本發(fā)明涉及無線電監(jiān)測(cè)、以及創(chuàng)新的測(cè)向定位算法應(yīng)用領(lǐng)域，具體而言，涉及一種單站移動(dòng)自動(dòng)定位方法。

背景技術(shù)：

當(dāng)前無線電監(jiān)測(cè)中對(duì)于干擾源的定位技術(shù)大多仍使用測(cè)向、交繪定位的方法，測(cè)向數(shù)據(jù)量大，但實(shí)際使用的數(shù)據(jù)量并不是太大，有很大一部分?jǐn)?shù)據(jù)被丟棄。大多數(shù)數(shù)據(jù)的丟棄給定位結(jié)果帶來了很大的不確定性，用戶不能快速的定位干擾源，給頻率管理帶來了嚴(yán)重的損失。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提供一種單站移動(dòng)自動(dòng)定位方法，該方法為了剔除不準(zhǔn)確的數(shù)據(jù)，選取高質(zhì)量的測(cè)向數(shù)據(jù)，使大量的測(cè)向數(shù)據(jù)更加集中、準(zhǔn)確，去掉發(fā)散的測(cè)向數(shù)據(jù)，使用改進(jìn)的k-means聚類方法對(duì)測(cè)向所得示向線交點(diǎn)進(jìn)行聚類分析，使得定位結(jié)果更加可靠、準(zhǔn)確，有利于用戶快速定位無線電干擾源等非法發(fā)射。

本發(fā)明是這樣實(shí)現(xiàn)的：

一種單站移動(dòng)自動(dòng)定位方法，包括以下步驟：

s1、通過測(cè)向機(jī)獲得發(fā)射源所在方位角的集合，存入移動(dòng)站集合；

采用門限質(zhì)量類篩選方法將脫離核心值的數(shù)據(jù)進(jìn)行過濾，然后將采用排序動(dòng)態(tài)插入篩選后的示向線的所有交點(diǎn)存儲(chǔ)到交點(diǎn)集合中，；

s3、對(duì)步驟s2中得到的數(shù)據(jù)采用改進(jìn)的k-means聚類算法進(jìn)行分析，并選取三個(gè)點(diǎn)作為聚類的基礎(chǔ)，并計(jì)算以該三個(gè)點(diǎn)為頂點(diǎn)的三角形的內(nèi)切圓圓心和半徑，將內(nèi)切圓圓心和半徑以對(duì)象的方式存入內(nèi)切圓集合中；

s4、計(jì)算內(nèi)切圓疊加的次數(shù)，進(jìn)行統(tǒng)計(jì)運(yùn)算，將疊加的次數(shù)作為內(nèi)切圓的顏色賦值權(quán)重，在渲染的時(shí)候用該權(quán)重作為顏色深淺的尺度；

s5、將步驟s4中疊加的內(nèi)切圓集合數(shù)據(jù)添加到熱力圖生成方法里面，生成熱力圖圖層疊加到地圖上進(jìn)行展示，按熱力圖顏色深的區(qū)域即為干擾源位置。

進(jìn)一步的，在步驟s1中，通過測(cè)向機(jī)獲得發(fā)射源所在方位角的集合，存入移動(dòng)站集合，具體包括：

通過單個(gè)移動(dòng)監(jiān)測(cè)站行進(jìn)過程測(cè)向機(jī)獲得發(fā)射源的來波方向，在地圖上與羅盤標(biāo)示后得到正北示向度，即可獲得與正北方向的夾角，并存于移動(dòng)站集合中。

進(jìn)一步的，在步驟s2中，將預(yù)設(shè)范圍內(nèi)的示向線的所有交點(diǎn)存儲(chǔ)到交點(diǎn)集合中，具體包括：

設(shè)定直線傾角為θ，設(shè)定移動(dòng)監(jiān)測(cè)站測(cè)向度轉(zhuǎn)換為：bearing＝bearing-90°；

設(shè)定監(jiān)測(cè)站1的坐標(biāo)為：(x1，y1)，測(cè)向角度θ1，監(jiān)測(cè)站2的坐標(biāo)為：(x2，y2)，測(cè)向角度θ2，交點(diǎn)坐標(biāo)為：(x，y)；

采用以下算法對(duì)三條示向線進(jìn)行循環(huán)遍歷，即可獲得所有兩兩示向線的交點(diǎn)，并存儲(chǔ)到交點(diǎn)集合中，所述算法為：

