一种基于地理坐标的自适应分布式系统定位方法与流程

本发明涉及民航空中交通管制技术领域，尤其是一种基于地理坐标的自适应分布式系统定位方法。

背景技术：

航空运输市场迅猛发展，航空运输量的快速增长对空域和机场的使用提出更高的要求。高密度交通流量对空域的需求与可供使用空域资源不足的矛盾日益突出。多点定位(MLAT)系统可以提供高精度、高覆盖、高数据率的监视服务，满足空中交通服务对监视的需求，确保航空运输安全，提高空域容量和航空器运行效率。

MLAT系统利用多个接收站，接收民航飞行器发射的1090MHz应答信号，通过测量信号到达各接收站的时间，由到达时间差(TDOA)定位体制完成定位。对于该体制而言，其接收站点的位置选择尤为重要。现有的选站技术，主要是基于TDOA定位的几何精度因子(GDOP)的选站，不同的站点数和站点位置，对应于不同的GDOP分布图，根据机场对于不同区域的定位精度要求即可完成选站。

然而，该方法存在以下缺点：

1)没有将地形遮挡因素考虑进来；

2)对于某一特定的区域，无法给出各站参与定位时对于最终结果贡献程度的多少，从而无法获知某个站主要对哪些区域起作用；

3)无法对各站进行综合评分，从而对站点位置进行排序、优选；

4)无法给出目标处于任意位置时的最优定位方案(以谁为主站，哪些站 参与定位，定位结果最优)。

技术实现要素：

本发明所要解决的技术问题是：针对现有技术存在的问题，提供一种基于地理坐标的自适应分布式系统定位方法。在GDOP图的基础上，从google地图上引入机场地理坐标，计算遮挡因子，加入遮挡因子后，根据飞机停靠点覆盖区域R_j中存在的障碍遮挡，对目标函数进行加权得到当前飞机停靠点位置的适应度f(x_i,y_i,z_i)：对适应度f(x_i,y_i,z_i)通过基于粒子群工程优化方法或凸优化优化方法进行优化，得到不同布站方式下的适应度f_g(x_i,y_i,z_i)；根据f_g(x_i,y_i,z_i)对各个站点x_i,y_i,z_i的位置进行排序，并给出飞机停靠与机场内任意位置的定位方案。

本发明采用的技术方案如下：

一种基于地理坐标的自适应分布式系统布站方法包括：

步骤1：在GDOP图的基础上，从google地图上引入机场地理坐标中站点位置坐标(x_i,y_i,z_i)，计算遮挡物遮住飞机和建筑物视线的遮挡因子，并将其引入目标函数，因此目标函数写为如下形式：

$f_0(x_i,y_i,z_i)=W_j*\underset{x\∈(x_{\min },x_{\max }),y\∈(y_{\min },y_{\max }),z\∈(z_{\min },z_{\max })}{\∫\∫\∫}{\mathrm{GDOP}}^2(x,y,z,x_i,y_i,z_i)$

其中，σ_x,σ_y,σ_z分别表示飞机停靠位置(x，y，z)到第i站址坐标(x_i,y_i,z_i)的距离在视线方向上的定位误差；其中i＝1,...,n，x_min＜x＜x_max，y_min＜y＜y_max，z_min＜z＜z_max，x_min,y_min,z_min是目标分别处于机场地理坐标系(笛卡尔坐标系)X轴、Y轴、Z轴位置分量的下限，x_max,y_max,z_max是目标分别处于X轴、Y轴、Z轴位置分量的上限；

步骤2：加入遮挡因子后，根据飞机停靠点覆盖区域R_j中存在的障碍遮挡，对目标函数进行加权得到当前飞机停靠点位置的适应度f(x_i,y_i,z_i)：

$f(x_i,y_i,z_i)=\underset{j}{\Σ}{W}_j\underset{x\∈(x_{\min },x_{\max }),y\∈(y_{\min },y_{\max }),z\∈(z_{\min },z_{\max })}{\∫\∫\∫}{\mathrm{GDOP}}^2(x,y,z,x_i,y_i,z_i)$

