基于遺傳算法的TDOA應用仿真研究

劉寶生，王 孟

基于遺傳算法的TDOA應用仿真研究

劉寶生1，王 孟2

（1.國家無線電監測中心陜西監測站，西安 710200；2.國家無線電監測中心烏魯木齊監測站，烏魯木齊 830054）

遺傳算法從一組隨機產生的稱為“種群（Population）”的初始解開始搜索過程，它的思想廣泛的被計算機仿真中，其優點顯而易見，但是缺點也存在，如計算比較復雜，對非線性的問題不易解決。

遺傳算法；TDOA定位；計算機仿真

1 遺傳算法簡介

遺傳算法（Genetic Algorithm，GA）最先是由美國Mic-hgan大學的John Holland于1975年提出的，是模擬達爾文的遺傳選擇和自然淘汰的生物進化過程的計算模型。它的思想源于生物遺傳學和適者生存的自然規律，是具有“生存+檢測”的迭代過程的搜索算法。遺傳算法以一種群體中的所有個體為對象，并利用隨機化技術指導對一個被編碼的參數空間進行高效搜索。其中，選擇、交叉和變異構成了遺傳算法的遺傳操作。參數編碼、初始群體的設定、適應度函數的設計、遺傳操作設計、控制參數設定等5個要素組成了遺傳算法的核心內容。

遺傳算法是一種基于生物自然選擇與遺傳機理的隨機搜索算法[3]，與傳統搜索算法不同，遺傳算法從一組隨機產生的稱為“種群（Population）”的初始解開始搜索過程。種群中的每個個體是問題的一個解，稱為“染色體（chromosome）”，染色體是一串符號，比如一個二進制字符串，這些染色體在后續迭代中不斷進化，稱為遺傳。在每一代中用“適應度（fitness）”來測量染色體的好壞，生成的下一代染色體稱為后代（offspring）。后代是由前一代染色體通過交配（crossover）或者突變（mutation）運算形成的。

在新一代形成過程中，根據適度的大小選擇部分后代，淘汰部分后代。從而保持種群大小是常數。適應度高的染色體被選中的概率較高，這樣經過若干代之后，算法收斂于最好的染色體，它很可能就是問題的最優解或次優解。

2 遺傳算法的原理

使用遺傳算法在實際工作的運用中的流程：

（1）編碼：GA在進行搜索之前先將解空間的解數據表示遺傳空間的基因型串結構數據[2]，這些串結構數據的不同組合便構成了不同的點。

（2）初始群體的生成：隨機產生N個初始串結構數據，每個串結構數據稱為一個個體，N個個體構成了—個群體。GA以這N個串結構數據作為初始點開始迭代。

（3）適應度評估檢測：適應性函數表明個體或解的優劣性。對于不同的問題，適應性函數的定義方式也不同。

（4）選擇新種群：選擇的目的是為了從當前群體個選出優良的個體，使它們有機會作為父代為下一代繁殖子孫。遺傳算法通過選擇過程體現這一思想，進行選擇的原則是適應性強的個體為下一代貢獻一個或多個后代的概率大。選擇實現了達爾文的適者生存原則。

（5）交配：交配是遺傳算法中最主要的遺傳操作。通過交配可以得到新一代個體，新個體組合了其父輩個體的特性。

（6）突變：突變首先在群體中隨機選擇一個個體，對于選中的個體以一定的概率隨機地改變串結構數據中某個串的值。同生物界一樣，GA中變異發生的概率很低，通常取值在0.001～0.01之間。

3 遺傳算法在TDOA定位中的應用

在無源定位系統中，應用方位角、到達時間差以及多普勒[1]對目標定位中廣泛使用遺傳算法，特別是在TDOA定位中使用遺傳算法可以得到比較準確定位結果。

遺傳算法充分利用全局優化及局部優化的能力[4]，實現對目標的高精度估計。實現的步驟如下按照遺傳算法的原理進行：

（1）編碼，在定位算法中使用浮點，個體直接用目標的狀態量表示，即為：x=i=[i1,i2,i3,i4]。

（2）遺傳選擇，選擇操作采用比例適應度的方法。由個體評估值在整個物種群中的估計出個體的適應值。

（3）遺傳變異，隨機選擇兩個地N代的個體按照線性關系進行組合，產出新個體。新個體為：i'1n=(1-r1)×i1n+r2×i2n，i'2n=(1-r2)×i1n+r2×i2n，其中，r1,r2是[0,1]的隨機矢量；i'1n，i'2n為第N代交叉產生的新個體。

（4）查分變是由異8是由第N代個體i'2n變異產生的i"1n。

（5）差分交叉是按照交叉的策略交換新舊個體部分代碼，從而形成新個體i'"1n。

（6）差分選擇是將交叉的個體i'"1n與上一代或前幾代進行比較，選擇出適應度值高的作為下一代。

4 應用仿真

按照上一節流程使用遺傳算法[5]對TDOA進行定位，所用的仿真軟件為MATLAB6，計算機為LENOVOTHINKPAD，INTERCORE5，64位處理器進行仿真實驗，結果如圖1所示。

圖1 估計位置與真實位置

5 遺傳算法缺點

遺傳算法的編程實現比較復雜，首先需要對問題進行編碼，找到最優解之后還需要對問題進行解碼；另外三個算子的實現也有許多參數，如交叉率和變異率，并且這些參數的選擇嚴重影響解的品質，而目前這些參數的選擇大部分是依靠經驗；算法對初始種群的選擇有一定的依賴性，能夠結合一些啟發算法進行改進；算法的并行機制的潛在能力沒有得到充分的利用，這也是當前遺傳算法的一個研究熱點方向。

[1] 曹愛華，李萬春．基于遺傳算法的多普勒外輻射源定位算法的研究[J]．信號處理，2009,25(10)1644-1648

[2] 王孟，蔡明輝．基于新型改進遺傳算法下的數字信號特征值調制識別[J]．數字信號處理，2015

[3] 周明，孫樹棟．遺傳算法及應用[M]．北京：國防工業出版社，1999

[4] 張石磊，王志強．淺談遺傳算法的研究與改進[J]．中國學術期刊，2004.6

[5] 曹道友．基于改進遺傳算法的應用研究[D]．安徽大學，2010.4

凌力爾特推出DC/DC轉換器LT3932

近日，凌力爾特公司(Linear Technology Corporation)推出單片、同步、降壓型DC/DC轉換器LT3932，該器件具內部36V、2A電源開關和一個內部PWM發生器。其固定頻率、峰值電流模式控制能針對高達2A的LED串準確地調節電流在±1.5%內。

10.3969/J.ISSN.1672-7274.2017.07.020

TP391.9文獻標示碼：A

1672-7274（2017）07-0054-02