[发明专利]一种基于神经网络模型的测向体制多目标定位方法和装置

权利要求书

1.一种基于神经网络模型的测向体制多目标定位方法，其中，所述方法包括：

采集多个目标点和观测平台的坐标信息；

通过样本生成算法将所述观测平台的坐标信息与所述多个目标点之间的几何空间渲染成样本图像空间，获得训练数据集；

根据语义分割网络模型对所述训练数据集进行建模，获得所述语义分割网络模型的预测结果；

根据所述预测结果获得所述多个目标点的数量和所述多个目标点的具体位置；

所述通过样本生成算法将所述观测平台的坐标信息与所述多个目标点之间的几何空间渲染成样本图像空间，获得训练数据集，包括：

所述样本生成算法函数为G_x(·)和G_y(·)，获得训练数据集Z：

Z＝G_x(x₁,β₁₁,…,β_1M,…,x_N,β_NM,…,β_N1)，

其中，生成的样本标签为Y＝G_y(t₁,…,t_M)；G_x(·)是样本图像空间的生成函数；G_y(·)是样本标签的生成函数；

所述根据语义分割网络模型对所述训练数据集进行建模，获得所述语义分割网络模型的预测结果，包括：

其中，F(·；·)为所述语义分割网络模型函数，则所述训练数据集Z在所述语义分割网络模型的预测结果可表示为：

其中为神经网络预测的结果，Θ为语义分割模型的权重参数。

2.如权利要求1所述的方法，其中，所述采集多个目标点和所述观测平台的坐标信息，包括：

在二维的定位空间中，所述二维空间坐标系以向右的水平方向为x轴正方向，以垂直于水平方向向上的方向为y轴正方向，获得所述观测平台的位置；

获得区间内所有目标点的测向角信息。

3.如权利要求1所述的方法，其中，所述根据所述预测结果获得所述多个目标点的数量和所述多个目标点的具体位置，包括：

通过灰度重心法获得区域中心坐标；

根据区域中心坐标，获得所述目标点的数量和所述多个目标点的具体位置，计算所述区域中心坐标的公式如下：

其中，f(v)是坐标为v的像素点的灰度值，Ω是目标区域集合，u是区域中心坐标。

4.如权利要求1所述的方法，其中，所述样本生成算法G_x(·)包括：

多通道输入方式得到训练数据集Z_A，

单通道输入方式得到训练数据集Z_B：

其中，α_B为归一化系数，G_x(x_n,β_nm)表示由参考点x_n和测向角信息β_nm生成的样本图像空间。

5.如权利要求1所述的方法，其中，所述样本生成算法G_y(·)包括：

圆形作为输出方式得到训练数据集Y_C：

矩形作为输出方式得到训练数据集Y_D：

其中，Δ为默认的超参数；t_m为目标点，v为坐标点。