买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：上海航天测控通信研究所;西北工业大学;北京航天飞行控制中心

摘要：本发明涉及一种基于量子蜻蜓算法的飞行器无源定位方法，包括：建立飞行器多站时差无源定位模型，将飞行器的无源定位方程解算问题转化为以载体坐标为设计变量的优化问题；设置量子蜻蜓算法参数；初始化蜻蜓量子状态；进行量子搜索，确定当前量子位的适应度值的求解方法；更新适应度值；更新蜻蜓状态；针对求解过程中的局部极值进行变异处理；判断迭代是否完成，若未完成则更新参数则继续进行量子搜索，确定当前量子位的适应度值的求解方法，若已完成则执行下一步；输出食物状态及最优结果；判断是否满足时间同步误差精度要求，若满足则食物状态即为带定位目标位置坐标，否则重新设置量子蜻蜓算法参数，并重新顺序执行定位步骤，可以对飞行器或飞行器残骸的轨迹进行准确的监测定位。

主权项：1.一种基于量子蜻蜓算法的飞行器无源定位方法，其特征在于，包括：步骤1：建立飞行器的多站时差无源定位模型，将飞行器的无源定位方程解算问题转化为以飞行器坐标为设计变量的优化问题；步骤2：基于以飞行器坐标为设计变量的优化问题，设置量子蜻蜓算法参数；步骤3：初始化蜻蜓量子状态；步骤4：进行量子搜索，确定当前量子位的适应度值的求解方法；步骤5：更新适应度值；步骤6：更新蜻蜓状态；步骤7：针对求解过程中的局部极值进行变异处理；步骤8：判断迭代是否完成，若未完成则执行步骤5～8，若已完成则执行步骤9～10；步骤9：输出食物状态及最优结果；步骤10：判断是否满足时间同步误差精度要求，若满足则食物状态即为飞行器位置坐标，否则执行步骤2，重新设置量子蜻蜓算法参数，并顺序执行步骤3～9；步骤1建立飞行器的多站时差无源定位模型，将飞行器的无源定位方程解算问题转化为以飞行器坐标为设计变量的优化问题，包括：建立飞行器的多站时差无源定位模型，利用地面监测站和飞行器之间接收时戳信息的时间差表示监测站到飞行器的相对距离，飞行器的定位方程表示为： 式中，x0,y0,z0为主站位置信息，xi,yi,zii＝1,2，…，N表示N个辅站位置信息，c表示光速，r0表示目标到主站的距离，ri表示目标到各测量辅站的距离，Δri表示目标到主站和辅站的距离之差；Δti为目标信号到达第i个辅站与到达主站的时间差测量值，cΔti称为第i个辅站的距离差测量值；由于主站与辅站之间有测量误差，因此观测站测量得到的信号到达主站与辅站之间的TDOA测量值为： 式中，ei为主站与第i个辅站之间的TDOA测量误差，假设其服从均值为0，方差为的高斯分布；将信号到达主站的时间真实值、信号到达辅站的时间真实值、信号到达主站与各个辅站之间的TDOA测量值均表示成N-1维的向量形式： 假设各测量值相互独立，t1服从均值为t0-ti，方差为的高斯分布，则估计目标位置坐标的似然函数为： 即 从似然函数看出，求解使似然函数最大的坐标值，相当于求式5的目标函数： 这样根据式5推导出评价蜻蜓算法中个体适应度函数fX： 式中，X为蜻蜓个体的状态；这样就确定待设计参数为选择个体适应度函数为目标函数这样就将飞行器的无源定位方程解算问题转化为以飞行器坐标为设计变量的优化问题，该问题可表述如下： 步骤6：更新蜻蜓状态，包括：蜻蜓的状态更新由分离、结队、聚集、觅食和避敌五个行为组成，量子的移动由量子旋转门实现，因此量子蜻蜓状态更新通过量子旋转门转角的更新来实现：1分离行为：计算邻域半径： 式中：r0为初始邻域半径；e为表示自然常数；l,L分别表示当前的和最大的迭代次数l＝1,2,…,L；计算任意两个蜻蜓的距离dij＝SQi-SQj,当距离dij小于邻域半径rl时认为两者相邻，对于所有与第i个蜻蜓相邻的所有其他蜻蜓计算分离量Sli： 式中：M为相邻蜻蜓个体数量；2结队行为为保证全部蜻蜓都能够最快捕食到目标，蜻蜓与同伴尽可能保持同等速度进行飞行，计算对齐量Ali如下： 式中；VQj为第j个相邻蜻蜓的速度；3凝聚行为：在捕食过程中应防止某蜻蜓掉队，尽可能向某个体靠近，蜻蜓之间还需保持等间距飞行，计算凝聚度Cli如下： 4觅食行为：一旦某个蜻蜓捕获到目标，与其他蜻蜓分享，并使其余蜻蜓向其靠拢；同时该群体还应在飞行范围内捕获更多食物，计算食物吸引度Fli如下：Fli＝FQ-SQi16；5避敌行为：蜻蜓群体在捕食过程中尽可能避开天敌，若一旦遇到天敌，则尽快散开飞行，计算天敌规避度Eli如下：Eli＝EQ-SQi17；6状态变化：当蜻蜓周围由相邻蜻蜓时，综合五种行为的度量值，计算状态更新步长如下：ΔSQil+1＝sSli+aAli+cCli+fFli+eEli+wΔSQil，式中，w为惯性权重，s为避撞分离权重，a为对齐度权重，c为凝聚度权重，f表示食物的权重，e是天敌的权重；蜻蜓个体状态向量的更新公式为：SQil+1＝SQil+ΔSQil+118，当个体周围没有邻近解时，个体通过Le'vy飞行方式绕搜索空间随机飞行，进步提高随机性，这时蜻蜓个体状态向量的更新公式为：SQil+1＝SQil+Le'vyDSQil19，式中，D表示个体向量维数， 式中，r1，r2为[0,1]内的随机数；Γx＝x-1！；β为常数，通常可取β＝1.5；迭代次数越小时，rl数值越大，蜻蜓的五种行为的综合效应增强，在前几次迭代中，大的邻域半径保证蜻蜓们更快地接近全局最优值附近的区域，使得该优化算法具有良好的全局性能；而当迭代次数接近最大迭代次数时，rl数值逐渐趋于0，即领域步长越来越小，表示在接近最优解时尽可能蜻蜓的随机搜索行为增强局部最优解的搜索能力，进一步提高局部搜索能力；通过量子旋转门改变蜻蜓的量子幅角，实现对两个位置的同步移动，在种群模不变的情况下，扩展了对搜索空间的遍历性，蜻蜓SQi更新后的两个新位置为： 这样，量子旋转门通过改变蜻蜓的量子幅角，实现对两个位置的同步移动，在种群规模不变的情况下，扩展了对搜索空间的遍历性，针对求解过程中的局部极值进行变异处理，包括：对求解过程中的局部极值进行变异处理，借鉴遗传算法中的变异操作，增加种群多样性，避免早熟收敛，使用量子非门实现变异处理，设定变异概率Pmut，通过每个蜻蜓抽取随机数randm判断该蜻蜓是否发生变异，若Pmut＞randm则变异发生，则随机选择变异量子位j＝ceil6*randm，采用量子非门改变该位置的角度，增加多样性：

全文数据：

权利要求：

百度查询： 上海航天测控通信研究所 西北工业大学 北京航天飞行控制中心 一种基于量子蜻蜓算法的飞行器无源定位方法