[發明專利]監視臺站布站方法和裝置

有效

• 申請號: 201310591118.1
• 申請日: 2013-11-20
• 公開（公告）號: CN103778477B
• 公開（公告）日: 2017-07-18
• 發明（設計）人: 李銳;祝亮;李建;周自力;薛康;侯昌波;范麗娟
• 申請（專利權）人: 中國民用航空總局第二研究所;成都民航空管科技發展有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙)11371
• 代理人: 吳開磊

1.一種監視臺站布站方法，其特征在于，包括：

對期望以所述監視臺站覆蓋服務的每個對象分別建立一個覆蓋目標參數模型；

對所述覆蓋目標參數模型進行計算以設定布站區域；

對所述布站區域進行站點優化布網分析，以確定監視臺站布站方案，其中，采用遺傳算法對所述布站區域進行站點優化布網分析；

所述遺傳算法采用了遺傳算法參數模型，所述遺傳算法參數模型包括以下至少一個參數：

種群規模參數，整型，用于描述群體中所含個體的數量，一般取20～100；

個體編碼長度參數，整型，用于描述個體編碼長度，同時決定了編碼精度；

編碼精度參數，浮點型，用于描述求解臺站位置坐標小數精度；

終止迭代數參數，整型，用于描述傳算法終止進化代數；

適應度變化閾參數，浮點型，用于描述根據實際問題的求解過程得到的經驗值；

交叉率參數，浮點型，用于描述進化過程中交叉操作的概率；

變異率參數，浮點型，用于描述進化過程中變異操作的概率；

最優個體保存率參數，浮點型，用于描述產生新一代群體時保留上一代最佳個體的百分率；

所述遺傳算法采用了遺傳算法參數模型，所述遺傳算法參數模型包括以下至少一個參數：

種群規模參數，整型，用于描述群體中所含個體的數量，一般取20～100；

個體編碼長度參數，整型，用于描述個體編碼長度，同時決定了編碼精度；

編碼精度參數，浮點型，用于描述求解臺站位置坐標小數精度；

終止迭代數參數，整型，用于描述傳算法終止進化代數；

適應度變化閾參數，浮點型，用于描述根據實際問題的求解過程得到的經驗值；

交叉率參數，浮點型，用于描述進化過程中交叉操作的概率；

變異率參數，浮點型，用于描述進化過程中變異操作的概率；

最優個體保存率參數，浮點型，用于描述產生新一代群體時保留上一代最佳個體的百分率；

采用遺傳算法對所述布站區域進行站點優化布網分析包括：

(a)確定所述監視臺站的信號覆蓋區域，具體包括：

設置遮蔽角

其中a_e為等效地球半徑，h_s為設備視線上最高遮蔽點的海拔高度，l_s為遮蔽點到天線的斜距，h_a為天線海拔高度；

設置在遮蔽角θ_s下，所述監視臺站天線到高度h_r的視在距離

設置在遮蔽角θ_s下，所述監視臺站的實際作用距離

其中R_max是所述監視臺站的最大作用距離，G(θ)是所述監視臺站天線的歸一化方向函數；

設置所述監視臺站不同高度層上的可視區，步驟如下：

(a.1)選擇空域高度h_r；

(a.2)計算不同方位扇區的遮蔽角，初始記方位a_i＝0，其中0≦i<360；

(a.3)計算以所述監視臺站為起點，地形作用距離為長度，方位a_i上相交的等高線，其中該長度與等高線的交點為地形遮蔽點；

(a.4)根據上步求出的等高線的地理信息，找出高程值最大且距站點最近的等高線L，并獲得L上的遮蔽點坐標；

(a.5)計算所述監視臺站到上述遮蔽點的視在距離R_s(θ_s)；

(a.6)如果R_s(θ_s)≤R_r(θ_s)，則設置高度h_r上可視區范圍[θ_s，45°]；

(a.7)如果R_s(θ_s)＞R_r(θ_s)，令R_s(θ_n)＝R_r(θ_n)，求得θ_n，則設置高度h_r上可視區范圍[θ_n，45°]；

(a.8)以所述監視臺站為中心，由球面坐標公式和直角坐標公式計算在a_i方位角度上可視區角度θ_n上的作用距離在平面上相對設備位置的偏移量，從而得到a_i方位上水平覆蓋坐標點；

