CN114547830A - 一种基于草原狼跳跃追踪机制的水下目标探测定位方法 - Google Patents

一种基于草原狼跳跃追踪机制的水下目标探测定位方法 Download PDF

Info

Publication number
CN114547830A
CN114547830A CN202011334225.2A CN202011334225A CN114547830A CN 114547830 A CN114547830 A CN 114547830A CN 202011334225 A CN202011334225 A CN 202011334225A CN 114547830 A CN114547830 A CN 114547830A
Authority
CN
China
Prior art keywords
wolf
grassland
underwater target
jump
positioning
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.)
Granted
Application number
CN202011334225.2A
Other languages
English (en)
Other versions
CN114547830B (zh
Inventor
胡平
姜楷娜
董哲
惠润南
梁超
刘焕英
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.)
760 RESEARCH INSTITUTE OF CSIC
Original Assignee
760 RESEARCH INSTITUTE OF CSIC
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 760 RESEARCH INSTITUTE OF CSIC filed Critical 760 RESEARCH INSTITUTE OF CSIC
Priority to CN202011334225.2A priority Critical patent/CN114547830B/zh
Publication of CN114547830A publication Critical patent/CN114547830A/zh
Application granted granted Critical
Publication of CN114547830B publication Critical patent/CN114547830B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01VGEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V3/00Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
    • G01V3/08Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with magnetic or electric fields produced or modified by objects or geological structures or by detecting devices
    • G01V3/081Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with magnetic or electric fields produced or modified by objects or geological structures or by detecting devices the magnetic field is produced by the objects or geological structures
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01VGEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V3/00Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
    • G01V3/38Processing data, e.g. for analysis, for interpretation, for correction
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/30Assessment of water resources

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Geophysics (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geology (AREA)
  • Environmental & Geological Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明属于水下目标定位领域,涉及一种海洋复杂环境下的水下目标电磁定位方法。本发明的技术方案是设计了一种草原狼跳跃追踪机制来实现海洋复杂环境下的水下目标电磁定位,首先对任意形状不规则的水下目标进行外接椭球体形态等效,将其整体等效为均匀旋转椭球体磁源、其长轴两端等效为双电偶极子源,再根据电磁探测器所接收到的关于双电偶极子源的叠加电磁分量和椭球体源的磁场分量建立双电偶极子源、均匀旋转椭球体磁源的反演误差损失函数,从而实现水下目标探测定位体系中的定位部分,最后利用草原狼跳跃追踪机制,让草原狼在其解空间内随机远距离整数跳跃,选择出猎物气味值最大的整数位置,草原狼在此位置展开邻域追踪搜索,追踪到猎物气味值最大的整数位置后草原狼在此位置展开球体微域追踪搜索,直至追踪到猎物进而实现水下目标的高精准、低耗时定位。

