[0001] 本发明涉及水面立体协同导航方案设计技术领域，具体涉及一种水面立体协同导航方法及系统、电子设备。

[0002] 电磁波传播不需要介质，因此在没有介质的情况下也能传播。然而，水对电磁波的吸收和衰减作用较强，尤其是高频电磁波，如无线电波和微波，在水中传播时会受到较大的阻碍。尽管电磁波在水中传播效果不佳，但在某些特定应用中仍然有其用途。例如，鱼雷的导引系统依靠电磁波来实现与导弹之间的联系，尽管电磁波在水中传播效果有限，但通过特定的技术手段仍能实现目标定位。且电磁波的传输速度相较于声波传导，仍然具备极大的优势，但是，由于传输距离的增大，水对信号传输的影响同样会增大，难以通过阈值推算的方式对传输频率进行合理调制，因此，如何合理利用电磁波提高潜艇的自身定位的效率和精度，进而提高潜艇的导航系统的定位和导航效果，是现有技术中亟待解决的问题。‌[0003] 因此，现有技术还有待进一步发展。

[0017] 为了使本领域的人员更好地理解本发明的技术方案，下面结合本发明的附图，对本发明的技术方案进行清楚、完整的描述，基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的其它类同实施例，都应当属于本申请保护的范围。此外，以下实施例中提到的方向用词，例如“上”“下”“左”“右”等仅是参考附图的方向，因此，使用的方向用词是用来说明而非限制本发明创造。

[0018] 下面结合附图和较佳的实施例对本发明作进一步说明。

[0019] 请参阅图1，本发明提供一种水面立体协同导航方法，包括：S100、在水下潜标中设置GPS传感器，利用设置于水下潜标中的GPS传感器获取水下潜标在释放到水下前的GPS位置信息，将水下潜标释放到水中，利用水面平台上设置的声呐探测仪获取到潜艇的潜艇位置数据后，控制水面平台利用无线声波将要发送的潜艇位置数据帧发送至水下潜标，利用水下潜标按照预设电磁波频率向目标潜艇传输潜艇位置数据帧，所述潜艇位置数据帧中同时记载有该潜艇位置数据帧的发送时间；记录目标潜艇接收到该潜艇位置数据帧的时间戳，根据时间戳和发送时间计算该潜艇位置数据帧的传输时间，判断所述传输时间是否小于或等于第一预设阈值，若否，按照预设电磁波频率间隔增大下一个潜艇位置数据帧的电磁波频率，直至所述传输时间小于或等于第一预设阈值。

[0020] 这里需要说明的是，在步骤S100之前包括：在控制模块中预先设置第一预设阈值、预设电磁波频率间隔、第一预设数量、第一预设比例、第一预设轮次、第二预设轮次。

[0021] 可以理解的是，所述第一预设阈值、预设电磁波频率间隔、第一预设数量、第一预设比例、第一预设轮次、第二预设轮次可以根据本发明的用户的实际需要具体设置，本发明不对上述参数的具体数值做限制，上述参数的具体数值的设置并无规律，只要适用于本发明提出的水面立体协同导航方法即可。

[0022] 优选地，本发明将第一预设阈值设置为0.2秒，本发明将预设电磁波频率间隔设置为2Mhz，本发明将第一预设数量设置为2000，本发明将第一预设比例设置为8：2，本发明将第一预设轮次设置为40000次，本发明将第二预设轮次设置为300，上述设置能够进一步提高模型的性能以及模型训练的效率，很大程度上提高了本发明的水中电磁波通信频率自动调制模型预测的准确性和可靠性。

[0023] 具体的，所述利用水面平台上设置的声呐探测仪获取到潜艇的潜艇位置数据，包括：利用水面平台上设置的声呐探测仪按照预设时间间隔获取潜艇的潜艇位置数据，并按照预设时间间隔生成潜艇位置数据帧。

[0024] 具体的，所述方法还包括：若第一传输时间小于或等于第一预设阈值，计算此时初始GPS位置信息与目标潜艇的潜艇位置数据的距离，记录所述距离、电磁波频率，形成水中频率调制数据集合。

[0025] 可以理解的是，由于‌电磁波的频率越低，在水中的传输距离越远‌，这是因为低频率的电磁波在水中的衰减较小，能够传播更远的距离，本发明基于此，进行水中电磁波通信频率自动调制模型的设计与训练。

