基于MagTrack-CNN的磁性目标运动轨迹实时定位跟踪方法

摘要

磁性物体在磁场中产生的扰动信号为目标定位与跟踪提供了非接触式、无源的技术手段。传统基于物理建模的磁矢量定位方法在复杂环境中面临精度下降和鲁棒性不足的挑战。本文提出了一种磁异常跟踪卷积神经网络(MagTrack-CNN),旨在解决磁性物体的高精度空间动态定位。该方法采用双层磁矢量数据观测架构，通过垂直梯度信息增强深度方向的定位敏感性，设计了双分支独立预测网络结构，避免各维度间的梯度竞争；构建了多尺度特征提取框架，有效捕获不同空间尺度的磁异常模式。稳定磁场区域内、单个均匀磁化目标定位场景下的实验结果表明，MagTrack-CNN在测试集上实现了1.98 cm的整体定位精度以及良好的z轴定位效果。实验针对不同运动轨迹类型的测试均实现了有效的定位跟踪。同时，噪声敏感性实验表明，在0.5%～3.0%的测量噪声水平下，模型仍能保持较低误差(平均绝对误差由0.42 cm增至0.46 cm)。此外，该方法的单样本推理时间保持在2.3 ms以内，展示了良好的应用前景。

关键词

磁目标定位 / 卷积神经网络 / 多尺度特征 / 轨迹跟踪