过程中使用结合粒子群优化(PSO)算法和高斯牛顿(GN)算法的策略，以逐步逼近目标位置。假设在常声速下，利用到达时间差和两步加权最小二乘方法获得一个初始值。相对传统的GN算法，本发明专利技术具有更高的定位精度，并缓解了GN算法对初始值敏感以及在测量噪声较大时可能发散的问题。此外，本方法的时间复杂度低于PSO，同时定位精度能够逼近PSO。

【技术实现步骤摘要】

本专利技术涉及水下目标声学定位，具体涉及一种等梯度声速剖面下基于tof的融合粒子群的高斯牛顿定位方法。

技术介绍

1、在地面上通常可利用全球定位系统gps信号和电磁波(如无线电波、光波等)进行定位。然而，全球定位系统gps信号和电磁波在水下具有较高的衰减性，从而不适用于水下定位。水下一般利用声波进行信息传递，但由于水下环境复杂多变，声速会随温度、压力和盐度的变化而变化，导致声波的传播路径不是直线。因此，考虑水下不同深度的声速不同而形成的声速剖面对水下目标定位的影响具有重要意义。

2、由于水下环境的复杂性，通常采用相对较为准确的信号到目标飞行时间tof的测距定位。使用测距需要精确地表示两点间信号传播时间与距离的关系。在声速不变的情况下，到达时间与距离呈简单的线性关系。但在等梯度声速剖面ssp下飞行时间tof关于目标位置是高度非线性的，可以通过高斯牛顿法求解目标节点坐标，然而高斯牛顿算法也存在一定的局限性，高斯牛顿算法对初始解很敏感，容易陷入局部最优值，这使得目标估计误差较大。

3、等梯度声速剖面下，目前大多采用高斯牛顿算法求解目标定位本文档来自技高网...

【技术保护点】

1.一种等梯度声速剖面下基于TOF融合粒子群的高斯牛顿定位方法，其特征在于，所述定位方法包括以下步骤：

2.根据权利要求1所述的等梯度声速剖面下基于TOF融合粒子群的高斯牛顿定位方法，其特征在于，在步骤S1中，声速剖面SSP的数学模型c(z)表示为：c(z)＝b+az

3.根据权利要求1所述的等梯度声速剖面下基于TOF融合粒子群的高斯牛顿定位方法，其特征在于，所述步骤S2过程如下：

4.根据权利要求1所述的等梯度声速剖面下基于TOF融合粒子群的高斯牛顿定位方法，其特征在于，所述步骤S3中，通过在假设常声速c下基于飞行时间TOF采用加权最小二乘算法获得一...

【技术特征摘要】

1.一种等梯度声速剖面下基于tof融合粒子群的高斯牛顿定位方法，其特征在于，所述定位方法包括以下步骤：

2.根据权利要求1所述的等梯度声速剖面下基于tof融合粒子群的高斯牛顿定位方法，其特征在于，在步骤s1中，声速剖面ssp的数学模型c(z)表示为：c(z)＝b+az

3.根据权利要求1所述的等梯度声速剖面下基于tof融合粒子群的高斯牛顿定位方法，其特征在于，所述步骤s2过程如下：

4.根据权利要求1所述的等梯度声速剖面下基于tof融合粒子群的高斯牛顿定位方法，其特征在于，所述步骤s3中，通过在假设常声速c下基于飞行时间tof采用加权最小二乘算法获得一个初步结果，将该结果作为gn-pso的初值，

5.根据权利要求1所述的等梯度声速剖面下基于tof融合粒子群的高斯牛顿定位方法，其特征在于，所述步骤s4中，将步骤s3的结果作为gn-pso的初值，按照式(2)进行位置估计更新，第k次迭代的位置估计更新公式表示如下：

6.根据权利要求1所述的等梯度声速剖面下基于tof融合粒子群的高斯牛顿定位方法，其特征在于，所述步骤s5中，对步骤s4中每次迭代的结果u(k+1)...

【专利技术属性】
技术研发人员：季飞，敖丽媛，陈永华，余华，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：