Description

一种基于草原狼跳跃追踪机制的水下目标探测定位方法
技术领域
本发明涉及一种海洋复杂环境下的水下目标电磁定位方法,属于水下目标定位领域。
背景技术
我国拥有辽阔的海洋领域,并且随着水下作战体系的高智能化发展,水下探测定位技术将更能凸显其重要性,研究表明,声场、磁场、电场等物理场均可应用于水下目标的探测与定位。在海洋复杂环境的背景下,声学探测定位技术不仅极易受到背景噪声、多径干扰、水中生物活动等不确定自然因素的影响,而且随着水下预警系统和水中兵器引信设计中消声等技术的发展,声学探测定位技术的稳定性、可靠性将不断受到更严峻的挑战。因此,急需打破常规,在非声学领域研究水下目标探测定位技术,去进一步增加水下目标探测定位技术的可靠性、稳定性。
由于海水腐蚀、阴极防腐措施以及水下运动目标切割地磁场等多因素的共同影响,无论水下目标的状态是静止还是运动,在其周围海水中都将存在着不可避免的电场,它也就具备了一定了电场源特性;由于水下目标的钢制材料在地球磁场中会被磁化,它同时又会具备一定的磁场源特性。从电磁场的频率特性上来看,水下目标所产生的电磁场属于极低频电磁场,具有衰减速度慢、传播距离远等特点,属于可以被用作远程探测的物理场。为了响应水下作战体系的智能化发展,克服海洋复杂、未知环境的影响,迎接反探测、反定位技术的挑战,可以将基于电磁学的水下非声学探测技术作为传统水声探测技术的补充。电偶极子和磁偶极子分别是电磁场场源和磁场场源最基本的模拟单元,基于“实体一电磁场源”的等效模型,利用一系列电磁传感器所接收到的探测数据,对电磁场源的参数进行反演从而实现实体定位,是目前常用的水下目标电磁定位方法。
通过对现有技术文献的检索发现,李涛等在《舰船电子工程》(2015,35(05):142-146)上发表的“浅海中时谐水平电偶极子定位研究”中将水下目标实体等效为电偶极子,结合一个电传感器所接收的探测数据和遗传机制进行电场参数反演,从而实现水下目标定位。在其整个水下目标探测定位系统中存在着几点不足:仅用一个电偶极子来等效水下目标,在实际中不具备泛化性;在仿真实验时没考虑海洋噪声,即电传感器所接收的探测数据为理想化数据,在实际中不具备实用性;基于遗传机制的电场参数反演过程速度缓慢、精度不高,从理论上来看,无噪声情况下的定位精度理想值应为100%,在实际中不具备可靠性、实时性。向前等在《探测与控制学报》(2019,41(03):71-75)上发表的“基于磁偶极子模型的水下目标定位与追踪”中将水下目标实体等效为磁偶极子,结合双三轴磁传感器所接收的探测数据和非线性最小二乘法反解机制进行磁场参数反演,从而实现水下目标定位。在其整个水下目标探测定位系统中同样存在着几点不足:仅用一个磁偶极子来等效水下目标,在实际中不具备泛化性;基于非线性最小二乘法反解机制的磁场参数反演过程速度缓慢、精度不高;对水下目标的活动范围具有严格的限制等。陈聪等在《华中科技大学学报(自然科学版)》(1-7[2020-09-26])上发表的“半无限大海域中电偶极子源定位方法”中的创新之处包括使用两个电偶极子来等效水下目标和定义传递矩阵求逆来反演电磁场参数,但是其定位体系极易受到海洋噪声的影响。
发明内容
本发明的目的是通过检索现有的水下目标电磁定位方法,可以发现其存在着几点不足:(1)仅使用电磁场场源或磁场场源来等效水下目标实体,从而导致探测定位体系缺乏泛化性;(2)基于遗传等智能优化机制或数学反解公式的电磁参数反演过程具有速度缓慢、精度不高、目标活动范围受限等缺点,从而导致探测定位体系缺乏实时性、可靠性,限制了实际应用;(3)在仿真实验时没考虑到海洋噪声的影响或在其影响下,水下目标电磁定位的可靠性呈现大幅下降的趋势。针对现有方法的缺点和不足,本发明率先指出:在无海洋噪声情况下的水下目标电磁探测定位体系中的传感器探测环节是非严格单调的,即探测点的电磁强度与探测点、场源点的间距呈负相关关系;根据探测数据反演电磁场源的环节是非严格单调的,即假设场源与真实场源在电磁传感器上的数据误差损失与二者的间距呈正相关关系,并凭此设计了一种草原狼跳跃追踪机制来实现海洋复杂环境下的水下目标电磁定位。首先使用旋转椭球体磁源和双电偶极子源来联合等效水下目标实体,再结合一系列电磁传感器所接收到的探测数据和草原狼跳跃追踪机制来反演电磁场源的位置参数,从而实现水下目标的高精准、低耗时定位。
