[发明专利]基于单颗卫星的目标定位方法、装置、电子设备及介质

权利要求书

1.一种基于单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单颗卫星对所述目标对象的多个周期的测向定位数据；

获取所述单颗卫星的样本数据；

根据所述样本数据和所述多个周期的测向定位数据对机器学习模型进行训练，生成单星定位模型；

将所述多个周期的测向定位数据输入所述单星定位模型以获取所述目标对象的精确位置；

根据所述样本数据和所述多个周期的测向定位数据对机器学习模型进行训练，生成单星定位模型，包括：

将所述样本数据作为源领域数据；

将所述多个周期的测向定位数据作为目标领域数据；

根据所述源领域数据和所述目标领域数据对机器学习模型中的基学习器、特征回归器、坐标回归器、领域判别器进行训练以生成所述单星定位模型；

根据所述源领域数据和所述目标领域数据对机器学习模型中的基学习器、特征回归器、坐标回归器、领域判别器进行训练以生成所述单星定位模型，包括：

将所述源领域数据和所述目标领域数据输入基学习器中生成拼接数据；

将所述拼接数据输入特征回归器中生成数据回归特征；

基于所述数据回归特征更新特征回归器和领域判别器的对抗学习参数；

坐标回归器根据所述源领域数据和所述目标领域数据的共享特征进行坐标预测和参数更新；

在坐标回归器的计算结果收敛时，根据当前参数生成所述单星定位模型。

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单颗卫星对所述目标对象的多个周期的测向定位数据之前，还包括：

单颗卫星对所述目标对象进行多个周期的测量，生成所述多个周期的测向定位数据，所述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。

3.如权利要求1所述的方法，其特征在于，获取所述单颗卫星的样本数据之前，还包括：

基于单颗卫星对预设目标对象的测量生成所述样本数据，所述样本数据包括预设目标对象的精确位置和其对应的多个周期的测向定位数据。

4.如权利要求1所述的方法，其特征在于，将所述源领域数据和所述目标领域数据输入基学习器中生成拼接数据，包括：

将所述源领域数据和所述目标领域数据输入基学习器中进行切片拼接和特征归一化处理以生成所述拼接数据。

5.如权利要求1所述的方法，其特征在于，将所述拼接数据输入特征回归器中生成数据回归特征，包括：

根据所述源领域数据生成训练集和预测集；

根据所述目标领域数据生成测试集；

基于所述训练集、所述预测集和所述测试集对多种回归模型进行交叉训练以获取所述数据回归特征。

6.如权利要求1所述的方法，其特征在于，基于所述数据回归特征更新特征回归器和领域判别器的对抗学习参数，包括：

将所述数据回归特征输入特征回归器和领域判别器；

特征回归器和领域判别器进行对抗学习；

在对抗学习期间基于损失函数的数值更新所述对抗学习参数。

7.如权利要求1所述的方法，其特征在于，坐标回归器根据所述源领域数据和所述目标领域数据的共享特征进行坐标预测和参数更新，包括：

坐标回归器根据更新后的对抗学习参数获取所述源领域数据和所述目标领域数据的共享特征；

基于所述共享特征通过最小方值误差或最小绝对误差进行坐标预测和参数更新。

8.如权利要求1所述的方法，其特征在于，将所述多个周期的测向定位数据输入所述单星定位模型以获取所述目标对象的精确位置，包括：

基于多个回归模型对所述样本数据和所述多个周期的测向定位数据进行数据融合，生成特征融合数据；

基于所述特征融合数据提取所述样本数据和所述多个周期的测向定位数据中的共享特征；

基于所述共享特征确定所述目标对象的精确位置。