CN108254716A - 一种基于粒子群算法的观测平台轨迹优化方法 - Google Patents
一种基于粒子群算法的观测平台轨迹优化方法 Download PDFInfo
- Publication number
- CN108254716A CN108254716A CN201711314343.5A CN201711314343A CN108254716A CN 108254716 A CN108254716 A CN 108254716A CN 201711314343 A CN201711314343 A CN 201711314343A CN 108254716 A CN108254716 A CN 108254716A
- Authority
- CN
- China
- Prior art keywords
- target
- observation platform
- particle cluster
- observer
- cluster algorithm
- 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.)
- Pending
Links
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
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0294—Trajectory determination or predictive filtering, e.g. target tracking or Kalman filtering
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提出了一种基于粒子群算法的观测平台轨迹优化方法,将轨迹优化问题转换为带各观测平台下一时刻的运动方向以及速度调整因子的GDOP的非线性优化问题,首先将观测器下一时刻位置进行抽象建模,建立GDOP分析方程,同时建立目标函数,形成目标解空间约束,利用用粒子群算法对目标解空间进行实时求解,再就最优布站情况对目标进行时差无源定位,将得出的目标位置作为滤波输入,得到下一时刻目标的预测值,从而进行下一轮的迭代,通过优化与估计相结合的方法完成运动目标的跟踪过程。从而提高对运动目标的精确定位跟踪。
Description
技术领域
本发明涉及观测平台轨迹优化处理,属于多机轨迹优化领域。
背景技术
在现代化电子战中,对目标的精确定位有助于实现目标的精确打击,为最终摧毁对方提供有力的保障。在传统目标定位问题中主要采用有源定位系统。有源定位系统通过观测平台主动发射电磁波,通过测量发射波与经目标反射后的反射波之间的时间延迟来得到雷达与目标之间的几何距离,利用天线的方向特性来进行角度测量,通过发射波与反射波回波载频变化量来测量目标的速度,通过时间差、方向、速度等因素进行目标的定位与跟踪。随着电子对抗技术和反辐射导弹技术的发展,有源定位系统面临着越来越严峻的考验,有源定位系统依靠于发射大功率的电磁信号实现目标距离的测量,因此,该信号需对目标进行直接接触,容易暴露己方观测平台,从而遭受到对方电磁干扰和反辐射导弹打击,使观测平台定位精度受到很大的影响,甚至影响到观测平台自身安全。而无源定位系统由于其隐蔽性,得到了很好的发展。无源定位系统中,定位设备本身不进行电磁信号的发射,依托于被动接收辐射源的信息来实现定位,表现出很高的安全性和隐蔽性。无源定位系统根据无源定位体制又可以分为时差无源定位系统、测向定位系统、到达频差定位系统等,其中,时差无源定位(TDOA)技术由于其定位精度相对较高、工作频带宽、对辐射源频率未知、快变的情况具有良好的适应性等优势,受到了研究人员的关注。
在时差无源定位系统中,定位的精度和辐射源与观测平台的相对几何位置有关。目前,大部分研究成果也集中在此方面。其中,王瀚详细推导了时差无源定位原理和定位精度,仿真分析了布站方式、站址误差、测时误差,以及基线长度对定位精度的影响,实验表明,综合考虑以上因素布站方式、站址误差、测时误差,以及基线长度等能够提高最佳的布站方式和目标定位精度。潘烨炀等针对传统布局方法定位精度不高问题,提出了一种基于自适应遗传算法的布站优化方法,该方法采用遗传算法中选择、交叉和变异操作实现观测布站平台的位置优化,通过仿真结果表明,该方法能够提高静态目标定位的精度。顾晓婕等采用遗传算法对轨迹进行优化,求解每一采样时刻使得目标函数值最小的观测器位置,作为最佳观测位置对目标进行精确定位,实验仿真表明,该方法能够提高对目标的跟踪精度。
上述研究部分是针对静止目标进行研究,其中几种主要着重比较集中固定布站方式对定位精度的影响,另外的研究成果主要讨论观测平台位置的自适应优化问题。但上述研究的前提均是目标静止,而实际情况中,目标运动的情况居多,此时,用目标静止的方法来进行处理会导致观测器测量误差累计增大,最终将对目标失去跟踪与定位。
