对多个目标进行精准的实时定位在导航、测控等多个领域都是必须解决的核心问题。辐射源定位的方式通过定位终端是否主动发射信号分为有源定位和无源定位两种方式。因为无源定位具有隐蔽性,所以在军事领域具有很重要的战略意义,无源定位中使用最广泛的就是交叉定位。测向交叉定位是通过计算目标测向线的交点对多个目标实现定位,但是当目标个数增加时,会出现很多虚假点,这个时候需要找到观测台和目标之间的对应关系。现存的多目标定位算法普遍存在计算量大,实时性较差的问题。在实际环境中存在很多干扰,观测台接收到的角度值存在误差,现存的多目标定位算法的抗干扰能力也比较弱,在角度值存在误差的时候定位结果精度不高。针对以上问题,本文提出采用卷积神经网络进行多目标交叉定位,本文主要的研究内容和创新点如下:采用卷积神经网络对多个目标进行测向交叉定位,实现对多目标的实时定位,而且在角度值存在误差的情况下,采用卷积神经网络也能达到高精度。本文首先采用普通的卷积神经网络模型进行训练,虽然普通的卷积神经网络模型深度越深,精度也会越高,但是相应的复杂性也会越大,导致训练时间大大增加,因此本文借鉴Inception模型的思想创建了卷积神经网络模型,实现了模型深度和精度的平衡。最后将残差网络和Inception模型进行结合,进一步缩短了模型的训练时间。实验结果显示和现存的多目标定位算法相比,采用卷积神经网络对多目标进行交叉定位不仅具有高精度,高实时性,而且抗干扰能力也更强。