(a.9)i＝i+1，a_i＝a_i+1，循環執行(a.2)～(a.8)，直到a_i＝360；

(a.10)分別將0～360°方位上獲取的水平覆蓋坐標點組成多邊形區域，設置該區域為所述監視臺站的信號覆蓋區域；

(b)設置初始布站方案群體，具體包括：

布站方案群體中的每個個體表示為A：(F,Pts,Code,P)，F為個體適應度，Pts表示初始化個體中站點的坐標數組[(x₁,y₁),(x₂,y₂),...,(x_n,y_n)]，Code為對應經緯度坐標二進制編碼的染色體串，P為個體適應度概率；

確定所述布站區域的最小外接矩形的經度[X_min,X_max]和緯度[Y_min,Y_max]；

設雷達網由N部雷達單元組成，以網內各雷達單元的地理位置坐標為染色體，各雷達單元的地理位置分別用Lx,Ly位二進制編碼表示，N部雷達單元的染色體串表示為：

$x_1^{Lx}{x}_1^{Lx-1}{x}_1^{Lx-2}\mathrm{...}{x}_1^3{x}_1^2{x}_1^1{y}_1^{Ly}{y}_1^{Ly-1}{y}_1^{Ly-2}\mathrm{...}{y}_1^3{y}_1^2{y}_1^1{x}_2^{Lx}{x}_2^{Lx-1}{x}_2^{Lx-2}\mathrm{...}{x}_2^3{x}_2^2{x}_2^1{y}_2^{Ly}{y}_2^{Ly-1}{y}_2^{Ly-2}\mathrm{...}{y}_2^3{y}_2^2{y}_2^1$

$x_N^{Lx}{x}_N^{Lx-1}{x}_N^{Lx-2}\mathrm{...}{x}_N^3{x}_N^2{x}_N^1{y}_N^{Ly}{y}_N^{Ly-1}{y}_N^{Ly-2}...y_N^3{y}_N^2{y}_N^1$

Code＝N(Lx+Ly)位編碼形成染色體串對應著一種雷達網部署方案；

Lx或Ly位長度根據遺傳算法公式計算得到，公式如下：

x＝x_Lx_L-1x_L-2...x₂x₁公式2

其中公式1為二進制編碼精度公式，公式2為一個個體的編碼，公式3為解碼公式，U_max，U_min分別是隨機數值的最大值、最小值，L為二進制編碼長度，δ為二進制編碼的編碼精度；

(c)進行多約束條件判定和群體修正，具體包括：

多約束條件判定條件分為環境約束條件和性能約束條件，環境約束條件包括實際布網區域；候選站點參數模型中的建筑設施限制半徑，有源干擾設施半徑；性能約束條件包括所述監視臺站應滿足的相鄰單元之間最小部署距離d_min和相鄰單元最大部署距離d_max，設置：

$d_{min}={10}^{P_T+G_T+G_R-P_{min}-K-20\lg \left(f\right)};$

d_max＝min[d_max(H_i),d_max(H_h)]；

其中：P_T＝發射機功率(dBm)，G_T＝發射機天線增益(dB)，P_L＝路徑損耗，G_R＝接收機天線旁瓣增益(dB)，f＝頻率(MHz)，K＝32.45(距離以km為單位)；

(c.1)輸入種群方案；

(c.2)對種群中每個個體的單元進行環境約束條件判斷，對不滿足的個體單元，在原有坐標的基礎上加入隨機項將該單元移出干擾區域，直到所有個體單元都滿足環境約束條件；

(c.3)對種群中每個個體進行性能約束條件判斷，如果群體中存在不滿足性能約束條件的個體，執行步驟(c.4)-(c.6)；如果所有個體都滿足性能約束條件，則執行步驟(c.7)；

(c.4)隨機產生[0,2π]上均勻分布的隨機數θ和[d_min,d_max]上均勻分布隨機數k；

(c.5)對不滿足性能約束條件的個體，以個體中某個單元坐標(x₁,y₁)為基準，相鄰單元的位置調整為(x₂,y₂)＝(x₁,y₁)+k(cosθ,sinθ)；

(c.6)對修正后的個體單元進行環境約束條件判斷，如果不滿足，則返回執行步驟(c.3)；直到所有的個體都滿足環境約束條件，則執行步驟(c.7)；

(c.7)輸出修正后的種群；

(d)確定覆蓋適應度和規劃站點覆蓋，具體包括：

假設系統由N部所述監視臺站(D₁D₂...D_N)組成，航路覆蓋區為S_h，終端區S_z，M為高度層數，S_ij為監視臺站i在第j高度層的所述信號覆蓋區域，ω_j為加權系數，ω_j取決于對各個高度層的關心程度，取值在[0，1]上，組網覆蓋性能達到最優要求滿足以下兩個條件：

