一种极化反馈蚁群算法的北斗卫星选择方法技术

本发明专利技术公开了一种极化反馈蚁群算法的北斗卫星选择方法，其特征是按如下步骤进行：首先计算出可视卫星的方位角和高度角，得到选择n颗卫星的状态矩阵，并将GDOP值作为卫星选择的目标函数；然后利用一种极化反馈蚁群算法搜索能使目标函数值达到最小的卫星组合，在算法的选择概率中设计的扰动作用可以提高算法的全局搜索能力，同时提出的极化反馈机制可以提高算法的收敛速度。本发明专利技术将改进型蚁群算法应用于北斗卫星选择，有效提高了北斗卫星选择的质量和效率，具有广阔的应用前景。

A Polarization Feedback Ant Colony Algorithm for Beidou Satellite Selection

The invention discloses a method for selecting Beidou satellite based on polarization feedback ant colony algorithm, which is characterized by the following steps: firstly, the azimuth angle and altitude angle of the visual satellite are calculated, the state matrix of N satellites is obtained, and the GDOP value is taken as the objective function of satellite selection; secondly, a polarization feedback ant colony algorithm is used to search the satellite with the minimum objective function value. Combination, the disturbance designed in the selection probability of the algorithm can improve the global search ability of the algorithm, and the proposed polarization feedback mechanism can improve the convergence speed of the algorithm. The improved ant colony algorithm is applied to Beidou satellite selection, which effectively improves the quality and efficiency of Beidou satellite selection, and has broad application prospects.

