一種基于遺傳算法的室內(nèi)水下目標(biāo)定位方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)計(jì)水下定位導(dǎo)航領(lǐng)域，具體來說，涉及一種基于遺傳算法的室內(nèi)水下目 標(biāo)定位方法。
【背景技術(shù)】
[0002] 遺傳算法（GeneticAlgotithm)是模擬達(dá)爾文生物進(jìn)化論的自然選擇和遺傳學(xué)機(jī) 理的生物進(jìn)化過程的計(jì)算模型，是一種通過模擬自然進(jìn)化過程搜索最優(yōu)解的方法，它最初 由美國Michigan大學(xué)J.Holland教授于1975年首先提出來的。其主要特點(diǎn)是直接對結(jié) 構(gòu)對象進(jìn)行操作，不存在求導(dǎo)和函數(shù)連續(xù)性的限定；具有內(nèi)在的隱并行性和更好的全局尋 優(yōu)能力；采用概率化的尋優(yōu)方法，能自動獲取和指導(dǎo)優(yōu)化的搜索空間，自適應(yīng)地調(diào)整搜索方 向，不需要確定的規(guī)則。
[0003] 由于遺傳算法的整體搜索策略和優(yōu)化搜索方法在計(jì)算中不依賴于梯度信息或其 它輔助知識，而只需要影響搜索方向的目標(biāo)函數(shù)和相應(yīng)的適應(yīng)度函數(shù)，所以遺傳算法提供 了一種求解復(fù)雜系統(tǒng)問題的通用框架，它不依賴于問題的具體領(lǐng)域，對問題的種類有很強(qiáng) 的魯棒性，所以廣泛應(yīng)用于許多科學(xué)，函數(shù)優(yōu)化就是一個(gè)應(yīng)用領(lǐng)域。
[0004] 室內(nèi)水下目標(biāo)定位系統(tǒng)，是利用測量系統(tǒng)得到目標(biāo)與已知參照點(diǎn)的距離信息和深 度信息，經(jīng)數(shù)據(jù)采集和信號處理后，通過專門的算法進(jìn)行定位解算，目前對于水下目標(biāo)，特 別是靜態(tài)目標(biāo)，多采用的是最小二乘的方法，但其定位精度有限，應(yīng)用加權(quán)最小二乘法和其 他經(jīng)典迭代法進(jìn)行解算，對定位精度的提升效果也不大。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明目的是為了解決上述問題，克服現(xiàn)有算法的缺陷，提出了一種基于遺傳算 法的室內(nèi)水下目標(biāo)定位方法，以提尚定位精度。
[0006] 本發(fā)明采用的技術(shù)方案為：一種基于遺傳算法的室內(nèi)水下目標(biāo)定位方法，該方法 具體步驟如下：
[0007] 步驟一：明確室內(nèi)水下目標(biāo)定位系統(tǒng)結(jié)構(gòu)；
[0008] 室內(nèi)水下定位系統(tǒng)應(yīng)用短基線原理，其測量部分主要包括一個(gè)水聲換能器A，三個(gè) 應(yīng)答器B、C、D以及一個(gè)深度傳感器E，水聲換能器A以及深度傳感器E安裝在水下目標(biāo)上， 三個(gè)應(yīng)答器B、C、D以水域中心為中心點(diǎn)，以三角陣的方式分布在定位水域內(nèi)，兩兩距離不 小于三分之一水域?qū)挾惹也淮笥诙种凰蜷L度，水聽器與水域邊界保持一定距離，不 小于四分之一水域?qū)挾?，且水聽器安置深度大致為水域深度的一半，不接觸水域底部；
[0009] 步驟二：設(shè)定已知量和自變量；
[0010] 在水域內(nèi)以水域中心位置為原點(diǎn)建立三維坐標(biāo)系，水域縱向?yàn)閄軸，橫向?yàn)閥軸， 深度方向?yàn)閦軸，目標(biāo)即換能器A與三個(gè)應(yīng)答器的距離通過水聲測距原理得到，深度信息由 深度傳感器E測得，故已知量為水域縱向長度a、水域橫向?qū)挾萣、水域深度c，三個(gè)應(yīng)答器 B、C、D的坐標(biāo)，分別為（X。，y。，z。）、（x^Z)、（x2,y2,z2)，以及目標(biāo)與應(yīng)答器B、C、D之間的 距離S(]，Sl，s2和目標(biāo)的深度h;設(shè)定的自變量為目標(biāo)的xy平面坐標(biāo)（x，y);
[0011] 步驟三：確立約束條件和目標(biāo)函數(shù)；
[0012] 目標(biāo)位于水域內(nèi)，故約束條件為：
[0013]
[0014] 根據(jù)幾何定律，自變量與已知量之間存在以下定位關(guān)系：
[0015]
[0016] ~為測量時(shí)引入的噪聲，將定位問題轉(zhuǎn)化為極值優(yōu)化問題：