管制區覆蓋范圍最大化

設置覆蓋系數ρ，取值范圍為[0,1]，計算如下：

其中S_g為管制空域面積，包括終端區S_z和航路覆蓋區S_h；

不同管制空域覆蓋層數要求

設置冗余系數μ，取值[0，1]，μ_z為終端區覆蓋冗余系數，μ_h為航路覆蓋冗余系數，計算如下：

μ＝μ_z+μ_h公式7

其中為覆蓋冗余因子；

設置f＝k₁ρ+k₂μ公式8

其中k₁，k₂，是權重系數，表示終端區覆蓋與航路覆蓋的重要程度；

具體覆蓋適應度計算操作過程如下：

(d.1)令當前迭代次數為t，第一次初始化t＝1，t<T；

(d.2)根據候選站點設備類型，分別計算Q個群體方案中所有候選站點在指定的地理位置上的信號覆蓋：

(d.3)判定實際覆蓋搜索控制，如果該參數為TRUE，執行步驟(d.4)；否則執行步驟(d.5)；

(d.4)如果已知覆蓋條件的現有臺站個數為N₁，規劃臺站數配置值為N₂，則設置公式5中的設備個數為N＝N₁+N₂；

(d.5)如果沒有現有臺站參與規劃，則設置N＝N₂；

(d.6)判定覆蓋目標模型參數配置，確定此次規劃是正對終端區、航路或二者，如果正對終端區，則執行步驟(d.7)；如果正對航路，則執行步驟(d.8)；如果正對二者，則執行步驟(d.9)；

(d.7)結合公式4～8，令管制空域面積S_g＝S_z，μ_h＝0，μ＝μ_z；

(d.8)結合公式4～8，令管制空域面積S_g＝S_h，μ_z＝0，μ＝μ_h；

(d.9)結合公式4～8，令管制空域面積S_g＝S_z∪S_h，μ＝μ_z+μ_h；

(d.10)以i＝0，循環計算群體方案Q個個體的適應度F_i＝f_i＝k₁ρ_i+k₂μ_i；其中當N_zc>＝N，冗余系數公式5和6中的冗余因子為0，N_zc為終端區域要求覆蓋重數；

其中，方案中單個候選站點信號覆蓋計算方法如下：

(1)利用DEM高程數據獲取候選點Pt所在位置的高程值；

(2)計算候選點Pt的天線海拔高度＝高程值+塔臺限制高度；

(3)根據當前配置的設備類型，利用該設備類型歸一化方向函數計算該候選站點在指定高度上的信號覆蓋；

(e)終止判斷，具體包括：

當遺傳代數大于設定值T或群體適應度平均值變化小于門限β時，則終止搜索，操作如下：

設全局變量F_avg為群體適應度平均值，F_cavg為當前群體適應度平均值，計算

(e.1)判斷當前迭代數t，當t＝1時，F_avg＝F_cavg，執行第f步；否則執行步驟(e.2)；

(e.2)當t<T且F_avg-F_cavg<＝β，或t＝T時，終止迭代，輸出最優方案；否則執行第f步；

(f)存儲最佳個體，具體包括：

(f.1)對群體的所有個體按適應度大小進行降序排序；

(f.2)如果當前迭代數t＝1時，令全局變量ColonyGroup表示迄今為止的適應度最高最好個體，大小為G·Q；否則通過適應度將ColonyGroup數組中最優個體與當前群體中的G·Q個適應度最高的個體進行比較，將適應度最高的G·Q個個體保存到ColonyGroup數組中，其中G為最優個體保存率；

(f.3)將迄今為止的ColonyGroup數組中最好的個體替換當前群體中G·Q個適應度最差的個體；

(f.4)重新按照適應度對群體個體排序；

(f.5)計算當前群體中每個個體適應度概率各個個體分配到的概率作為其能夠被遺傳到下一代的概率，基于這些概率值用比例選擇的方法產生下一代群體；

(g)選擇交叉變異；

執行經典遺傳算法產生下一代新個體，包括：

(g.1)選擇：從當前群體中按照一定的概率選出優良的個體，使它們有機會作為父代繁殖下一代子孫形成新群體，新群體個體個數為Q；

(g.2)交叉：將選擇得到的新群體個體進行兩兩相互配對，配對的染色體依據交叉概率Pc按照某種方式交互其部分基因，從而形成兩個新的個體，將新個體保存到新的群體中；

(g.3)變異：針對新群體個體通過一個變異率(p_n)改變染色體位串上的一個或多個基因，將變異后的個體添入新群體中；

(g.4)分別將新群體中的Q個個體染色體進行解碼，將解碼后的地理坐標數組賦給Pts；

(g.5)至此一次站點優化布網分析結束，t＝t+1，進入第(c)步，執行多約束條件判定。