CN113640841B - 基于天牛须搜索算法的多星座gnss组合选星方法及系统 - Google Patents
基于天牛须搜索算法的多星座gnss组合选星方法及系统 Download PDFInfo
- Publication number
- CN113640841B CN113640841B CN202110766492.5A CN202110766492A CN113640841B CN 113640841 B CN113640841 B CN 113640841B CN 202110766492 A CN202110766492 A CN 202110766492A CN 113640841 B CN113640841 B CN 113640841B
- Authority
- CN
- China
- Prior art keywords
- iteration
- vector
- search
- selection
- star
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 241000254173 Coleoptera Species 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 title claims abstract description 19
- 239000013598 vector Substances 0.000 claims abstract description 144
- 238000013507 mapping Methods 0.000 claims abstract description 18
- 238000012216 screening Methods 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims abstract description 15
- 230000003044 adaptive effect Effects 0.000 claims abstract description 14
- 241001481710 Cerambycidae Species 0.000 claims description 54
- 230000004044 response Effects 0.000 claims description 22
- 238000010845 search algorithm Methods 0.000 claims description 12
- 238000010187 selection method Methods 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000002068 genetic effect Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/24—Acquisition or tracking or demodulation of signals transmitted by the system
- G01S19/28—Satellite selection
Abstract
本发明基于天牛须搜索算法的多星座GNSS组合选星方法及系统，通过对天牛须搜索算法进行改进，以选星向量作为天牛位置，采用单方向搜索、多方向搜索代替原算法中的无差别随机搜索，添加卫星元素映射及筛选模块，限制搜索范围，降低搜索次数，从而减少选星复杂度。以几何精度因子GDOP作为适应性函数对选星向量进行更新，最终得到趋于最优的选星结果。并考虑了选星结果的时间相关特性，避免接收机频繁进行重捕获与重跟踪，减轻硬件负担，具有更高的定位精度、更低的计算复杂度。
Description
技术领域
本发明属于卫星导航定位技术领域，具体涉及一种基于天牛须搜索算法的多星座GNSS组合选星方法及系统。
背景技术
多星座GNSS组合定位可使导航接收机获得更多的导航信号和更好的卫星几何空间分布，有利于提高定位精度，是卫星导航定位技术发展的一个重要方向。然而，多星座组合定位会大大增加接收机信号处理的负担和定位解算的复杂度。选星是从所有可用卫星中选出几何分布较好的卫星子集，从而在保证接收机定位精度的前提下，降低定位解算复杂度，提高定位效率，具有重要的研究意义。
传统的选星方法遍历可用卫星集合中的所有卫星的组合，以几何精度因子GDOP最小的组合作为选星结果。然而多星座组合定位可用卫星数目较多，遍历所有组合将导致庞大的计算量，无法在硬件上实施。一些快速选星算法通过对卫星的几何分布构型进行分析，限制卫星组合的搜索范围，从而减少GDOP的计算次数，降低选星复杂度。但这类算法限制了选星组合的搜索范围，因而全局寻优能力较差。