進(jìn)一步的，在步驟s3中，所述k-means聚類算法具體包括：

s301、指定需要?jiǎng)澐值拇氐膫€(gè)數(shù)k值；

s302、隨機(jī)選擇k個(gè)初始數(shù)據(jù)對(duì)象點(diǎn)作為初始的聚類中心；

s303、計(jì)算其余的各個(gè)數(shù)據(jù)對(duì)象到這k個(gè)初始聚類中心的距離，把數(shù)據(jù)對(duì)象劃歸到距離它最近的那個(gè)中心所在的簇類中，并記錄各個(gè)數(shù)據(jù)對(duì)象的編號(hào)；

s304、計(jì)算現(xiàn)在每個(gè)簇的中心，進(jìn)行更新，判斷新類的中心是否與原類的中心是否滿足指定精度收斂函數(shù)，滿足，則數(shù)據(jù)對(duì)象的調(diào)整已經(jīng)結(jié)束，否則，返回到步驟s303中重新調(diào)整。

進(jìn)一步的，在k-means聚類算法中，將數(shù)據(jù)聚類為n簇，再將n簇聚類為k簇，并逐漸歸類為3簇，其中n>3，3<k<n。

進(jìn)一步的，在步驟s3中，計(jì)算以該三個(gè)點(diǎn)為頂點(diǎn)的三角形的內(nèi)切圓圓心和半徑，將內(nèi)切圓圓心和半徑以對(duì)象的方式存入內(nèi)切圓集合中，具體為：

設(shè)定三角形三個(gè)頂點(diǎn)坐標(biāo)為a(xa，ya)，b(xb，yb)，c(xc，yc)，即得到三角三邊長(zhǎng)度a、b、c；

設(shè)定p＝(a+b+c)/2，繼而可得三角形面積：

設(shè)定內(nèi)切圓圓心坐標(biāo)為(centerx，centery)，內(nèi)切圓半徑為：r＝s/p，則有：

和

即獲得內(nèi)切圓的圓心和半徑。

進(jìn)一步的，設(shè)定示向線的交點(diǎn)超過發(fā)射源電波的傳輸范圍時(shí)，不再進(jìn)行內(nèi)切圓的繪制；

設(shè)定交點(diǎn)在監(jiān)測(cè)站示向線反向延長(zhǎng)線上，即監(jiān)測(cè)站測(cè)向角度單位向量與監(jiān)測(cè)站和某一交點(diǎn)連線的向量夾角為180°。

進(jìn)一步的，在步驟s4中，還包括將得到的所有內(nèi)切圓，根據(jù)位置關(guān)系以及半徑大小計(jì)算器疊加次數(shù)，最后將疊加次數(shù)歸一化，即得到最終的顏色賦值權(quán)重?cái)?shù)據(jù)，所述根據(jù)位置關(guān)系以及半徑大小計(jì)算器疊加次數(shù)，其位置關(guān)系只包括相交、內(nèi)含和內(nèi)切三種情況。

進(jìn)一步的，其還包括置信橢圓算法獲得干擾源位置，具體為：

將步驟s3中得到的所有內(nèi)切圓不計(jì)半徑存入置信橢圓計(jì)算集合中，并計(jì)算整體數(shù)據(jù)的置信范圍，設(shè)置置信概率，并根據(jù)整體數(shù)據(jù)的置信范圍繪制橢圓，即獲得干擾源位置。

進(jìn)一步的，設(shè)定當(dāng)有新的數(shù)據(jù)添加進(jìn)移動(dòng)站集合時(shí)，即循環(huán)執(zhí)行步驟s1至步驟s5

本發(fā)明的有益效果是：

(1)選取高質(zhì)量的測(cè)向數(shù)據(jù)，使大量的測(cè)向數(shù)據(jù)更加集中、準(zhǔn)確，去掉發(fā)散的測(cè)向數(shù)據(jù)，使用改進(jìn)的k-means聚類方法對(duì)測(cè)向所得示向線交點(diǎn)進(jìn)行聚類分析，使得定位結(jié)果更加可靠、準(zhǔn)確，,有利于用戶快速定位無線電干擾源等非法發(fā)射；

(2)適用于復(fù)雜環(huán)境下的干擾源定位，整體算法設(shè)計(jì)具有新穎性和實(shí)用性強(qiáng)，能快速獲得準(zhǔn)確的干擾源定位；

