CN111967197A - 一种基于圆概率误差的多测量站布局方法及系统 - Google Patents

一种基于圆概率误差的多测量站布局方法及系统 Download PDF

Info

Publication number
CN111967197A
CN111967197A CN202010878221.4A CN202010878221A CN111967197A CN 111967197 A CN111967197 A CN 111967197A CN 202010878221 A CN202010878221 A CN 202010878221A CN 111967197 A CN111967197 A CN 111967197A
Authority
CN
China
Prior art keywords
layout
measuring
station
error
probability
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
Application number
CN202010878221.4A
Other languages
English (en)
Inventor
胡正
郭利强
李树芳
董守拯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Electronics Technology Instruments Co Ltd CETI
Original Assignee
China Electronics Technology Instruments Co Ltd CETI
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Electronics Technology Instruments Co Ltd CETI filed Critical China Electronics Technology Instruments Co Ltd CETI
Priority to CN202010878221.4A priority Critical patent/CN111967197A/zh
Publication of CN111967197A publication Critical patent/CN111967197A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/08—Probabilistic or stochastic CAD

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Physiology (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Genetics & Genomics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明公开了一种基于圆概率误差的多测量站布局方法及系统，包括：对辐射源定位区域进行网格化，获取每个网格点对应的圆概率误差；以最小化圆概率误差之和为布局目标函数，以测量站布局区域为约束条件，采用遗传算法求解布局目标函数，得到每个对应测量站的位置，以此对多个测量站进行布局。在传统遗传算法的基础上，采用圆概率误差作为优化准则，将给定的辐射源定位区域进行网格化，以网格点的CEP之和最小作为最优布局方案的优化目标，从而建立与定位置信度的关系，降低寻优复杂度。