群体智能优化算法具有良好的全局寻优能力和快速收敛性，可以有效对全部解空间进行搜索且适应性和灵活性较高。基于遗传、微粒群算法的快速选星算法可以逼近最优选星结果，获得较好的定位精度。但遗传与微粒群算法种群规模较大，需要调节较多参数，具有较高的计算复杂度，且每轮定位随机进行种群初始化，没有考虑选星的时间相关性。因此基于群体智能优化算法思想的多星座GNSS组合定位选星方法仍具有改进的空间。
发明内容
本发明克服了现有技术的不足之一，提供了一种基于改进天牛须搜索算法的多星座GNSS组合选星方法及系统，通过对天牛须搜索算法改进和考虑选星结果的时间相关性，能够避免接收机频繁进行重捕获与重跟踪，减轻硬件负担，具有更高的定位精度、更低的计算复杂度等优点。
根据本公开的一方面，本发明提供一种基于改进天牛须搜索算法的多星座GNSS组合选星方法，所述方法包括：
初始化天牛的初始选星向量Xk-0，天牛搜索步长η、天牛更新步长σ、迭代总轮数G，其中，k为迭代轮数；
获取所述天牛的初始选星向量Xk-0，并接受本轮选星迭代的结果Xk；
对所述初始选星向量Xk-0进行单方向搜索，得到单向向量集合和天牛单方向搜索触须位置集合；
对所述初始选星向量Xk-0中进行多方向搜索，得到方向向量集合为和天牛多方向搜索触须位置集合；
合并单方向独立搜索和多方向随机搜索的方向向量集合、天牛方向搜索触须位置集合，并对天牛方向搜索触须位置集合进行映射修正；
筛选修正后的天牛方向搜索触须位置集合中的选星向量；
根据适应性函数计算修正后的天牛方向搜索触须位置集合中的每个选星向量的响应值，得到响应值集合F；
选取响应值集合F中最小值所在方向向量，根据所述最小值所在方向向量更新所述天牛位置Xk，天牛搜索步长η和天牛更新步长σ；
根据迭代轮数k和迭代总轮数G的关系判断是否终止本轮选星迭代，若终止本轮选星迭代，则输出本轮选星迭代的选星结果，否则将本轮选星迭代的选星结果作为下一轮选星迭代的初始选星向量以进行下一轮选星迭代。
在一种可能的实现方式中，所述根据迭代轮数k和迭代总轮数G的关系判断是否终止本轮选星迭代，包括：
如果迭代轮数k大于等于迭代总轮数G，终止本轮选星迭代；
如果迭代轮数k小于迭代总轮数G，将本轮选星迭代的选星结果作为下一轮选星迭代的初始选星向量。
在一种可能的实现方式中，所述单方向搜索包括依次对初始选星向量Xk-0中N个卫星元素进行独立搜索，在对每个元素进行搜索时，其余元素保持不变。
在一种可能的实现方式中，所述多方向搜索包括依次对初始选星向量Xk-0中N个卫星元素进行随机搜索，且搜索长度不同，一次搜索产生N个范围为(0，1)的随机数，分别对应每个卫星元素的搜索方向。
根据本公开的另一方面，提出了一种基于改进天牛须搜索算法的多星座GNSS组合选星系统，所述系统包括：
初始化及参数配置模块，用于初始化天牛的初始选星向量Xk-0和配置天牛搜索步长η、天牛更新步长σ和迭代总轮数G；
天牛位置选取模块，用于获取所述天牛的初始选星向量Xk-0，并将所述天牛的初始选星向量Xk-0分别输入到单方向搜索模块和多方向搜索模块；并接受本轮选星迭代的结果Xk；
单方向搜索模块，用于对所述初始选星向量Xk-0进行单方向搜索得到单向向量集合和天牛单方向搜索触须位置集合；
多方向搜索模块，用于对所述初始选星向量Xk-0进行多方向搜索得到多向向量集合和天牛单方向搜索触须位置集合；
选星向量映射模块，用于合并单方向独立搜索和多方向随机搜索的方向向量集合、天牛方向搜索触须位置集合，并对天牛方向搜索触须位置集合进行映射修正；
选星向量筛选模块，用于筛选修正后的天牛方向搜索触须位置集合中的选星向量；
适应性函数计算模块，用于根据适应性函数计算修正后的天牛方向搜索触须位置集合中的每个选星向量的响应值，得到响应值集合F；
天牛位置更新模块，用于选取响应值集合F中最小值所在方向向量，根据所述最小值所在方向向量更新天牛位置Xk，天牛搜索步长η和天牛更新步长σ；
迭代终止判断模块，用于根据迭代轮数k和迭代总轮数G的关系判断是否终止本轮选星迭代。
本发明基于天牛须搜索算法的多星座GNSS组合选星方法及系统，通过对天牛须搜索算法进行改进，以选星向量作为天牛位置，采用单方向搜索、多方向搜索代替原算法中的无差别随机搜索，添加卫星元素映射及筛选模块，限制搜索范围，降低搜索次数，从而减少选星复杂度。以几何精度因子GDOP作为适应性函数对选星向量进行更新，最终得到趋于最优的选星结果。并考虑了选星结果的时间相关特性，避免接收机频繁进行重捕获与重跟踪，减轻硬件负担，具有更高的定位精度、更低的计算复杂度。
