CN106483521A - 基于射线跟踪和遗传算法的未知源定位方法 - Google Patents
基于射线跟踪和遗传算法的未知源定位方法 Download PDFInfo
- Publication number
- CN106483521A CN106483521A CN201610888953.5A CN201610888953A CN106483521A CN 106483521 A CN106483521 A CN 106483521A CN 201610888953 A CN201610888953 A CN 201610888953A CN 106483521 A CN106483521 A CN 106483521A
- Authority
- CN
- China
- Prior art keywords
- source
- genetic algorithm
- ray trace
- coordinate
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
- G01S11/02—Systems for determining distance or velocity not using reflection or reradiation using radio waves
- G01S11/06—Systems for determining distance or velocity not using reflection or reradiation using radio waves using intensity measurements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/06—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Theoretical Computer Science (AREA)
- Genetics & Genomics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Physiology (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明涉及无线电发射源定位技术,为计算出接收信号场强。在一个室外场景,选取不同的源点及场点集,找出未知源的坐标及发射功率。本发明采用的技术方案是,基于射线跟踪和遗传算法的未知源定位方法,步骤如下:首先,在所需定位的场景下选取若干个点,用射线跟踪计算各点的场强,将这些点作为绘制梯度图的数据;根据具体的环境获取给定源坐标的边界值以及发射功率的界限,采用遗传算法自适应地搜索最优解。本发明主要应用于无线电发射源定位场合。
Description
技术领域
本发明涉及无线电发射源定位技术,具体讲,涉及基于射线跟踪和遗传算法的未知源定位方法。
背景技术
无线电发射源定位方法主要可以分为两类:距离无关定位和距离相关定位方法。距离无关的定位方法使用拓扑信息推测目标的位置,因此节省硬件花费,妥协精度和定位估计的规模。距离相关定位方法主要基于到达时间(TOA),到达时间差分(TDOA),到达角(AOA),以及接收信号场强(RSS)来定位等。相比与其它的定位方法,基于RSS的方法对时间同步无要求并且对硬件设备要求低,因此RSS定位是一个有效的、花费低的方法,广泛地被使用。
而本文把射线跟踪模型引入发射源的定位,使用射线跟踪模型对整个定位空间建立精确的环境模型,包括建筑物的位置,建筑物的高度等信息,以解决多径干扰以及非视距传播等因素,因此可以精确地仿真电波的传播。由于发射源的位置和功率未知,采用遗传算法(Genetic Algorithm-GA)求解发射源的位置以及发射机的发射功率。考虑到场景过大,消耗时间过长等因素,采用接收信号场强梯度图缩小空间进行定位。
发明内容
为克服现有技术的不足,本发明旨在使用射线跟踪模型对环境进行精确的建模,计算出接收信号场强。在一个室外场景,选取不同的源点及场点集,找出未知源的坐标及发射功率。本发明采用的技术方案是,基于射线跟踪和遗传算法的未知源定位方法,步骤如下:
首先,在所需定位的场景下选取若干个点,用射线跟踪计算各点的场强,将这些点作为绘制梯度图的数据;
根据具体的环境获取给定源坐标的边界值以及发射功率的界限,采用遗传算法自适应地搜索最优解。
本发明的一个实例中具体步骤是:
1)用射线跟踪计算若干点,利用接收信号场强绘制空间梯度图,缩小范围;
2)给定源点坐标,选取M个点组成场点集,使用射线跟踪算法计算其接收功率值,并作为参考值,分别为Pi,i=1,2,3,...,M;
3)设源点的坐标范围为X=[Xmin,Xmax],Y=[Ymin,Ymax],假设初始发射功率为Pt,则(x,y,P)t是变量,x∈X,y∈Y,(x,y)为源坐标变量;
4)利用遗传算法随机产生初始种群,含有N个体,则这N个个体为初始源点,每个个体包括变量(x,y,Pt);
5)做射线跟踪计算,第j个体在第i场点的接收功率值为Pji,i=1,2,...,M,j=1,2,...,N;
6)计算误差函数验证是否满足收敛条件,如果是,则终止程序,输出结果,如果否,转到7),收敛条件为使误差函数达到规定的最小值,或者为达到遗传算法最大代数T;
7)做选择、交叉及变异操作,生成下一代个体,转到第5步。
本发明的特点及有益效果是:
本发明提供了一种基于射线跟踪与遗传算法相结合的定位方法,它的效果可以比较精确地找出未知源的位置和发射功率,它具有求解精度高、时间复杂度低等的优点,在认知无线电、传感器网络、无线通信的研究中具有重要意义。
附图说明:
图1为算法流程图。
图2为室外测试场景图。
图3为室外测试场景俯视图及场点集。
图4为接收信号的梯度图。图中:
(a):源坐标(0,0)
(b):源坐标(0,-40)
(c):源坐标(-30,0)。
具体实施方式
本发明是这样来实现的,将射线跟踪模型与遗传算法相结合的定位方法,使用射线跟踪模型对环境进行精确的建模,并仿真未知发射源与接收场点的传播路径,计算出接收信号场强;将遗传算法参数设置为未知源的坐标以及发射功率,以动态变化寻求最优源点和发射功率。通过一个室外场景,选取不同的源点及场点集,相对精确地找出未知源的坐标及发射功率。
首先,在所需定位的场景下选取若干个点,用射线跟踪计算各点的场强,这是因为在实际情况下这些点可以通过测量获得,先假设已知源的坐标,计算这些点的场强,将这些点作为绘制梯度图的数据。因为接收功率随着发射源与接收点之间距离的平方而衰减,因此我们可以利用无线电波的传播特性来缩小遗传算法的搜索空间。
反向射线跟踪算法由场点出发,寻求所有能从源点到达场点的路径,因此,在未知源坐标的情况下,不能使用射线跟踪算法进行路径损耗的计算。为了解决这个问题,我们给定源坐标的边界值(通常根据具体的环境获取)以及发射功率的界限,采用遗传算法自适应地搜索最优解。
在室外场景下,选择三个发射源的位置,在整个定位区域均匀选取一些点作为样点,绘制每个源点的三维立体梯度图。
首先,在所需定位的场景下选取若干个点,用射线跟踪计算各点的场强,这是因为在实际情况下这些点可以通过测量获得,先假设已知源的坐标,计算这些点的场强,将这些点作为绘制梯度图的数据。接收功率随着发射源与接收点之间距离的平方而衰减,利用无线电波的传播特性来缩小遗传算法的搜索空间。
在源坐标未知的情况下,不能使用反向射线跟踪算法进行路径损耗的计算。因为反向射线跟踪是一种端到端的算法。为了解决这个问题,给定发射源坐标的边界值(通常根据具体的环境获取)以及发射功率的上下界限,采用遗传算法自适应地搜索最优解,简单说明如下:
1)用射线跟踪计算若干点,利用接收信号场强绘制空间梯度图,缩小范围;
2)给定源点坐标,选取M个点组成场点集,使用射线跟踪算法计算其接收功率值,并作为参考值,分别为Pi,i=1,2,3,...,M;
3)设源点的坐标范围为X=[Xmin,Xmax],Y=[Ymin,Ymax],假设初始发射功率为Pt,则(x,y,P)t是变量,(x∈X,y∈Y),(x,y)为源坐标变量;
4)利用遗传算法随机产生初始种群,含有N个体,则这N个个体为初始源点,每个个体包括变量(x,y,Pt);
5)做射线跟踪计算,第j个体在第i场点的接收功率值为Pji,i=1,2,...,M,j=1,2,...,N;
6)计算误差函数验证是否满足收敛条件,如果是,则终止程序,输出结果,如果否,转到7);(收敛条件为使误差函数达到规定的最小值,或者为达到遗传算法最大代数T);
7)做选择、交叉及变异操作,生成下一代个体,转到第五步。
不同源点的仿真定位结果
经仿真测试,本发明能够较准确的实现发射源定位。
Claims (2)
1.一种基于射线跟踪和遗传算法的未知源定位方法,其特征是,步骤如下:
首先,在所需定位的场景下选取若干个点,用射线跟踪计算各点的场强,将这些点作为绘制梯度图的数据;
根据具体的环境获取给定源坐标的边界值以及发射功率的界限,采用遗传算法自适应地搜索最优解。
2.如权利要求1所述的基于射线跟踪和遗传算法的未知源定位方法,其特征是,一个实例中具体步骤是:
1)用射线跟踪计算若干点,利用接收信号场强绘制空间梯度图,缩小范围;
2)给定源点坐标,选取M个点组成场点集,使用射线跟踪算法计算其接收功率值,并作为参考值,分别为Pi,i=1,2,3,...,M;
3)设源点的坐标范围为X=[Xmin,Xmax],Y=[Ymin,Ymax],假设初始发射功率为Pt,则(x,y,Pt)是变量,x∈X,y∈Y,(x,y)为源坐标变量;
4)利用遗传算法随机产生初始种群,含有N个体,则这N个个体为初始源点,每个个体包括变量(x,y,Pt);
5)做射线跟踪计算,第j个体在第i场点的接收功率值为Pji,i=1,2,...,M,j=1,2,...,N;
6)计算误差函数验证是否满足收敛条件,如果是,则终止程序,输出结果,如果否,转到7),收敛条件为使误差函数达到规定的最小值,或者为达到遗传算法最大代数T;
7)做选择、交叉及变异操作,生成下一代个体,转到第5步。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610888953.5A CN106483521A (zh) | 2016-10-11 | 2016-10-11 | 基于射线跟踪和遗传算法的未知源定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610888953.5A CN106483521A (zh) | 2016-10-11 | 2016-10-11 | 基于射线跟踪和遗传算法的未知源定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106483521A true CN106483521A (zh) | 2017-03-08 |
Family
ID=58270511
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610888953.5A Pending CN106483521A (zh) | 2016-10-11 | 2016-10-11 | 基于射线跟踪和遗传算法的未知源定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106483521A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107436969A (zh) * | 2017-07-03 | 2017-12-05 | 四川大学 | 一种基于遗传算法的三维多目标定位方法 |
CN109257693A (zh) * | 2018-08-02 | 2019-01-22 | 哈尔滨工程大学 | 一种基于空间分析的室内协作定位方法 |
CN109509138A (zh) * | 2017-09-15 | 2019-03-22 | 想象技术有限公司 | 针对射线跟踪***的减小的加速结构 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102523585A (zh) * | 2011-11-25 | 2012-06-27 | 北京交通大学 | 基于改进遗传算法的认知无线电方法 |
CN102722653A (zh) * | 2012-05-31 | 2012-10-10 | 重庆邮电大学 | 一种基于MapReduce的射线跟踪加速算法 |
