[发明专利]一种基于粒子群算法的定位方法

说明书

技术领域

本发明涉及一种全球定位方法，尤其是涉及一种基于粒子群算法的定位方法。

背景技术

对某一地点进行定位来确定经纬度，在地理勘探、人员营救等方面起着至关重要的作用。现代科技用于定位的手段很多，如手机GPS定位，但往往受限于实际环境，如信号、电量等。在科技并非发达的古代，人类对太阳影子的利用就有很多，如记录时间，辨别方向等；同样在科技发达的今天，太阳影子也可以在现代科技受限的情况下发挥重要作用。

粒子群算法是一种基于群体智能的启发式全局随机搜索算法，概念源于对鸟群觅食行为的研究，属于进化算法，它通过追随当前搜索到的共享最优值，从无序到有序演化，最终靠近全局最优值。粒子群算法在工程技术上面有着非常广泛的研究，具有容易理解实现、全局搜索能力强等特点。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于粒子群算法的定位方法。

本发明的目的可以通过以下技术方案来实现：

一种基于粒子群算法的定位方法，通过测量竖立于目标地点地面的直杆的影子长度随时间变化的序列，对直杆所在地进行定位，包括以下步骤：

1)收集数据，包括日期天数n、直杆长度g、影子长度序列l1、l2、...、ln及与影子长度序列对应的时间点序列t1、t2、...、tn，其中，日期天数n表示当前日期位于所在年份的第n天，时间点序列精确到秒；

2)根据当前日期计算太阳赤纬角度δ；

3)建立影子长度与时间点、太阳赤纬角度δ目标地点的经度Psi、目标地点的纬度和直杆长度g之间的计算关系；

4)建立影子长度测量值与理论计算值的误差优化模型，利用粒子群算法求解优化模型，确定经度Psi和纬度的最终解。

进一步的，所述的步骤2)中，太阳赤纬角度δ的计算式为：

δ＝0.3723+23.2567sin(θ)+0.1149sin(2θ)-0.1712sin(3θ)

-0.7580cos(θ)+0.3656cos(2θ)+0.0201cos(3θ)

其中，θ为转换角度，t为日期偏移，t＝n-n₀，n为日期天数，n₀为年中心日期，n₀＝79.6764+0.2422(year-1985)-左取整[(year-1985)/4]，year表示当前年份，左取整表示小数部分都舍去。

进一步的，所述的步骤4)中，影子长度的理论计算值为：

其中，α_S为太阳高度角，根据纬度太阳赤纬角度δ和太阳时角ω计算，太阳时角ω与根据时间点和经度Psi计算。

进一步的，所述的太阳高度角α_S计算式为：

进一步的，所述的太阳时角ω计算式为：

其中，ω为弧度，

进一步的，所述的步骤4)中，误差优化模型采用的目标函数和约束条件如下：

目标函数为误差平方和最小：

约束条件：

进一步的，所述的步骤4)中，采用的粒子群算法为局部粒子群算法，粒子的邻域采用环形邻域。

进一步的，所述的步骤4)具体包括以下步骤：

41)初始化目标地点的经度Psi和纬度的速度和位置，计算每个粒子的影子长度

42)评价每个粒子的适应度；

43)对每个粒子，将当前适应度值与每个粒子历史最佳位置p_best对应的适应度值做比较，如果当前适应度值更好，则用当前位置替换每个粒子历史最佳位置p_best；

44)对每个粒子，求出邻域内粒子的适应度值，并做比较找出邻域内适应度最好的位置g_best；

45)更新每个粒子的速度与位置，当粒子位置或速度超出范围，将其设定为边界位置或者速度；

46)判断是否满足终止条件，若否，则返回步骤42)，若是，则结束循环，最终得到的位置值就是经纬度的最终值，导出结果经纬度。

进一步的，所述的步骤45)包括以下步骤：

451)更新线性递减权重惯性系数：其中G_max为设定的最大迭代次数；

452)更新速度值：其中r₁、r₂为0到1之间的随机数，为第k次迭代粒子i的第d维速度，为第k次迭代粒子i的第d维位置；