CN112946614A - 一种基于qga的多普勒频移目标运动参数的解算方法 - Google Patents
一种基于qga的多普勒频移目标运动参数的解算方法 Download PDFInfo
- Publication number
- CN112946614A CN112946614A CN202110301095.0A CN202110301095A CN112946614A CN 112946614 A CN112946614 A CN 112946614A CN 202110301095 A CN202110301095 A CN 202110301095A CN 112946614 A CN112946614 A CN 112946614A
- Authority
- CN
- China
- Prior art keywords
- target
- observer
- parameter
- calculating
- qga
- 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
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 230000002068 genetic effect Effects 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 6
- 210000000349 chromosome Anatomy 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 239000002096 quantum dot Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
- G01S7/539—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明属于水声工程技术领域，具体涉及一种基于QGA的多普勒频移目标运动参数的解算方法。本发明提供了在已知目标和观测方都处于匀速直线运动的状态下，通过接收目标的瞬时频率信息和方位信息，解算目标的运动参数的方法。与现有技术相比，本发明有更短的收敛时间，收敛稳定性效果好，在实际的应用中可以更快的解算目标的参数估计值。
Description
技术领域
本发明属于水声工程技术领域，具体涉及一种基于QGA的多普勒频移目标运动参数的解算方法。
背景技术
在现代水声工程领域，目标定位仍是热点之一，研究目标运动分析问题对于水上和水下作战等均具有实质性战略意义。随着我国海上防御战略改变，对于水下目标定位速度和精确度要求越来越高。目标运动分析(TMA)是研究被动测距的一种方法。至今，研究者们对TMA解算的算法不断更新，综合起来可分为两大类：一类是仅考虑把目标的方位作为测量值或输入变量，对目标运动状态进行分析的算法，称为仅方位方法；另一类算法是将目标的方位和频率作为测量值或输入变量，对目标运动状态进行TMA解算。现有技术存在收敛时间偏长、收敛存在不稳定性的问题。
发明内容
本发明的目的在于提供在目标和观测方都处于匀速直线运动的状态下，通过接收目标的瞬时频率信息和方位信息解算目标运动参数的一种基于QGA的多普勒频移目标运动参数的解算方法
本发明的目的通过如下技术方案来实现：包括以下步骤：
步骤1：目标和观测方都处于匀速直线运动的状态下，获取初始t0时刻观测方接收到的目标的瞬时频率信息f0和目标的方位信息ε0；设定最大采样次数imax和采样时间Δt，初始化i＝1；
步骤2：获取观测方在第ti时刻接收到的目标的瞬时频率信息fi和方位信息εi；ti＝ti-1+Δt；
步骤3：利用量子遗传算法求解使f1(s1,s2)取最小值时对应的参数s1、s2；
其中，参数s1、s2均为整数；c为声在媒介中的传播速度；Δεi为与上一时刻ti-1相比目标的方位信息变化量，Δεi＝εi-εi-1；
步骤4：计算目标的相对速度估计值u和相对航向估计值
步骤5：利用量子遗传算法求解使f2(tc,l)取最小值时对应的参数tc、l；
其中，参数tc、l均为整数；
步骤6：计算初始时刻目标与观测方的距离估计值L0；
步骤7：计算目标的真实速度估计值Vm；
其中，Vw为观测方的速度；
步骤8：计算目标的真实航向估计值λ；
步骤9：若i＞imax或初始时刻目标与观测方的距离估计值L0、目标的真实速度估计值Vm和目标的真实航向估计值λ均收敛，则停止解算；否则，令i＝i+1，返回步骤2。
本发明的有益效果在于：