其中，W_j∈[0,为遮挡因子；飞机停靠点覆盖区域R_j指的是x∈(x_min,x_max),y∈(y_min,y_max),z∈(z_min,z_max)；

步骤3：对适应度f(x_i,y_i,z_i)通过基于粒子群工程优化方法或凸优化优化方法进行优化，得到不同布站方式下的适应度f_g(x_i,y_i,z_i)；

步骤4：根据f_g(x_i,y_i,z_i)对各个站点x_i,y_i,z_i的位置进行排序，并给出飞机停靠与机场内任意位置的定位方案；其中f_g(x_i,y_i,z_i)较大值对应的是飞机优先停靠的位置，fg(x_i,y_i,z_i)较小值对应的是飞机次于优先停靠位置的位置。

进一步的，所述计算遮挡因子具体过程是：在GDOP图的基础上，从google地图上引入机场地理坐标，根据机场建筑物的地理坐标，计算其与飞机与站点连线之间的方位角与俯仰角；计算飞机与站点连线被机场建筑物遮挡的程度，如果不存在遮挡，则W_j＝1，完全被遮挡，则W_j＝0，如果存在部分遮挡，则根据被遮挡程度，W_j在[0,1]之间进行取值。

进一步的，所述步骤3通过基于粒子群工程优化方法优化具体步骤包括：

步骤31：在机场观测区域内飞机停靠点覆盖区域R_j，对飞机停靠位置(x，y，z)进行随机采样，执行步34；

步骤32：计算m个飞机停靠位置(x，y，z)对应的代价函数，令代价函数值最小时，飞机停靠位置(x，y，z)为最优位置p_i，设置p_i为其当前位置，并计算其适应度f(x_i,y_i,z_i)；

步骤33：对步骤32进行n次迭代，得到m个飞机停靠位置最优位置p_i，计算这m个最优位置p_i的代价函数，令代价函数最小值对应的飞机停靠位置为全局最优位置p_g；

步骤34：根据粒子群工程优化方法中的速度和位置更新公式更新所有粒子 的位置，并计算其适应度f(x_i,y_i,z_i)；

步骤35：基于步:32及步骤34进行判断，如果当前第i个飞机停靠点位置对应的适应度值大于p_i对应的适应度值，则设置p_i为第i个飞机的当前停靠位置；否则，不更新p_i；

步骤36：基于步骤34及步骤35进行判断，如果p_i对应的适应度值大于p_g对应的适应度值，则用p_g更新p_i的值，执行步骤37；否则，不更新p_g

步骤37：输出p_g为第i个飞机当前停靠位置，同时计算其对应的适应度值f_g(x_i,y_i,z_i)，否则转步骤34。

进一步的，所述GDOP图，通常可通过Google Earth进行截图；机场轨道采样点，可到现场实际测量，也可在Google Earth上点选；遮挡物采样点，可到现场实际测量，也可在Google Earth上点选；站点位置坐标，可到现场实际测量，也可在Google Earth上点选。

综上所述，由于采用了上述技术方案，本发明的有益效果是：

1)将地形遮挡因素考虑进来了；

2)对于某一特定的区域，可以给出各站参与定位时对于最终结果贡献程度的多少，从而获知某个站主要对哪些区域起作用；

3)可以对各站进行综合评分，从而对站点位置进行排序、优选；

4)可以给出目标处于任意位置时的最优定位方案(以谁为主站，哪些站参与定位，定位结果最优)。

5)本发明考虑的因素更全面，呈现的要素更丰富，特别是细节呈现能力远高于传统技术，能够有力地支撑选站和机场建设，进而提高民航系统的空中交通管制能力。

具体实施方式

本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。

本说明书中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。

本发明相关说明：

1、机场地理坐标(包括建筑物坐标，飞机位置坐标，站点位置坐标(x_i,y_i,z_i)。

本发明实施过程是：

步骤1：在GDOP图的基础上，从google地图上引入机场地理坐标中站点位置坐标(x_i,y_i,z_i)，计算遮挡物遮住飞机和建筑物视线的遮挡因子，并将其引入目标函数，因此目标函数写为如下形式：

