【技术实现步骤摘要】
本专利技术涉及电网巡检，尤其涉及一种基于张量化长短期记忆网络的无人机定位方法及相关装置。
技术介绍
1、随着无人机技术的发展，无人机已经被应用于在电力巡检等方面，对无人机进行控制的前提是获取无人机的方位信息。近年来，随着深度学习领域快速发展，基于深度学习的doa(direction of arrival，目标方位角)估计方法得到了广泛的研究，保障了在低信噪比或阵元缺陷条件等恶劣条件下的算法稳定性。
2、然而，传统的基于深度学习的方法往往只采样了单次测向下的协方差矩阵作为网络的输入，该种输入量构建方法无法适用于电网中的无人机定位等需进行连续探测的场景。
技术实现思路
1、为了解决上述技术问题，本专利技术提供了一种基于张量化长短期记忆网络的无人机定位方法及相关装置。
2、第一方面，本专利技术提供了一种基于张量化长短期记忆网络的无人机定位方法，无人机的数量为k个，所述方法包括：
3、构建第k个无人机相对于接收阵列的方位角函数与俯仰角函数，k＝1，…，k，所述接...
【技术保护点】
1.一种基于张量化长短期记忆网络的无人机定位方法，其特征在于，无人机的数量为K个，所述方法包括：
2.如权利要求1所述的基于张量化长短期记忆网络的无人机定位方法，其特征在于，所述方位角函数为：
3.如权利要求1所述的基于张量化长短期记忆网络的无人机定位方法，其特征在于，三维张量的表达式如下：
4.如权利要求3所述的基于张量化长短期记忆网络的无人机定位方法，其特征在于，所述基于三维张量构建第t次探测时的网络输入函数包括：
5.如权利要求4所述的基于张量化长短期记忆网络的无人机定位方法，其特征在于，
6.如权利要...
【技术特征摘要】
1.一种基于张量化长短期记忆网络的无人机定位方法，其特征在于，无人机的数量为k个，所述方法包括：
2.如权利要求1所述的基于张量化长短期记忆网络的无人机定位方法，其特征在于，所述方位角函数为：
3.如权利要求1所述的基于张量化长短期记忆网络的无人机定位方法，其特征在于，三维张量的表达式如下：
4.如权利要求3所述的基于张量化长短期记忆网络的无人机定位方法，其特征在于，所述基于三维张量构建第t次探测时的网络输入函数包括：
5.如权利要求4所述的基于张量化长短期记忆网络的无人机定位方法，其特征在于，
6.如权利要求4所述的基于张量化长短期记忆网络的无人机定位方法...
【专利技术属性】
技术研发人员：刘瀚林，张磊，孙迪飞，陈宏文，魏赏辉，梁柏强，肖伟强，朱健明，刘启宏，温振兴，
申请(专利权)人：广东电网有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。