[发明专利]一种基于运动多站的高精度无源时差定位方法

摘要

本发明属于无源探测技术领域，涉及一种对目标进行三维定位的基于运动多站的高精度无源时差定位方法。本发明包括：建立时差定位模型，分别确定主站与辅站的坐标位置；根据距离差是光速与时间差的乘积di1＝cτi1,i＝2,3,...,M，求出时差。将主站的坐标位置，各个辅站的坐标位置以及求得的时差构成时差观测矩阵，这里考虑时间误差对定位精度的影响，且噪声服从均值为0，方差为σ2的高斯分布。本发明引入CS算法中的智能搜索策略去解决时差定位系统中的非线性最优化问题的求解，避免了时差观测矩阵的运算量大，计算复杂度高的问题。本发明能够实现对辐射源位置的高精度估计，在不需要依赖初始目标位置的先验条件就能够快速逼近全局最优解，不易出现定位模糊以及无解的情况。

主权项

一种基于运动多站的高精度无源时差定位方法，其特征在于，包括如下步骤：(1)建立时差定位模型，分别确定主站与辅站的坐标位置；计算目标与各个基站的真实距离di,i＝1,2,...,M，得出目标与主站之间的距离d1以及目标与辅站之间的距离di,(i≠1)，M个基站可以形成M‑1组距离差di1,(i≠1)；(2)根据距离差是光速与时间差的乘积di1＝cτi1,i＝2,3,...,M，求出时差；将主站的坐标位置，各个辅站的坐标位置以及求得的时差构成时差观测矩阵，这里考虑时间误差对定位精度的影响，且噪声服从均值为0，方差为σ2的高斯分布；(3)将时差观测矩阵转化为最大似然函数的估计，将似然函数方程转化为非线性最优化问题的求解，求取目标函数从而确定适应度函数；(4)初始化种群及各项参数，通过莱维飞行机制随机生成鸟巢的位置并设置搜索区域范围；(5)将随机生成的鸟巢位置的位置代入适应度函数中，根据适应度函数值寻找当前最优解；(6)记录当前最优鸟巢位置同时更新种群的状态，将更新后的鸟巢位置进行择优选择寻找当前最优解，对搜索区域中生成鸟巢位置的进行限制；(7)设置伪鸟窝的最大发现概率，利用淘汰选择机制对鸟巢位置进行新一轮的择优选择与状态更新；(8)根据适应度函数值评价更新后的鸟巢位置，寻找全局最优解；(9)如果达到最大迭代次数或满足预先设置的精度，停止搜索，输出全局最优解，即为求得的目标位置，否则返回步骤(6)继续搜索目标位置。