本发明的效果和益处是:与现有的水下目标电磁探测定位方法相比,本发明采用均匀旋转椭球体磁源和双电偶极子源来联合等效水下目标实体,在实际中具有泛化性;采用本发明所设计的草原狼跳跃追踪机制和电磁反演误差损失函数来反演电磁源点的位置参数,具有定位速度快、定位精度高、水下目标活动范围广的优势;提出了草原狼跳跃追踪机制,此机制的设计思想涵盖了“先粗搜、后精搜”、“先整数优化、后小数优化”,巧妙的使用笛卡尔坐标系与球坐标系来优化损失函数,极大降低了机制的运算复杂度。
(1)现有的水下目标电磁探测定位方法中,常使用一个电偶极子源或一个磁偶极子源或双电偶极子源来等效水下目标实体。但在实际中,水下目标不仅会由于海水腐蚀、阴极防腐措施以及运动切割地磁场等因素而产生低频电磁场,还会由于其钢制材料部分的磁化现象而产生低频磁场,那么仅用一个电偶极子或一个磁偶极子或双电偶极子源来等效水下目标实体将不具备泛化性,在海洋噪声或无海洋噪声下的定位仿真结果即使再好,其整个水下目标电磁探测定位体系也难以具备实用性。本发明首先对任意形状不规则的水下目标进行外接椭球体形态等效,将其整体等效为均匀旋转椭球体磁源、其长轴两端等效为双电偶极子源,双电偶极子源的等效方式借鉴于生活实际,例如将船头、船尾等效为双电偶极子源。再根据电磁探测器所接收到的关于双电偶极子源的叠加电磁分量和关于椭球体源的磁场分量、电磁反演误差损失函数、草原狼跳跃追踪机制来实现水下目标实体的定位。
(2)采用本发明的草原狼跳跃追踪机制来反演电磁场源的位置参数,具有精度高、耗时短、水下目标活动范围广的优势。在[-300m,300m;-300m,300m;0m,100m]的搜索范围下,对任意一个水下目标的定位仅需要2.8秒,在海洋噪声信噪比为40dB时的定位误差也远小于水下目标的长轴长。
(3)为了与本发明所提出的水下目标探测定位体系相结合,本发明设计了草原狼跳跃追踪机制来实现其电磁反演定位环节。电磁反演定位问题属于连续优化问题,传统的优化机制一般会采取二进制编码的方式将其转换为离散优化问题,但这无疑也使计算复杂度剧增;同时电磁反演定位问题又属于非严格单调问题,即假设场源点与真实场源点的间距与二者在电磁探测器上的误差损失呈正相关关系,以遗传机制为例,即使其优化趋势为个体不断接近全局最优,但在其接近过程中存在着随机性,从而会导致大量的不必要的个体的出现。草原狼跳跃追踪机制,首先让草原狼在其解空间内随机远距离整数跳跃,选择出猎物气味值最大的整数位置;草原狼在此位置展开基1邻域追踪搜索,直至追踪到猎物气味值最大的整数位置;最后草原狼在此位置展开球体微域追踪搜索,直至追踪到猎物。草原狼此过程中经历了整数跳跃趋近猎物,整数追踪猎物,小数追踪猎物,巧妙地结合了笛卡尔坐标系和球体坐标系,是一种新颖的智能优化机制。
附图说明
图1:笛卡尔水下坐标系与水下目标联合等效模型示意图。
图2:基于草原狼跳跃追踪机制的水下目标电磁定位方法示意图。
图3:水下目标源点与电磁探测器的分布图。
图4:无噪声下的水下目标定位及误差分析图。
图5:无噪声下的水下目标定位坐标图。
图6:80dB下的水下目标定位及误差分析图。
图7:60dB下的水下目标定位及误差分析图。
图8:40dB下的水下目标定位及误差分析图。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述。
步骤一:建立旋转椭球体磁源和双电偶极子源的联合等效模型。
对任何形状不规则的水下目标进行外接椭球体形态等效,形态等效后的水下目标其自身为旋转椭球体磁源,其长轴两端为电偶极子源。建立三维笛卡尔水下直角坐标系,其X轴、Y轴所在平面与海平面相重叠,其Z轴指向与阳光直射海平面的方向一致,坐标系源点位于海平面上。形态等效后的水下目标的长轴长为L,短轴长为B,重心坐标为tm=(xm,ym,zm),长轴端点坐标为te1=(xe1,ye1,ze1)、te2=(xe2,ye2,ze2),短轴端点坐标为te3=(xe3,ye3,ze3)、te4=(xe4,ye4,ze4),且满足xm=(xe1+xe2)/2、ym=(ye1+ye2)/2、zm=(ze1+ze2)/2、zm,ze1,ze2≥0;xm=(xe3+xe4)/2、ym=(ye3+ye4)/2、zm=(ze3+ze4)/2、ze3,ze4≥0;
