一种三角网与蚁群算法联合对干扰源监测与定位的方法

1.本发明属于一种干扰信号定位方法，具体涉及一种三角网与蚁群算法联合对干扰源监测与定位的方法。


背景技术：

2.在卫星导航定位时，接收机除了接收卫星发射的信号外，还有可能会接收到与卫星信号频率相近或相似的其他信号，将这些信号统称为干扰信号，干扰信号的存在会使得接收机偏离准确的定位结果。为了提高接收机的定位精度，就需要监测并找到这些干扰信号的位置，对干扰源进行处理，从而排除干扰信号对接收机的影响。
3.目前，对干扰源监测定位时，一般借助扫频仪和频谱仪进行监测，设定扫频仪的频段和步长等参数，使扫频仪在设定频段内进行无线信号扫描，并显示现场无线环境的干扰信号波形，通过频谱仪外接八根天线进行测试，进而通过测试信号强弱定位干扰位置。然而，这种方法会耗费大量测试资源，进行干扰测试时需要反复寻找干扰位置，监测效率较低，且干扰源定位精度较差。


技术实现要素：

4.本发明为解决目前借助扫频仪和频谱仪对干扰源监测定位时，会耗费大量测试资源，需要反复寻找干扰位置，监测效率较低，且干扰源定位精度较差的技术问题，提供一种三角网与蚁群算法联合对干扰源监测与定位的方法。
5.为达到上述目的，本发明采用以下技术方案予以实现：
6.一种三角网与蚁群算法联合对干扰源监测与定位的方法，其特殊之处在于，包括以下步骤：
7.s1，确定凸包能覆盖整个待监测区域的点集a1；
8.s2，对所述点集a1进行delaunay三角剖分，得到delaunay三角网；
9.s3，将delaunay三角网中所有含有待监测区域的三角形区域组成区域q，再选取点集a1中落入区域q的点组成点集b；
10.s4，根据待监测区域最小外接矩形中心在区域q中的位置，确定固定监测站的位置，并标记各固定监测站能够监测到的所有三角形区域；
11.s5，在区域q中除去各固定监测站能够监测到的所有三角形区域，得到剩余区域m；根据点集b，确定依次经过剩余区域m各三角形区域顶点后，能够完成对剩余区域m中是否存在干扰信号监测的顶点，作为初定移动监测点，根据各初定移动监测点所在三角形区域，将所有初定移动监测点组成点集c；
12.s6，对点集c通过蚂蚁算法确定一条最优路径，将该最优路径分为多条子路径，以各子路径上的点作为各移动监测站的最终移动监测点，并确定各移动监测站的监测顺序为各子路径上各点的顺序；
13.s7，通过固定监测站和移动监测站监测干扰信号，根据固定监测站和移动监测站
的监测结果，利用测向交叉定位方法计算干扰信号位置。
14.进一步地，步骤s1具体为：
15.s1.1，确定待监测区域的最小外接矩形；
16.s1.2，以所述最小外接矩形的几何中心点为坐标原点，分别以平行于最小外接矩形宽边的直线为x轴，平行于最小外接矩形长边的直线为y轴，建立平面直角坐标系；
17.s1.3，在所述平面直角坐标系的x轴上选取两个关于坐标原点对称的点，且该两个点之间的距离等于监测站的监测半径，将这两个点组成的点集记作点集a；所述监测站包括固定监测站和移动监测站；
18.s1.4，在平面直角坐标系的y轴上选取点d，使点d到点集a中两个点的距离等于监测站的监测半径，将点d加入点集a；
19.s1.5，在平面平面直角坐标系所在平面上选取点，若点集a中至少两个点到该选取点的距离等于监测站的监测半径，则将该选取点加入点集a；否则，重新在平面平面直角坐标系所在平面上选取点；直至点集a的凸包能够包含待监测区域，得到最终的点集a，记作点集a1。
20.进一步地，步骤s2具体为：
21.s2.1，构建能够包含点集a1的矩形辅助窗口r；
22.s2.2，连接矩形辅助窗口r的任意一条对角线，得到两个三角形，作为delaunay三角网格；
23.s2.3，将点集a1中的任一点插入delaunay三角网格中，对该点所在三角形的临近三角形进行空外接圆检测，删除外接圆包含该点的所有三角形，得到多边形空腔；
24.s2.4，使步骤s2.3中插入的点与所述多边形空腔的各顶点相连，更新delaunay三角网格；
25.s2.5，重复执行步骤s2.3和步骤s2.4，直至点集a1中所有点均插入完成，将当前的delaunay三角网格作为delaunay三角网。