(3)采用熱力圖的展示方法，使得展示效果更加直觀、優(yōu)雅，便于用戶更高效的獲得定位結(jié)果。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施方式的技術(shù)方案，下面將對(duì)實(shí)施方式中所需要使用的附圖作簡(jiǎn)單地介紹，應(yīng)當(dāng)理解，以下附圖僅示出了本發(fā)明的某些實(shí)施例，因此不應(yīng)被看作是對(duì)范圍的限定，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他相關(guān)的附圖。

圖1為本發(fā)明自動(dòng)定位方法的流程圖；

圖2為本發(fā)明蜂窩矩陣尋址示意圖；

圖3為本發(fā)明六邊形蜂窩尋址示意圖；

圖4為本發(fā)明的漸變色條帶圖；

圖5為本發(fā)明的熱力圖效果圖；

圖6為本發(fā)明的聚類疊加熱力圖實(shí)測(cè)截圖。

具體實(shí)施方式

以下通過特定的具體實(shí)例說明本發(fā)明的實(shí)施方式，本領(lǐng)域技術(shù)人員可由本說明書所揭露的內(nèi)容輕易地了解本發(fā)明的其他優(yōu)點(diǎn)與功效。本發(fā)明還可以通過另外不同的具體實(shí)施方式加以實(shí)施或應(yīng)用，本說明書中的各項(xiàng)細(xì)節(jié)也可以基于不同觀點(diǎn)與應(yīng)用，在沒有背離本發(fā)明的精神下進(jìn)行各種修飾或改變。需說明的是，在不沖突的情況下，以下實(shí)施例及實(shí)施例中的特征可以相互組合。

需要說明的是，以下實(shí)施例中所提供的圖示僅以示意方式說明本發(fā)明的基本構(gòu)想，遂圖式中僅顯示與本發(fā)明中有關(guān)的組件而非按照實(shí)際實(shí)施時(shí)的組件數(shù)目、形狀及尺寸繪制，其實(shí)際實(shí)施時(shí)各組件的型態(tài)、數(shù)量及比例可為一種隨意的改變，且其組件布局型態(tài)也可能更為復(fù)雜。

實(shí)施例，請(qǐng)參閱圖1，一種單站移動(dòng)自動(dòng)定位方法，包括以下步驟：

s1、通過測(cè)向機(jī)獲得發(fā)射源所在方位角的集合，存入移動(dòng)站集合；

采用門限質(zhì)量類篩選方法將脫離核心值的數(shù)據(jù)進(jìn)行過濾，然后將采用排序動(dòng)態(tài)插入篩選后的示向線的所有交點(diǎn)存儲(chǔ)到交點(diǎn)集合中，；

s3、對(duì)步驟s2中得到的數(shù)據(jù)采用改進(jìn)的k-means聚類算法進(jìn)行分析，并選取三個(gè)點(diǎn)作為聚類的基礎(chǔ)，并計(jì)算以該三個(gè)點(diǎn)為頂點(diǎn)的三角形的內(nèi)切圓圓心和半徑，將內(nèi)切圓圓心和半徑以對(duì)象的方式存入內(nèi)切圓集合中；

s4、計(jì)算內(nèi)切圓疊加的次數(shù)，進(jìn)行統(tǒng)計(jì)運(yùn)算，將疊加的次數(shù)作為內(nèi)切圓的顏色賦值權(quán)重，在渲染的時(shí)候用該權(quán)重作為顏色深淺的尺度；

s5、將步驟s4中疊加的內(nèi)切圓集合數(shù)據(jù)添加到熱力圖生成方法里面，生成熱力圖圖層疊加到地圖上進(jìn)行展示，按熱力圖顏色深的區(qū)域即為干擾源位置。

在本實(shí)施例中，請(qǐng)參閱附圖2和附圖3所示，步驟s2中所述采用篩選方法將脫離核心值的數(shù)據(jù)進(jìn)行過濾，其包括蜂窩矩陣尋址的方法。

在本實(shí)施例中，由于由于監(jiān)測(cè)站獲得的測(cè)向角度是與正北方向的夾角，它與直角坐標(biāo)系里面的直線斜率傾角有所不同，要得到正確計(jì)算結(jié)果需要對(duì)角度進(jìn)行轉(zhuǎn)換，同時(shí)設(shè)直線傾角θ，考慮到直線斜率函數(shù)的周期性，將監(jiān)測(cè)站測(cè)向度轉(zhuǎn)換為：bearing＝bearing-90°；將bearing作為最后的角度進(jìn)行運(yùn)算。