附图说明
附图用来提供对本申请的技术方案或现有技术的进一步理解，并且构成说明书的一部分。其中，表达本申请实施例的附图与本申请的实施例一起用于解释本申请的技术方案，但并不构成对本申请技术方案的限制。
图1示出了根据本公开一实施例的基于天牛须搜索算法的多星座GNSS组合选星方法流程图；
图2示出了根据本公开一实施例的基于天牛须搜索算法的多星座GNSS组合选星系统框图；
图3示出了根据本公开一实施例的天牛选星向量示意图；
图4示出了根据本公开一实施例的选星迭代的单方向搜索示意图；
图5示出了根据本公开一实施例的选星迭代的多方向搜索示意图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达到相应技术效果的实现过程能充分理解并据以实施。本申请实施例以及实施例中的各个特征，在不相冲突前提下可以相互结合，所形成的技术方案均在本发明的保护范围之内。
另外，附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机中执行。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图2示出了根据本公开一实施例的基于天牛须搜索算法的多星座GNSS组合选星系统框图。
如图2所示，该多星座GNSS组合选星系统可以包括初始化及参数配置模块、天牛位置选取模块、单方向搜索模块、多方向搜索模块、选星向量映射模块、选星向量筛选模块、适应性函数计算模块、天牛位置更新模块、迭代终止判断模块。
其中，初始化及参数配置模块，用于初始化天牛的初始选星向量Xk-0和配置天牛搜索步长η、天牛更新步长σ和迭代总轮数G；
天牛位置选取模块，用于获取所述天牛的初始选星向量Xk-0，并将所述天牛的初始选星向量Xk-0分别输入到单方向搜索模块和多方向搜索模块；并接受本轮选星迭代的结果Xk；
单方向搜索模块，用于对所述初始选星向量Xk-0进行单方向搜索得到单向向量集合和天牛单方向搜索触须位置集合；
多方向搜索模块，用于对所述初始选星向量Xk-0进行多方向搜索得到多向向量集合和天牛单方向搜索触须位置集合；
选星向量映射模块，用于合并单方向独立搜索和多方向随机搜索的方向向量集合、天牛方向搜索触须位置集合，并对天牛方向搜索触须位置集合进行映射修正；
选星向量筛选模块，用于筛选修正后的天牛方向搜索触须位置集合中的选星向量；
适应性函数计算模块，用于根据适应性函数计算修正后的天牛方向搜索触须位置集合中的每个选星向量的响应值，得到响应值集合F；
天牛位置更新模块，用于选取响应值集合F中最小值所在方向向量，根据所述最小值所在方向向量更新天牛位置Xk，天牛搜索步长η和天牛更新步长σ；
迭代终止判断模块，用于根据迭代轮数k和迭代总轮数G的关系判断是否终止本轮选星迭代。
图3示出了根据本公开一实施例的天牛选星向量示意图。
一般来说，对选星进行如下描述：假设某定位历元接收机可用定位卫星集合为S＝{s1,s2,...,sM}，其中si代表PRN编号为i的卫星，选星目标从集合中选出GDOP最小的N颗卫星，构成选星向量Xk用于接收机定位。选星向量Xk如图3所述，包括PRN：1，PRN：2，…，PRN：N-1，PRN：N，共N个卫星元素。
图1示出了根据本公开一实施例的基于天牛须搜索算法的多星座GNSS组合选星方法流程图。
基于图2所述的基于天牛须搜索算法的多星座GNSS组合选星系统的选星方法如图1所示，该方法可以包括：
步骤S1：初始化天牛的初始选星向量Xk-0，天牛搜索步长η、天牛更新步长σ、迭代总轮数G，其中，k为迭代轮数。
例如，若有可以参考的先验信息，例如上一定位历元(上一轮的选星迭代)的选星结果等，则根据先验信息初始化天牛的选星向量Xk＝0，其中k代表迭代轮数，初始设置为0，并配置较小的迭代参数η、δ及总迭代轮数G。若没有可以参考的先验信息，从可用卫星集合中随机初始化选星向量。此时初始选星向量与最优选星向量差距较大，因而需要扩大选星的搜索范围，即设置较大的迭代参数η、δ及总迭代轮数G，以获得较好的搜索效果。将初始化后的天牛选星向量Xk＝0送入天牛位置记录模块，并将配置的迭代参数传入其他模块。
步骤S2：获取所述天牛的初始选星向量Xk-0，并接受本轮选星迭代的结果Xk。
例如，在初次迭代中，天牛位置记录模块从初始化及参数配置模块获得选星向量Xk-0，并将选星向量Xk-0输入单方向搜索模块、多方向搜索模块进行卫星元素随机搜索。在初次选星迭代之后的选星迭代搜索中，天牛位置记录模块从迭代终止判断模块获得上一轮选星迭代的选星向量Xk作为本轮选星迭代的初始选星向量，并将选星向量Xk输入单方向搜索模块、多方向搜索模块进行新一轮选星迭代搜索。