发明内容
本发明为了提高动态目标下目标的跟踪定位精度,提出了一种基于粒子群算法的多观测平台轨迹优化方法。将轨迹优化问题转换为带各观测平台下一时刻的运动方向以及速度调整因子的GDOP的非线性优化问题,本文提出的基于粒子群算法的多观测平台轨迹优化方法将观测器下一时刻位置进行抽象建模,建立GDOP分析方程,同时建立目标函数,形成目标解空间约束,利用用粒子群算法对目标解空间进行实时求解,再就最优布站情况对目标进行时差无源定位,将得出的目标位置作为滤波输入,得到下一时刻目标的预测值,从而进行下一轮的迭代,有效提高目标实时性能,减少对目标失去跟踪与定位的概率。
本发明是通过以下技术方案实现的:一种基于粒子群算法的观测平台轨迹优化方法,其主要有以下几个大步骤:1)目标函数的确定;2)利用粒子群算法求解轨迹优化问题;3)利用观测平台对目标的定位并预测下一时刻目标位置。
附图说明
图1 时差无源定位原理图
图2 观测平台轨迹优化方法流程图
图3 目标线性运动下观测平台轨迹优化曲线
图4 目标线性运动下观测平台轨迹优化前后GDOP对比曲线
图5 目标非线性运动下观测平台轨迹优化曲线
图6 目标非线性运动下观测平台轨迹优化前后GDOP对比曲线。
具体实施方式
1.目标函数的确定
在时差无源定位系统中衡量定位精度的一个重要指标是误差几何稀释度(GDOP)值,它用来描述定位误差的几何分布。下面以三站时差定位体系为例,对其GDOP进行推导
将上式中的最后一个等式两边进行微分:
其中,dX表示辐射源的定位精度,dY表示距离差的测量误差
有:
2.求解轨迹优化问题的粒子群算法
粒子群优化算法(PSO)由Eberhart博士和kennedy于1995年提出,是一种群体智能算法,源于鸟类觅食的灵感,粒子群算法利用群体中的个体对信息的共享使整个群体的运动在问题求解空间中产生从无序到有序的演化过程,从而获得最优解。它是群体智能算法中最简单的一种,具有精度高、收敛快等优点,这些优点非常适用于实时性强的问题
对于三平台轨迹优化问题,将带求解的参数个数设为6,分别为这三个平台的航向角以及速度调整因子,即粒子群算法中的一个粒子的维数为6,设群体中的粒子数为n,vi为粒子i当前飞行速度,pi是使得粒子i具有最好适应度的位置,pg为所有粒子中出现的最好的适应度对应的位置。在该问题中,适应度最好意味着当前位置下的GDOP值最小。第i个粒子在6维空间中的速度与位置的更新公式如下:
3.轨迹优化与目标目标估计
传统辐射源被动跟踪中,由于辐射源运动轨迹不定,而观测平台始终以固定的布站运动会导致测量误差逐渐积累,最终出现失跟的可能,为了减少滤波发散的影响,将轨迹优化加入到整个目标的被动跟踪过程中,使其成为一个闭环的过程,减少布站对精度的影响。
整个辐射源被动跟踪过程如下参考图2:
附图详细说明:
图1时差无源定位原理图,三个观测平台接收同一个信号,由于到达目标角度和距离等不一样,因此接收到信号的时间不同,三个观测平台通过通信形式分享到达时间信息等,并计算时间差等信息完成对目标的定位。
图2观测平台轨迹优化方法流程图,通过对观测器下一时刻位置进行GDOP分析,建立目标函数,经过优化算法对目标函数中解空间的解进行优化求解,得到最优观测器位置,基于最优观测器位置同时利用时差无源定位算法对目标位置进行精确定位,并将结果作为输入对移动目标位置进行下一时刻预测,最后将预测位置进行反馈,形成闭环处理。
图3表示粒子群算法对观测器轨迹的实时优化图,三条以“.”表示的曲线(细线)为观测器运动轨迹,以“*”表示的直线(粗线)代表目标运动轨迹,在基线长度未到达最大时,副观测器远离主观测器,使基线距离增大,该运动轨迹符合预期,当基线距离接近限定长度时,三观测器逐渐减小与目标之间的距离,最后当观测平台与目标处于精度较高的布站形式时,观测器将保持此状态,即尽可能使目标处于以副观测器连线为底边的等腰三角形的中垂线上。
图4中下半轴离散点轨迹代表观测器轨迹实时优化后的GDOP图,上半轴曲线代表观测器按固定轨迹飞行时的GDOP图,经过轨迹优化后的目标跟踪精度明显高于按固定轨迹飞行时的跟踪精度。
图5用粒子群算法对观测器轨迹的实时优化图,三条以“.”表示的曲线(细线)为观测器轨迹,以“*”表示的抛物线(粗线)代表目标运动轨迹。
图6下半轴离散点轨迹代表观测器轨迹实时优化后的GDOP图,上半轴曲线代表观测器按固定轨迹飞行时的GDOP图,在观测器按固定轨迹飞行时,其在x轴上的速度与目标一致,而目标在y轴的初始速度比观测器低,其位置差会增加,所以在一段时间内对应的GDOP曲线呈上升趋势;当目标在y轴上的速度高于观测器速度时,其位置差会减小,GDOP呈下降趋势;当后期目标逐渐远离观测器时,GDOP值又会逐渐变大。
Claims (4)
1.一种基于粒子群算法的观测平台轨迹优化方法,其特征是,包括以下几个步骤:
步骤1、初始化观测器位置,基于当前观测器的速度和方向角对观测器下一时刻运动位置进行表征,形成具有二维向量表示的位置表达式;