Figure BSA0000225734980000061
Figure BSA0000225734980000062
在海水中放置I个电磁传感器用来探测电磁数据,并且其能严格区分电偶极子源或椭球体磁源产生的磁场分量。
(1)若将海水看作线性、均匀、各向同性的无限大半空间,那么水下目标由于海水腐蚀、阴极防腐措施以及运动切割地磁场等因素所产生的低频电磁场便可由低频电偶极子场来等效,因此本发明在形态等效后的水下目标的双长轴点上进行镜像法电偶极子建模,镜像法是根据唯一性原理求解某些具有导体边界的电磁场边值问题的一种经典方法,本发明中采用空气-海水二层镜像模型。以长轴端点te1的电偶极子建模为例,电偶极子在水下坐标系的坐标为te=te1,te=(xe,ye,ze),该电偶极子点的镜像点坐标为
Figure BSA0000225734980000063
te与第i个电磁探测器的间距为
Figure BSA0000225734980000064
与第i个电磁探测器的间距为
Figure BSA0000225734980000065
为了方便表示,设定Dx,i=Xi-xe、Dy,i=Yi-ye、Dz,i=Zi-ze
Figure BSA00002257349800000611
根据镜像法,若探测器位于海水中,则探测器处的电磁场等于全空间充满海水时的电偶极子源点及其镜像点在探测器处产生的电场之和。设海水中电偶矩为P,电导率为σ,因此,海水中的电偶极子te在第i个探测器处产生的各个电磁场分量可以表示为:
Figure BSA0000225734980000067
Figure BSA0000225734980000068
Figure BSA0000225734980000069
Figure BSA00002257349800000610
由此可推:联合等效模型中的电偶极子源te1在第i个探测器处产生的6个电磁场分量为
Figure BSA0000225734980000071
电偶极子源te2在第i个探测器处产生的6个电磁场分量为
Figure BSA0000225734980000072
根据电磁场叠加原理,水下目标的等效双电偶极子源te1、te2在第i个探测器处产生的6个电磁场叠加分量为
Figure BSA0000225734980000073
其中
Figure BSA0000225734980000074
Figure BSA0000225734980000075
(2)水下目标的钢制材料部分由于磁化现象所产生的低频磁场,可以由均匀旋转椭球体磁源模型来等效,所以本发明在形态等效后的水下目标的整体上进行均匀旋转椭球体磁源建模。形态等效后的水下目标的长轴长为
Figure BSA0000225734980000076
长半轴为
Figure BSA0000225734980000077
水下目标的短轴长为
Figure BSA0000225734980000078
短半轴为
Figure BSA0000225734980000079
椭球体重心坐标为tm=(xm,ym,zm)。该均匀旋转椭球体磁源在第i个探测器处产生的三个磁场分量为:
Figure BSA00002257349800000710
其中Mx、My、Mz分别为旋转椭球体沿X轴、Y轴、Z轴方向的磁矩分量,式中各系数的表达式为:
Figure BSA00002257349800000711
bx,i=ay,i
Figure BSA00002257349800000712
cx,i=az,i、cy,i=bz,i
Figure BSA00002257349800000713
其中
Figure BSA00002257349800000714
Figure BSA00002257349800000715
Figure BSA00002257349800000716
Figure BSA0000225734980000081
由此可推:水下目标的等效旋转椭球体磁源tm在第i个探测器处产生的3个磁场分量为
Figure BSA0000225734980000082
步骤二:建立双电偶极子源、均匀旋转椭球体磁源的反演误差损失函数。