[0026] S200、计算此时水下潜标的GPS位置信息与目标潜艇的潜艇位置数据的距离，记录所述距离、电磁波频率，形成水中频率调制数据集合；采集第一预设数量的水中频率调制数据集合，将所采集的水中频率调制数据集合按照第一预设比例分为训练数据集和验证数据集；利用所采集的训练数据集训练水中电磁波通信频率自动调制模型，利用验证数据集对水中电磁波通信频率自动调制模型进行模型优化，优化模型参数，完成水中电磁波通信频率自动调制模型训练。

[0027] 具体的，所述利用所采集的训练数据集训练水中电磁波通信频率自动调制模型，利用验证数据集对水中电磁波通信频率自动调制模型进行模型优化，优化模型参数，完成水中电磁波通信频率自动调制模型训练，包括：将训练数据集分批次输入预设网络层中进行训练，所述预设网络层包括
Transformer网络层，所述Transformer网络层则用于根据当前次水中频率调制数据集合前向传播预测下一次的水中频率调制数据集合，进而获取预测的损失值；计算预设网络层的损失值并输入优化器进行优化，确定水中电磁波通信频率自动调制模型的参数梯度下降最快的方向；所述水中电磁波通信频率自动调制模型根据损失值和模型的参数梯度进行反向传播，优化水中电磁波通信频率自动调制模型的参数。

[0028] 可以理解的是，Transformer是一种基于自注意力机制的深度学习模型，由多头注意力机制和前馈神经网络组成，能够处理序列数据并捕捉长距离依赖关系，Transformer模型不包含传统的卷积层，而是通过注意力层来处理输入序列中的每个元素，Transformer的典型结构包括编码器和解码器，其中编码器由多个相同的层堆叠而成，解码器则在编码器的基础上增加了自注意力层来处理序列生成任务，本发明利用Transformer补充全局上下文信息，强化模型在特征提取和全局理解方面的能力，很大程度上提高了模型的性能，大大降低了计算成本。

[0029] 具体的，所述预设网络层还包括ResNet网络层，所述ResNet网络层用于根据所采集的水中频率调制数据集合对输出结果进行预测，所述预测结果包括预测电磁波频率。

[0030] 这里需要说明的是，ResNet是一种深度卷积神经网络，它通过引入残差连接来解决深层网络训练中的梯度消失问题，ResNet的核心组成部分是残差块，这些块通常包含两个或三个卷积层，以及一个跳跃连接，后者允许梯度直接绕过这些卷积层，ResNet的网络结构可以非常深，这些网络通过堆叠多个残差块来提取水中频率调制数据集合中的距离、电磁波频率的特征，并通过全局平均池化和全连接层对输出结果进行预测，所述预测结果包括预测电磁波频率。

[0031] 请参阅图3，本发明将ResNet网络层和Transformer网络层结合起来，ResNet擅长提取水中频率调制数据集合中的距离、电磁波频率的局部特征，而Transformer能够补充全局上下文信息，这种组合可以强化模型在特征提取和全局理解方面的能力，很大程度上提高了模型的性能，大大降低了计算成本。

[0032] 可以理解的是，所述ResNet网络层用于通过训练数据集和验证数据集中所采集的水中频率调制数据集合对输出结果进行预测，具体步骤为：（1）首先将训练数据集放入模型的Backbones网络层中，Backbone是指构成神经网络骨架的一系列卷积层，这些层的主要功能是提取输入数据的特征，Backbone网络通常由多个卷积层、池化层和激活函数组成，能够从原始数据中提取出有意义的特征表示，Backbones由多个Backbone组成，而Backbone中的核心网络层是Resnet网络层，数据集输入模型之后会将水中频率调制数据集合输入Backbones进行训练；
（2）在构建Backbone时加入了Resnet网络层，Resnet在训练数据集输入之后开始层层训练，训练提取出水中频率调制数据集合中的特征，辅助Transformer进行输出结果的预测，所述预测结果包括预测电磁波频率。

[0033] 具体的，所述利用所采集的训练数据集训练水中电磁波通信频率自动调制模型，利用验证数据集对水中电磁波通信频率自动调制模型进行模型优化，优化模型参数，完成水中电磁波通信频率自动调制模型训练，还包括：每次训练后将验证数据集分批次输入前一次训练的预设网络层中进行模型参数
验证，进行循环训练，总的训练轮次设置为第一预设轮次；记录所述预设网络层的损失值，判断损失值是否满足第一预设条件，并根据判断结果判断是否结束训练并输出模型参数。