26.进一步地，步骤s4中，所述根据待监测区域最小外接矩形中心在区域q中的位置，确定固定监测站的位置具体为：
27.将三个固定监测站分别放置于区域q中含有最小外接矩形中的三角形区域的三个顶点处。
28.进一步地，步骤s5中，所述点集c通过以下方法得到：
29.s5.a，在点集b中选取多个点，得到剩余区域m中，所有包含从点集b中选取出的点的三角形区域，将这些三角形区域中每个三角形区域有一个顶点作为初定移动监测点；
30.s5.b，使移动监测站依次在各初定移动监测点处进行监测，若能够完成对剩余区域m中是否存在干扰信号的监测，则将相应点集b中选取的点计入点集c，否则，放弃相应点集b中选取的点；得到最终的点集c。
31.进一步地，步骤s6具体为：
32.s6.1，对点集c通过蚂蚁算法确定一条最优路径，得到该最优路径的长度l；
33.s6.2，获取最优路径上所有相邻两点之间的距离，得到其中的最大值l；
34.s6.3，以步骤s6.2确定的最大值对应的相邻两点中的靠近最优路径前端的点作为起点，将最优路径分为三段，每段的长度为：
[0035][0036]
s6.4，将三个移动监测站分别分配在这三段路径上，以三个移动监测站上的各点作为各移动监测站的最终移动监测点，并确定各移动监测站的监测顺序为各子路径上各点的顺序。
[0037]
进一步地，步骤s7具体为：
[0038]
s7.1，分别在确定的固定监测站的位置处和各移动监测站的最终移动监测点处放置固定监测站和移动监测站，通过各固定监测站和各移动监测站同时监测干扰信号；
[0039]
s7.2当任意一个固定监测站或移动监测站监测到任一方向上存在干扰信号，以该固定监测站或移动监测站所在位置作为顶点e，确定包含监测到干扰信号所在方向对应的三角形区域n；
[0040]
s7.3，若为固定监测站监测到干扰信号，则暂停任意两个移动监测站的监测，将该两个移动监测站移动至三角形区域n除e之外的另两个顶点处；
[0041]
若为移动监测站监测到干扰信号，则暂停剩余两个移动监测站的监测，将该两个移动监测站移动至三角形区域n除e之外的另两个顶点处；
[0042]
s7.4，通过三角形区域n三个顶点处的固定监测站和/或移动监测站继续监测，并根据监测到的干扰信号的特征确定其中监测到的相同的干扰信号，记录其中任意两个固定监测站和/或移动监测站的坐标(x1,y1)和(x2,y2)，以及x轴和该两个固定监测站和/或移动监测站与监测到的干扰信号之间连线的夹角θ1和θ2；
[0043]
s7.5，通过下式确定干扰信号在平面直角坐标系中的位置(x,y)：
[0044][0045]
s7.6，将移动监测站恢复至原来所处位置；
[0046]
s7.7，继续进行监测，重复执行步骤s7.2至步骤s7.6，直至移动监测站完成所有最终移动监测点处的监测，得到所有干扰信号在平面直角坐标系中的位置。
[0047]
与现有技术相比，本发明具有以下有益效果：
[0048]
1.本发明提供了一种三角网与蚁群算法联合对干扰源监测与定位的方法，将待检测区域分为多个三角形区域，将固定监测站和移动监测站按照三角监测网布设算法进行假设部署，相互补充，实现了全方位的干扰源监测与定位查找，节约了测试资源，以较为简捷的方法能够准确实现干扰信号干扰位置的确定，有效提高了干扰效率。
[0049]
2.本发明的监测与定位方法，设计移动监测站的路径时应用了蚂蚁算法，可以快速准确的寻找到一条最优路径，将移动监测站分配在最优路径上的不同路段上，使得采用本发明的方法，可以用最短的时间检测完整个待检测区域中是否有干扰信号，最大化提高了监测与定位效率。
[0050]
3.本发明中移动监测站和固定监测站相互配合对干扰信号进行定位，能够有效提高定位精度。
附图说明
[0051]
图1为本发明一种三角网与蚁群算法联合对干扰源监测与定位的方法实施例的流
程示意图。
具体实施方式
[0052]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
[0053]
如图1所示，本发明提出了一种三角网与蚁群算法联合对干扰源监测与定位的方法，具体步骤如下：
