[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

说明书

本发明提供了一种基于神经网络模型的测向体制多目标定位方法及装置，涉及AOA定位领域，所述方法包括：采集多个目标点和所述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。解决在定位空间中，往往有多个目标点同时出现，现有技术中存在无法高效的确定目标点的数量和其具体的位置信息的技术问题。实现了有效的剔除虚假目标点、显著提高多目标定位性能的技术效果。

技术领域

本发明涉及定位技术领域，尤其涉及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。

背景技术

AOA定位是无源定位中基于测向角的定位技术，它主要是利用测向角信息来实现定位，其不需要发送方和接收方同步，具有隐蔽性高、抗干扰能力强、操作简单等优点。在无线传感器网络、室内定位等领域扮演着重要的角色。

由于定位场景中具有环境噪声，使得锚点获得来自目标点的测向角具有误差噪声，从而影响真实目标的定位性能。

但本申请发明人在实现本申请实施例中技术方案的过程中，发现上述现有技术至少存在如下技术问题：

在定位空间中，往往有多个目标点同时出现，现有技术中存在无法高效的确定目标点的数量和其具体的位置信息的技术问题。

发明内容

本发明实施例提供了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，用以解决在定位空间中，往往有多个目标点同时出现，现有技术中存在无法高效的确定目标点的数量和其具体的位置信息的技术问题。实现了有效的剔除虚假目标点、显著提高多目标定位性能的技术效果。

鉴于上述问题，提出了本申请实施例以便提供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。

第一方面，本发明提供了一种基于神经网络模型的测向体制多目标定位方法，所述方法包括：采集多个目标点和所述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。

进一步的，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。

进一步的，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。

进一步的，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。