[发明专利]一种基于神经网络的电磁场分布定位方法有效

专利信息
申请号: 202110197995.5 申请日: 2021-02-22
公开(公告)号: CN113075462B 公开(公告)日: 2022-05-17
发明(设计)人: 王红军;傅妤华;杜逸潇;程千顷;史英春;张硕;陈晶;李媛丽;安永旺;孟祥豪;段永胜;张坤峰;王昊;王军 申请(专利权)人: 中国人民解放军国防科技大学
主分类号: G01R29/08 分类号: G01R29/08;G06N3/04;G06N3/08
代理公司: 中国和平利用军工技术协会专利中心 11215 代理人: 刘光德
地址: 410073 湖*** 国省代码: 湖南;43
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 神经网络 电磁场 分布 定位 方法
【权利要求书】:

1.一种基于神经网络的电磁场分布定位方法,该定位方法用于主动电磁通信系统,所述的主动电磁通信系统包含多个具备收发功能的中继站点,这些中继站点能够和地面监控中心无线通信连接;其特征在于,所述的定位方法包括以下步骤:

步骤一、建立定位区域的电磁场分布数据库

步骤1.1,在定位区域中部署多个数据采样点,相邻数据采集点之间的距离根据待定位区域中的电磁环境、中继站点和数据采集点的有效电磁场的覆盖半径共同确定;每个数据采集点均具有信号收发功能,能够持续发送所收集的电磁信号给地面监控中心;

步骤1.2,各数据采集点对所述的待定位区域中电磁信号执行数据采集,将所采集的数据发送到地面监控中心执行预处理;

步骤1.3,地面监控中心处理接收来自多个数据采样点定位区域的采样数据;

步骤1.4,重复步骤1.2-1.3,对样本电磁信号数据进行多次采样,并由所述地面监控中心接收所述采样数据,形成多点电磁信号分布场;

步骤1.5,构建定位神经网络,所述定位神经网络包括卷积神经网络和GRNN神经网络;

步骤1.6,地面监控中心对回传的电磁场数据执行预处理、小波变换和图像化,在转换后得到的图像数据之间进行线性插值,利用得到的二维图像对所构建的定位神经网络中的卷积层神经网络进行训练和初步特征提取,再利用GRNN神经网络进一步提取基于位置基因的特征,并构造一个基于位置基因的数据库;

步骤二、根据电磁信号数据进行在线定位

步骤2.1、待定位人员携带的采用电磁场检测终端先对所在位置的电磁场进行采集,把采集的电磁场数据回传到地面监控中心,

步骤2.2、地面监控中心对所述的回传的电磁场数据执行预处理、小波变换和图像化,在转换后得到的图像数据之间进行线性插值,将图像数据输入训练好的定位神经网络模型,经过所述定位神经网络模型返回得到输出的与数据库中最接近的电磁信号位置基因信息,根据该位置基因信息确定该待定位人员所在位置,将位置信息发送给待定位人员。

2.如权利要求1所述的定位方法,其特征在于:所述的数据采集点采用二维布置,数据采集点的数量兼顾电磁信号数据采样点的均匀布置和采集工作量、数据处理量的大小,以满足定位精度要求均衡考虑数据采集点的设置。

3.如权利要求1所述的定位方法,其特征在于,步骤1.2所述的数据预处理包括由地面监控中心对存储的电磁信号数据进行高斯滤波、然后利用小波变换提取电磁信号的时频特征并转换为图像,并按神经网络输入图像要求进行存储。

4.如权利要求3所述的定位方法,其特征在于,在步骤1.2所述的数据预处理中的小波变换中采用高频性能好的Morlet小波对所采集的电磁信号进行卷积,卷积求得到电磁信号随时间变化的时频特征图:

其中x(t)为采集的电磁信号;

i为复数表示形式,t为时间,f为频率;

σf为Morlet小波的比率,时频特征图进行分割后可对应得到矩阵形式Ym,n作为神经网络的输入;Ym,n中m和n分别取128。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国人民解放军国防科技大学,未经中国人民解放军国防科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110197995.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top