多点定位系统的布站方法研究

胥松寿

（民航河南空管分局，河南郑州 450000）

多点定位系统的布站方法研究

胥松寿

（民航河南空管分局，河南郑州 450000）

针对多点定位系统基站布局直接影响目标定位精度的问题，提出一种基于粒子群优化算法的基站优化布局方法。该方法以几何分布因子GDOP为适应度函数，实现场面基站的最优布站。Matlab仿真结果表明，该方法能够优化基站布局，提高目标定位精度。

多点定位系统；空中交通管制；粒子群优化算法；GDOP

机场场面多点定位系统（MLAT）是空中交通管制的一种强有力的监视手段［1］。多点定位系统的定位精度除了与测量精度有关外，还受基站位置的影响。目前，基站常用的布站方法主要有星型法［2］、菱形法［3］等。该类布站方案虽简单，但不是最优布站，定位精度不是很高。本文基于粒子群优化算法（PSO），利用几何精度因子GDOP作为适应度函数，提出了一种基站布站方法，仿真结果分析，目标的定位精度得到了一定的提高。

1 粒子群优化算法（PSO）

Kennedy和Eberhart在1995年的IEEE国际神经网络学术会议上正式发表了题为“Particle Swarm Optimization，PSO”的文章，标志着粒子群算法的诞生。粒子群算法（PSO）是计算机智能领域的一种群智能算法，通过个体间的协作和竞争实现全局搜索。系统初始化为一组随机解，称之为粒子，通过粒子在搜索空间的飞行完成寻优。其没有遗传算法的交叉和变异算子，而是粒子在解空间追随最优的粒子进行搜索［4］。

2 基于PSO算法的MLAT系统布站优化算法

基于PSO算法的MLAT站点布站优化算法中，算法的流程为粒子的初始化、适应值的计算、局部最优选择、全局最优以及速度和位置的进化等［5］，如图1所示。

图1 基于PSO算法的MLAT站点布站优化算法

2.1 参数设定和初始化

在PSO算法中，参数主要有群体规模、最大迭代次数、认知参数、全局参数等。在基站布局中，本文用4个基站作为仿真参数，因每个基站为三维坐标，因此基站的布局优化需要确定12个变量。若种群数为M，则初始化的种群规模为M×12。

2.2 适应度函数

适应度是评价整个种群个体优劣的尺度，是种群个体优化和淘汰的依据。PSO算法在搜索空间以适应度函数为判断依据，对种群个体进行优化，因此确定种群的适应度函数非常重要。基站布站优化的结果是使目标定位精度更高，本文利用MLAT算法中的几何精度因子GDOP作为适应度函数，GDOP越小，则定位精度越高。种群的适应度函数表示为：

式（1）中，N表示机场场面测试点个数。

3 Matlab实验仿真

在Matlab仿真实验中，定义基站布站测试区域为x∈［-100×100］，y∈［-100,100］，z=0，单位为km。计算GDOP时，将测试区域分割为1km×1km的小区域，计算每个测试区域的GDOP值，然后按照公式（1）计算适应度函数值。仿真实验基站数为4，种群规模M=20，最大迭代次数为100，假设目标的高度为1km。迭代100次后，得到4个基站优化的位置和对应的GDOP分布值，如图2所示。作为比较，实验还给出了4个基站常用的星型布站和对应的GDOP分布，如图3所示。

由图2可以看出，在基于粒子群优化算法的MALT系统布站优化方法中，基站的布局呈不规则分布，基站位置如表1所示，4个基站优化后的GDOP平均值为41.515 0，常用的星型布站的定位精度GDOP的平均值为81.148 4，由GDOP的定义，GDOP的数值越小，对应的目标定位精度越高。因此，利用粒子群优化算的站点布站优化方法可以有效地实现MLAT系统的基站优化布局，提高目标的定位精度。

表1 基站优化后的坐标值和GDOP均值

4 结论

本文基于粒子群优化算法，提出了一种利用几何精度因子GDOP作为适应度函数的MLAT系统基站最优布站方法。Matlab仿真结果表明，该方法能够得到一种基站布站优化方案，目标的定位精度得到了较大的提高。

图2 基站数为4的最佳布站及GDOP分布图

图3 基站数为4的星型布站及其GDOP分布图

［1］吕小平.MDS技术在我国民用航空的应用探讨［J］.空中交通管理，2006（9）：4-11.

［2］Aryanezhad MB，Hemati M.A new genetic algorithm for solving nonconvex nonlinear programming problems［J］.Applied Mathematics&Computation，2008（1）：186-194.

［3］Yun S，Lee J，Chung W，et al.A soft computing approach to localization in wireless sensor networks［J］.Expert Systems with Applications An International Journal，2009（4）：7552-7561.

［4］Kennedy J，Eberhart R.Particle swarm optimization［C］// IEEE International Conference on Neural Networks，1995.

［5］魏静萱.解决单目标和多目标优化问题的进化算法［D］.西安：西安电子科技大学，2009.

Study on Station Layout Method of MLAT System

Xu Songshou
（Henan Air Traffic Management Bureau，CAAC，Zhengzhou Henan 450000）

Aiming at the problem that the station position of the multilateration(MLAT)system directly affects the target positioning accuracy,a scheme of the optical layout which was based on particle swarm optimization algorithm was proposed.The method used the geometric distribution GDOP as the fitness function,to make optimal layout of the ground stations.Matlab simulation results showed that the proposed method could optimize the base station layout and improve the accuracy of target location.

MLAT；air traffic control；particle swarm optimization algorithm；GDOP

TP29

A

1003-5168（2017）04-0054-02

2017-03-14

胥松寿（1987-），男，硕士，助理工程师，研究方向：多点定位，雷达，地空通信。