[发明专利]远程感知监测全局目标空间覆盖优化方法

权利要求书

1.一种远程感知监测全局目标空间覆盖优化方法，其特征在于：首先筛选出能够感知到待感知目标空间的传感器，把这些传感器感知方向的方位角、俯仰角组合作为个体并作为优化参数；给定传感器资源和目标空间，设置感知覆盖优化场景、种群数量，初始化种群以及粒子群算法所需参数；将若干位置固定的有向三维传感器组成三维待感知空间进行感知覆盖的三维空间有向传感器网络；调整有向传感器网络中每个传感器中心感知方向的方位角和俯仰角，对调整传感器节点中心感知方向后的网络建立对监测空间内移动目标进行有效的跟踪和识别的集合覆盖模型；根据有向传感器能力和地球曲率，三维有向传感器网络对每个离散点进行覆盖性分析，对地球表面三维待感知目标空间进行等间隔离散化处理，统计三维待感知空间离散点的覆盖范围，计算感知覆盖率，将能够被覆盖的目标空间离散点数量与离散点总量之比作为覆盖率并作为适应度函数，然后迭代优化适应度函数，更新个体最佳适应度、个体最佳位置、种群最佳位置、个体移动速度和个体位置计算个体适应度；根据有向传感器的感知距离约束、感知角度约束和地球曲率约束，调整有向传感器求整个有向传感器网络对待感知空间的感知覆盖率，利用智能优化算法迭代优化每个传感器的俯仰角和方位角，对指定的地球表面三维空中目标进行感知覆盖，直到满足覆盖率要求或迭代次数要求，利用所述智能优化算法输出优化参数调整传感器的方位角和俯仰角，通过对主感知方向的优化，获得全局最优空间覆盖；

设置感知覆盖优化场景时，有向传感器网络根据每个传感器的感知能力，设定其最大感知距离和最大感知角度，以一定的颗粒度量化经度、纬度和海拔高度，离散化待感知目标空间，按照经度、纬度、高度对地球表面三维待感知目标空间进行感知覆盖，根据传感器大地坐标、中心感知方向的方位角和俯仰角，计算传感器中心感知方向地心直角坐标，对调整传感器节点主感知方向后的网络建立集合覆盖模型，并将有向传感器网络的传感器作为一个个体，将所有传感器的数量设为N_s，以每个传感器的感知俯仰角和方位角γ_i为优化参数，得到参数的约束条件为

其中，i＝1,2…N_s；

在离散化的待感知空间中，有向传感器网络设至少被传感器覆盖一次的离散点集合Ω₁，待感知空间离散点集合Ω_q，判断待感知空间离散点能否被覆盖，计算感知覆盖率，找到一组N个节点感知方向的向量组(B1(t)，B2(t)，…，Bi(t)，BN(t))，使N个节点覆盖空间的点集合最大，以被覆盖的离散点数量|Ω₁|与待感知空间离散点总量|Ω_q|之比为感知覆盖率C，C＝|Ω₁|/|Ω_q|，将地球表面待感知三维空间的感知覆盖率作为覆盖优化的适应度函数；

集合覆盖模型把网络覆盖率的计算简化为：在纬度B、经度L、海拔高度H三个维度上等间隔选取离散点，并将离散点转换为地心直角坐标，地心直角坐标系以Z轴由地心指向北地极，X轴由地心指向起始子午面与赤道的交点，Y轴与X、Z轴正交，构成右手坐标系，在地心直角坐标系下，根据地球的长半轴a，短半轴b，得到表示为地球球面方程(x²+y²)/a²+z²/b²＝1,在大地坐标系的下的三维坐标：纬度B、经度L和海拔高度H下，N个节点的感知方向组成的一个感知方向向量组，以N＝a/(1-e² sin²b)^1/2，e²＝(a²-b²)/a²为第一偏心率，得到大地坐标(B，L，H)到地心直角坐标(X,Y,Z)转换函数(X,Y,Z)＝blh2xyz(B,L,H)，通过转换函数(B,L,H)＝xyz2blh(X,Y,Z)，迭代完成地心直角坐标到大地坐标的精确转换，地心直角坐标(X,Y,Z)坐标分别由以下公式实现：X＝(N+H)cosB cosL，Y＝(N+H)cosB sinL，Z＝[N(1-e²)+H]sinB；

集合覆盖模型通过相应的目标函数转化为函数近似计算地心直角坐标，利用地心直角坐标X轴分量X与纬度B呈正相关关系，计算出地心直角坐标X轴分量误差为给定足够小的正实数ε，更新将更新的带入，地心直角坐标误差ΔX满足要求则停止迭代，输出精确的地心直角坐标矢量其中，为纬度坐标矢量，L为经度，N为节点的数量，为海拔高度矢量；

集合覆盖模型设置粒子群算法所需超参数：惯性权重w，自学习因子c₁，群体学习因子c₂，最大迭代次数N_g，迭代优化计算每个个体的适应度，即传感器网络对待感知空间的感知覆盖率，与个体历史最佳适应度比较，更新个体历史最佳适应度和每个个体历史最佳方位角和俯仰角种群历史最佳方位角γ^gb和俯仰角θ^gb；更新每个个体中的方位角γ和俯仰角θ：γ_i＝γ_i+v_γi，θ_i＝θ_i+v_θi，若俯仰角γ或方位角θ的更新值超越边界，则将离其最近的边界值作为更新值，计算每个个体中每个优化变量的更新速度，如下：

其中，r∈(0,1)的随机数，速度更新值超越边界，检查当前迭代次数是否超过最大迭代次数，判断本代适应度值是否优于当前种群最优适应度,若是则将本代的适应度替换为当前最优适应度，否则保留当前最优适应度，判断是否满足迭代终止条件，若是则结束过程；否则接着进行迭代优化，每一次迭代过程向着优化目标进行迭代寻优,不断迭代出更优的解，直到完成迭代优化，计算出目标函数当前的全局最佳俯仰角和方位角的全局最优值为算法最优解，使覆盖效果达到最优。