改进粒子群优化算法在TDOA定位中的应用.pdfVIP

2013年 第32卷 第4期 传感器与微系统 (TransducerandMicrosystemTechnologies) 145 改进粒子群优化算法在 TDOA定位中的应用 翟彦蓉，黄 欢，张 申，马秀萍，刘 伟 ，游春霞 (中国矿业大学 物联网(感知矿山)研究中心。江苏 徐州 221008) 摘 要：针对 TDOA定位估计中的非线性最优化问题，提出了一种基于改进粒子群优化的TDOA定位算 法。该算法在 自适应粒子群优化算法的基础上 ，引入禁忌搜索策略 ，有效地解决了粒子群优化算法容易陷 入局部最优的问题，使算法快速收敛到全局最优解。仿真结果表明：该算法性能稳定，定位精度高。 关键词：到达时间差；非线性优化；禁忌搜索 ；粒子群优化算法；自适应 中图分类号：TP312 文献标识码：A 文章编号：1000-9787(2013)04-0145-04 Application ofimprovedparticleswarm optimization algorithm inTDOA positioning ZHAIYan—rong，HUANG Huan，ZHANG Shen，MA Xiu—ping，LIU Wei，YOU Chun—xia (InternetofThings(SensorMine)ResearchCenter，Xuzhou221008，China) Abstract：Anewtime—differenceofarrival(TDOA)positioningalgorithmbasedonimprovedparticleswarm optimization(PSO)isproposedfornonlinearoptimizationofTDOApositioningestimation．Thealgorithmusestabu searchstrategybasedonadaptivePSO algorithm ，effectivelyresolvestheproblem thatPSO algorithm easytofall intolocaloptimum andtheproposedalgorithm convergestoglobaloptimumfastly．Simulationresultsverifythatthe algorithm performsstablywithhighpositioningprecision． Keywords：time—differenceofarrival(TDOA)；nonlinearoptimization；tabusearch(TS)；particleswarm optimization(PSO)algorithm ；adaptive 0 引 言 搜索方法，非常适用于TDOA方程组求解这种非线性 、多峰 移动 目标的定位在安全 、生产和生活中都具有非常重 值的复杂优化问题，收敛性能较好。虽然粒子群算法容易 要的作用 ，相关技术 的研究是当前多个领域的热点之一。 陷入局部最优，但是可以利用禁忌搜索 (tabusearch，TS)算 到达时间差(time-differenceofarrival，TDOA)作为一种非常 法较强的 “爬山”能力和记忆能力来克服 。本文分析了 有前景的定位技术 ，通过检测信号到达2个基站的时间差 TDOA定位 问题中的非线性函数优化问题 的基础上，利用 来确定移动 台的位置 ，已经广泛用于蜂窝移动 网络” 。 禁忌搜索算法与 自适应粒子群算法进行联合优化，提出了 但是 ，现有的TDOA通常需要通过求解非线性的双曲线方 一 种 自适应的TDOA求解方法。仿真表明：其性能有较