[0054]
步骤1，寻找待监测区域的最小外接矩形，建立平面直角坐标系，并在平面直角坐标系中选取n个点，记为点集a1，使得点集a1的凸包可以包含整个待监测区域。
[0055]
步骤1.1，根据待监测区域的形状，寻找待监测区域的最小外接矩形，以该最小外接矩形的几何中心点为坐标原点，以平行于最小外接矩形宽边的直线为x轴，以平行于最小外接矩形长边的直线为y轴，建立平面直角坐标系。
[0056]
步骤1.2，在平面直角坐标系的x轴上选取两个点，使得这两个点在x轴上构成的线段的长度等于监测站的监测半径大小，且该线段的中点位于坐标系的原点，将这两个点记为点集a。
[0057]
为扩充点集a制定规则：在平面直角坐标系所在平面上选取一个点d，点d不能与点集a中的点重复，且要使得点集a中两个点到该点d的距离等于监测站的监测半径，将点d加入至点集a，更新点集a。然后，继续在平面直角坐标系所在平面上依次选取点，且要使得点集a中至少有两个点到该点的距离等于监测站的监测半径，并依次将选取的点加入点集a中。按照该规则，以原点为中心在四周逐个选取坐标点，直到点集a的凸包可以包含整个待监测区域，将此时对应的点集a记作点集a1。
[0058]
步骤2，对点集a1进行delaunay三角剖分构建三角网，将所有含有待监测区域的三角形区域取出，构成一个新的区域q，并将点集a1所有落在区域q中的点记为点集b。
[0059]
步骤2.1，对点集a1进行delaunay三角剖分
[0060]
首先，构建一个能够包含点集a1的矩形辅助窗口r并连接任意一条对角线形成初始delaunay三角网格。然后，将点集a1中的任一个点插入上述delaunay三角网格中，从该点所在的三角形开始，搜索该三角形的邻近三角形，并进行空外接圆检测，找到外接圆包含该点的所有的三角形并删除这些三角形，形成一个包含该点的多边形空腔，然后连接该点与多边形空腔的每一个顶点，形成新的delaunay三角网格。将点集a1中的剩余点逐一插入delaunay三角网格中，每插入一点都要进行空外接圆检测，并对删除外接圆包含当前插入点的所有三角形，对delaunay三角网格进行调整，当点集a1中所有点都已经插入到delaunay三角网格中后，将顶点包含矩形辅助窗口r顶点的三角形全部删除，完成delaunay三角剖分。
[0061]
步骤2.2，通过步骤s2.1完成delaunay三角剖分后，将delaunay三角网中所有含有待监测区域的三角形区域取出，构成一个新的区域q，并将点集a1中，所有落在区域q中的点记为点集b。
[0062]
步骤3，将三个固定监测站放置在最小外接矩形中心所在的三角形区域的三个顶
点处，并对固定监测站的监测范围进行分析。
[0063]
将三个固定监测站分别放置在区域q中，含有最小外接矩形中心的三角形区域的三个顶点处，并将三个固定监测站能够监测到的所有三角形区域标记出来。
[0064]
步骤4：在区域q中除去固定监测站的监测范围，得到剩余区域，并分析在点集b中哪些点处进行监测，可以完成对剩余区域中是否存在干扰信号的监测，把这些点记为点集c。
[0065]
步骤4.1，在区域q中除去固定监测站能够监测到的所有三角形区域，将剩余区域记为剩余区域m；
[0066]
步骤4.2，在点集b中选取若干个点，确保剩余区域m中所有包含从点集b中选取出来的点的三角形区域，有一个顶点作为移动监测站的初定移动监测点，使得移动监测站依次在这些点处进行监测后，可以完成对剩余区域m中是否存在干扰信号的监测，将这些点记为点集c。
[0067]
步骤5，对点集c应用蚂蚁算法确定一条最优路径，其具体步骤为：
[0068]
步骤5.1，初始化蚂蚁算法的各参数：在计算之初需要对各参数进行初始化，如蚂蚁数量m、信息素因子α、启发函数因子β、信息素挥发因子ρ、信息素常数q、最大迭代次数t等。
[0069]
步骤5.2，构建解空间：将各个蚂蚁随机放置在不同的出发点，对于每个蚂蚁k(1≤k≤m)，计算下一个待访问点，直至每个蚂蚁都访问完所有点。蚂蚁在构建路径的每一步中，采用轮盘赌法选择下一要到达的点。选择每一个路径的概率表示为：