Description

一种基于圆概率误差的多测量站布局方法及系统
技术领域
本发明涉及测量站布局技术领域，特别是涉及一种基于圆概率误差的多测量站布局方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
时差定位技术TDOA是一种无源定位技术，通过测量两两测量站接收到达信号的时间差，形成多组双曲线交汇，从而确定辐射源的位置；相对于其它无源定位，如测向定位，时差定位具有对天线要求低，设备成本低等优势；时差定位的定位精度除了与时延估计精度、定位解算方法有关之外，同时受测量站布局、测量站数目的影响。
适当选择观测站的位置进行优化布局，可以极大地提高时差定位的定位精度，现有的布局方法一般首先指定辐射源目标所处的几何约束区域，然后在指定的区域内进行测量站布局；布局方案一般以几何精度因子(GDOP)或者克拉美罗界(CRLB)为指标建立最优化模型，采用网格化或者遗传算法进行求解。但是，发明人认为，一方面，这种方法不能建立与定位置信度之间的关系；另一方面，在二维平面布局的情况下，例如测量站数目是N，则需要对2*N个变量进行优化，而当N很大时，需要解决2*N维的优化问题，计算量大，计算过程复杂。
发明内容
为了解决上述问题，本发明提出了一种基于圆概率误差的多测量站布局方法及系统，在传统遗传算法的基础上，采用圆概率误差作为优化准则，将给定的辐射源定位区域进行网格化，以网格点的CEP之和最小作为最优布局方案的优化目标，从而建立与定位置信度的关系，降低寻优复杂度。
为了实现上述目的，本发明采用如下技术方案：
第一方面，本发明提供一种基于圆概率误差的多测量站布局方法，包括：
对辐射源定位区域进行网格化，获取每个网格点对应的圆概率误差；
以最小化圆概率误差之和为布局目标函数，以测量站布局区域为约束条件，采用遗传算法求解布局目标函数，得到每个对应测量站的位置，以此对多个测量站进行布局。
第二方面，本发明提供一种基于圆概率误差的多测量站布局系统，包括：
定位模块，用于对辐射源定位区域进行网格化，获取每个网格点对应的圆概率误差；
布局模块，用于以最小化圆概率误差之和为布局目标函数，以测量站布局区域为约束条件，采用遗传算法求解布局目标函数，得到每个对应测量站的位置，以此对多个测量站进行布局。
第三方面，本发明提供一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述的方法。
第四方面，本发明提供一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述的方法。
与现有技术相比，本发明的有益效果为：
本发明在传统遗传算法的基础上，采用圆概率误差作为优化准则，将给定的辐射源定位区域进行网格化，获取每个网格点对应的圆概率误差CEP，以所有网格点的CEP之和最小作为最优布局方案的优化目标，从而建立与定位置信度的关系。
本发明采用遗传算法求解优化目标函数，为解决2*N维的优化问题，采用区域划分的方法，将测量站布局区域划分为多个子区域，将布局优化问题转换为多个子区域的最优布局问题，从而降低了遗传算法寻找最优解的计算量，实现多测量站的优化布局。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1为本发明实施例1提供的基于圆概率误差的多测量站布局方法示意图。
具体实施方式：
下面结合附图与实施例对本发明做进一步说明。
应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
实施例1
合理的测量站布局是提升定位系统精度的关键，测量站布站区域以及辐射源定位区域是约束条件，考虑在测量站布站区域布置N个测量站，在辐射源定位区域通过构建最优化问题，求解测量站的布站位置；
本实施例只考虑二维布局，同时为解决2*N维的优化问题；提供一种基于圆概率误差的多测量站布局方法，如图1所示，包括：
S1：对辐射源定位区域进行网格化，获取每个网格点对应的圆概率误差；
S2：以最小化圆概率误差之和为布局目标函数，以测量站布局区域为约束条件，采用遗传算法求解布局目标函数，得到每个对应测量站的位置，以此对多个测量站进行布局。
在本实施例中，预先指定测量站布局区域和辐射源定位区域，在测量站布局区域内设置N个测量站，在传统遗传算法的基础上，采用圆概率误差(circular errorprobability，CEP)作为优化准则，与定位置信度之间建立关系，同时采用区域划分的方法，降低寻优方法的计算复杂度。
圆概率误差CEP是指目标落入给定区域内概率为50％的误差分布圆半径，如果水平定位(x,y)上误差半径为r的圆内出现的概率为50％，那么半径r称为圆概率误差；
基于此，在本实施例中，将辐射源定位区域进行网格化，获取网格点的圆概率误差，以所有网格点的圆概率误差最小为优化目标，从而建立测量站与定位置信度间的关系；
测量站布局区域如图1，测量站布局区域E内各测量站坐标表示为(xi,yi)，i＝1,2,…N；同时，辐射源所在的辐射源定位区域D内，辐射源的坐标表示为(x,y)，在测量站布站区域E中，任选N个测量站位置参与对辐射源定位区域D内任意一点的定位，以CEP作为优化准则，采用遗传算法求解：
Figure BDA0002653287270000051
sub.(xi,yi)∈E，i＝1,2,…N
圆概率误差的表达式为：
Figure BDA0002653287270000052
其中，
Figure BDA0002653287270000053
和
Figure BDA0002653287270000054
是定位误差协方差矩阵的对角线上的元素。
由于该优化问题是2*N维的优化问题，当N很大时，计算复杂度极大，为了进一步降低计算复杂度，在本实施例中采用区域划分的方法：
在测量站布局区域的边界上，根据先验信息或者实际情况，选取两个距离较远的位置布置两个测量站，将一个测量站布局优化问题转化为两个子区域布站优化的子问题，当N为偶数时，需要求解两个N-2维寻优问题；当N为奇数时，需要求解N-1维和N-3维的子问题，大大降低遗传算法寻优的复杂度。
在本实施例中，一方面采用CEP作为优化准则，考虑了与定位置信度之间的关系；另一方面采用区域划分，将测量站布局区域划分为几个子区域，转换为计算多个子区域的最优布局方案，从而降低了遗传算法寻找最优解的计算量，提高测量站位置计算的精度，实现多测量站优化布局。
实施例2
本实施例一种基于圆概率误差的多测量站布局系统，包括：
定位模块，用于对辐射源定位区域进行网格化，获取每个网格点对应的圆概率误差；
布局模块，用于以最小化圆概率误差之和为布局目标函数，以测量站布局区域为约束条件，采用遗传算法求解布局目标函数，得到每个对应测量站的位置，以此对多个测量站进行布局。
此处需要说明的是，上述模块对应于实施例1中的步骤S1至S2，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为系统的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
在更多实施例中，还提供：
一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成实施例1中所述的方法。为了简洁，在此不再赘述。
应理解，本实施例中，处理器可以是中央处理单元CPU，处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC，现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。
一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成实施例1中所述的方法。
实施例1中的方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。
本领域普通技术人员可以意识到，结合本实施例描述的各示例的单元即算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (10)

