改进粒子群优化的卫星导航选星算法

为提高选星算法的性能,提出一种基于人工鱼群算法的粒子群优化（PSO）选星算法。该算法利用人工鱼群算法良好的全局收敛特性,克服了粒子群优化算法易陷入局部最优的缺点。将每种卫星组合看作空间中的一个粒子,选取几何精度因子（GDOP）作为适应度函数。利用所提算法更新粒子自身位置,优化卫星组合与几何精度因子。利用实际数据对所提算法进行验证和对比,结果表明:改进的选星算法在保障选星效率的同时,选星结果的准确性优于标准的粒子群优化选星算法。      

基于混沌粒子群优化的北斗/GPS组合导航选星算法

全球卫星导航系统（GNSS）接收机在接收信号的过程中会受到诸如建筑物遮挡、信号干扰等因素的影响,无法得到全部可见星。为减轻多星座组合接收机的处理负担,研究利用部分可见卫星进行定位的快速选星算法,提出了一种基于混沌粒子群优化（CPSO）的北斗/GPS组合导航选星算法。首先,对当前历元时刻可见卫星进行连续编码,按照选星数目分组,每个分组视为一个粒子。然后,通过混沌映射初始化粒子种群,选取几何精度因子（GDOP）作为评价粒子优劣的适应度函数;粒子通过粒子群优化算法的速度-位移模型更新自身位置,逐渐趋近空间卫星几何分布较好的卫星组合全局最优解。最后,采集北斗/GPS实际数据对选星算法进行仿真验证和性能比较,结果表明,所提算法在选星颗数多于5颗时,单次选星耗时为遍历法选星的37.5%,选星结果的几何精度因子计算误差在0~0.6之间。该算法可适用于北斗/GPS组合导航定位不同选星颗数的情况。      

PSO选星算法参数分析与改进

多星座组合导航提供更多的可用卫星,但也增大接收机计算复杂度,选取部分可见星代替全部可见星进行接收机位置解算成为选星算法研究的热点。粒子群优化（PSO）选星算法将PSO算法引入到选星过程中,该方法能够减少选星时间,实现北斗/GPS组合星座快速选星。研究了该算法的关键参数包括惯性权重因子、加速系数、种群大小等对PSO选星算法性能的影响,并针对搜索过程容易陷入局部最优问题,提出自适应模拟退火粒子群优化（ASAPSO）选星算法,该算法通过引入随适应值大小自适应调整进化参数及结合模拟退火算法调整粒子速度,以增强算法跳出局部极值的能力。采用实际数据对算法进行验证,结果表明:ASAPSO选星算法在保证选星时间的同时,能够提高算法搜索结果的准确性,其性能优于PSO选星算法。      

组合卫星导航系统的快速选星方法

分析了选星数目与几何精度因子(GDOP, Geometry Dilution of Precision)及导航运算量的关系,基于遗传算法提出了一种以满足用户定位精度需求为条件的快速选星方法——快速遗传选星法.根据用户需求确定选星数目初值、选星数目最大值和GDOP阈值,构造选星方案的初始种群,在进化代数上限为1的条件下对种群进行选择、交叉和变异运算,获得初始选星解,根据初始解的GDOP与阈值的关系确定是否依据GDOP最小原则对初始解进行优化,直至满足算法终止条件,输出选星解.仿真结果表明,该算法可以在一次进化之内以不低于92.45%的概率满足GDOP阈值在2.5~6的要求,同时可有效降低54.75%以上的导航运算量.      

适用于高高原机场GPS/BDS导航快速选星算法分析

卫星导航系统是民航飞机导航的主要手段之一。因高高原机场环境复杂多变,单一GPS导航系统难以满足现实需求。基于GPS/BDS双模导航能显著提高导航性能,具有明显优势。但这将带来大的卫星冗余,增加了计算量的同时会引入更多低导航质量的卫星。为此,本文针对高高原机场情况,提出一种基于卫星仰角和方位角的快速选星算法,可以减少计算负担,同时自动选出高质量卫星信号,满足实际的导航需求。最后,选取四个典型的高高原机场场景对算法进行了充分的仿真实验分析。仿真结果验证了本文所提方法的有效性。     