[0070][0071]
其中，i、j分别表示每段路径的起点和终点，τ表示时间t时由i到j的信息素浓度，η的值等于路径长度d的倒数，allowed表示未访问过的节点的集合。
[0072]
步骤5.3，更新信息素：计算各个蚂蚁经过的路径长度l，记录当前迭代次数中的历史最优解，即最短路径；同时，对各个点所连接的路径的信息素浓度进行更新，信息素更新的表达式为：
[0073]
τ
ij
(t+1)＝τ
ij
(t)*(1-ρ)+δτ
ij
,0＜ρ＜1
[0074]
其中，
[0075]
步骤5.4，判断是否达到终止条件：当算法的最大迭代次数达到最大迭代次数时，结束算法输出最优路径。
[0076]
步骤6，将上述最优路径分为三条子路径，将三个移动监测站分别按照三条路径上点的顺序，依次在各点处监测是否存在干扰信号。
[0077]
步骤6.1，对点集c应用蚂蚁算法确定一条最优路径(环形路)和该最优路径的长度l，将得到的最优路径依次经过的点，以及相邻两点之间的距离记录下来；
[0078]
步骤6.2，将距离最大(记为l)的两个相邻的点分别作为路径的起点和终点，将点集c按照最优路径中点的顺序排列出来；
[0079]
步骤6.3：将最优路径从步骤s5.2确定的路径起点处开始分为三段，每一段的长度为：
[0080][0081]
步骤6.4：将三个移动监测站分别分配在这三段路径上，每个移动监测站在各自路径上的各点处逐个进行监测，观察能否监测到干扰信号。
[0082]
步骤7，当监测站监测到某个三角形区域存在干扰信号后，需要另一个监测站在该三角形区域的其他顶点处对该干扰信号进行监测，再利用两个监测站的测向信息进行交叉测向定位。此处的监测站包括固定监测站和移动监测站。
[0083]
步骤7.1，对固定监测站和移动监测站分别编号，如固定监测站1、固定监测站2、固定监测站3、移动监测站1、移动监测站2、移动监测站3，当多个监测站(包括固定检测站和移动监测站)同时监测到干扰信号时，按照编号由小到大的顺序优先对固定监测站监测到的干扰信号进行定位，再对移动监测站监测到的干扰信号进行定位。
[0084]
当任意一个固定监测站或移动监测站在某点处监测到某一方向上存在干扰信号后，找到以该点为顶点且包含该方向的夹角，确定包含这个夹角的三角形区域。若是固定监测站监测到干扰信号，则暂停其中两个移动监测站的工作，将它们移动到确定的三角形区域的另两个顶点处；若是移动监测站监测到干扰信号，则暂停另外两个移动监测站的工作，将它们移动到该三角形区域的另两个顶点处。
[0085]
步骤7.2，通过三个监测站监测到的干扰信号的特征判断监测到的干扰信号是否为同一干扰信号，如果不是同一干扰信号，则通过监测到的干扰信号的频率、幅度、方向等信息找到同一干扰信号并记录下监测到同一信号的两个监测站的坐标(x1,y1)和(x2,y2)，以及两个监测站和干扰信号之间的连线与平面直角坐标系x轴的夹角θ1和θ2；如果是同一干扰信号，记录下任意两个监测站的坐标(x1,y1)和(x2,y2)，以及两个监测站和干扰信号之间的连线与平面直角坐标系x轴的夹角θ1和θ2；如果三个监测站监测到的都不是同一干扰信号，则可以使用频谱分析仪搭配定向天线来进行干扰查询，通过频谱分析仪来跟踪干扰信号，并结合定向天线，即可在不中断测量的情况下定位干扰源。当完成测向任务后，移动监测站回到原先的位置继续进行监测工作。
[0086]
步骤7.4，利用测向交叉定位方法计算干扰信号位置，具体可通过下式进行计算：
[0087][0088]
其中，x表示干扰信号在平面直角坐标系中位置的横坐标，y表示干扰信号在平面直角坐标系中位置的纵坐标，用矩阵运算计算x和y的值，则(x,y)即为干扰信号在直角坐标系中的位置。
[0089]
本发明的监测与定位方法构建三角监测网，把对整个区域内干扰信号的监测变为对各个三角形区域中干扰信号的监测。在确定移动监测站的路径时，使用了蚂蚁算法，使得移动监测站可以在最短的时间内完成在所有点处的监测。
[0090]
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。