摘要
本发明提供一种多无人机协同目标定位方法、介质及装置,所述方法包括:无人机从区域中获取不同已知辐射源目标的位置作为BP神经网络的期望输出,并计算无人机与辐射源目标的到达距离差作为BP神经网络的输入,由此构建训练集;对训练集中的训练样本进行归一化,确定BP神经网络的拓扑结构;输入训练集并利用遗传算法的自适应性,优化BP神经网络的初始权重和阈值,得到最优权重和阈值;保存最优权重、阈值以及其他网络参数,获得GA‑BP网络模型,该GA‑BP网络模型能够对未知辐射源目标进行定位。本发明的GA‑BP网络模型定位精度对站址误差的依赖性很小,并在不同的距离噪声标准差下,提高了目标定位的精度,且算法的定位耗时少。
技术关键词
BP网络模型
定位方法
辐射源
多无人机协同
优化BP神经网络
构建训练集
计算机终端
遗传算法
节点数
染色体
代表
处理器通信
指令
编码
误差
系统为您推荐了相关专利信息
缺陷自动识别
变电站设备
定位方法
异构传感器网络
多任务深度学习模型
软件故障诊断方法
元启发算法
循环神经网络算法
故障定位方法
粒子群优化算法
消防栓接口
视觉伺服控制方法
坐标系
识别定位方法
消防水带
开关设备故障
故障定位分析
融合特征
支持向量机模型
时域特征提取
噪声特征
融合特征
多尺度特征融合
多尺度语义特征
损失函数优化