US20130051434A1 (en) * | 2008-03-18 | 2013-02-28 | Argon St, Inc. | System and method for mitigating severe multipath interference for geolocation & navigation |
-
2016
- 2016-10-11 CN CN201610888953.5A patent/CN106483521A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130051434A1 (en) * | 2008-03-18 | 2013-02-28 | Argon St, Inc. | System and method for mitigating severe multipath interference for geolocation & navigation |
CN102523585A (zh) * | 2011-11-25 | 2012-06-27 | 北京交通大学 | 基于改进遗传算法的认知无线电方法 |
CN102722653A (zh) * | 2012-05-31 | 2012-10-10 | 重庆邮电大学 | 一种基于MapReduce的射线跟踪加速算法 |
Non-Patent Citations (3)
Title |
---|
TETSURO IMAI: "Novel ray-tracing acceleration technique employing genetic algorithm for radio propagation prediction", 《ANTENNAS AND PROPAGATION》 * |
李士勇 李妍: "《智能控制》", 30 June 2016 * |
谢树果 等: "一种基于场强测量的辐射源定位方法", 《电波科学学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107436969A (zh) * | 2017-07-03 | 2017-12-05 | 四川大学 | 一种基于遗传算法的三维多目标定位方法 |
CN107436969B (zh) * | 2017-07-03 | 2020-07-24 | 四川大学 | 一种基于遗传算法的三维多目标定位方法 |
CN109509138A (zh) * | 2017-09-15 | 2019-03-22 | 想象技术有限公司 | 针对射线跟踪***的减小的加速结构 |
CN109509138B (zh) * | 2017-09-15 | 2023-09-12 | 想象技术有限公司 | 针对射线跟踪***的减小的加速结构 |
CN109257693A (zh) * | 2018-08-02 | 2019-01-22 | 哈尔滨工程大学 | 一种基于空间分析的室内协作定位方法 |
CN109257693B (zh) * | 2018-08-02 | 2020-09-25 | 哈尔滨工程大学 | 一种基于空间分析的室内协作定位方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103402258B (zh) | 一种基于Wi‑Fi的室内定位***和方法 | |
Zuo et al. | Multi-phase fingerprint map based on interpolation for indoor localization using iBeacons | |
KR102116824B1 (ko) | 딥러닝 기반 측위 시스템 및 이의 구축 방법 | |
CN104619020A (zh) | 基于rssi和toa测距的wifi室内定位方法 | |
CN105578417A (zh) | 一种移动中的人员的室内定位方法 | |
CN110174643A (zh) | 一种无需噪声功率信息的基于到达时间差的定位方法 | |
CN108802674A (zh) | 一种针对直接定位的联合搜索方法及装置 | |
CN103596267A (zh) | 一种基于欧氏距离的指纹图匹配方法 | |
CN106019217A (zh) | 基于aoa的二维无线传感器网络半定规划定位方法 | |
CN109640262B (zh) | 一种基于混合指纹的定位方法及***、设备、存储介质 | |
CN105531599A (zh) | 用于飞行时间指纹采集和地理定位的方法和装置 | |
CN108700415A (zh) | 地物数据结构、控制装置、存储装置、控制方法、程序以及存储介质 | |
CN104038901A (zh) | 一种减少指纹数据采集工作量的室内定位方法 | |
CN109029429A (zh) | 基于WiFi和地磁指纹的多分类器全局动态融合定位方法 | |
CN105163382A (zh) | 一种室内区域定位优化方法及*** | |
CN106483521A (zh) | 基于射线跟踪和遗传算法的未知源定位方法 | |
CN102685677A (zh) | 一种室内定位方法及装置 | |
CN108168559A (zh) | 一种基于分布式天线的室内定位***及方法 | |
KR20180058191A (ko) | 지자기 센서 및 자기 페인트 도장을 통해 향상된 정확도를 가지는 실내 측위를 위한 시스템 및 방법 | |
CN110222776A (zh) | 一种基于csi指纹信息的室内被动定位方法 | |
CN110333480A (zh) | 一种基于聚类的单无人机多目标aoa定位方法 | |
CN109839613B (zh) | 一种使用路径信息校准的射频定位方法和装置 | |
CN111157943A (zh) | 在异步网络中基于toa的传感器位置误差抑制方法 | |
CN109547929A (zh) | 基于共轭梯度法的分布式传感器节点定位方法 | |
CN105444755A (zh) | 基于空间杂波信号的室内定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170308 |
|
WD01 | Invention patent application deemed withdrawn after publication |