[发明专利]介入装置的定位设备、方法及计算机设备、可读存储介质

权利要求书

1.一种介入装置的定位设备，其特征在于，所述介入装置包括学习器具和应用器具，所述学习器具和所述应用器具适于置入目标对象的目标区域内；

所述定位设备包括：磁场发生单元、激励控制单元、数据采集单元和处理器单元；

所述磁场发生单元，用于产生穿过所述目标区域的磁场；

所述激励控制单元，用于通过对所述目标对象表面上设置的至少三个电极贴片施加激励，从而实现在所述目标对象内施加N轴电场，N≥3；

所述数据采集单元，用于在训练阶段，同步采集所述学习器具上的第一位点的磁场强度信息、在所有激励状态下所述学习器具上的第二位点相对于一参考位置的电压信息；以及，在定位阶段，同步采集在所有激励状态下应用器具上的第三位点相对于所述参考位置的电压信息；

所述处理器单元，用于在训练阶段，在每个采样时刻下，根据所述第一位点的空间位置和方向信息以及所述第一位点与所述第二位点的空间距离计算所述第二位点的空间位置信息，将不同激励状态下所述第二位点相对于所述参考位置的电压信息与所述第二位点的空间位置信息组成第一类V-P数据对，用以对一神经网络模型进行训练，得到用于描述电压-位置之间映射关系的初始VP模型，其中，所述第一位点的空间位置和方向信息根据所述第一位点的磁场强度信息计算得到；以及，在定位阶段，在每个采样时刻下，根据不同激励状态下所述第三位点相对于所述参考位置的电压信息，利用所述初始VP模型计算得到所述第三位点的空间位置；

所述神经网络模型包含依次连接的一输入层、若干隐层和一输出层，所述输入层的神经元个数等于所述不同激励状态的数量，所述输出层的神经元个数等于3；

将所述第一类V-P数据对中的电压信息作为所述神经网络模型的输入，计算所述输出层预测的空间位置信息；根据所述第一类V-P数据对中的空间位置信息与所述输出层预测的空间位置信息，计算所述神经网络模型的目标函数值；根据所述目标函数值对所述神经网络模型的模型参数进行优化，直至满足预设的训练结束条件，得到所述初始VP模型。

2.如权利要求1所述的定位设备，其特征在于，所述应用器具上还包括第四位点和第五位点；

所述数据采集单元，还用于在定位阶段，同步采集所述第四位点的磁场强度信息、在所有激励状态下所述第五位点相对于所述参考位置的电压信息；

所述处理器单元，还用于在定位阶段，在每个采样时刻下，根据所述第四位点的空间位置和方向信息以及所述第四位点与所述第五位点的空间距离计算所述第五位点的空间位置信息，将不同激励状态下所述第五位点相对于所述参考位置的电压信息与所述第五位点的空间位置信息组成第二类V-P数据对，用以训练得到新的VP模型；其中，所述第四位点的空间位置和方向信息是根据所述第四位点的磁场强度信息计算得到的。

3.如权利要求2所述的定位设备，其特征在于，所述应用器具与所述学习器具为同一器具，所述第四位点与所述第一位点为同一位点，所述第五位点与所述第二位点为同一位点。

4.如权利要求2所述的定位设备，其特征在于，所述处理器单元，具体用于根据所述第二类V-P数据对更新所述初始VP模型，得到新的VP模型。

5.如权利要求2所述的定位设备，其特征在于，所述处理器单元，具体用于根据所述第二类V-P数据对对一神经网络模型进行训练，得到新的VP模型。

6.如权利要求5所述的定位设备，其特征在于，所述处理器单元，具体用于周期性地根据最近预设时长内的所述第二类V-P数据对对一神经网络模型进行训练，得到新的VP模型。

7.如权利要求1-3任一项所述的定位设备，其特征在于，所述处理器单元，还用于将不同激励状态下所述第三位点相对于所述参考位置的电压信息与所述第三位点的空间位置信息组成第三类V-P数据对，从所述第三类V-P数据对中筛选出有效数据对，并根据所述有效数据对更新所述初始VP模型，得到新的VP模型。

8.如权利要求1-6任一项所述的定位设备，其特征在于，所述神经网络模型选自误差反向传播神经网络、径向基函数神经网络、支持向量机神经网络中的一种。