[0034] 具体的，所述每次训练后将验证数据集分批次输入前一次训练的预设网络层中进行模型参数验证，进行循环训练，包括下列方法：当训练次数不够想要进行模型优化时，原本只能从头进行训练，因此本发明开发了一个基于原先已训练好的模型参数文件，继续进行下面训练的方法；
（1）提供自定义参数，可根据用户需求选择设定在任意一次训练参数的基础上继续训练；
（2）加载自定义模型文件的参数；
（3）将验证数据集放入自定义参数网络层进行验证，得到loss值并记录训练过程中最小的loss值对应的模型的模型参数；
（4）在这组模型参数的基础上进行前向传播训练和反向传播以及优化器优化参数，得到新的一组数据；
（5）将验证数据放入新数据网络层中进行推理得到loss值；
（6）进行循环训练，得到最佳模型，完成模型优化。

[0035] 可以理解的是，本发明采用的训练方法为分批次训练（batch training），是指每次更新模型参数时，只使用验证数据集中的一部分样本，称为一个批次（batch）。分批次训练的优点是可以减少内存消耗，加快训练速度，增加随机性，有利于模型的泛化。

[0036] 这里需要说明的是，本发明中，batch_size=4，所述batch_size是分的批次大小，例如batch_size=4时，即代表每次从验证数据集中选择四个水中频率调制数据集合放入模型中进行验证。

[0037] 具体的，所述判断损失值是否满足第一预设条件，并根据判断结果判断是否结束训练并输出模型参数，包括：若损失值满足第一预设条件，则结束训练并输出当前水中电磁波通信频率自动调制模型的参数；若损失值不满足第一预设条件，则继续进行训练；
所述第一预设条件为：在进行了第二预设轮次的训练后，下一轮次训练所得到的损失值均大于或者等于在进行第二预设轮次的训练过程中出现过的损失值。

[0038] 可以理解的是，本发明将循环训练的最大轮次优选为40000次，能够有效保证本发明模型预测的准确性，记录模型训练的损失值，本发明将第二预设轮次设置为300，即当训练的损失值在300轮训练内不再下降时，则将300轮次训练中损失值最小的轮次保存为最好的验证轮次的参数，生成最佳模型文件，上述设置使得训练轮次不再依靠人工判断，而是利用深度学习模型进行自动训练，提高了模型预测的准确性，并且在精度达到要求时，自动结束训练，极大的节约了训练时间，也可以有效防止过拟合，很大程度上提高了本发明的智能化程度和模型训练的效率。

[0039] 进一步的，本发明训练水中电磁波通信频率自动调制模型的具体过程如下：（1）获取水中电磁波通信频率自动调制模型前向传播过程中的潜在向量均值mu和对数方差logvar；
（2）计算代表训练效果的合理损失值loss：
计算散度：k1=‑0.5*（1+logvar‑mu^2‑（e^logvar））；
计算验证数据集中的水中频率调制数据集合和预测值之间的损失值loss：
loss=L1+k1*k1_weight；
其中，loss为损失值，k1为散度，k1_weight为k1所占的比重，取值为10，L1为预测值与真实值之间的绝对差值，L1的计算公式如下： ；
其中，A是pytorch中的L1损失，它计算的是两个张量之间的绝对差异的平均值或者总和；A形状为N*C*H*W，这表明它是一个四维张量，N代表样本数（Batch Size），表示有N个数据点，C代表通道数（Channels），H和W分别代表高度和宽度，这通常是输入特征的二维空间维度；P代表填充值，为布尔型，P形状为c*h*w*1，P的尺寸与A在通道、高度和宽度上的维度相同，但没有样本数N，这表示P是针对每个样本的某一特征图的掩码或者填充信息，P的布尔值可能是用来标记A中元素是填充的（True）还是有效的（False）。

[0040] （3）利用验证数据集进行当前模型网络验证时的loss值；（4）若本轮验证loss小于上一轮，则最佳模型参数替换为本次的训练模型；
（5）将轮次和损失值loss一一对应放入字典中；
（6）当前轮次的loss值和此轮前300轮次（提供了参数，可根据实际需求自行设置，默认为300）的loss值作比较，即遍历epoch‑300到epoch‑1的loss值（epoch是训练轮次，当epoch大于300时进行比较），若epoch当前轮次下的loss值均大于第（epoch‑300）到第（epoch‑1）的loss值，则停止训练。

