一种基于域对抗学习的UWB非视距多分类识别方法及系统

本发明公开了一种基于域对抗学习的UWB非视距多分类识别方法及系统，其通过采集多个非视距场景下的源域环境和目标域环境CIR数据，并提取用于区分相似非视距场景的第一特征，将其共同用于对模型进行对抗训练，使得模型中的域分类器无法判断CIR数据来自于源域环境或者目标域环境、而标签预测器可以准确判断出源域环境CIR数据的非视距场景类型，实现了跨场景UWB定位网络中的非视距信号多分类识别，无论应用场景如何变化或者源域环境和目标域环境之间存在差异，仍可准确地识别出非视距信号类型，提高了模型的鲁棒性，并且结合第一特征可以准确地辨别出具有相似特征的非视距场景，提高了非视距多分类识别结果的准确性。