本发明针对目标和观测方都处于匀速直线运动的状态下，通过接收目标的瞬时频率信息和方位信息解算目标的运动参数。本发明有更短的收敛时间，收敛稳定性效果好，在实际的应用中可以更快的解算目标的参数估计值。
附图说明
图1为本发明的流程图。
图2为本发明的实施例中目标与观测方的匀速直线运动模型图。
图3为本发明的实施例中目标与观测方的匀速直线相对运动模型图。
图4(a)为本发明的实施例中对初始时刻目标与观测方的距离的解算结果图。
图4(b)为本发明的实施例中对目标的真实速度的解算结果图。
图4(c)为本发明的实施例中对目标的真实航向的解算结果图。
图5为量子遗传算法与LM算法的不同态势各变量收敛时间表。
图6为本发明的实施例中参数设定表。
具体实施方式
下面结合附图对本发明做进一步描述。
本发明的目的是为了解决目标和观测方都处于匀速直线运动的状态下，通过接收目标的瞬时频率信息和方位信息进行解算目标运动参数，进而得到较好的收敛效果。
首先分析多普勒频移目标运动特点，构建相对运动状态图。根据多普勒频移公式推导并建立最小二乘参数求解模型。
基于声信息的目标运动分析解算模型参数设定：运动目标的发射频率为fm，第ti时刻观测方接收的频率为fi，声在媒介中的传播速度为c，目标与观测方的速度分别为Vm与Vw，做匀速直线运动，第ti时刻目标的方位为εi，目标的航向为λ，目标初始距离为L0。
通过接收方位信息和瞬时频率信息作为优化过程的输入变量。根据多普勒频移变化表达式:
其中βi＝β0+Δεi得：
设s1＝ucosβ0，s2＝usinβ0式子转化为
根据正横距离l与正横时间tc，cosβi又可以表示为
瞬时频率又可以表示为
运动参数求解模型：
得到待优化的最小二乘公式：
利用量子遗传算法对两个最小二乘参数求解模型分别进行优化。
1、量子遗传算法首先取规模为100的种群进行初始化，量子遗传代数设置为500。将迭代计数参数设置成t＝0。采用量子态对种群进行编码。
并且满足
|α|2+|β|2＝1 (11)
2、一般情况，种群中全部染色体的所有基因都被初始化为
3、对初始种群每个个体实时一次测量，将种群的结果转化为二进制比特串，再转化为所求解问题的一个解。
4、对这一组解进行适应度评估，适应度函数为：
5、保留种群中的最优个体和它的适应度。
6、判断是否达到最小值(最小二乘函数趋近于0)，若不满足则继续下述操作，若满足条件则结束。
7、利用量子旋转门更新种群。
(αi,βi)T为染色体第i个量子比特旋转门更新之前的概率，(αi′,βi′)T为染色体第i个量子比特旋转门更新之后的概率幅；旋转角为θi。
8、t＝t+1，返回步骤三。
优化公式(8)完毕得到参数s1、s2。固定参数u。
优化公式(9)得到参数tc、l。通过得到的五个参数[s1,s2,u,tc,l]再进行计算得到
目标的相对速度:
目标的相对初始舷角：
目标的相对航向：
目标的真实速度：
其中
目标的真实航向：
目标与观测方的初始距离：
经过以上推导，一种基于QGA的多普勒频移目标运动参数的解算方法，包括以下步骤：
步骤1：获取初始t0时刻观测方接收到的目标的瞬时频率信息f0和目标的方位信息ε0；设定最大采样次数imax和采样时间Δt，初始化i＝1；
步骤2：获取观测方在第ti时刻接收到的目标的瞬时频率信息fi和方位信息εi；ti＝ti-1+Δt；
步骤3：利用量子遗传算法求解使f1(s1,s2)取最小值时对应的参数s1、s2；
其中，参数s1、s2均为整数；c为声在媒介中的传播速度；Δεi为与上一时刻ti-1相比目标的方位信息变化量，Δεi＝εi-εi-1；
步骤4：计算目标的相对速度估计值u和相对航向估计值
步骤5：利用量子遗传算法求解使f2(tc,l)取最小值时对应的参数tc、l；
其中，参数tc、l均为整数；
步骤6：计算初始时刻目标与观测方的距离估计值L0；
步骤7：计算目标的真实速度估计值Vm；
其中，Vw为观测方的速度；
步骤8：计算目标的真实航向估计值λ；
步骤9：若i＞imax或初始时刻目标与观测方的距离估计值L0、目标的真实速度估计值Vm和目标的真实航向估计值λ均收敛，则停止解算；否则，令i＝i+1，返回步骤2。
实施例1：
设定最大采样次数为3000，采样频率为以1秒取一次。如图5所示为不同态势各变量收敛时间表，图5中距离单位为米，速度单位为米/秒，航向单位为度，收敛时间单位秒。从图5中可以看出，在同一种态势下，量子遗传算法比LM方法能够更好的优化目标运动模型。