步骤2、基于带二维向量的位置表达式对GDOP进行抽象建模,建立多观测平台协同的表征模型,形成具有解空间约束的目标函数;
步骤3、利用粒子群算法对目标函数进行求解,求解目标函数最优解;
步骤4、将步骤3中所得到的观测器最优解位置对观测器进行实时位置更新,并基于时差无源定位算法对当前时刻目标位置进行精确定位;
步骤5、将步骤4中所得到的目标位置作为预测算法的输入,求解下一时刻目标运动位置;
步骤6、基于预测位置进行下一轮迭代。
2.根据权利要求1所述的基于粒子群算法的观测平台轨迹优化方法,其特征在于:步骤1中对观测器位置下一时刻运动位置基于速度调整因子和航向角进行表征,其中k时刻的观测器坐标为:
,
其中,V表示观测器的最大飞行速度,i表示第i个观测器,表示速度调整因子,为航向角。
3.根据权利要求1所述的基于粒子群算法的观测平台轨迹优化方法,其特征在于:步骤2中基于带二维向量的位置表达式对GDOP进行抽象建模,建立多观测平台协同的表征模型,形成目标函数状态模型,表示为:
其中P为优化后的参数集,表示任意时刻的解空间的集合,。
4.根据权利要求1所述的基于粒子群算法的观测平台轨迹优化方法,其特征在于:步骤3利用粒子群算法对目标函数指定解空间进行优化求解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711314343.5A CN108254716A (zh) | 2017-12-12 | 2017-12-12 | 一种基于粒子群算法的观测平台轨迹优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711314343.5A CN108254716A (zh) | 2017-12-12 | 2017-12-12 | 一种基于粒子群算法的观测平台轨迹优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108254716A true CN108254716A (zh) | 2018-07-06 |
Family
ID=62720926
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711314343.5A Pending CN108254716A (zh) | 2017-12-12 | 2017-12-12 | 一种基于粒子群算法的观测平台轨迹优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108254716A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109765598A (zh) * | 2018-12-27 | 2019-05-17 | 重庆大学 | 一种多测速系统最优测站组合实时确定方法 |
CN110220513A (zh) * | 2019-04-30 | 2019-09-10 | 中国科学院深圳先进技术研究院 | 一种目标定位的方法、系统、无人机及存储介质 |
CN111650555A (zh) * | 2020-06-10 | 2020-09-11 | 电子科技大学 | 一种基于弹性基线的无人机定位跟踪方法 |
CN111999696A (zh) * | 2020-08-02 | 2020-11-27 | 中国人民解放军海军工程大学 | 一种多平台测向交叉定位优化方法 |
CN112109922A (zh) * | 2020-08-12 | 2020-12-22 | 中国矿业大学 | 面向月球车导航定位的月球导航卫星星座设计与优化方法 |
CN112130110A (zh) * | 2020-09-10 | 2020-12-25 | 北京华跃信息技术有限公司 | 一种无人机无源定位航迹生成方法及装置 |
CN112985412A (zh) * | 2021-03-11 | 2021-06-18 | 北京理工大学 | 一种多无人飞行器协同定位的队形优化方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1499874A (zh) * | 2002-11-07 | 2004-05-26 | 华为技术有限公司 | 一种位置估计方法 |
CN103064059A (zh) * | 2012-12-24 | 2013-04-24 | 天津工业大学 | 一种无线传感器网络声源定位方法 |
KR101397934B1 (ko) * | 2014-03-05 | 2014-05-27 | 국방과학연구소 | 펄스 신호를 이용한 입자 기반의 표적 위치 추정 방법 |
CN105203106A (zh) * | 2015-08-17 | 2015-12-30 | 湖北工业大学 | 一种基于模拟退火粒子群算法的wMPS网络布局优化方法 |
