一种深度学习驱动的定位阵型与模式智能优选方法

本发明公开了一种深度学习驱动的定位阵型与模式智能优选方法，旨在解决空基平台集群无源定位中阵型与定位模式的动态优化问题。该方法通过仿真环境和空基平台无源定位数学模型生成含各类误差的仿真数据集，结合基于几何精度因子GDOP的误差传递模型，得到理论最优的定位阵型与模式组合，构建成预训练数据集。随后设计基于特征金字塔结构的深度卷积网络，输入包括：空基平台的导航参数、观测量和观测误差，预测最优定位模式置信度、空基平台节点置信度及几何精度因子的估计值。最终，采用模型压缩策略提升模型实时性与边缘部署能力。本发明具备快速响应、自适应优化、高定位精度等优点，特别适用于资源受限条件下的空基平台协同定位任务。