[发明专利]一种自适应差分进化算法用于无源雷达布站的优化方法

说明书

本发明公开了一种自适应差分进化算法用于无源雷达布站的优化方法，包括以下步骤；建立无源时差布站仿真场景；步骤2：种群的初始化；步骤3：适应度值计算；步骤4：遗传操作；本发明一方面是差分进化算法可以解决粒子群算法可变参数多，参数设置复杂的问题，并且在参数的产生方面融入迭代次数，适应度值和权重因素，使算法的搜索和收敛更加合理，另一方面，本发明在实验仿真过程中，考虑站址误差与时差误差和观测站之间的通信距离对布站结果的影响，使建模过程更加真实化。

技术领域

本发明属于无源定位技术领域，具体涉及一种自适应差分进化算法用于无源雷达布站的优化方法。

背景技术

现有技术中，建立无源雷达布站场景时，没有考虑站址误差与时差误差对布站结果的影响，并且在优化过程中没有考虑观测站之间距离的约束。此外，粒子群算法的网络权重需要自行设定，涉及的参数较多，给实际应用带来难度。自适应的遗传算法虽然参数比粒子群的少，但是没有考虑适应度和迭代次数对进化过程的影响。改进型的差分进化算法虽然考虑了迭代次数对于进化过程的影响，但是其只改进了变异算子，并没有在交叉算子中体现适应度和迭代次数对进化过程的影响。

西安电子科技大学研究布站对定位效果的影响，在其申请的专利文献“基于改进粒子群优化算法的无源雷达布站方法”(申请号202110484688.5申请公布号CN113210065A)中提出了一种基于改进粒子群优化算法的无源雷达布站方法。其通过改进的粒子群算法对观测站的位置进行优化，将某一区域内的定位误差作为评价标准，得到使用改进粒子群优化算法能够提高目标的定位精度的结论。然而，该算法中可变参数多，具有参数设置复杂的问题。

胥松寿2021年在电子技术应用期刊中发表的论文“基于改进型差分进化的MLAT系统布站方法研究”中，使用了差分进化算法进行布站优化。主要研究不同布站在指定区域内的GDOP均值的分布情况。其主要对算法的变异操作中做了改进，加入了迭代次数对于变异参数的影响，此外，其对种群的选择做了改进，在原来的基础上添加了二次贪婪选择。该方法在一定程度上提高了算法的全局收敛能力和局部搜索能力。然而，前者使用的变异方程中的变异系数是固定值，无法随着迭代过程进行改变，仍然需要进行调参。

黎银环和林凯升于2022年在《自适应差分进化算法在入侵检测中的应用》中将差分进化算法的迭代过程和当前代数的个体适应值作为自适应算子，用来动态调整差分过程中的比例因子和交叉概率，并通过实验证明该算法具有一定的优越性。黎银环等人设置的自适应算子是将当前迭代次数和当前适应度值这两个因素对于结果的影响默认为是相同的，既分配的权重都是0.5。这种分配方式无法体现不同时期算法对收敛性和多样性的要求。

发明内容

为了克服上述现有技术存在的不足，本发明的目的在于提供一种自适应差分进化算法用于无源雷达布站的优化方法，一方面是差分进化算法可以解决粒子群算法可变参数多，参数设置复杂的问题，并且在参数的产生方面融入迭代次数，适应度值和权重因素，使算法的搜索和收敛更加合理，另一方面，本发明在实验仿真过程中，考虑站址误差与时差误差和观测站之间的通信距离对布站结果的影响，使建模过程更加真实化。

为了实现上述目的，本发明采用的技术方案是：

一种自适应差分进化算法用于无源雷达布站的优化方法，包括以下步骤；

步骤1，建立无源时差布站仿真场景；