$f_0(x_i,y_i,z_i)=W_j*\underset{x\∈(x_{\min },x_{\max }),y\∈(y_{\min },y_{\max }),z\∈(z_{\min },z_{\max })}{\∫\∫\∫}{\mathrm{GDOP}}^2(x,y,z,x_i,y_i,z_i)$

其中，σ_x,σ_y,σ_z分别表示飞机停靠位置(x，y，z)到第i站址坐标(x_i,y_i,z_i)的距离在视线方向上的定位误差；其中i＝1,...,n，x_min＜x＜x_max，y_min＜y＜y_max，z_min＜z＜z_max，x_min,y_min,z_min是目标分别处于笛卡尔坐标系中X轴、Y轴、Z轴位置分量的下限，x_max,y_max,z_max是目标分别处于笛卡尔坐标系中X轴、Y轴、Z轴位置分量的上限；

步骤2：加入遮挡因子后，根据飞机停靠点覆盖区域R_j中存在的障碍遮挡，对目标函数进行加权得到当前飞机停靠点位置的适应度f(x_i,y_i,z_i)：

$f(x_i,y_i,z_i)=\underset{j}{\Σ}{W}_j\underset{x\∈(x_{\min },x_{\max }),y\∈(y_{\min },y_{\max }),z\∈(z_{\min },z_{\max })}{\∫\∫\∫}{\mathrm{GDOP}}^2(x,y,z,x_i,y_i,z_i)$

其中，W_j∈[0,为遮挡因子；飞机停靠点覆盖区域R_j指的是x∈(x_min,x_max),y∈(y_min,y_max),z∈(z_min,z_max)；

步骤3：对适应度f(x_i,y_i,z_i)通过基于粒子群工程优化方法或凸优化优化方 法进行优化，得到不同布站方式下的适应度f_g(x_i,y_i,z_i)；

步骤4：根据f_g(x_i,y_i,z_i)对各个站点x_i,y_i,z_i的位置进行排序，并给出飞机停靠与机场内任意位置的定位方案；其中f_g(x_i,y_i,z_i)较大值对应的是飞机优先停靠的位置，fg(x_i,y_i,z_i)较小值对应的是飞机次于优先停靠位置的位置。

所述步骤3通过基于粒子群工程优化方法优化具体步骤包括：

步骤31：在机场观测区域内飞机停靠点覆盖区域R_j，对飞机停靠位置(x，y，z)进行随机采样，执行步34；

步骤32：计算m个飞机停靠位置(x，y，z)对应的代价函数，令代价函数值最小时，飞机停靠位置(x，y，z)为最优位置p_i，设置p_i为其当前位置，并计算其适应度f(x_i,y_i,z_i)；

步骤33：对步骤32进行n次迭代，得到m个飞机停靠位置最优位置p_i，计算这m个最优位置p_i的代价函数，令代价函数最小值对应的飞机停靠位置为全局最优位置p_g；

步骤34：根据粒子群工程优化方法中的速度和位置更新公式更新所有粒子的位置，并计算其适应度f(x_i,y_i,z_i)；

步骤35：基于步:32及步骤34进行判断，如果当前第i个飞机停靠点位置对应的适应度值大于p_i对应的适应度值，则设置p_i为第i个飞机的当前停靠位置；否则，不更新p_i；

步骤36：基于步骤34及步骤35进行判断，如果p_i对应的适应度值大于p_g对应的适应度值，则用p_g更新p_i的值，执行步骤37；否则，不更新p_g

步骤37：输出p_g为第i个飞机当前停靠位置，同时计算其对应的适应度值f_g(x_i,y_i,z_i)，否则转步骤34。

本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中 披露的新特征或任何新的组合，以及披露的任一新的方法或过程的步骤或任何新的组合。