[发明专利]基于改进灰狼优化算法的无源时差定位系统优化布站方法

说明书

本发明公开了提出一种基于改进灰狼优化算法的无源时差定位系统优化布站方法，将无源时差定位系统的布站问题转化为求解目标函数的最小值问题，以无源时差定位系统为基础建立优化布站模型，用改进后的灰狼优化算法对该模型进行求解，求解的基本流程为：建立无源时差定位系统最优化布站模型，用M‑GWO算法对该模型进行求解，使模型目标函数值最小时的基站位置即为定位系统的最优布站位置。本发明用于求解无源时差定位系统对目标区域更高精度的布站位置，可以求取任意布站范围内的最优布站位置，具有普适性。

技术领域

本发明属于定位系统布站技术领域，更进一步涉及一种基于改进灰狼优化算法的无源时差定位系统优化布站方法。本发明可用于求解无源时差定位系统对指定目标区域的最优布站位置。

背景技术

在现代信息化战争环境中，对目标进行侦察定位，是电子战领域的重要研究内容。提前侦察到目标位置，有利于对潜在威胁做出预警，这对保护我方目标和打击敌方目标都有重要的指导作用。目前，定位系统根据其接收站是否向目标发射电磁波信号，可以分为有源定位系统和无源定位系统两种。面对日益先进的隐身技术、反辐射导弹以及其它综合电子干扰等先进对抗手段，无源定位技术越来越受到广泛关注，使用无源定位系统对目标辐射源进行定位已成为现代电子侦察的重要手段。随着无源定位技术的不断发展，如何根据实际情况提高无源定位系统的定位精度，从而得到更为准确的目标位置就显得十分重要。

常用的无源定位技术中，基于到达时间差(Time Difference Of Arrival,TDOA)的无源定位技术因其较高的定位精度得到广泛的研究和应用，其基本原理是无源时差定位系统通过定位基站接收目标辐射源信号，经基站测量后得到目标信号到达不同基站之间的到达时间，通过计算可以得到每两个不同基站间目标信号的到达时间差，从而在二维平面构成几组距离差曲线，或在三维空间中构成距离差曲面，当定位系统多个基站的测量结果构成的双曲线或双曲面存在唯一确定的交点时，就可以实现对目标定位。当定位技术确定时，定位系统的基站布局是影响定位精度的重要因素。无源定位系统所采用的布站方法不同，对目标区域的定位范围以及目标的定位精度影响很大，其中，使用群智能算法进行求解也是求解布站的方法之一。

群智能算法是通过模拟有简单个体组成的群落与环境以及个体之间的互动行为，实现求解复杂优化问题。对于群智能算法，Mirjalili于2014年提出的一种新型的群智能优化算法——灰狼优化算法(Grey Wolf Optimizer，GWO)，这种算法模拟了灰狼在自然界中的领导等级和狩猎机制。灰狼种群有严格的领导等级，从高到低可以划分为α狼、β狼、δ狼和ω狼，共四个等级。其中，狼群中α狼、β狼、δ狼数量较少，ω狼数量最多。除了狼群的等级之外，群体捕猎也是灰狼的另一种典型的社会行为。灰狼狩猎的主要阶段如下：追踪猎物、包围猎物、攻击猎物。ω狼通过α狼、β狼和δ狼的位置来进行搜索，实验证明灰狼优化算法有较强的搜索能力，但其在求解多维复杂优化问题时，容易陷入局部最优。

目前，国内外对无源定位系统基站的布站方法做了很多的研究。如YanPing Lei在其发表的论文“Optimal distribution for four-station TDOA location system”(Biomedical Engineering and Informatics(BMEI),2010 3rd InternationalConference on.IEEE,2010,7:2858-2862)研究了直线、梯形、平行四边形、长方形、菱形等规则布站时的定位情况，指出不同布站位置时对目标定位的范围不同，且在不同方向上定位精度有所不同。该方法的实施步骤：第一步，在指定布站区域内根据定位目标范围初步确定阵型为规则图形的基站位置，其中常用的规则布站阵型有Y形、矩形、菱形、梯形、T形和平行四边形等；第二步，根据布站区域的环境噪声、地理位置及基站通信要求等条件对定位基站的距离和高度进行调整，确定布站位置。该方法存在的不足之处是实际布站过程中，由于受地理位置等的限制，不一定能满足规则布站的位置要求，而且且规则布站下对目标区域的定位精度不一定是最高的。