通过前文的分析可知,本发明采用一个均匀旋转椭球体磁源模型和双电偶极子源模型来联合等效水下目标实体,这个水下目标将会在每个电磁探测器上产生9个电磁分量,这相当于搭建了水下目标探测定位体系中的探测部分。根据反演误差损失函数和草原狼跳跃追踪机制,将9·I个电磁分量反演为3个电磁源点坐标,从而实现水下目标探测定位体系中的定位部分。
(1)通过I个电磁探测器得到的真实双电偶极子源
Figure BSA0000225734980000083
Figure BSA0000225734980000084
所产生的电场叠加分量为
Figure BSA0000225734980000085
磁场叠加分量为
Figure BSA0000225734980000086
假设双电偶极子源
Figure BSA0000225734980000087
Figure BSA0000225734980000088
在I个电磁探测器处产生的电场叠加分量为
Figure BSA0000225734980000089
磁场叠加分量为
Figure BSA00002257349800000810
双电偶极子源的反演误差损失函数为
Figure BSA0000225734980000091
其中mean(·)为求均值,当
Figure BSA0000225734980000092
的值趋于0的时候,可认为假设双电偶极子源
Figure BSA0000225734980000093
为真实双电偶极子源
Figure BSA0000225734980000094
(2)通过I个电磁探测器得到的真实椭球体磁源
Figure BSA0000225734980000095
产生的磁场分量为
Figure BSA0000225734980000096
假设椭球体磁源
Figure BSA0000225734980000097
在I个电磁探测器产生的磁场分量为
Figure BSA0000225734980000098
椭球体磁源的反演误差损失函数
Figure BSA0000225734980000099
Figure BSA00002257349800000910
的值趋于0的时候,可以认为假设椭球体磁源
Figure BSA00002257349800000911
为真实椭球体磁源
Figure BSA00002257349800000912
(3)规定
Figure BSA00002257349800000913
为草原狼跳跃追踪机制下的猎物气味函数。
步骤三:初始化草原狼位置记忆并设定参数。
设定草原狼的活动领域U={u1,u2,u3}坐落于三维笛卡尔坐标系,领域整数界限为
Figure BSA00002257349800000914
其活动领域内三个维度所包含的整数位置数分别为
Figure BSA00002257349800000915
其中u1={u11,u12,...,u1X},
Figure BSA00002257349800000916
以此类推。设定草原狼跳跃次数为N并对其活动领域的任意整数位置具有记忆性,在第n次跳跃时的位置记忆由
Figure BSA00002257349800000917
表示,其中
Figure BSA00002257349800000918
并与u1相对应,以此类推。初始化草原狼的位置记忆,令n=1,
Figure BSA00002257349800000919
x=1,2,...X,y=1,2,...,Y,z=1,2,...,Z。草原狼的活动范围可分为领域、邻域和微域,规定领域为整数边界领域、邻域为基1邻域、微域为球体微域。羁绊搜索次数为Q、微域随机遍历次数为V。rand是[0,1]之间的随机数,羁绊长度为α=L。
步骤四:草原狼在其活动领域内执行跳跃搜索。
(1)草原狼凭借Hn跳跃到位置
Figure BSA0000225734980000101
其中第一维度
Figure BSA0000225734980000102
是草原狼凭借第n次跳跃时对第一维度位置的记忆
Figure BSA0000225734980000103
从u1中选择得到。u1x被选择的概率为
Figure BSA0000225734980000104
以此类推,得到
Figure BSA0000225734980000105
(2)对草原狼的位置记忆进行更新,使其对以往到达过的位置的记忆衰减。更新公式如下所示:
Figure BSA0000225734980000106
Figure BSA0000225734980000107
(3)如果n<N,则令n=n+1,并返回步骤四(1);否则让草原狼跳跃到历史最大猎物气味位置,令γ=arg max{L′m(G1),L′m(G2),...,L′m(GN)},Gjump=Gγ,Gjump表示距离猎物较近的整数位置。
步骤五:草原狼在其活动邻域内执行追踪搜索。
由于草原狼的活动邻域为基1邻域,所以草原狼当前位置的每一维度值均有“+1”、“-1”、“0”三种邻域变化,进而可推断出草原狼在当前位置下最大有W=33-1个邻域位置,若草原狼位于其活动领域边界处,其邻域位置个数一定小于W。
(1)草原狼Gjump的邻域位置集合为{C1,C2,...,CW},对应的猎物气味值集合为
Figure BSA0000225734980000108
其中
Figure BSA0000225734980000109
(2)如果max{l′m(1),l′m(2),...,l′m(W)}>L′m(Gjump),令κ=arg max{l′m(1),l′m(2),...,l′m(W)},Gjump=Cκ,并返回步骤五(1);否则设置Gtrack=Gjump
Figure BSA00002257349800001010
其可以认为是距离猎物最近的整数位置。
步骤六:草原狼在其活动微域内执行追踪搜索。
(1)草原狼Gtrack的微域集合为
Figure BSA0000225734980000111
其中
Figure BSA0000225734980000112
Figure BSA0000225734980000113
rv=rand、
Figure BSA0000225734980000114
θv=rand·2·π,v=1,2,...,V。
(2)如果
Figure BSA0000225734980000115
Figure BSA0000225734980000116
Gtrack=Gχ,并返回步骤六(1);否则设置Gtrav=Gtrack,Gtrav为椭球体磁源的定位坐标。
步骤七:以椭球体磁源定位坐标为先验,羁绊搜索双电偶极子定位坐标。
草原狼Gtrav的羁绊域集合为
Figure BSA0000225734980000117
其中
Figure BSA0000225734980000118
Figure BSA0000225734980000119
Figure BSA00002257349800001110
Figure BSA00002257349800001111
Figure BSA00002257349800001112
Ge1、Ge2为双电偶极子定位坐标。
步骤八:仿真实验验证
如图1所示,对任何形状不规则的水下目标进行外接椭球体形态等效,形态等效后的水下目标其自身为旋转椭球体磁源,其长轴两端为电偶极子源。建立三维笛卡尔水下直角坐标系,其X轴、Y轴所在平面与海平面相重叠,其Z轴指向与阳光直射海平面的方向一致,坐标系源点位于海平面上。
仿真实验时,在海水中放置五个电磁探测器用来接收水下目标发出的电磁信号,五个电磁探测器的坐标分别为[-100m,0m,50m]、[-50m,0m,50m]、[0m,0m,50m]、[50m,0m,50m]、[100m,0m,50m],其位置分布如图3所示。通过前文分析可知,电磁探测器可以严格区分X、Y、Z三个坐标轴上的电磁信号,可以严格区分电偶极子源或椭球体磁源产生的磁场分量,但由于电磁场叠加原理,两个电偶极子源在同一探测器上产生的电磁分量会产生叠加效应。对十个水下目标进行电磁定位仿真分析,其联合等效模型的三源点坐标位置分布如图3所示。
设定海水中电偶矩P=10A.m,电导率σ=3.56S/m,磁矩分量Mx=My=Mz=1A.m2,各个水下目标形态等效后的长轴长L=40m、短轴长B=20m,草原狼领域整数界限为{-300m,300m,-300m,300m,0m,100m},草原狼跳跃次数N=200,微域随机遍历次数V=100,羁绊搜索次数Q=10000,取十次仿真实验的平均结果进行分析。在无噪声情况下的水下目标定位性能分析如图4、5所示,在不同噪声下的水下目标定位性能分析如图6-8所示。