步骤S3：对初始选星向量Xk-0进行单方向搜索，得到单向向量集合和天牛单方向搜索触须位置集合/>其中/>为i第个元素单方向搜索方向向量，/>代表第i次单方向搜索得到的左、右两组卫星向量。
图4示出了根据本公开一实施例的选星迭代的单方向搜索示意图。
其中，如图4所示，单方向搜索可以包括依次对初始选星向量Xk-0中N个卫星元素进行独立搜索，在对每个元素进行搜索时，其余元素保持不变，第i个元素单方向搜索方向向量表达式如下：
从式(1)可以看出，单方向搜索依次变化天牛位置中的一个卫星元素，共需进行N次单方向搜索，产生的单方向向量集合为
得到单方向搜索的单方向向量集合后，根据公式(2)计算出天牛单方向搜索触须位置集合(单方向选星向量)其中/>代表第i次单方向搜索得到的左、右两组卫星向量。
从式(2)可以看出，搜索长度为其中ηk为天牛触须搜索长度，/>代表取整运算。每次搜索产生两个选星向量，共产生了2N个选星向量，将产生的单方向向量及选星向量输出至卫星元素映射及筛选模块。
步骤S4：对所述初始选星向量Xk-0中进行多方向搜索，得到方向向量集合为和天牛多方向搜索触须位置集合/>其中，/>为j次多方向搜索的方向向量，/>代表第j次多方向搜索得到的左、右两组卫星向量。
图5示出了根据本公开一实施例的选星迭代的多方向搜索示意图。
其中，如图5所示，多方向搜索可以包括依次对初始选星向量Xk-0中N个卫星元素进行随机搜索，且搜索长度不同，一次搜索产生N个范围为(0，1)的随机数，分别对应每个卫星元素的搜索方向。然后将所有随机数进行标准化，使方向向量模长为1。
以第j次多方向搜索为例，方向向量表达式如下：
式(3)中，rnd(N,1)产生N×1个随机数。假设每轮选星迭代进行K次多通道搜索，则产生的方向向量集合为
得到搜索方向向量集合后，根据公式(4)计算出天牛多方向搜索触须位置集合(多方向选星向量)其中/>代表第j次多方向搜索得到的左、右两组卫星向量。
从式(4)可以看出，搜索长度为一次多方向搜索产生两个选星向量，共产生了2K个选星向量，将产生的方向向量及选星向量输出至卫星元素映射及筛选模块。
步骤S5：合并单方向独立搜索和多方向随机搜索的方向向量集合、天牛方向搜索触须位置集合，并对天牛方向搜索触须位置集合进行映射修正。
例如，将单方向搜索和多方向搜索的方向向量集合、选星向量集合(天牛单方向搜索触须位置集合和天牛多方向搜索触须位置集合)进行合并，得到B＝{BSingle,BMulti}，χ＝{χs,χm},|χ|≤2(N+K)。
由于随机产生多方向搜索方向向量，在计算选星向量(天牛多方向搜索触须位置集合)可能出现卫星元素越界问题，需要对集合χ中存在卫星元素越界的向量进行映射修正，映射函数如公式(5)所示。
式(5)中sa∈χ，通过映射使选星向量中的卫星元素均在可行域范围内，避免卫星元素越界。然后，对选星向量中可能出现的重复卫星元素进行替换，例如编号相同的卫星，则需对所有卫星编号进行排序找出相同元素的个数及位置，并在重复的第j个卫星元素上加j，重新返回判断是否出现重复元素，直到该选星向量中无相同元素为止。将修正后的集合χ送入卫星元素筛选模块。
步骤S6：筛选修正后的天牛方向搜索触须位置集合中的选星向量。由于卫星元素的排列顺序不影响最终的选星迭代结果，因而需要对集合χ中的选星向量进行筛选：即去掉与天牛位置向量中元素相同、仅排列顺序不同的选星向量，能够减少适应性函数的计算次数，降低算法计算复杂度，并将去重复后的选星向量集合送入适应性函数计算模块。
步骤S7：根据适应性函数计算修正后的天牛方向搜索触须位置集合中的每个选星向量的响应值，得到响应值集合F。
几何精度因子GDOP直接反映了选星组合的几何空间布局优劣，即反映了接收机的定位精度，因而以GDOP作为适应性函数。GDOP计算如下：
式(6)中G代表接收机几何定位矩阵。
为减少计算量，可使用以下修正的适应性函数：
f(xk)'＝trace((GTG)-1) (7)
由式(7)计算所有选星向量的响应值，得到响应值集合F＝{f(x):x∈χ}，将响应值集合传入天牛位置更新模块。
步骤S8：选取响应值集合F中最小值所在方向向量，根据所述最小值所在方向向量更新所述天牛位置Xk，天牛搜索步长η和天牛更新步长σ。
例如，天牛位置更新模块选取响应值集合F中最小值所在方向向量并对天牛位置xk进行更新，更新公式如下：
式(8)中，δk为第k轮天牛的更新步长。
由式(9)和式(10)对天牛搜索步长ηk、天牛更新步长δk进行更新：
ηk+1＝ωηk+0.01 (9)
δk+1＝ωδk (10)
其中，ω为更新系数，通常小于1，k为迭代轮数，最后将迭代轮数及天牛位置送入迭代终止判断模块。