1.一种基于圆概率误差的多测量站布局方法，其特征在于，包括：
对辐射源定位区域进行网格化，获取每个网格点对应的圆概率误差；
以最小化圆概率误差之和为布局目标函数，以测量站布局区域为约束条件，采用遗传算法求解布局目标函数，得到每个对应测量站的位置，以此对多个测量站进行布局。
2.如权利要求1所述的一种基于圆概率误差的多测量站布局方法，其特征在于，所述圆概率误差指目标落入给定区域内概率为50％的误差分布圆半径，若水平定位(x,y)上误差半径为r的圆内出现的概率为50％，那么半径r称为圆概率误差。
3.如权利要求1所述的一种基于圆概率误差的多测量站布局方法，其特征在于，所述圆概率误差为：
Figure FDA0002653287260000011
其中，
Figure FDA0002653287260000012
和
Figure FDA0002653287260000013
是定位误差协方差矩阵的对角线上的元素。
4.如权利要求1所述的一种基于圆概率误差的多测量站布局方法，其特征在于，对测量站布局区域进行区域划分，将测量站布局区域的布局优化问题转化为多个布局子区域的布局优化子问题。
5.如权利要求4所述的一种基于圆概率误差的多测量站布局方法，其特征在于，在测量站布局区域的边界上，选取两个距离最远的位置布置两个测量站，将测量站布局区域的布局优化问题转化为两个布局子区域的布局优化子问题。
6.如权利要求4所述的一种基于圆概率误差的多测量站布局方法，其特征在于，当测量站N为偶数时，区域划分后求解两个N-2维的布局优化子问题；当测量站N为奇数时，区域划分后求解N-1维和N-3维的布局优化子问题。
7.一种基于圆概率误差的多测量站布局系统，其特征在于，包括：
定位模块，用于对辐射源定位区域进行网格化，获取每个网格点对应的圆概率误差；
布局模块，用于以最小化圆概率误差之和为布局目标函数，以测量站布局区域为约束条件，采用遗传算法求解布局目标函数，得到每个对应测量站的位置，以此对多个测量站进行布局。
8.如权利要求7所述的一种基于圆概率误差的多测量站布局系统，其特征在于，所述布局模块中，对测量站布局区域进行区域划分，将测量站布局区域的布局优化问题转化为多个布局子区域的布局优化子问题。
9.一种电子设备，其特征在于，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-6任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-6任一项所述的方法。
CN202010878221.4A 2020-08-27 2020-08-27 一种基于圆概率误差的多测量站布局方法及系统 Pending CN111967197A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010878221.4A CN111967197A (zh) 2020-08-27 2020-08-27 一种基于圆概率误差的多测量站布局方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010878221.4A CN111967197A (zh) 2020-08-27 2020-08-27 一种基于圆概率误差的多测量站布局方法及系统

Publications (1)

Publication Number Publication Date
CN111967197A true CN111967197A (zh) 2020-11-20

Family

ID=73400585

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010878221.4A Pending CN111967197A (zh) 2020-08-27 2020-08-27 一种基于圆概率误差的多测量站布局方法及系统

Country Status (1)