Claims (1)

1.一种基于草原狼跳跃追踪机制的水下目标探测定位方法,本发明的技术方案是:建立旋转椭球体磁源和双电偶极子源的联合等效模型,对任何形状不规则的水下目标进行外接椭球体形态等效,形态等效后的水下目标其自身为旋转椭球体磁源,其长轴两端为电偶极子源;建立双电偶极子源、均匀旋转椭球体磁源的反演误差损失函数,通过前文的分析可知,本发明采用一个均匀旋转椭球体磁源模型和双电偶极子源模型来联合等效水下目标实体,这个水下目标将会在每个电磁探测器上产生9个电磁分量,这相当于搭建了水下目标探测定位体系中的探测部分,根据反演误差损失函数和草原狼跳跃追踪机制,将9·I个电磁分量反演为3个电磁源点坐标,从而实现水下目标探测定位体系中的定位部分;初始化草原狼位置记忆并设定参数,设定草原狼的活动领域U={u1,u2,u3}坐落于三维笛卡尔坐标系,领域整数界限为
Figure FSA0000225734970000011
其活动领域内三个维度所包含的整数位置数分别为
Figure FSA0000225734970000012
Figure FSA0000225734970000013
其中
Figure FSA0000225734970000014
以此类推,设定草原狼跳跃次数为N并对其活动领域的任意整数位置具有记忆性,在第n次跳跃时的位置记忆由
Figure FSA0000225734970000015
表示,其中
Figure FSA0000225734970000016
并与u1相对应,以此类推,初始化草原狼的位置记忆,令
Figure FSA0000225734970000017
Figure FSA0000225734970000018
草原狼的活动范围可分为领域、邻域和微域,规定领域为整数边界领域、邻域为基1邻域、微域为球体微域,羁绊搜索次数为Q、微域随机遍历次数为V,rand是[0,1]之间的随机数,羁绊长度为α=L;草原狼在其活动领域内执行跳跃搜索,草原狼凭借Hn跳跃到位置
Figure FSA0000225734970000019
其中第一维度
Figure FSA00002257349700000110
是草原狼凭借第n次跳跃时对第一维度位置的记忆
Figure FSA00002257349700000111
从u1中选择得到,u1x被选择的概率为
Figure FSA00002257349700000112
以此类推,得到
Figure FSA00002257349700000113
对草原狼的位置记忆进行更新,使其对以往到达过的位置的记忆衰减,更新公式如下所示:
Figure FSA0000225734970000021
如果n<N,则令n=n+1,并返回到位置
Figure FSA0000225734970000022
否则让草原狼跳跃到历史最大猎物气味位置,令γ=arg max{L′m(G1),L′m(G2),...,L′m(GN)},Gjump=Gγ,Gjump表示距离猎物较近的整数位置;草原狼在其活动邻域内执行追踪搜索,由于草原狼的活动邻域为基1邻域,所以草原狼当前位置的每一维度值均有“+1”、“-1”、“0”三种邻域变化,进而可推断出草原狼在当前位置下最大有W=33-1个邻域位置,若草原狼位于其活动领域边界处,其邻域位置个数一定小于W;草原狼在其活动微域内执行追踪搜索,草原狼Gtrack的微域集合为
Figure FSA0000225734970000023
其中
Figure FSA0000225734970000024
Figure FSA0000225734970000026
θv=rand·2·π,v=1,2,...,V,如果
Figure FSA0000225734970000027
Figure FSA0000225734970000028
Gtrack=Gχ,并返回微域集合,否则设置Gtrav=Gtrack,Gtrav为椭球体磁源的定位坐标;以椭球体磁源定位坐标为先验,羁绊搜索双电偶极子定位坐标,草原狼Gtrav的羁绊域集合为
Figure FSA0000225734970000029
其中
Figure FSA00002257349700000210
Figure FSA00002257349700000211
Figure FSA00002257349700000212
Figure FSA00002257349700000213
Figure FSA00002257349700000214
Ge1、Ge2为双电偶极子定位坐标。
CN202011334225.2A 2020-11-25 2020-11-25 一种基于草原狼跳跃追踪机制的水下目标探测定位方法 Active CN114547830B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011334225.2A CN114547830B (zh) 2020-11-25 2020-11-25 一种基于草原狼跳跃追踪机制的水下目标探测定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011334225.2A CN114547830B (zh) 2020-11-25 2020-11-25 一种基于草原狼跳跃追踪机制的水下目标探测定位方法