【技术实现步骤摘要】
一种极化反馈蚁群算法的北斗卫星选择方法
本专利技术属于北斗卫星导航领域，具体地说是一种极化反馈蚁群算法的北斗卫星选择方法。
技术介绍
在北斗卫星导航的各种应用中，为了保证定位精度，需要从多颗可视卫星中选出合适的n(n＞4)颗北斗卫星用于导航解算。从研究中发现，当观测误差一定时，观测点和参与定位的n颗北斗卫星几何关系的差异将直接影响定位误差。北斗导航卫星定位方程的最终求解结果可表达为：ΔX＝GDOP·Δρ(1)在式(1)中，ΔX为位置误差，Δρ为观测误差，GDOP(geometricaldilutionofprecision)为几何精度衰减因子。GDOP反映了观测点和卫星之间的空间几何关系。在观测误差一定时，GDOP值越小，位置误差越小，定位精度越高。现有的北斗卫星选择方法主要有传统选星算法(Traditionalmethod)和几何优化法(Geometricoptimizedmethod)等。传统选星算法通过遍历选出GDOP值最小的北斗卫星组合，该算法的定位精度最高，但计算量大，实时性较差，难以适用于高动态观测。几何优化算法在一定程度上减少了计算量，但需要建立参考坐标系并进行大量的矢量运算，复杂度高。
技术实现思路
本专利技术为解决上述现有方法中存在的不足之处，提供一种极化反馈蚁群算法的北斗卫星选择方法，以期有效提高北斗卫星选择的时效性和所选北斗卫星组合的定位精度。为了达到上述目的，本专利技术所采用的技术方案为：本专利技术一种极化反馈蚁群算法的北斗卫星选择方法的特点是从观测点处的若干可视卫星中选择n颗北斗卫星用于导航解算，并按如下步骤进行：步骤1、计算可视卫星的方位角和高度角；步骤1.1、以观测点为原点O，以地球椭球的长半轴为X轴，以地球椭球的短半轴为Y轴，以地球椭球的法线为Z轴，构建载体坐标系；利用式(1)得到可视卫星在载体坐标系下的坐标式(1)中，Xzs，Yzs，Zzs分别表示所述可视卫星在载体坐标系下的X轴坐标值、Y轴坐标值和Z轴坐标值；Xes，Yes，Zes分别表示所述可视卫星在地心坐标系下的X轴坐标值、Y轴坐标值和Z轴坐标值；Xp，Yp，Zp分别表示所述观测点在地心坐标系下的X轴坐标值、Y轴坐标值和Z轴坐标值；H为载体坐标系和地心坐标系的转换矩阵；并有：式(2)中，Bp,Lp为观测点的大地纬度和经度；步骤1.2、利用式(3)和式(4)分别得到所述可视卫星的方位角As和高度角Es：AS＝arctan(Yzs/Xzs)(3)步骤2、计算n颗北斗卫星的状态矩阵，并构造目标函数；步骤2.1、假设所选择的n颗北斗卫星组合为N＝[S1,S2,…,Sn]，则n颗北斗卫星的方位角和高度角分别为[AS1,AS2,…,ASn]和[ES1,ES2,…,ESn]；步骤2.2、利用式(5)计算n颗北斗卫星组合的状态矩阵G(N)：步骤2.3、利用式(6)得到n颗北斗卫星组合N的目标函数GDOP(N)：式(6)中，trace函数表示求矩阵的迹；步骤3、确定卫星组合的搜索空间；构建一个n维空间，且每一维均包含m颗可视卫星；令Nip表示第p维上的i号可视卫星节点；Njq表示第q维上的j号可视卫星节点；i,j＝1,2,…,m；p,q＝1,2,…,n；步骤4、利用改进型蚁群算法求解最优北斗卫星组合；步骤4.1、定义L为迭代次数，令Lmax为最大迭代次数，初始化L＝1；步骤4.2、设k是蚁群中蚂蚁的总数量，且k≤m·n，定义s为蚂蚁的编号，并初始化s＝1；定义tabus表示第s只蚂蚁已走过的可视卫星节点的号数集合；步骤4.3、定义Ds为第s只蚂蚁选择的初始可视卫星节点对应的维数，令p＝Ds；步骤4.4、利用式(7)得到第L次迭代中第s只蚂蚁由第p维上的i号可视卫星节点Nip转移到第q维上的j号可视卫星节点Njq的概率式(7)中，τip,jq(L)表示第L次迭代中第p维上的i号可视卫星节点Nip与第q维上的j号可视卫星节点Njq之间的连线路径上的信息素量；参数λ1表示控制信息素量τip,jq(L)的相对重要程度；ηip,jq(L)表示启发式信息，并通过第p维上的i号可视卫星节点Nip与第q维上的j号可视卫星节点Njq之间的欧式距离得到，参数λ2表示控制启发式信息ηip,jq(L)的相对重要程度；d表示扰动算子；alloweds是第s只蚂蚁下一跳可选的可视卫星节点的号数集合，即m颗可视卫星节点号数中除去第s只蚂蚁已走过的可视卫星节点的号数集合tabus后的号数集合；步骤4.5、判断p＜n是否成立，若成立，则第s只蚂蚁向前寻径，将p+1赋值给p后，再将p+1赋值给q，并返回步骤4.4；否则，重新将第s只蚂蚁选择的初始可视卫星节点对应的维数Ds赋值给p，并执行步骤4.6；步骤4.6、判断p＞1是否成立，若成立，则第s只蚂蚁向后寻径，将p-1赋值给p后，再将p-1赋值给q后，返回步骤4.4执行，并跳过步骤4.5后顺序执行步骤4.6；否则，执行步骤4.7；步骤4.7、判断s＞k是否成立，若成立，则表示k只蚂蚁完成第L次寻径，得到第L次迭代的k个北斗卫星组合，并将L+1赋值给L后，执行步骤4.8；否则，将s+1赋值给s后，返回步骤4.3；步骤4.8、利用(8)更新第L次迭代中第p维上的i号可视卫星节点Nip与第q维上的j号可视卫星节点Njq之间的连线路径上的信息素τip,jq(L)，得到第L+1次迭代中第p维上的i号可视卫星节点Nip与第q维上的j号可视卫星节点Njq之间的连线路径上的信息素τip,jq(L+1)：式(8)中，ρ∈(0，1)表示信息素残留系数，表示第s只蚂蚁在第L次寻径过程中在节点Nip和Njq之间路径上信息素的增量，并如式(9)所示的“极化反馈机制”：式(9)中，Ns是第s只蚂蚁选择的北斗卫星组合；Q是一个正值参数；A是经验参数；symbol是极化反馈系数，并有：式(10)中，GDOP(Ns(L))为第L次迭代的第s只蚂蚁选择的北斗卫星组合的目标函数值；GBaseLine为北斗卫星组合GDOP基准值；步骤4.9、利用式(1)～式(5)计算k只蚂蚁完成第L次迭代的k个北斗卫星组合的目标函数值集合GDOP(N(L))＝[GDOP(N1(L)),GDOP(N2(L)),…,GDOP(Nk(L))]，并利用式(11)得到第L次迭代的最优北斗卫星组合Νbest(L)：Nbest(L)＝arg(GDOP(N(L))min)(11)式(11)中，GDOP(N(L))min为所述第L次迭代的k个北斗卫星组合的目标函数值集合GDOP(N(L))中的最小值；步骤4.10、利用式(12)对扰动算子d进行调整，得到更新后的扰动算子d′：式(12)中，Lcon为正整数，表示最优北斗卫星组合Νbest(L)趋于最优值时的迭代次数经验值，dmax是扰动算子的最大值；GDOP(Νbest(L))表示第L次迭代得到的最优北斗卫星组合的目标函数值步骤4.11、判断L≥Lmax，若成立，由式(13)得到最优北斗卫星组合Nbest；否则，返回步骤4.1；Nbest＝min(Nbest(L))，L＝1,2,…,Lmax(13)。与已有技术相比，本专利技术的有益效果为：1、本专利技术引入蚁群算法，采用蚁群算法搜索最优北斗卫星组合，发挥了蚁群算法并行化、正反馈、鲁棒性强等先天优点，提高本文档来自技高网...

【技术保护点】
1.一种极化反馈蚁群算法的北斗卫星选择方法，其特征是从观测点处的若干可视卫星中选择n颗北斗卫星用于导航解算，并按如下步骤进行：步骤1、计算可视卫星的方位角和高度角；步骤1.1、以观测点为原点O，以地球椭球的长半轴为X轴，以地球椭球的短半轴为Y轴，以地球椭球的法线为Z轴，构建载体坐标系；利用式(1)得到可视卫星在载体坐标系下的坐标

【技术特征摘要】
1.一种极化反馈蚁群算法的北斗卫星选择方法，其特征是从观测点处的若干可视卫星中选择n颗北斗卫星用于导航解算，并按如下步骤进行：步骤1、计算可视卫星的方位角和高度角；步骤1.1、以观测点为原点O，以地球椭球的长半轴为X轴，以地球椭球的短半轴为Y轴，以地球椭球的法线为Z轴，构建载体坐标系；利用式(1)得到可视卫星在载体坐标系下的坐标式(1)中，Xzs，Yzs，Zzs分别表示所述可视卫星在载体坐标系下的X轴坐标值、Y轴坐标值和Z轴坐标值；Xes，Yes，Zes分别表示所述可视卫星在地心坐标系下的X轴坐标值、Y轴坐标值和Z轴坐标值；Xp，Yp，Zp分别表示所述观测点在地心坐标系下的X轴坐标值、Y轴坐标值和Z轴坐标值；H为载体坐标系和地心坐标系的转换矩阵；并有：式(2)中，Bp,Lp为观测点的大地纬度和经度；步骤1.2、利用式(3)和式(4)分别得到所述可视卫星的方位角As和高度角Es：AS＝arctan(Yzs/Xzs)(3)步骤2、计算n颗北斗卫星的状态矩阵，并构造目标函数；步骤2.1、假设所选择的n颗北斗卫星组合为N＝[S1,S2,…,Sn]，则n颗北斗卫星的方位角和高度角分别为[AS1,AS2,…,ASn]和[ES1,ES2,…,ESn]；步骤2.2、利用式(5)计算n颗北斗卫星组合的状态矩阵G(N)：步骤2.3、利用式(6)得到n颗北斗卫星组合N的目标函数GDOP(N)：式(6)中，trace函数表示求矩阵的迹；步骤3、确定卫星组合的搜索空间；构建一个n维空间，且每一维均包含m颗可视卫星；令Nip表示第p维上的i号可视卫星节点；Njq表示第q维上的j号可视卫星节点；i,j＝1,2,…,m；p,q＝1,2,…,n；步骤4、利用改进型蚁群算法求解最优北斗卫星组合；步骤4.1、定义L为迭代次数，令Lmax为最大迭代次数，初始化L＝1；步骤4.2、设k是蚁群中蚂蚁的总数量，且k≤m·n，定义s为蚂蚁的编号，并初始化s＝1；定义tabus表示第s只蚂蚁已走过的可视卫星节点的号数集合；步骤4.3、定义Ds为第s只蚂蚁选择的初始可视卫星节点对应的维数，令p＝Ds；步骤4.4、利用式(7)得到第L次迭代中第s只蚂蚁由第p维上的i号可视卫星节点Nip转移到第q维上的j号可视卫星节点Njq的概率式(7)中，τip,jq(L)表示第L次迭代中第p维上的i号可视卫星节点Nip与第q维上的j号可视卫星节点Njq之间的连线路径上的信息素量；参数λ1表示控制信息素量τip,jq(L)的相对重要程度；ηip,jq(L)表示启发式信息，并通过第p维上的i号可视卫星节点Nip与第q维上的j号可视卫星节点Njq之间的欧式距离得到，参数λ2表示控制启发式信息ηip,jq(L)的相对重要程度；d表示扰动算子；allow...

【专利技术属性】
技术研发人员：夏娜，洪韵晴，郑建国，张继文，于永堂，杜伟飞，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：安徽,34