申请/专利权人：北京中科飞鸿科技股份有限公司

申请日：2024-01-18

公开（公告）日：2024-04-26

公开（公告）号：CN117591889B

主分类号：G06F18/214

分类号：G06F18/214;G06F17/13;G06N3/006;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2024.03.12#实质审查的生效;2024.02.23#公开

摘要：本发明涉及一种基于神经网络的探测队形优化方法，属于目标探测技术领域，解决了现有单人手持光电探测设备探测误差较大的问题。本发明技术方案主要包括：S1、构建训练数据集，训练样本包括：多个光电探测设备的位置关系，以及通过多个光电探测设备的状态测量值基于扩展卡尔曼滤波算法获得的目标状态估计误差值；S2、将训练样本输入神经网络模型进行训练以获得测量误差估计模型；S3、获取多个光电探测设备之间的位置关系并输入测量误差估计模型；S4、根据樽海鞘优化算法对多个光电探测设备之间的位置关系进行迭代优化；S5、重复步骤S3‑S4直到使得目标状态估计误差小于预设阈值，输出对应的位置关系作为探测队形。

主权项：1.一种基于神经网络的探测队形优化方法，其特征在于，包括：S1、构建训练数据集，所述训练数据集中的每个训练样本包括：多个光电探测设备的位置关系，以及通过多个光电探测设备的状态测量值基于扩展卡尔曼滤波算法获得的目标状态估计误差值；S2、将所述训练样本输入神经网络模型进行训练以获得测量误差估计模型；S3、获取多个光电探测设备之间的位置关系并输入所述测量误差估计模型，以获得对应的目标状态估计误差；S4、根据樽海鞘优化算法对多个光电探测设备之间的位置关系进行迭代优化；S5、重复步骤S3-S4直到使得目标状态估计误差小于预设阈值，输出对应的位置关系作为探测队形；步骤S1中，通过多个光电探测设备的状态测量值基于扩展卡尔曼滤波算法获得的目标状态估计误差值，包括：S11、通过多个光电探测设备分别获取对于探测目标的状态测量值；S12、基于多个所述光电探测设备各自的所述状态测量值和噪声因子，通过扩展卡尔曼滤波算法获得探测目标的状态估计值；S13、通过状态估计值和状态真实值确定目标状态估计误差；光电探测设备包括便携式光电探测设备；所述状态测量值包括探测目标的位置测量值和速度测量值，状态测量值表示为：Xt=[xt，vt]T其中，表示状态测量值，xt表示位置测量值，vt表示速度测量值；步骤S12中，基于多个所述光电探测设备各自的所述状态测量值和噪声因子，通过扩展卡尔曼滤波算法获得探测目标的状态估计值，包括：S121、根据牛顿定律确定探测目标的状态微分方程，状态微分方程表示为： ；其中，表示状态测量值的微分，表示状态测量值，xt表示位置测量值，vt表示速度测量值，表示噪声因子；S122、基于状态微分方程获得状态方程；S123、通过扩展卡尔曼滤波算法根据多个光电探测设备对应的状态方程获得状态估计值；噪声因子为服从均值为零、方差为σ2的高斯白噪声，高斯白噪声满足的条件包括： ；其中，表示高斯白噪声，E[•]表示变量的数学期望，q为wt协方差的大小，τ为另一时刻；δt-τ为狄拉克函数，表示为： ；步骤S122中，基于状态微分方程获得状态方程的过程包括：获取状态微分方程表示为： ；其中，表示状态测量值的微分，表示状态测量值，xt表示位置测量值，vt表示速度测量值，表示噪声因子；记；对状态微分方程进行离散化，得到其通解表示为： ；其中，为初始时刻，取=kD且t=k+1D，其中D为采样间隔，k为滤波步骤，k=1,2,…；在时间间隔[kD,k+1D]内认为噪声因子wt保持不变，则上式通解表示变为： ；经过积分后得到的状态方程表示为： ；其中，是从第k步到第k+1步的状态转移矩阵，是对应的噪声矩阵，是单位矩阵。

全文数据：

权利要求：

百度查询： 北京中科飞鸿科技股份有限公司 一种基于神经网络的探测队形优化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD