[发明专利]基于尺度差和时差的双机无源定位方法

权利要求书

1.一种基于尺度差和时差的双机无源定位方法，其特征在于，所述双机无源定位方法包括如下步骤：

通过双无人机获取第一辐射源信号和第二辐射源信号；

利用宽带互模糊函数算法提取所述第一辐射源信号和所述第二辐射源信号受噪声扰动的尺度差估计值；

根据所述尺度差估计值建立尺度差非线性约束不等式；

根据所述尺度差非线性约束不等式确定可行区域；

初始化生成位于所述可行区域内的第一向量粒子群，并初始化生成位于可行区域边界的第二向量粒子群；

以代价函数作为适应度函数，采用粒子群算法确定第一向量粒子群中适应度函数的值最小时的向量粒子的位置矢量，作为第一定位结果；

所述以代价函数作为适应度函数，采用粒子群算法确定第一向量粒子群中适应度函数的值最小时的向量粒子的位置矢量，作为第一定位结果，具体包括：从第d次迭代的第一向量粒子群中选取适应度函数值较小的多个向量粒子；分别以适应度函数值较小的多个向量粒子为中心粒子，以δ₀为半径，构造多个轮形的小生境网络；利用公式计算每个小生境网络中的每个向量粒子的FER值；其中，FER_(l,k,d)表示第d次迭代的第l个小生境网络的第k个向量粒子的FER值，α_d为第d次迭代的比率因子，表示第d次迭代的第m个中心粒子适应度函数值，表示第d次迭代的第l个小生境网络中群适应度函数值最小的向量粒子的位置矢量，表示第d次迭代的第l个小生境网络中的第k个向量粒子的位置矢量；第d次迭代的第l个小生境网络中的第k个向量粒子的适应度函数值；C(·)表示适应度函数；M_l表示第l个小生境网络中向量粒子的数量；根据每个小生境网络中每个向量粒子的FER值，确定每个小生境网络中FER值最大的向量粒子的位置，作为每个小生境网络的最优位置；根据每个小生境网络的最优位置，利用公式更新第一向量粒子群中每个向量粒子的速度向量；利用公式更新第一向量粒子群中每个向量粒子的位置向量；其中，和分别表示第d次迭代和第d+1次迭代的第l个小生境网络中第k个向量粒子的速度向量；和分别表示第d次迭代和第d+1次迭代的第l个小生境网络中第k个向量粒子的位置向量；表示第d+1次迭代的个体最优粒子的位置向量，表示第l个小生境网络的最优位置；ω表示惯性权重因子，c₁和c₂分别为第一加速度常数和第二加速度常数，rand₁和rand₂分别为第一随机数和第二随机数；判断第d+1次迭代的每个小生境网络的每个向量粒子是否均在所述小生境网络中，得到第一判断结果；若所述第一判断结果表示否，则采用随机位置生成方法对不在所述小生境网络中的向量粒子的位置矢量进行重新生成；将第d+1次迭代的第一向量粒子群中适应度函数值最小的向量粒子作为第d+1次迭代的第一向量粒子群的个体最优粒子；将第d+1次迭代的第一向量粒子群的个体最优粒子的适应度函数值与第一向量粒子群的全局最优粒子的适应度函数值比较，当第d+1次迭代的第一向量粒子群的个体最优粒子的适应度函数值大于第一向量粒子群的全局最优粒子的适应度函数值时，将第d+1次迭代的第一向量粒子群的个体最优粒子作为第d+1次迭代获得的第一向量粒子群的全局最优粒子；判断第d+1次迭代获得的第一向量粒子群的全局最优粒子的适应度函数值是否小于适应度函数阈值，得到第二判断结果；若所述第二判断结果表示否，则令d的数值增加1，返回步骤“从第d次迭代的第一向量粒子群中选取适应度函数值较小的多个向量粒子”；若所述第二判断结果表示是，则输出第d+1次迭代获得的第一向量粒子群的全局最优粒子的位置矢量，作为第一定位结果；

