[发明专利]一种基于神经网络的双路回声目标定位方法、设备及存储介质

说明书

本发明涉及一种基于神经网络的双路回声目标定位方法、设备及存储介质，包括步骤如下：(1)采集不同角度双路回声数据；(2)制作双路回声数据集，并分为训练集、验证集和测试集；(3)利用PyTorch搭建神经网络模型，使用步骤(2)得到的训练集对该神经网络模型进行训练；(4)将测试集输入训练好的神经网络模型进行测试，检验神经网络的泛化能力和模型的准确率。本发明利用双路回声数据进行目标定位，大大减少了目标定位的成本和时间，提高了目标定位的效率。

技术领域

本发明涉及一种基于神经网络的双路回声目标定位方法、设备及存储介质，属于人工智能技术领域。

背景技术

近年来，随着科技的进步，回声定位技术获得了广泛的关注。目前在回声数据目标定位方面，现有技术采用多路(大于两路)回声数据处理，同时使用传统的信号处理技术，计算过程复杂，而且由于需要进行多路回声数据处理，增加了目标定位计算的时间，影响了目标定位的效率。

现在人工智能发展迅速，特别是深度学习、神经网络的应用促进了很多领域的发展，双路回声数据的目标定位这一问题如果也利用神经网络技术来解决无疑会促进回声定位技术的发展，大大提高目标定位的效率，减少技术的成本。

现在技术中采用神经网络进行回声定位的方法缺乏具体的网络结构，且采用的网络结构比较传统单一，在进行实际的双路回声数据目标定位时，存在训练困难和识别不准确的问题。

发明内容

针对现有技术的不足，本发明提供一种基于神经网络的双路回声目标定位方法；

本发明还提供了一种计算机设备和存储介质。

术语解释

1、超声波脉冲发射器：超声波脉冲发射器可以用来实现超声波的发射，遇到障碍物的时候超声波就会进行反射，本发明发射信号频率范围为5～20kHz。

2、双路超声波脉冲接收器：由两路组成的超声波脉冲接受器，分为左路和右路，能够同时采集由目标反射而来的超声波反射信号，双路接收器的使用能够更好的进行目标定位，本发明中接收器系统采样率大于50kHz，反射信号的频带宽度与发射信号相同。

3、神经网络：人工神经网络(Artificial Neural Networks，简写为ANNs)也简称为神经网络(NNs)或称作连接模型(Connection Model)，它是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。

4、PyTorch：PyTorch是一个开源的Python机器学习库，基于Torch，底层由C++实现，应用于人工智能领域，如计算机视觉、自然语言处理，PyTorch是由Facebook的人工智能研究团队开发。

5、BatchNormalization：批归一化，简称BatchNorm或BN，是神经网络中一种特殊的层，数据经过该层后可以加快梯度下降的求解速度，它使得可以使用更大的学习率更稳定地进行梯度传播，增加了网络的泛化能力。

6、ReLU：线性整流函数(Rectified Linear Unit,ReLU)，又称修正线性单元，是一种人工神经网络中常用的激活函数(activation function)。

7、学习率：在神经网络相关训练中，学习速率作为一个超参数控制了权重更新的幅度，以及训练的速度和精度。

本发明的技术方案如下：

一种基于神经网络的双路回声目标定位方法，包括步骤如下：

(1)采集不同角度双路回声数据，双路回声数据是指利用双路超声波脉冲接收器获取的左路超声波反射信号和右路超声波反射信号；

(2)对步骤(1)采集的不同角度双路回声数据预处理后制作双路回声数据集，并分为训练集、验证集和测试集；