如图2和图3所示为本实施例中建立的目标运动参数模型。如图6所示为本实施例中设定的实验参数。如图4(a)、图4(b)、图4(c)所示分别为对初始时刻目标与观测方的距离、目标的真实速度和目标的真实航向的解算结果图，横坐标单位为秒(s)。本发明较LM算法有更短的收敛时间，收敛稳定性效果好，在实际的应用中可以更快的解算目标的参数估计值。
以上所述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。
Claims (1)
1.一种基于QGA的多普勒频移目标运动参数的解算方法，其特征在于，包括以下步骤：
步骤1：目标和观测方都处于匀速直线运动的状态下，获取初始t0时刻观测方接收到的目标的瞬时频率信息f0和目标的方位信息ε0；设定最大采样次数imax和采样时间Δt，初始化i＝1；
步骤2：获取观测方在第ti时刻接收到的目标的瞬时频率信息fi和方位信息εi；ti＝ti-1+Δt；
步骤3：利用量子遗传算法求解使f1(s1,s2)取最小值时对应的参数s1、s2；
其中，参数s1、s2均为整数；c为声在媒介中的传播速度；Δεi为与上一时刻ti-1相比目标的方位信息变化量，Δεi＝εi-εi-1；
步骤4：计算目标的相对速度估计值u和相对航向估计值
步骤5：利用量子遗传算法求解使f2(tc,l)取最小值时对应的参数tc、l；
其中，参数tc、l均为整数；
步骤6：计算初始时刻目标与观测方的距离估计值L0；
步骤7：计算目标的真实速度估计值Vm；
其中，Vw为观测方的速度；
步骤8：计算目标的真实航向估计值λ；
步骤9：若i＞imax或初始时刻目标与观测方的距离估计值L0、目标的真实速度估计值Vm和目标的真实航向估计值λ均收敛，则停止解算；否则，令i＝i+1，返回步骤2。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110301095.0A CN112946614A (zh) | 2021-03-22 | 2021-03-22 | 一种基于qga的多普勒频移目标运动参数的解算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110301095.0A CN112946614A (zh) | 2021-03-22 | 2021-03-22 | 一种基于qga的多普勒频移目标运动参数的解算方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112946614A true CN112946614A (zh) | 2021-06-11 |
Family
ID=76228369
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110301095.0A Pending CN112946614A (zh) | 2021-03-22 | 2021-03-22 | 一种基于qga的多普勒频移目标运动参数的解算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112946614A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0990012A (ja) * | 1995-09-26 | 1997-04-04 | Oki Electric Ind Co Ltd | 目標運動解析方法 |
| CN103412302A (zh) * | 2013-08-29 | 2013-11-27 | 西安电子科技大学 | 基于先验知识的多载频miso雷达目标定位方法 |
| CN104950302A (zh) * | 2015-05-22 | 2015-09-30 | 中国电子科技集团公司第十研究所 | 非合作目标定位方法 |
| CN105301589A (zh) * | 2015-10-30 | 2016-02-03 | 电子科技大学 | 高分辨宽测绘带sar地面运动目标成像方法 |
| CN108646248A (zh) * | 2018-07-30 | 2018-10-12 | 西北工业大学 | 一种针对低速运动声源的被动声学测速测距方法 |
| CN109540172A (zh) * | 2018-12-27 | 2019-03-29 | 中国船舶重工集团公司第七0研究所 | 一种用于水雷平台的目标运动参数估计方法 |
-
2021
- 2021-03-22 CN CN202110301095.0A patent/CN112946614A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0990012A (ja) * | 1995-09-26 | 1997-04-04 | Oki Electric Ind Co Ltd | 目標運動解析方法 |