所述采用随机位置生成方法对不在所述小生境网络中的向量粒子的位置矢量进行重新生成，具体包括：在区间(0，2)范围内随机生成修复权值a；利用公式Z＝a×M+(1-a)×N，重新生成小生境网络中的向量粒子的位置矢量；其中，Z表示新生成的向量粒子的位置矢量，M表示不可行向量粒子的位置矢量，N表示小生境网络中适应度函数值最小的向量粒子的位置矢量；判断新生成的向量粒子Z是否在所述小生境网络中，获得第三判断结果；若所述第三判断结果表示否，则判断修复权值是否大于1，获得第四判断结果；若所述第四判断结果表示是，则将不可行向量粒子的位置矢量更新为新生成的向量粒子的位置矢量；返回步骤“在区间(0，2)范围内随机生成修复权值a”；若所述第三判断结果表示是，则输出新生成的向量粒子的位置矢量；

以代价函数作为适应度函数，采用粒子群算法确定第二向量粒子群中适应度函数的值最小时的向量粒子的位置矢量，作为第二定位结果；

所述以代价函数作为适应度函数，采用粒子群算法确定第二向量粒子群中适应度函数的值最小时的向量粒子的位置矢量，作为第二定位结果，具体包括：利用公式更新第二向量粒子群的向量粒子的位置矢量；利用公式更新第二向量粒子群中的向量粒子的速度矢量；其中，表示第d次迭代的第一向量粒子群中选取的向量粒子F的位置向量，和分别表示第d次迭代和第d+1次迭代的第二向量粒子群中的第i个向量粒子的位置矢量，和分别表示第d次迭代和第d+1次迭代的第二向量粒子群中的第i个向量粒子的速度矢量，rand()表示随机数生成函数；判断第d+1次迭代的第一向量粒子群中的向量粒子的位置矢量是否满足公式获得第五判断结果；若所述第五判断结果表示否，采用随机位置生成方法对不满足公式的向量粒子的位置矢量进行重新生成；将第d+1次迭代的第二向量粒子群中适应度函数值最小的向量粒子作为第d+1次迭代的第二向量粒子群的个体最优粒子；将第d+1次迭代的第二向量粒子群的个体最优粒子的适应度函数值与第二向量粒子群的全局最优粒子的适应度函数值比较，当第d+1次迭代的第二向量粒子群的个体最优粒子的适应度函数值大于第二向量粒子群的全局最优粒子的适应度函数值时，将第d+1次迭代的第二向量粒子群的个体最优粒子作为第d+1次迭代获得的第二向量粒子群的全局最优粒子；判断第d+1次迭代获得的第二向量粒子群的全局最优粒子的适应度函数值是否小于适应度函数阈值，得到第六判断结果；若所述第六判断结果表示否，则令d的数值增加1，返回步骤“利用公式更新第二向量粒子群的向量粒子的位置矢量”；若所述第六判断结果表示否，则输出第d+1次迭代获得的第二向量粒子群的全局最优粒子的位置矢量，作为第二定位结果；

所述采用随机位置生成方法对不满足公式的向量粒子的位置矢量进行重新生成，具体包括：在区间(0，2)范围内随机生成修复权值a；利用公式重新生成小生境网络中的向量粒子的位置矢量；其中，表示新生成的向量粒子的位置矢量，M表示不可行向量粒子的位置矢量；判断新生成的向量粒子的位置矢量是否满足公式获得第七判断结果；若所述第七判断结果表示否，则判断修复权值是否大于1，获得第八判断结果；若所述第八判断结果表示是，则将不可行向量粒子的位置矢量更新为新生成的向量粒子的位置矢量；返回步骤“在区间(0，2)范围内随机生成修复权值a”；若所述第七判断结果表示是，则输出新生成的向量粒子的位置矢量；

在所述第一定位结果和所述第二定位结果中选取适应度函数值较小的定位结果，作为最终定位结果。