CN106501767A (zh) * | 2016-10-13 | 2017-03-15 | 哈尔滨工程大学 | 一种运动多站无源时差定位方法 |
CN106941663A (zh) * | 2017-05-16 | 2017-07-11 | 重庆邮电大学 | 一种融合凸优化与多目标粒子群的uwb定位方法 |
-
2017
- 2017-12-12 CN CN201711314343.5A patent/CN108254716A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1499874A (zh) * | 2002-11-07 | 2004-05-26 | 华为技术有限公司 | 一种位置估计方法 |
CN103064059A (zh) * | 2012-12-24 | 2013-04-24 | 天津工业大学 | 一种无线传感器网络声源定位方法 |
KR101397934B1 (ko) * | 2014-03-05 | 2014-05-27 | 국방과학연구소 | 펄스 신호를 이용한 입자 기반의 표적 위치 추정 방법 |
CN105203106A (zh) * | 2015-08-17 | 2015-12-30 | 湖北工业大学 | 一种基于模拟退火粒子群算法的wMPS网络布局优化方法 |
CN106501767A (zh) * | 2016-10-13 | 2017-03-15 | 哈尔滨工程大学 | 一种运动多站无源时差定位方法 |
CN106941663A (zh) * | 2017-05-16 | 2017-07-11 | 重庆邮电大学 | 一种融合凸优化与多目标粒子群的uwb定位方法 |
Non-Patent Citations (2)
Title |
---|
张伟: "基于粒子群优化的三维测向交叉定位算法", 《传感器与微系统》 * |
胥松寿: "多点定位系统的布站方法研究", 《河南科技》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109765598A (zh) * | 2018-12-27 | 2019-05-17 | 重庆大学 | 一种多测速系统最优测站组合实时确定方法 |
CN109765598B (zh) * | 2018-12-27 | 2023-03-14 | 重庆大学 | 一种多测速系统最优测站组合实时确定方法 |
CN110220513A (zh) * | 2019-04-30 | 2019-09-10 | 中国科学院深圳先进技术研究院 | 一种目标定位的方法、系统、无人机及存储介质 |
CN110220513B (zh) * | 2019-04-30 | 2022-10-04 | 中国科学院深圳先进技术研究院 | 一种目标定位的方法、系统、无人机及存储介质 |
CN111650555A (zh) * | 2020-06-10 | 2020-09-11 | 电子科技大学 | 一种基于弹性基线的无人机定位跟踪方法 |
CN111650555B (zh) * | 2020-06-10 | 2022-03-25 | 电子科技大学 | 一种基于弹性基线的无人机定位跟踪方法 |
CN111999696A (zh) * | 2020-08-02 | 2020-11-27 | 中国人民解放军海军工程大学 | 一种多平台测向交叉定位优化方法 |
CN111999696B (zh) * | 2020-08-02 | 2023-07-04 | 中国人民解放军海军工程大学 | 一种多平台测向交叉定位优化方法 |
CN112109922A (zh) * | 2020-08-12 | 2020-12-22 | 中国矿业大学 | 面向月球车导航定位的月球导航卫星星座设计与优化方法 |
CN112130110A (zh) * | 2020-09-10 | 2020-12-25 | 北京华跃信息技术有限公司 | 一种无人机无源定位航迹生成方法及装置 |
CN112985412A (zh) * | 2021-03-11 | 2021-06-18 | 北京理工大学 | 一种多无人飞行器协同定位的队形优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108254716A (zh) | 一种基于粒子群算法的观测平台轨迹优化方法 | |
CN106526562B (zh) | 一种基于天线方向图修正计算目标rcs的方法 | |
CN106209269B (zh) | 一种射频仿真系统中球面复合阵列近场效应的校准方法 | |
US10656259B2 (en) | Method for determining trajectories of moving physical objects in a space on the basis of sensor data of a plurality of sensors | |