基于GPS多星三频数据融合的GNSS-IR土壤湿度反演方法

土壤湿度的监测是全球卫星导航系统干涉测量法（GNSS-IR）的关键应用之一。传统的GNSS-IR土壤湿度反演方法一般只针对单颗卫星的单一频段,未充分利用不同轨道、不同频率卫星信号的差异性与互补性。针对此问题,提出了一种将GPS多星的L1、L2和L5频段数据加权融合进行联合反演的方法,该方法利用基于最小方差的自适应融合算法得到加权因子,并通过现场实验进行了方法验证。结果表明:在测试集上所提出的反演方法相比于传统的Larson方法,相关系数提高了24.69%,均方根误差下降了22.28%,与均值融合法相比,相关系数提高了26.77%,均方根误差下降了23.26%,证明了所提方法能有效提高反演精度。      

基于并行遗传算法的高轨卫星导航选星方法

高轨航天器自主导航能力在北斗三号卫星导航系统建成后得到了增强,但是也带来了部分时刻可见星数量冗余的问题。为降低运算量以保证服务的实时性,提出一种利用多种群并行遗传算法(PGA)进行快速选择当前最优可见星组合的方法。该方法将加权精度因子(WDOP)作为适应度评判标准,利用粗粒度式并行划分成的多个子种群进行搜索加速,并通过变异因子差异化设置与子种群间的信息交流来提高搜索能力。对多个典型高轨环境下7颗及以上选星任务的仿真测试表明,基于PGA的选星方法解相比遍历法所求最优解绝对误差平均值小于0.1,相对误差最大不超过1%。仿真结果表明,在典型高轨环境F1接收机利用四系统组合导航时,所提方法可以有效地快速、准确完成指定卫星数的选星任务。     

基于BDS/GPS的KBLMS信道补偿多径缓减算法

在全球卫星导航系统（GNSS）中,针对城市峡谷单系统无法定位及信号失锁后重新捕获及跟踪性能表现不佳的问题,提出了一种基于BDS/GPS的卡尔曼最小均方估计（KBLMS）的信道补偿技术。首先,建立双系统模型。其次,设计基于卡尔曼估计的最小均方误差的延迟估计模块,补偿接收信号上的多径失真。最后,设计视距（LOS）最佳估计块以在反馈回路中产生控制误差信号,用于自适应地更新补偿矩阵系数。通过实测数据与实验仿真,分析KBLMS的信道补偿多径缓减算法的性能。结果表明:KBLMS的信道补偿多径缓减技术相较于最小均方（LMS）算法在多径信道中能快速收敛,且码跟踪误差在ENU三个维度误差减少了0.1 chip,载波跟踪误差减少了约0.125 cm,有效降低了多径效应引起的误差,最终残余误差比LMS降低了0.035 chip,说明所提多径缓减算法可以进行更为精准的估计,从而验证了算法的有效性。      

GNSS抗干扰天线阵不一致性对MUSIC算法的影响

由于天线阵元位置、射频（RF）放大器和模数转换器（ADC）等因素的影响,全球卫星导航系统（GNSS）抗干扰天线阵各通道间不可避免地存在着不一致性。首先,利用矩阵中的子空间理论分析了通道的幅度不一致性和相位不一致性对多重信号分类（MUSIC）算法的影响。理论分析结果表明:单干扰情况下通道幅度不一致性会降低MUSIC算法方向图的零陷深度,但不影响零陷位置,相位不一致性对MUSIC算法方向图零陷位置和零陷深度均有影响;多干扰情况下通道幅度不一致性和相位不一致性对MUSIC算法方向图零陷位置零陷和深度都有影响。因此在通道不一致性慢变化的条件下,MUSIC算法利用方向图进行性能评估时需要测出通道幅相偏差矩阵进行方向图纠正。然后,利用仿真的方法对不一致性的影响进行了实验分析,实验分析结果与理论分析结果一致。      

基于多目标灰狼算法的干扰资源多效能优化方法

依靠经验决策或简单的模板匹配的传统干扰资源决策方式难以适应当前复杂的电磁环境。针对雷达干扰资源决策的智能化需求展开研究,将干扰资源调度建模为多目标优化问题,以最大化整体干扰效能、最小化干扰总功率、最小化作战损失为目标函数建立干扰资源调度模型,利用一种多目标灰狼算法（MOGWO）求解问题模型Pareto前沿,以最优解集代替最优解,再根据战场实际情况选择最佳调度方案,使决策方案更加科学合理。实验结果表明,MOGWO算法能够克服基本灰狼算法（GWO）探索能力不足、局部收敛的缺陷,有较高的搜索效率,算法的寻优能力和稳定性均优于NSGA-Ⅱ算法和MOPSO算法。