[发明专利]基于遗传算法及粒子滤波的红外目标被动测距方法

权利要求书

1.一种基于遗传算法及粒子滤波的红外目标被动测距方法，包括如下步骤：

(1)利用红外探测器测得目标俯仰角β；

(2)根据红外探测器与目标运动的几何关系，建立包含目标距离的三元非线性方程组：

f1=R+R0sinβ-R02sin2β+2hR0+h2=0]]>

f2=R2-h2-(2R0sinθ2)2-4hR0sin2θ2=0]]>

f3＝-h+R*sin(β)/cos(θ)+R₀/cos(θ)-R₀＝0

该三元非线性方程组的未知量为R，θ，h，其中，R为目标到红外探测器的距离，θ为目标与红外探测器相对于地心的夹角，h为目标到地心的距离与地球半径的差值，R₀为地球半径，f1，f2，f3分别代表三个非线性方程的值；

(3)在区间30～40km内随机产生1000个目标距离值，表示为R_i，i=1～1000，形成目标距离值的初始种群q；初始化上述方程组中的其余两个未知量θ＝0，h=28km；

(4)将初始种群q中的1000个目标距离值R_i及已初始化的θ、h组合成为1000组迭代值，表示为a_i＝{R_i θ h}，分别作为拟牛顿法的迭代初值，利用拟牛顿法求解步骤（2）中建立的非线性方程组，获得1000个与目标距离值R_i对应的非线性方程组的解，并将所得解代入非线性方程组中，获得每个目标距离值R_i对应的三个非线性方程的值f1_i，f2_i，f3_i，i=1～1000；

(5)利用步骤（4）中得到的非线性方程组的值f1_i，f2_i，f3_i，计算初始种群q中的1000个目标距离值R_i对应的适应度fitness_i：

fitness_i＝1/max{|f1_i| |f2_i| |f3_i|}，i=1～1000；

(6)对种群q进行选择，交叉，变异，获得具有1000个目标距离值Ra_i的子代种群q₁，i=1～1000；

(7)利用步骤（4）～（5）分别计算子代种群q₁中每个目标距离值Ra_i所对应的非线性方程组的解和适应度fitness_i，将非线性方程组的解表示为{Rx_i θx_i hx_i}，i=1～1000，其中：Rx_i是目标到红外探测器的第i个距离值，Rx_i的存在范围为40km～80km；θx_i是目标与红外探测器相对于地心的第i个夹角值，θx_i的存在范围为0rad～0.0157rad；hx_i是目标到地心的第i个距离值与地球半径的差值，hx_i的存在范围为0km～80km；

（8）按照以上Rx_i、θx_i、hx_i的范围对已获得的所有的解进行选择，剔除该范围之外的解，保留该范围之内的解；

（9）将步骤（8）中保留的解按照适应度大小进行全排列，选择适应度大的前100个解作为粒子滤波的初始粒子xa_j＝{Ry_j θy_j hy_j},j=1～100，其中：Ry_j是目标到红外探测器的第j个距离值，θy_j是目标与红外探测器相对于地心的第j个夹角值，hy_j是目标到地心的第j个距离值与地球半径的差值；

（10）根据所测目标俯仰角β及步骤（9）中的初始粒子xa_j，计算各个初始粒子的权值w_j：

w_j＝|ln(|β-arcsin(((hy_j+R₀)*cos(θy_j)-R₀)/Ry_j)|)|；

(11)计算所有初始粒子的总权值利用总权值g归一化各个初始粒子的权值w_j，得到将归一化后的权值gw_j，j=1～100；

(12)对所有初始粒子进行重采样操作，获得100个重采样后的粒子x_j＝{Rz_j θz_j hz_j}，将重采样后的各个粒子的权值记为gz_j，j=1～100，其中：Rz_j是目标到红外探测器的第j个距离值，θz_j是目标与红外探测器相对于地心的第j个夹角值，hz_j是目标到地心的第j个距离值与地球半径的差值；

(13)根据重采样后的粒子x_j中的分量Rz_j及重采样后的各个粒子x_j的权值gz_j，计算目标到红外探测器的距离

其中，Rz_j为目标到红外探测器的第j个距离值，j=1～100。