步骤S9：根据迭代轮数k和迭代总轮数G的关系判断是否终止本轮选星迭代，若终止本轮选星迭代，则输出本轮选星迭代的选星结果，否则将本轮选星迭代的选星结果作为下一轮选星迭代的初始选星向量以进行下一轮选星迭代。
在一实例中，如果迭代轮数k大于等于迭代总轮数G，终止本轮选星迭代，输出Xk作为本次历元最终的选星结果，并将此结果Xk送入下一次定位历元的初始化模块，作为先验选星信息。如果迭代轮数k小于迭代总轮数G，将本轮选星迭代的选星结果重新输入天牛触须搜索模块作为下一轮选星迭代的初始选星向量。
本发明基于改进天牛须搜索算法的多星座GNSS组合选星方法即系统，能够进行多星座GNSS组合定位选星，将选星向量作为天牛的位置，利用单方向搜索、多方向搜索对天牛位置中的卫星元素进行随机搜索，通过卫星元素映射避免选星元素越界，并通过筛选剔除与天牛位置重合的搜索，降低计算复杂度。设置适应性函数为几何精度因子GDOP，保证了选星的定位精度。相对于遗传选星算法、微粒群选星算法，本方法种群规模小、调节参数简单、运算量低；相对于常规选星算法，本方法充分考虑了选星的时间相关性，有效地对解空间进行了全局搜索，定位精度更高。
虽然本发明所揭露的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。
Claims (5)
1.一种基于改进天牛须搜索算法的多星座GNSS组合选星方法，其特征在于，所述方法包括：
初始化天牛的初始选星向量Xk-0，天牛搜索步长η、天牛更新步长σ、迭代总轮数G，其中，k为迭代轮数；
获取所述天牛的初始选星向量Xk-0，并接受本轮选星迭代的结果Xk；
对所述初始选星向量Xk-0进行单方向搜索，得到单向向量集合和天牛单方向搜索触须位置集合；
对所述初始选星向量Xk-0中进行多方向搜索，得到方向向量集合和天牛多方向搜索触须位置集合；
合并单方向独立搜索和多方向随机搜索的方向向量集合、天牛方向搜索触须位置集合，并对天牛方向搜索触须位置集合进行映射修正；
筛选修正后的天牛方向搜索触须位置集合中的选星向量；
根据适应性函数计算修正后的天牛方向搜索触须位置集合中的每个选星向量的响应值，得到响应值集合F；
选取响应值集合F中最小值所在方向向量，根据所述最小值所在方向向量更新所述天牛位置Xk，天牛搜索步长η和天牛更新步长σ；
根据迭代轮数k和迭代总轮数G的关系判断是否终止本轮选星迭代，若终止本轮选星迭代，则输出本轮选星迭代的选星结果，否则将本轮选星迭代的选星结果作为下一轮选星迭代的初始选星向量以进行下一轮选星迭代。
2.根据权利要求1所述的多星座GNSS组合选星方法，其特征在于，所述根据迭代轮数k和迭代总轮数G的关系判断是否终止本轮选星迭代，包括：
如果迭代轮数k大于等于迭代总轮数G，终止本轮选星迭代；
如果迭代轮数k小于迭代总轮数G，将本轮选星迭代的选星结果作为下一轮选星迭代的初始选星向量。
3.根据权利要求2所述的多星座GNSS组合选星方法，其特征在于，所述单方向搜索包括依次对初始选星向量Xk-0中N个卫星元素进行独立搜索，在对每个元素进行搜索时，其余元素保持不变。
4.根据权利要求3所述的多星座GNSS组合选星方法，其特征在于，所述多方向搜索包括依次对初始选星向量Xk-0中N个卫星元素进行随机搜索，且搜索长度不同，一次搜索产生N个范围为（0，1）的随机数，分别对应每个卫星元素的搜索方向。
5.一种基于改进天牛须搜索算法的多星座GNSS组合选星系统，其特征在于，所述系统包括：
初始化及参数配置模块，用于初始化天牛的初始选星向量Xk-0和配置天牛搜索步长η、天牛更新步长σ和迭代总轮数G；
天牛位置选取模块，用于获取所述天牛的初始选星向量Xk-0，并将所述天牛的初始选星向量Xk-0分别输入到单方向搜索模块和多方向搜索模块；并接受本轮选星迭代的结果Xk；
单方向搜索模块，用于对所述初始选星向量Xk-0进行单方向搜索得到单向向量集合和天牛单方向搜索触须位置集合；
多方向搜索模块，用于对所述初始选星向量Xk-0进行多方向搜索得到多向向量集合和天牛单方向搜索触须位置集合；
选星向量映射模块，用于合并单方向独立搜索和多方向随机搜索的方向向量集合、天牛方向搜索触须位置集合，并对天牛方向搜索触须位置集合进行映射修正；
选星向量筛选模块，用于筛选修正后的天牛方向搜索触须位置集合中的选星向量；
适应性函数计算模块，用于根据适应性函数计算修正后的天牛方向搜索触须位置集合中的每个选星向量的响应值，得到响应值集合F；
天牛位置更新模块，用于选取响应值集合F中最小值所在方向向量，根据所述最小值所在方向向量更新天牛位置Xk，天牛搜索步长η和天牛更新步长σ；
