基于射线跟踪和遗传算法的未知源定位方法与流程

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。

技术实现要素：

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P_i，i＝1,2,3,...,M；

3)设源点的坐标范围为X＝[X_min,X_max]，Y＝[Y_min,Y_max]，假设初始发射功率为P_t，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,P_t)；

5)做射线跟踪计算，第j个体在第i场点的接收功率值为P_ji，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P_i，i＝1,2,3,...,M；

3)设源点的坐标范围为X＝[X_min,X_max]，Y＝[Y_min,Y_max]，假设初始发射功率为P_t，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,P_t)；

5)做射线跟踪计算，第j个体在第i场点的接收功率值为P_ji，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。