[发明专利]基于天牛须搜索算法的多星座GNSS组合选星方法及系统

说明书

本发明基于天牛须搜索算法的多星座GNSS组合选星方法及系统，通过对天牛须搜索算法进行改进，以选星向量作为天牛位置，采用单方向搜索、多方向搜索代替原算法中的无差别随机搜索，添加卫星元素映射及筛选模块，限制搜索范围，降低搜索次数，从而减少选星复杂度。以几何精度因子GDOP作为适应性函数对选星向量进行更新，最终得到趋于最优的选星结果。并考虑了选星结果的时间相关特性，避免接收机频繁进行重捕获与重跟踪，减轻硬件负担，具有更高的定位精度、更低的计算复杂度。

技术领域

本发明属于卫星导航定位技术领域，具体涉及一种基于天牛须搜索算法的多星座GNSS组合选星方法及系统。

背景技术

多星座GNSS组合定位可使导航接收机获得更多的导航信号和更好的卫星几何空间分布，有利于提高定位精度，是卫星导航定位技术发展的一个重要方向。然而，多星座组合定位会大大增加接收机信号处理的负担和定位解算的复杂度。选星是从所有可用卫星中选出几何分布较好的卫星子集，从而在保证接收机定位精度的前提下，降低定位解算复杂度，提高定位效率，具有重要的研究意义。

传统的选星方法遍历可用卫星集合中的所有卫星的组合，以几何精度因子GDOP最小的组合作为选星结果。然而多星座组合定位可用卫星数目较多，遍历所有组合将导致庞大的计算量，无法在硬件上实施。一些快速选星算法通过对卫星的几何分布构型进行分析，限制卫星组合的搜索范围，从而减少GDOP的计算次数，降低选星复杂度。但这类算法限制了选星组合的搜索范围，因而全局寻优能力较差。

群体智能优化算法具有良好的全局寻优能力和快速收敛性，可以有效对全部解空间进行搜索且适应性和灵活性较高。基于遗传、微粒群算法的快速选星算法可以逼近最优选星结果，获得较好的定位精度。但遗传与微粒群算法种群规模较大，需要调节较多参数，具有较高的计算复杂度，且每轮定位随机进行种群初始化，没有考虑选星的时间相关性。因此基于群体智能优化算法思想的多星座GNSS组合定位选星方法仍具有改进的空间。

发明内容

本发明克服了现有技术的不足之一，提供了一种基于改进天牛须搜索算法的多星座GNSS组合选星方法及系统，通过对天牛须搜索算法改进和考虑选星结果的时间相关性，能够避免接收机频繁进行重捕获与重跟踪，减轻硬件负担，具有更高的定位精度、更低的计算复杂度等优点。

根据本公开的一方面，本发明提供一种基于改进天牛须搜索算法的多星座GNSS组合选星方法，所述方法包括：

初始化天牛的初始选星向量X_k-0，天牛搜索步长η、天牛更新步长σ、迭代总轮数G，其中，k为迭代轮数；

获取所述天牛的初始选星向量X_k-0，并接受本轮选星迭代的结果X_k；

对所述初始选星向量X_k-0进行单方向搜索，得到单向向量集合和天牛单方向搜索触须位置集合；

对所述初始选星向量X_k-0中进行多方向搜索，得到方向向量集合为和天牛多方向搜索触须位置集合；

合并单方向独立搜索和多方向随机搜索的方向向量集合、天牛方向搜索触须位置集合，并对天牛方向搜索触须位置集合进行映射修正；

筛选修正后的天牛方向搜索触须位置集合中的选星向量；

根据适应性函数计算修正后的天牛方向搜索触须位置集合中的每个选星向量的响应值，得到响应值集合F；

选取响应值集合F中最小值所在方向向量，根据所述最小值所在方向向量更新所述天牛位置X_k，天牛搜索步长η和天牛更新步长σ；

根据迭代轮数k和迭代总轮数G的关系判断是否终止本轮选星迭代，若终止本轮选星迭代，则输出本轮选星迭代的选星结果，否则将本轮选星迭代的选星结果作为下一轮选星迭代的初始选星向量以进行下一轮选星迭代。