[发明专利]一种基于神经网络的磁电结合定位追踪方法及装置

权利要求书

1.一种基于神经网络的磁电结合定位追踪方法，其特征在于，步骤包括：

S1：实时采集数据，所述数据包括训练样本和待测样本，所述训练样本包括电场阻抗值和对应的磁场坐标，所述待测样本包括电场阻抗值；

S2：将所述训练样本进行归一化处理，建立训练数据集，将所述待测样本进行归一化处理，得到归一化待测样本；

S3：提取预存的第一神经网络模型，将所述训练数据集输入所述第一神经网络模型，训练得到第二神经网络模型，将所述归一化待测样本输入所述第一神经网络模型，得到初步预测结果；

S4：用第二神经网络模型替换预存的第一神经网络模型，保存第二神经网络模型，将初步预测结果进行反归一化处理，得到待测样本对应的电极空间坐标。

2.如权利要求1所述一种基于神经网络的磁电结合定位追踪方法，其特征在于，将所述训练样本进行归一化处理，建立训练数据集是指：

S11：将所述训练样本进行归一化处理，构建归一化训练样本，保存归一化参数矩阵A；

S12：将所述归一化训练样本存入训练数据集；

S13：判断训练数据集样本数量及范围是否达到设定阈值，没有达到设定阈值，返回S11，达到设定阈值，完成训练数据集的建立。

3.如权利要求2所述一种基于神经网络的磁电结合定位追踪方法，其特征在于，所述反归一化处理采用的归一化参数矩阵为所述归一化参数矩阵A。

4.如权利要求1所述一种基于神经网络的磁电结合定位追踪方法，其特征在于，所述第一神经网络模型和所述第二神经网络模型均为三层结构，包括输入层、隐藏层和输出层，所述输入层包括m个输入单元和1个偏置项，所述隐藏层包括N个隐藏单元及1个偏置项，所述输出层包括n个输出单元。

5.如权利要求4所述一种基于神经网络的磁电结合定位追踪方法，其特征在于，所述第一神经网络模型和所述第二神经网络模型具有神经网络模型参数，所述神经网络模型参数包括输入层到隐藏层参数和隐藏层到输出层参数，所述输入层到隐藏层参数为m×N矩阵，所述隐藏层到输出层参数为N×n矩阵。

6.如权利要求4或5任一所述一种基于神经网络的磁电结合定位追踪方法，其特征在于，所述隐藏单元的激活函数为：

其中，z为隐藏单元输入，e为自然常数。

7.如权利要求1所述一种基于神经网络的磁电结合定位追踪方法，其特征在于，将所述训练数据集输入所述第一神经网络模型，训练得到第二神经网络模型，具体步骤为：

S21：所述训练数据集输入所述第一神经网络模型，得到训练输出结果；

S22：计算所述训练输出结果与期望目标的均方误差值；

S23：将所述均方误差值与预设的阈值做比较，当均方误差值小于等于预设的阈值，训练得到第二神经网络模型；当均方误差值大于预设的阈值，返回步骤S1，继续进行模型训练。

8.如权利要求7所述一种基于神经网络的磁电结合定位追踪方法，其特征在于，所述均方误差值的计算公式为：

其中，E(f；D)为均方误差值，m为所述训练数据集的样本个数，f(x)是神经网络函数，f(x_i)是电场阻抗x_i经过神经网络函数求得的预测结果，y_i是期望目标—即实时采集的电场阻抗x_i对应的磁场坐标。

9.一种基于神经网络的磁电结合定位追踪方法的装置，所述装置用于执行权利要求1-8任一所述一种基于神经网络的磁电结合定位追踪方法，控制单元控制激励发放装置按照激励源V1、激励源V2、激励源V3的顺序循环依次发放激励，导管上各电场阻抗采集器分别采集其到电极片之间的电场阻抗，电场阻抗经过放大器进行放大处理，同时所述控制单元控制磁场发生器开启与关闭，开启时，导管上的磁场信息采集器采集磁场坐标，其特征在于，还包括运算处理器，所述运算处理器用于存储所述磁场坐标和经过放大器放大处理后的电场阻抗，并完成训练样本归一化处理、建立训练数据集、完成待测样本的归一化处理、提取预存的第一神经网络模型、训练出第二神经网络模型、保存第二神经网络模型、计算初步预测结果、完成初步预测结果的反归一化处理。