| CN103412302A (zh) * | 2013-08-29 | 2013-11-27 | 西安电子科技大学 | 基于先验知识的多载频miso雷达目标定位方法 |
| CN104950302A (zh) * | 2015-05-22 | 2015-09-30 | 中国电子科技集团公司第十研究所 | 非合作目标定位方法 |
| CN105301589A (zh) * | 2015-10-30 | 2016-02-03 | 电子科技大学 | 高分辨宽测绘带sar地面运动目标成像方法 |
| CN108646248A (zh) * | 2018-07-30 | 2018-10-12 | 西北工业大学 | 一种针对低速运动声源的被动声学测速测距方法 |
| CN109540172A (zh) * | 2018-12-27 | 2019-03-29 | 中国船舶重工集团公司第七0研究所 | 一种用于水雷平台的目标运动参数估计方法 |
Non-Patent Citations (1)
| Title |
|---|
| 元勇虎: "基于改进PSO的多普勒目标运动分析", 《中国优秀硕士学位论文全文数据库 基础科学辑》, no. 9, pages 005 - 309 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108393892B (zh) | 一种机器人前馈力矩补偿方法 | |
| CN103902819A (zh) | 基于变分滤波的粒子优化概率假设密度多目标跟踪方法 | |
| CN113091768B (zh) | 一种mimu整体动态智能标定补偿方法 | |
| CN113239628B (zh) | 基于量子海鸥演化机制加权Myriad滤波器设计方法 | |
| CN113051832B (zh) | 主轴系统热误差建模方法、误差预测系统、误差控制系统、误差控制方法及云雾计算系统 | |
| CN112668104A (zh) | 一种高超声速飞行器气动参数在线辨识方法 | |
| CN111985725A (zh) | 一种基于改进bp神经网络的离心泵性能参数预测方法 | |
| CN113138555A (zh) | 一种基于遗传算法优化的grnn电主轴热误差建模方法 | |
| CN112422208B (zh) | 未知信道模型下基于对抗式学习的信号检测方法 | |
| CN112182972A (zh) | 一种船舶操纵运动adam局部加权回归辨识建模方法 | |
| CN115356702B (zh) | 一种基于海上多源雷达回波的蒸发波导深度学习联合反演方法 | |
| CN112468230A (zh) | 一种基于深度学习的无线紫外光散射信道估计方法 | |
| CN112946614A (zh) | 一种基于qga的多普勒频移目标运动参数的解算方法 | |
| CN112785052B (zh) | 基于粒子滤波算法的风速风向预测方法 | |
| CN118377229A (zh) | 状态受限的cstr自适应神经网络控制方法及系统 | |
| CN112737702B (zh) | 一种稀疏干扰背景下的mimo水声信道估计方法 | |
| CN117784250A (zh) | 一种基于模型无关元学习算法的海底声学参数反演方法 | |
| CN111241749B (zh) | 一种基于储备池计算的永磁同步电动机混沌预测方法 | |
| CN117521335A (zh) | 基于阵列多途时延结构的声速剖面反演方法 | |
| CN109188420B (zh) | 基于深度长短期记忆网络的窄带雷达目标跟踪方法 | |
| CN115859626A (zh) | 针对周期运动目标的自适应无迹卡尔曼滤波器设计方法 | |
| CN114186498A (zh) | 基于改进灰狼算法的机器人关节摩擦模型参数辨识方法 | |
| CN115114985A (zh) | 一种基于集合理论的传感器系统分布式融合方法 | |
| CN117057159B (zh) | 一种周期调度协议下基于三轮车运动模型的状态估计方法 | |
| CN112784215B (zh) | 基于实时功率遥测量的风电场理论发电量计算方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210611 |