[0017]
?β?： \m:
[0018] 式中Φ為定位方程組的解空間，f(x，y)為優(yōu)化目標(biāo)函數(shù)，當(dāng)f(x，y)最小時(shí)，所對 應(yīng)的X即為目標(biāo)定位結(jié)果；
[0019] 步驟四：應(yīng)用混合遺傳算法對f(X，y)進(jìn)行優(yōu)化，得到優(yōu)化結(jié)果及對應(yīng)的X，其具體 步驟為：
[0020] 1)編碼，確定變量上下限，生成初始群體；
[0021] 2)根據(jù)目標(biāo)函數(shù)f(x)建立適應(yīng)度函數(shù)
，使用適應(yīng)度函數(shù)區(qū)分 群體中的好壞；
[0022] 3)將交叉算子作用于群體；
[0023] 4)將變異算子作用與群體；
[0024] 5)依據(jù)自適應(yīng)混合算子概率pn，對群體進(jìn)行經(jīng)典算法局部搜索，自適應(yīng)概率為 pn(t) =p〇ea(lt/T)，T為遺傳算法中最大代數(shù)，t為當(dāng)前進(jìn)化的代數(shù)，常數(shù)p〇e(〇，1]，a取 1 ;
[0025]6)將選擇算子作用與群體；
[0026]7)終止條件判斷；終止條件為是否超過最大進(jìn)化代數(shù)；
[0027] 得到定位方程組解（X，y)，目標(biāo)定位結(jié)果即為（X，y，h)。
[0028] 作為優(yōu)選，所述步驟四的1)中的編碼采用的是實(shí)數(shù)編碼。
[0029] 作為優(yōu)選，所述步驟四的3)中，交叉算子采用算術(shù)交叉算子，依據(jù)交叉概率對群 體進(jìn)行算術(shù)交叉操作。
[0030] 作為優(yōu)選，所述步驟四的4)中，變異算子采用隨機(jī)方向變異算子，在隨機(jī)產(chǎn)生一 個(gè)擾動方向后，以被選中的變異個(gè)體為起點(diǎn)，沿?cái)_動方向以黃金分割方法搜索得到的最優(yōu) 步長尋求最優(yōu)點(diǎn)，依據(jù)變異概率對群體進(jìn)行變異操作。
[0031] 作為優(yōu)選，所述步驟四的6)中，選擇算子采用聯(lián)賽競爭算子，并應(yīng)用最優(yōu)保存策 略。
[0032] 有益效果：本發(fā)明的技術(shù)方案通過采用遺傳算法對室內(nèi)水下靜態(tài)目標(biāo)進(jìn)行定位求 解，極大的提尚了目標(biāo)定位精度，且其具有很尚的收斂可靠性和$父尚的收斂速度，也可使測 量誤差對定位精度的影響較小。本發(fā)明亦可擴(kuò)展應(yīng)用于其它基于測距信息對目標(biāo)進(jìn)行定位 的系統(tǒng)中。
【附圖說明】
[0033] 圖1為室內(nèi)水下定位系統(tǒng)測量部分結(jié)構(gòu)示意圖；
[0034] 圖2為本發(fā)明的方法流程圖；
[0035]圖3為本發(fā)明應(yīng)用遺傳算法對室內(nèi)水下靜態(tài)目標(biāo)定位的具體方法流程圖。
【具體實(shí)施方式】
[0036] 下面結(jié)合附圖和【具體實(shí)施方式】對本發(fā)明作進(jìn)一步的說明。
[0037] 本發(fā)明的一種基于遺傳算法的室內(nèi)水下目標(biāo)定位方法，流程如圖2所示，該方法 具體步驟如下：
[0038] 步驟一：明確室內(nèi)水下目標(biāo)定位系統(tǒng)結(jié)構(gòu)；
[0039] 如圖1所示，室內(nèi)水下定位系統(tǒng)應(yīng)用短基線原理，其測量部分主要包括一個(gè)水聲 換能器A，三個(gè)應(yīng)答器B、C、D以及一個(gè)深度傳感器E，水聲換能器A以及深度傳感器E安裝在 水下目標(biāo)上，三個(gè)應(yīng)答器B、C、D以水域中心為中心點(diǎn)，以三角陣的方式分布在定位水域內(nèi)， 兩兩距離不小于三分之一水域?qū)挾惹也淮笥诙种凰蜷L度，水聽器與水域邊界保持一 定距離，不小于四分之一水域?qū)挾?，且水聽器安置深度大致為水域深度的一半，不接觸水域 底部。
[0040] 步驟二：設(shè)定已知量和自變量；
[0041] 在水域內(nèi)以水域中心位置為原點(diǎn)建立三維坐標(biāo)系，水域縱向?yàn)閄軸，橫向?yàn)閥軸， 深度方向?yàn)閦軸，目標(biāo)即換能器A與三個(gè)應(yīng)答器的距離通過水聲測距原理得到，深度信息由 深度傳感器E測得，故已知量為水域縱向長度a、水域橫向?qū)挾萣、水域深度c，三個(gè)應(yīng)答器 B、C、D的坐標(biāo)