由于監(jiān)測(cè)站的示向線該直線通過一個(gè)固定點(diǎn)，即監(jiān)測(cè)站的坐標(biāo)，該數(shù)值是已知的，因此直線方程是確定的，設(shè)監(jiān)測(cè)站1的坐標(biāo)為(x1，y1)，測(cè)向角度θ1，監(jiān)測(cè)站2的坐標(biāo)為：(x2，y2)，測(cè)向角度θ2，交點(diǎn)坐標(biāo)為：(x，y)；

采用以下算法對(duì)三條示向線進(jìn)行循環(huán)遍歷，即可獲得所有兩兩示向線的交點(diǎn)，并存儲(chǔ)到交點(diǎn)集合中，所述算法為：

在本實(shí)施例中，設(shè)定三角形三個(gè)頂點(diǎn)坐標(biāo)為a(xa，ya)，b(xb，yb)，c(xc，yc)，即得到三角三邊長(zhǎng)度a、b、c；

設(shè)定p＝(a+b+c)/2，繼而可得三角形面積：

設(shè)定內(nèi)切圓圓心坐標(biāo)為(centerx，centery)，內(nèi)切圓半徑為：r＝s/p，則有：

和

即獲得內(nèi)切圓的圓心和半徑。

在本實(shí)施例中，所述k-means聚類算法具體包括：

s301、指定需要?jiǎng)澐值拇氐膫€(gè)數(shù)k值；

s302、隨機(jī)選擇k個(gè)初始數(shù)據(jù)對(duì)象點(diǎn)作為初始的聚類中心；

s303、計(jì)算其余的各個(gè)數(shù)據(jù)對(duì)象到這k個(gè)初始聚類中心的距離，把數(shù)據(jù)對(duì)象劃歸到距離它最近的那個(gè)中心所在的簇類中，并記錄各個(gè)數(shù)據(jù)對(duì)象的編號(hào)；

s304、計(jì)算現(xiàn)在每個(gè)簇的中心，進(jìn)行更新，判斷新類的中心是否與原類的中心是否滿足指定精度收斂函數(shù)，滿足，則數(shù)據(jù)對(duì)象的調(diào)整已經(jīng)結(jié)束，否則，返回到步驟s303中重新調(diào)整。

k-means聚類算法是一種常用的基于分類的聚類分析方法，該聚類算法的最終目標(biāo)就是根據(jù)輸入?yún)?shù)k，把數(shù)據(jù)對(duì)象分成k個(gè)簇。k-means聚類算法屬于一種動(dòng)態(tài)聚類算法，也稱作逐步聚類法，該算法的一個(gè)比較顯著的特點(diǎn)就是迭代過程，每次都要考察對(duì)每個(gè)樣本數(shù)據(jù)的分類正確與否，如果不正確，就要進(jìn)行重新調(diào)整。當(dāng)調(diào)整完所有數(shù)據(jù)對(duì)象之后，再來修改中心，再進(jìn)入下一次迭代。若在一個(gè)迭代中，所有的數(shù)據(jù)對(duì)象都被正確的分類，就不會(huì)有新的調(diào)整，聚類中心也不再改變，聚類準(zhǔn)則函數(shù)也表明已經(jīng)收斂，那么該算法就成功結(jié)束。實(shí)際計(jì)算中設(shè)計(jì)的迭代較多，我們會(huì)在保證一定精度的情況下限制迭代次數(shù)，避免內(nèi)存消耗過多。

k-means聚類算法的具體過程為：

在聚類中，給定樣本集合為{x(1),…x(m)},每個(gè)

k-means算法是將樣本數(shù)據(jù)聚類成k個(gè)簇，具體算法描述如下：

a、隨機(jī)選取k個(gè)聚類質(zhì)心點(diǎn)為

b、重復(fù)下面過程直到收斂：

對(duì)于每一個(gè)樣例i，計(jì)算其應(yīng)該屬于的類

c、對(duì)于每一個(gè)類j，重新計(jì)算該類的質(zhì)心：

k-means面對(duì)的第一個(gè)問題是如何保證收斂，前面的算法中強(qiáng)調(diào)結(jié)束條件就是收斂，可以證明的是k-means完全可以保證收斂性。下面我們定性的描述一下收斂性，我們定義畸變函數(shù)如下：

j函數(shù)表示每個(gè)樣本點(diǎn)到其質(zhì)心的距離平方和。k-means是要將j調(diào)整到最小。假設(shè)當(dāng)前j沒有達(dá)到最小值，那么首先可以固定每個(gè)類的質(zhì)心μj，調(diào)整每個(gè)樣例的所屬的類別c⁽ⁱ⁾來讓j函數(shù)減少，同樣，固定c⁽ⁱ⁾，調(diào)整每個(gè)類的質(zhì)心μj也可以使j減小。這兩個(gè)過程就是內(nèi)循環(huán)中使j單調(diào)遞減的過程。當(dāng)j遞減到最小時(shí)，μ和c也同時(shí)收斂。

由于畸變函數(shù)j是非凸函數(shù)，意味著我們不能保證取得的最小值是全局最小值，也就是說k-means對(duì)質(zhì)心初始位置的選取比較敏感，但一般情況下k-means達(dá)到的局部最優(yōu)已經(jīng)滿足需求。如果擔(dān)心該結(jié)果收斂于局部最優(yōu)，則可以選取不同的初始值運(yùn)行多次k-means聚類算法，然后取其中最小的j值對(duì)應(yīng)的μ和c輸出。同時(shí)，這樣也會(huì)降低運(yùn)算效率，增大運(yùn)算時(shí)間，實(shí)際應(yīng)折中考慮。

在此k-means算法中：

輸入：初始數(shù)據(jù)集示向線交點(diǎn)集合和簇的數(shù)目k；

輸出：k個(gè)簇，滿足均方根誤差準(zhǔn)則函數(shù)收斂。

因?yàn)槲覀兒竺嬉玫氖莾?nèi)切圓算法，故只需將數(shù)據(jù)點(diǎn)聚類3簇，也可以先將數(shù)據(jù)聚類為n(n＞3)簇，再將n簇聚類為k(3＜k＜n)簇，遞歸聚類為3簇，就可以進(jìn)行后續(xù)的內(nèi)切圓算法了。

在無線電監(jiān)測(cè)測(cè)向定位中，聚類分析算法可以避免小概率誤差，即偶爾的示向線異常數(shù)據(jù)不會(huì)對(duì)全局的聚類結(jié)果造成嚴(yán)重的影響，這樣進(jìn)一步保證了內(nèi)切圓算法的穩(wěn)定性與健壯性。同時(shí)隨著持續(xù)的測(cè)向數(shù)據(jù)的更新，聚類中心會(huì)隨之產(chǎn)生波動(dòng)，進(jìn)而導(dǎo)致內(nèi)切圓的圓心位置會(huì)產(chǎn)生相應(yīng)的變化，因此，在討論內(nèi)切圓算法后，又添加了內(nèi)切圓的疊加熱力圖算法。

本實(shí)施例的熱力圖算法為將步驟s3中得到的疊加內(nèi)切圓集合傳入熱力圖圖層繪制方法，得到最終的熱力圖效果，請(qǐng)參閱附圖4所示，最后疊加在地圖上就可以得到最終的定位結(jié)果以及展示效果。

本實(shí)施例對(duì)于大量測(cè)向數(shù)據(jù)的處理，請(qǐng)參閱附圖5所示，為了剔除不準(zhǔn)確的數(shù)據(jù)，選取高質(zhì)量的測(cè)向數(shù)據(jù)，使大量的測(cè)向數(shù)據(jù)更加集中、準(zhǔn)確，去掉發(fā)散的測(cè)向數(shù)據(jù)，采用了測(cè)向質(zhì)量和電平門限的篩選方法，使用改進(jìn)的k-means聚類方法對(duì)測(cè)向所得示向線交點(diǎn)進(jìn)行聚類分析得到熱力圖基礎(chǔ)數(shù)據(jù)。在之前聚類算法的基礎(chǔ)上，采用全新的熱力圖緩沖算法來展現(xiàn)效果更優(yōu)的熱力圖，實(shí)測(cè)效果如附圖6所示。緩沖算法是近鄰分析的一種，結(jié)合了核密度分析的一部分方法，為了識(shí)別某一地理實(shí)體或空間物體對(duì)其周圍地物的影響度，而在其周圍建立的具有一定半徑范圍的區(qū)域，區(qū)域內(nèi)的值具有核心代表性，多區(qū)域的值具有梯度性。

以上所述僅為本發(fā)明的優(yōu)選實(shí)施方式而已，并不用于限制本發(fā)明，對(duì)于本領(lǐng)域的技術(shù)人員來說，本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。