[发明专利]一种面向测向目标定位的数据转换方法和装置

说明书

本发明提供了一种面向测向目标定位的数据转换方法和装置，涉及信号源定位技术领域，所述方法包括：获得观测平台的坐标位置；通过所述观测平台的传感器设备采集来自目标点的到达角信息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与所述目标点之间的几何关系转换为样本图像，获得训练数据集样本；通过现代卷积神经网络模型对所述训练数据集样本进行建模，获得目标点位置。解决了现有技术中由于不能有效学习定位环境中的误差，使得算法随着噪声水平的增加，定位性能急剧下降的技术问题。基于现代卷积神经网络模型，采用多种样本图像表示形式，实现了泛化能力强、有效学习定位环境中误差、显著提高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，尤其涉及一种面向测向目标定位的数据转换方法和装置。

背景技术

到达角定位是无源定位中基于测向角的定位技术，它主要是利用到达角信息来实现定位，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、室内定位领域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到达角具有误差噪声，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：

现有技术在进行到达角定位过程中，由于不能有效利用历史数据和学习定位环境中误差等缺点，使得定位算法随着噪声水平的增加，定位性能急剧下降的技术问题。

发明内容

本发明实施例提供了一种面向测向目标定位的数据转换方法和装置，用以解决现有技术在进行到达角定位过程中，由于不能有效利用历史数据和学习定位环境中误差等缺点，使得定位算法随着噪声水平的增加，定位性能急剧下降的技术问题。基于现代卷积神经网络模型，采用多种样本图像表示形式，实现了泛化能力强、有效学习定位环境中误差、显著提高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面向测向目标定位的数据转换方法和装置。

第一方面，本发明提供了一种面向测向目标定位的数据转换方法，所述方法包括：获得观测平台的坐标位置；通过所述观测平台的传感器设备采集来自目标点的到达角信息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与所述目标点之间的几何关系转换为样本图像，获得训练数据集样本；通过现代卷积神经网络模型对所述训练数据集样本进行建模，获得目标点位置。

优选的，所述通过所述观测平台的传感器设备采集来自目标点的到达角信息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，以向上的水平方向为y轴正方向；获得所述观测平台的坐标位置；通过所述观测平台的测角设备获得来自所述目标点的到达角信息。

优选的，通过样本生成算法将所述观测平台与所述目标点之间的几何关系转换为样本图像，获得训练数据集样本，包括：通过样本生成算法将采集得到的不同噪声水平下的测向角和目标点信息生成样本图像Z，所述目标点的坐标作为样本训练的标签t，获得训练数据集样本(Z,t)，

Z＝G(x₁,β₁,…,x_N,β_N)

其中，β表示到达角；

X表示参考点坐标；

G(·)表示将几何模式渲染为图像的过程；

Z为样本图像。

优选的，所述采用现代卷积神经网络模型对所述训练数据集样本进行建模，获得目标点位置，包括：根据样本图像Z获得所述目标点的位置：

其中，表示所述目标点位置的估计值，Θ表示所述现代卷积神经网络模型的参数。