基于多颗卫星的目标定位方法、装置、电子设备及介质制造方法及图纸

本公开涉及一种基于多颗卫星的目标定位方法、装置、电子设备及计算机可读介质。该方法包括：根据目标对象的定位请求获取多颗卫星对所述目标对象的多个测向定位数据集和所述多颗卫星的多个时频差数据，其中，测向定位数据集中包括多个周期的测向定位数据；根据所述多个测向定位数据集和多个时频差数据对机器学习模型进行训练，生成多星定位模型；将所述多个测向定位数据集输入所述多星定位模型以获取所述目标对象的精确位置。本公开涉及的基于多颗卫星的目标定位方法、装置、电子设备及计算机可读介质，对多颗卫星的定位长周期数据进行融合，充分挖掘同一目标多星长周期数据间的关联关系，实现决策性融合、提高目标定位精度。提高目标定位精度。提高目标定位精度。

【技术实现步骤摘要】
基于多颗卫星的目标定位方法、装置、电子设备及介质


[0001]本公开涉及计算机信息处理领域，具体而言，涉及一种基于多颗卫星的目标定位方法、装置、电子设备及计算机可读介质。

技术介绍

[0002]星载无源定位技术自诞生以来就受到广泛关注，随着现代卫星技术的发展，衍生出了单星测向定位、双星时差/频差定位等多种定位体制。但是，传统单一定位体制都难以突破自身局限。与此同时，卫星高程、轨道分布、TDOA、FDOA、探测系统误差、卫星运动速度等因素的影响，长周期观测所得到的海量数据都为提升多星定位精度带来了巨大的挑战。具体来讲可以分为以下几点：
[0003](1)随着星载定位系统种类和数量的不断增加，卫星对特定辐射源目标的持续观测可积累海量数据，这些数据中蕴涵了大量的目标信息。但是，卫星单一定位体制具有很大的局限性。因此，如何对多种定位体制的异构数据进行融合，发挥各个体制的优势，提升目标定位精度，是一个重要问题。
[0004](2)在卫星长周期侦察场景下，单星/多星对同一目标会产生长周期的海量异构数据.如何对长时间跨度的海量数据进行处理，挖本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多颗卫星的目标定位方法，其特征在于，包括：根据目标对象的定位请求获取多颗卫星对所述目标对象的多个测向定位数据集和所述多颗卫星的多个时频差数据，其中，测向定位数据集中包括多个周期的测向定位数据；根据所述多个测向定位数据集和多个时频差数据对机器学习模型进行训练，生成多星定位模型；将所述多个测向定位数据集输入所述多星定位模型以获取所述目标对象的精确位置。2.如权利要求1所述的方法，其特征在于，根据目标对象的定位请求获取多颗卫星对所述目标对象的多个测向定位数据集和所述多颗卫星的多个时频差数据之前，还包括：多颗卫星分别对所述目标对象进行多个周期的测量，生成所述多个测向定位数据集，所述测向定位数据集中的测向定位数据包括单颗卫星的坐标、所述目标对象的预估位置、所述单颗卫星和所述目标对象之间的方位角；根据所述多个卫星的测量坐标、测量速度、测量时差、测量频差、测量方向角、测量俯仰角及信号载频生成所述多个时频差数据。3.如权利要求1所述的方法，其特征在于，根据所述多个测向定位数据集和多个时频差数据对机器学习模型进行训练，生成多星定位模型，包括：对所述多个测向定位数据集和多个时频差数据进行归一化处理，生成归一化数据；通过多个线性回归模型对所述归一化数据进行特征融合生成特征融合数据；利用所述特征融合数据对元学习器进行训练以生成所述多星定位模型。4.如权利要求3所述的方法，其特征在于，对所述多个测向定位数据集和多个时频差数据进行归一化处理，生成归一化数据，包括：基于四分位法对多个测向定位数据集和多个时频差数据进行归一化处理，生成所述归一化数据。5.如权利要求3所述的方法，其特征在于，通过多个线性回归模型对所述归一化数据进行特征融合生成特征融合数据，包括：将所述归一化数据输入多个基学习器；所述多个基学习器中的每个基学习器均基于所述归一化数据进行多折交叉训练；将训练结果进行拼接生成所述特征融合数据。6.如权利要求5所述的方法，其特征在于，所...

【专利技术属性】
技术研发人员：李修建，董洛兵，衣文军，王平，朱梦均，何新，王献青，强仕，吉元昊，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：