Publications (2)

Publication Number Publication Date
CN114547830A true CN114547830A (zh) 2022-05-27
CN114547830B CN114547830B (zh) 2023-07-04

Family

ID=81660500

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011334225.2A Active CN114547830B (zh) 2020-11-25 2020-11-25 一种基于草原狼跳跃追踪机制的水下目标探测定位方法

Country Status (1)

Country Link
CN (1) CN114547830B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090015460A1 (en) * 2006-06-08 2009-01-15 Fox Philip A Radar visibility model
GB8905899D0 (en) * 1988-03-22 2010-02-24 Crouzet Sa A passive method and system for detecting, locating and identifying objects having magnetic properties
CN107272069A (zh) * 2017-06-13 2017-10-20 哈尔滨工程大学 基于磁异常梯度的磁性目标追踪方法
CN110145432A (zh) * 2019-03-29 2019-08-20 广东工业大学 一种基于傅氏分析和改进灰狼算法的波浪发电装置功率控制方法
CN111551996A (zh) * 2020-04-30 2020-08-18 南京理工大学 基于磁张量的合作磁目标实时定位方法
CN111787543A (zh) * 2020-06-10 2020-10-16 杭州电子科技大学 一种基于改进灰狼优化算法的5g通信系统资源分配方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB8905899D0 (en) * 1988-03-22 2010-02-24 Crouzet Sa A passive method and system for detecting, locating and identifying objects having magnetic properties
US20090015460A1 (en) * 2006-06-08 2009-01-15 Fox Philip A Radar visibility model
CN107272069A (zh) * 2017-06-13 2017-10-20 哈尔滨工程大学 基于磁异常梯度的磁性目标追踪方法
CN110145432A (zh) * 2019-03-29 2019-08-20 广东工业大学 一种基于傅氏分析和改进灰狼算法的波浪发电装置功率控制方法
CN111551996A (zh) * 2020-04-30 2020-08-18 南京理工大学 基于磁张量的合作磁目标实时定位方法
CN111787543A (zh) * 2020-06-10 2020-10-16 杭州电子科技大学 一种基于改进灰狼优化算法的5g通信系统资源分配方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
陈醒;岳瑞永;姜楷娜;赵哲;: "典型浅海海域海洋环境电场空间相关性分析" *
隗燕琳;陈进明;: "利用磁场对水下潜艇进行定位追踪的新方法" *

Also Published As

Publication number Publication date
CN114547830B (zh) 2023-07-04

Similar Documents

Publication Publication Date Title
Guo et al. Optimal search path planning for unmanned surface vehicle based on an improved genetic algorithm
Yan et al. Track‐before‐detect algorithm based on dynamic programming for multi‐extended‐targets detection
Meyer et al. Scalable data association for extended object tracking
CN108663654B (zh) 一种基于连续量子鸽群的360度全方位动态测向方法
Zhang et al. End-to-end recognition of similar space cone–cylinder targets based on complex-valued coordinate attention networks
Cui et al. A fast threshold neural network for ship detection in large-scene SAR images
Feng et al. Target tracking based on improved square root cubature particle filter via underwater wireless sensor networks
Zhu et al. Ground target recognition using carrier-free UWB radar sensor with a semi-supervised stacked convolutional denoising autoencoder
CN114547830A (zh) 一种基于草原狼跳跃追踪机制的水下目标探测定位方法
Dong et al. A new image simulation technique for deep-learning-based radar target recognition
Bugallo et al. Target tracking by symbiotic particle filtering
Chai et al. Simulation of Radar Scattering Characteristics of a Target Located in Ground-Sea Junction Area Based on Improved SBR Algorithm
Wilts et al. Enhanced state estimation based on particle filter and sensor data with non-gaussian and multimodal noise
Yuan et al. A three dimensional tracking scheme for underwater non-cooperative objects in mixed LOS and NLOS environment
Shen et al. ORB-NeuroSLAM: A brain-inspired 3D SLAM system based on ORB features
Li et al. Target Detection Method for SAR Images Based on Feature Fusion Convolutional Neural Network
CN112114286A (zh) 基于线谱生命周期和单矢量水听器的多目标跟踪方法
Gan et al. Research on short-range azimuth detection accuracy based on magnetic dipole model
Wang et al. Marine floating raft aquaculture back scattering feature analysis based on ISAR imagery
YANG et al. Hybrid bi-directional turbo equalization for underwater acoustic communications based on Kalman filter
Deuser et al. On the classification of underwater acoustic signals. II. Experimental applications involving fish
Nikoo et al. A disambiguation technique for passive localization using trajectory analysis
Jones et al. Physics-Based SAR Modeling and Simulation for Large-Scale Data Generation of Multi-platform Vehicles for Deep Learning-Based ATR
Duvenhage Using an implicit min/max kd-tree for doing efficient terrain line of sight calculations
Abdelhadi et al. A three-dimensional localization algorithm for wireless sensor networks using artificial neural networks

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