[0041] （7）保存循环验证中的最佳模型参数为ckpt模型文件。

[0042] 具体的，所述判断损失值是否满足第一预设条件，并根据判断结果判断是否结束训练并输出模型参数，包括：若损失值满足第一预设条件，则结束训练并输出当前水中电磁波通信频率自动调制模型的参数；若损失值不满足第一预设条件，则继续进行训练。

[0043] 具体的，所述第一预设条件为：在进行了第二预设轮次的训练后，下一轮次训练所得到的损失值均大于或者等于在进行第二预设轮次的训练过程中出现过的损失值。

[0044] S300、当模型训练完成后，在利用水面平台上设置的声呐探测仪获取到目标潜艇的潜艇位置数据后，计算潜艇位置数据距离水下潜标的GPS位置信息的距离，将所述距离输入到水中电磁波通信频率自动调制模型中，按照模型输出的预测电磁波频率，控制该水下潜标通过电磁波与目标潜艇进行通信，进而使得目标潜艇获取潜艇位置数据，目标潜艇根据所获取的潜艇位置数据，进行导航路径规划。

[0045] 这里需要说明的是，本发明通过训练水中电磁波通信频率自动调制模型，当模型训练完成后，在利用水面平台上设置的声呐探测仪获取到目标潜艇的潜艇位置数据后，计算潜艇位置数据距离水下潜标的GPS位置信息的距离，将所述距离输入到水中电磁波通信频率自动调制模型中，按照模型输出的预测电磁波频率，控制该水下潜标通过电磁波与目标潜艇进行通信，进而使得目标潜艇获取潜艇位置数据，目标潜艇根据所获取的潜艇位置数据，进行导航路径规划。实现了水中电磁波通信频率的自动调制，有效克服了由于传输距离的增大、对信号传输的影响同样会增大、难以通过阈值推算的方式对传输频率进行合理调制的技术问题，实现了合理利用电磁波提高潜艇的自身定位的效率和精度，进而很大程度上提高潜艇的导航系统的定位和导航效果。

[0046] 请参阅图2，本发明提供了另一实施例，本实施例提供了一种水面立体协同导航系统，所述水面立体协同导航系统包括：获取模块100，用于利用设置于水下潜标中的GPS传感器获取水下潜标在释放到水下前的GPS位置信息；
控制模块200，用于在将水下潜标释放到水中，利用水面平台上设置的声呐探测仪获取到潜艇的潜艇位置数据后，控制水面平台利用无线声波将要发送的潜艇位置数据帧发送至水下潜标，利用水下潜标按照预设电磁波频率向目标潜艇传输潜艇位置数据帧，所述潜艇位置数据帧中同时记载有该潜艇位置数据帧的发送时间；记录目标潜艇接收到该潜艇位置数据帧的时间戳，根据时间戳和发送时间计算该潜艇位置数据帧的传输时间，判断所述传输时间是否小于或等于第一预设阈值，若否，按照预设电磁波频率间隔增大下一个潜艇位置数据帧的电磁波频率，直至所述传输时间小于或等于第一预设阈值；用于计算此时水下潜标的GPS位置信息与目标潜艇的潜艇位置数据的距离，记录所述距离、电磁波频率，形成水中频率调制数据集合；采集第一预设数量的水中频率调制数据集合，将所采集的水中频率调制数据集合按照第一预设比例分为训练数据集和验证数据集；利用所采集的训练数据集训练水中电磁波通信频率自动调制模型，利用验证数据集对水中电磁波通信频率自动调制模型进行模型优化，优化模型参数，完成水中电磁波通信频率自动调制模型训练；用于当模型训练完成后，在利用水面平台上设置的声呐探测仪获取到目标潜艇的潜艇位置数据后，计算潜艇位置数据距离水下潜标的GPS位置信息的距离，将所述距离输入到水中电磁波通信频率自动调制模型中，按照模型输出的预测电磁波频率，控制该水下潜标通过电磁波与目标潜艇进行通信，进而使得目标潜艇获取潜艇位置数据，目标潜艇根据所获取的潜艇位置数据，进行导航路径规划。

