買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉西北工業大學深圳研究院;西北工業大學申請的專利低計算復雜度粒子平滑估計的多機動目標軌跡跟蹤方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115526323B 。

龍圖騰網通過國家知識產權局官網在2025-09-23發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211106503.8，技術領域涉及：G06N7/01；該發明授權低計算復雜度粒子平滑估計的多機動目標軌跡跟蹤方法是由李浩宇;張科;王靖宇;譚明虎;蘇雨;張燁;韓治國設計研發完成，并于2022-09-12向國家知識產權局提交的專利申請。

本低計算復雜度粒子平滑估計的多機動目標軌跡跟蹤方法在說明書摘要公布了：本發明涉及一種低計算復雜度粒子平滑估計的多機動目標軌跡跟蹤方法，針對多機動目標跟蹤應用場景，建立具有未知混合狀態的混雜系統模型，對多機動目標進行機動方式與運動狀態的識別。設計出一種在粒子權重未退化時的低復雜度平滑計算方法，結合吉布斯采樣、馬爾可夫鏈蒙特卡洛方法估計未知的目標機動方式以及運動狀態。與傳統粒子平滑算法相比，本發明方法通過引入參考軌跡提高了目標機動方式和運動狀態的估計精度，并通過低計算復雜度的粒子平滑算法提高了計算效率，因此該方法可在更短時間內達到相同精度的跟蹤精度。

本發明授權低計算復雜度粒子平滑估計的多機動目標軌跡跟蹤方法在權利要求書中公布了：1.一種低計算復雜度粒子平滑估計的多機動目標軌跡跟蹤方法，其特征在于步驟如下： 步驟1、基于混雜系統理論建立多機動目標運動模型：離散隨機變量R∈Ω＝{1,…,M}表示機動方式，其中M為機動方式種類的數量，連續隨機變量X、Y分別表示目標運動狀態和觀測量，其中R與X為未知，Y能夠被觀測到；n時刻的目標機動方式、運動狀態、觀測量的取值為rn、xn和yn，多機動目標運動模型為： 其中，alk為機動方式從l轉移為k的轉移概率，l,k∈Ω；非線性函數fn+1xn,rn+1為目標運動方程，由上一時刻運動狀態和當前時刻的機動方式共同決定運動方程的具體形式；非線性函數gn+1xn+1,rn+1為觀測方程；vx與vy分別是目標運動狀態誤差和觀測誤差，均為高斯白噪聲； 系統模型參數為θ∈Θ＝{alk,θf|l,θg|l,Qx|l,Qy|l}l,k∈Ω，θf|l,θg|l分別為目標運動方程與觀測方程的參數，Qx|l,Qy|l為誤差vx、vy的協方差矩陣；連續隨機變量X、Y分別表示目標運動狀態和觀測量 步驟2：設置粒子集合其中K為粒子數量，粒子的數量代表了對目標運動狀態和觀測量連續隨機變量X、Y的{x1:n,r1:n}概率分布的采樣次數，數量越多表示采樣得到的粒子集合越接近真實分布，權重系數表示對應的粒子數值與出現的概率大小，第n時刻粒子權重滿足粒子重采樣閾值hs，馬爾可夫鏈蒙特卡洛法最大迭代次數λ，令迭代序號標志d＝1； 步驟3：設置目標運動狀態和機動方式初始狀態，根據多機動目標運動模型仿真得到觀測量序列y1:N； 步驟4：采用粒子濾波獲得馬爾可夫鏈蒙特卡洛法初始參考軌跡{r′1:n,x′1:n}： 其中，為滿足條件的狄拉克函數；通過引入參考軌跡{r′1:n,x′1:n}可使得估計得到的目標運動狀態和機動方式更加接近于真實值； 步驟5：令αnrn,xn＝prn+1:N,yn+1:N|r1:n,x1:n,y1:n，按照下式迭代計算所有時刻的αnr′n,x′n 步驟6：基于吉布斯采樣從n＝2到n＝N執行濾波算法，更新粒子權重 步驟7：令從時刻n＝N-1到n＝1迭代執行低計算復雜度的平滑算法，得到的粒子平滑的權重 步驟8：以步驟7得到的粒子平滑的權重計算并更新所有n＝1,…N時刻的參考軌跡： 上式得到的機動方式參考軌跡r′n為使得由粒子平滑權重加權求和最大值對應的機動方式；x′n為由粒子平滑權重加權求和得到的加權求和平均值； 并將得到的參考軌跡記錄為馬爾可夫鏈蒙特卡洛方法第d次迭代的參考軌跡{r′1:n[d],x′1:n[d]}；令若d≤λ，返回步驟5，否則執行步驟9； 步驟9：輸出估計的機動方式和目標運動狀態

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人西北工業大學深圳研究院;西北工業大學，其通訊地址為：518063 廣東省深圳市南山區粵海街道高新南九道45號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。