迭代终止判断模块，用于根据迭代轮数k和迭代总轮数G的关系判断是否终止本轮选星迭代。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110766492.5A CN113640841B (zh) | 2021-07-07 | 2021-07-07 | 基于天牛须搜索算法的多星座gnss组合选星方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110766492.5A CN113640841B (zh) | 2021-07-07 | 2021-07-07 | 基于天牛须搜索算法的多星座gnss组合选星方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113640841A CN113640841A (zh) | 2021-11-12 |
| CN113640841B true CN113640841B (zh) | 2024-03-26 |
Family
ID=78416783
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110766492.5A Active CN113640841B (zh) | 2021-07-07 | 2021-07-07 | 基于天牛须搜索算法的多星座gnss组合选星方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113640841B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115028301B (zh) * | 2022-05-31 | 2024-04-26 | 河北工程大学 | 一种智能净化游泳池水循环再利用系统及方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5155490A (en) * | 1990-10-15 | 1992-10-13 | Gps Technology Corp. | Geodetic surveying system using multiple GPS base stations |
| CN110288074A (zh) * | 2018-12-04 | 2019-09-27 | 东华大学 | 一种基于包围机制的改进天牛须搜索算法 |
| CN111310885A (zh) * | 2020-02-27 | 2020-06-19 | 辽宁工程技术大学 | 一种引入变异策略的混沌天牛群搜索算法 |
| CN112284414A (zh) * | 2020-10-10 | 2021-01-29 | 东南大学 | 一种基于多渐消因子自适应动机座旋转调制精对准方法 |
| CN112578414A (zh) * | 2020-11-25 | 2021-03-30 | 哈尔滨工程大学 | 一种禁忌搜索人工蜂群算法下的北斗导航选星方法 |
-
2021
- 2021-07-07 CN CN202110766492.5A patent/CN113640841B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5155490A (en) * | 1990-10-15 | 1992-10-13 | Gps Technology Corp. | Geodetic surveying system using multiple GPS base stations |
| CN110288074A (zh) * | 2018-12-04 | 2019-09-27 | 东华大学 | 一种基于包围机制的改进天牛须搜索算法 |
| CN111310885A (zh) * | 2020-02-27 | 2020-06-19 | 辽宁工程技术大学 | 一种引入变异策略的混沌天牛群搜索算法 |
| CN112284414A (zh) * | 2020-10-10 | 2021-01-29 | 东南大学 | 一种基于多渐消因子自适应动机座旋转调制精对准方法 |
| CN112578414A (zh) * | 2020-11-25 | 2021-03-30 | 哈尔滨工程大学 | 一种禁忌搜索人工蜂群算法下的北斗导航选星方法 |
Non-Patent Citations (2)
| Title |
|---|
| A fast GNSS satellite selection algorithm for continuous real‑time positioning;YU quanzhou 等;GPS SOLUTIONS;第26卷(第3期);1-13 * |