[0047] 可以理解的是，本发明通过训练水中电磁波通信频率自动调制模型，当模型训练完成后，在利用水面平台上设置的声呐探测仪获取到目标潜艇的潜艇位置数据后，计算潜艇位置数据距离水下潜标的GPS位置信息的距离，将所述距离输入到水中电磁波通信频率自动调制模型中，按照模型输出的预测电磁波频率，控制该水下潜标通过电磁波与目标潜艇进行通信，进而使得目标潜艇获取潜艇位置数据，目标潜艇根据所获取的潜艇位置数据，进行导航路径规划。实现了水中电磁波通信频率的自动调制，有效克服了由于传输距离的增大、对信号传输的影响同样会增大、难以通过阈值推算的方式对传输频率进行合理调制的技术问题，实现了合理利用电磁波提高潜艇的自身定位的效率和精度，进而很大程度上提高潜艇的导航系统的定位和导航效果。

[0048] 在优选实施例中，本申请还提供了一种电子设备，所述电子设备包括：存储器；以及处理器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现所述的水面立体协同导航方法。该计算机设备可以广义地为服务器、终端，或任何其他具有必要的计算和/或处理能力的电子设备。在一个实施例中，该计算机设备可包括通过系统总线连接的处理器、存储器、网络接口、通信接口等。该计算机设备的处理器可用于提供必要的计算、处理和/或控制能力。该计算机设备的存储器可包括非易失性存储介质和内存储器。该非易失性存储介质中或上可存储有操作系统、计算机程序等。
该内存储器可为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口和通信接口可用于与外部的设备通过网络连接和通信。该计算机程序被处理器执行时执行本发明的方法的步骤。

[0049] 本发明可以实现为一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在由处理器执行时导致本发明实施例的方法的步骤被执行。在一个实施例中，所述计算机程序被分布在网络耦合的多个计算机设备或处理器上，以使得所述计算机程序由一个或多个计算机设备或处理器以分布式方式存储、访问和执行。单个方法步骤/操作，或者两个或更多个方法步骤/操作，可以由单个计算机设备或处理器或由两个或更多个计算机设备或处理器执行。一个或多个方法步骤/操作可以由一个或多个计算机设备或处理器执行，并且一个或多个其他方法步骤/操作可以由一个或多个其他计算机设备或处理器执行。一个或多个计算机设备或处理器可以执行单个方法步骤/操作，或执行两个或更多个方法步骤/操作。

[0050] 本领域普通技术人员可以理解，本发明的方法步骤可以通过计算机程序来指示相关的硬件如计算机设备或处理器完成，所述的计算机程序可存储于非暂时性计算机可读存储介质中，该计算机程序被执行时导致本发明的步骤被执行。根据情况，本文中对存储器、存储、数据库或其它介质的任何引用可包括非易失性和/或易失性存储器。非易失性存储器的示例包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）、闪存、磁带、软盘、磁光数据存储装置、光学数据存储装置、硬盘、固态盘等。易失性存储器的示例包括随机存取存储器（RAM）、外部高速缓冲存储器等。

[0051] 这里需要说明的是，本发明通过训练水中电磁波通信频率自动调制模型，当模型训练完成后，在利用水面平台上设置的声呐探测仪获取到目标潜艇的潜艇位置数据后，计算潜艇位置数据距离水下潜标的GPS位置信息的距离，将所述距离输入到水中电磁波通信频率自动调制模型中，按照模型输出的预测电磁波频率，控制该水下潜标通过电磁波与目标潜艇进行通信，进而使得目标潜艇获取潜艇位置数据，目标潜艇根据所获取的潜艇位置数据，进行导航路径规划。实现了水中电磁波通信频率的自动调制，有效克服了由于传输距离的增大、对信号传输的影响同样会增大、难以通过阈值推算的方式对传输频率进行合理调制的技术问题，实现了合理利用电磁波提高潜艇的自身定位的效率和精度，进而很大程度上提高潜艇的导航系统的定位和导航效果。

[0052] 以上描述的各技术特征可以任意地组合。尽管未对这些技术特征的所有可能组合进行描述，但这些技术特征的任何组合都应当被认为由本说明书涵盖，只要这样的组合不存在矛盾。

[0053] 以上所述本发明的具体实施方式，并不构成对本发明保护范围的限定。任何根据本发明的技术构思所做出的各种其他相应的改变与变形，均应包含在本发明权利要求的保护范围内。