Wang et al. | Optimal configuration analysis of AOA localization and optimal heading angles generation method for UAV swarms | |
WO2006110351A2 (en) | Method and system of providing clustered networks of bearing-measuring sensors | |
Ronghua et al. | TDOA and track optimization of UAV swarm based on D-optimality | |
Xu et al. | Optimal TOA-sensor placement for two target localization simultaneously using shared sensors | |
Díez-Gonzalez et al. | Optimized cost-effective node deployments in asynchronous time local positioning systems | |
Jean et al. | Geolocation by direction of arrival using arrays with unknown orientation | |
CN115952691A (zh) | 多站无源时差交叉联合定位系统的优化布站方法及装置 | |
CN106546976A (zh) | 一种基于长周期非均匀采样目标跟踪处理方法及装置 | |
CN114222243A (zh) | 一种室内空间定位的uwb基站优化布设方法 | |
Chen et al. | TDOA/FDOA mobile target localization and tracking with adaptive extended Kalman filter | |
Ash et al. | Performance of shockwave-based shooter localization under model misspecification | |
RU2308093C1 (ru) | Способ управления летательными аппаратами по курсу в угломерной двухпозиционной радиолокационной системе | |
CN109799477A (zh) | 一种面向毫米波车联网的序贯车辆指纹定位方法及装置 | |
CN113608165A (zh) | 一种基于信号到达时间差的多站无源定位方法 | |
Filípek et al. | Indoor localization based on beacons and calculated by particle filter | |
Wang et al. | Research of multi-sensor data fusion based on binocular vision sensor and laser range sensor | |
Gao et al. | Fuzzy Q learning algorithm for dual-aircraft path planning to cooperatively detect targets by passive radars | |
Qin et al. | Non-cooperative target tracking method based on underwater acoustic sensor networks | |
CN113376625A (zh) | 目标物体的偏离角度获得方法、装置、电子设备及存储介质 | |
RU2253126C1 (ru) | Способ отождествления пеленгов источников радиоизлучений в угломерных двухпозиционных пассивных радиолокационных системах | |
Nikoo et al. | A disambiguation technique for passive localization using trajectory analysis |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180706 |
|
WD01 | Invention patent application deemed withdrawn after publication |