Country Link
CN (1) CN111967197A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114046771A (zh) * 2021-09-22 2022-02-15 福建省新天地信勘测有限公司 一种测绘用位置定位系统
CN116341327A (zh) * 2023-03-28 2023-06-27 北京科技大学 一种高精度测量场自动规划方法及装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5045860A (en) * 1990-06-27 1991-09-03 R & D Associates Method and arrangement for probabilistic determination of a target location
US7050786B2 (en) * 2002-10-30 2006-05-23 Lockheed Martin Corporation Method and apparatus for locating a wireless device
US20100246405A1 (en) * 2009-03-31 2010-09-30 Miodrag Potkonjak Efficient location discovery
CN102508197A (zh) * 2011-09-29 2012-06-20 哈尔滨工程大学 基于信道容量的无源目标定位方法
US20180267135A1 (en) * 2017-03-15 2018-09-20 Bae Systems Information And Electronic Systems Integration Inc. Method for improving direction finding and geolocation error estimation in a direction finding system
CN109375165A (zh) * 2018-11-22 2019-02-22 中电科仪器仪表有限公司 一种tdoa多测量站的定位方法
CN110346757A (zh) * 2019-07-18 2019-10-18 中电科仪器仪表有限公司 基于移动式测量站的抗多径时差定位方法、装置及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5045860A (en) * 1990-06-27 1991-09-03 R & D Associates Method and arrangement for probabilistic determination of a target location
US7050786B2 (en) * 2002-10-30 2006-05-23 Lockheed Martin Corporation Method and apparatus for locating a wireless device
US20100246405A1 (en) * 2009-03-31 2010-09-30 Miodrag Potkonjak Efficient location discovery
CN102508197A (zh) * 2011-09-29 2012-06-20 哈尔滨工程大学 基于信道容量的无源目标定位方法
US20180267135A1 (en) * 2017-03-15 2018-09-20 Bae Systems Information And Electronic Systems Integration Inc. Method for improving direction finding and geolocation error estimation in a direction finding system
CN109375165A (zh) * 2018-11-22 2019-02-22 中电科仪器仪表有限公司 一种tdoa多测量站的定位方法
CN110346757A (zh) * 2019-07-18 2019-10-18 中电科仪器仪表有限公司 基于移动式测量站的抗多径时差定位方法、装置及系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114046771A (zh) * 2021-09-22 2022-02-15 福建省新天地信勘测有限公司 一种测绘用位置定位系统
CN114046771B (zh) * 2021-09-22 2024-02-06 福建省新天地信勘测有限公司 一种测绘用位置定位系统
CN116341327A (zh) * 2023-03-28 2023-06-27 北京科技大学 一种高精度测量场自动规划方法及装置

Similar Documents

Publication Publication Date Title
CN104469676B (zh) 一种移动终端的定位方法及系统
CN111967197A (zh) 一种基于圆概率误差的多测量站布局方法及系统
CN111427032B (zh) 基于毫米波雷达的房间墙体轮廓识别方法及终端设备
CN102111876A (zh) 一种选择用于定位的参考标签的方法及装置
CN108834077B (zh) 基于用户移动特性的跟踪区划分方法、装置及电子设备
CN102625444B (zh) 一种终端定位方法和一种基站
CN107463585B (zh) 指纹数据入库处理方法及装置
CN114677494B (zh) 基于剖分网格的雷达探测能力计算方法、装置及设备
CN111967196A (zh) 一种基于遗传算法的多测量站布局方法及系统
CN117347945B (zh) 一种基于天线阵三维布局的干涉仪系统测向方法
CN115617042A (zh) 碰撞检测方法及装置、终端设备、计算机可读存储介质
KR101865120B1 (ko) 테스트 노드 기반의 무선 측위 방법 및 그 장치
CN115014328A (zh) 一种栅格地图的动态加载方法、装置、设备和介质
CN112212851B (zh) 一种位姿确定方法、装置、存储介质及移动机器人
WO2021103027A1 (en) Base station positioning based on convolutional neural networks
CN114339779B (zh) 基站小区方位角的确定方法和装置
CN116385999A (zh) 一种停车位的识别方法、装置及设备
CN115457202B (zh) 一种三维模型更新的方法、装置及存储介质
CN116012413A (zh) 图像特征点的跟踪方法、装置、电子设备及存储介质
CN115797416A (zh) 基于点云图像的图像重建方法、装置、设备及存储介质
CN115099742A (zh) 一种确定送达位置的方法、装置、设备及存储介质
Dong et al. Indoor robot localization combining feature clustering with wireless sensor network
CN113625249A (zh) 反光板定位方法、机器人及计算机可读存储介质
CN113176783A (zh) 基于地图匹配的定位控制方法、芯片及机器人
CN112230194A (zh) 一种基于平移阵列的解模糊方法、设备及存储介质

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