| 基于神经网络优化的组合导航系统研究;韩少卫;中国优秀硕士论文库 信息科技辑(第5期);I136-1455 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113640841A (zh) | 2021-11-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112364730B (zh) | 基于稀疏子空间聚类的高光谱地物自动分类方法及系统 | |
| CN110009092A (zh) | 用于深度神经网络的激活函数 | |
| Yang et al. | Towards improving the consistency, efficiency, and flexibility of differentiable neural architecture search | |
| JP6072240B2 (ja) | オートフォーカスデータから導き出されるナビゲーション解を使用するワイドビームｓａｒ焦点合わせ方法 | |
| CN113640841B (zh) | 基于天牛须搜索算法的多星座gnss组合选星方法及系统 | |
| CN111079780A (zh) | 空间图卷积网络的训练方法、电子设备及存储介质 | |
| Njima et al. | Deep learning based data recovery for localization | |
| Chung et al. | Recursive EM and SAGE-inspired algorithms with application to DOA estimation | |
| US20170212980A1 (en) | Construction method for heuristic metabolic co-expression network and the system thereof | |
| Wang et al. | Inexact proximal stochastic gradient method for convex composite optimization | |
| CN108304926B (zh) | 一种适用于神经网络的池化计算装置及方法 | |
| CN112906899B (zh) | 基于量子计算的混合大规模mimo到达方向估计方法 | |
| CN116668351A (zh) | 服务质量预测方法、装置、计算机设备及存储介质 | |
| CN115333583B (zh) | 多发多收通信系统的信号检测方法及装置 | |
| CN116258165A (zh) | 一种融合卷积及自注意力的多目标神经架构搜索方法 | |
| CN116306199A (zh) | 一种基于多元矢量控制交叉眼干扰技术实现的高效优化方法 | |
| CN111125541B (zh) | 面向多用户的可持续多云服务组合的获取方法 | |
| Zhu et al. | Imitating the oracle: Towards calibrated model for class incremental learning | |
| CN112528224A (zh) | 一种矩阵特征值分解分组循环迭代流水实现方法及系统 | |
| WO2021248409A1 (en) | Pruning hardware unit for training neural network | |
| CN113837228B (zh) | 基于惩罚感知中心损失函数的用于细粒度物体检索方法 | |
| CN117148872B (zh) | 多气体扩散源场景下的机器人协同寻源方法、装置及设备 | |
| White et al. | Speeding up NAS with adaptive subset selection | |
| Liu et al. | A Discrete-time Projection Neural Network for Solving Convex Quadratic Programming Problems with Hybrid Constraints | |
| CN116028770B (zh) | 适用于实、复协方差矩阵的特征值分解硬件实现方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |