买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西北工业大学深圳研究院;西北工业大学申请的专利低计算复杂度粒子平滑估计的多机动目标轨迹跟踪方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115526323B 。

龙图腾网通过国家知识产权局官网在2025-09-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211106503.8，技术领域涉及：G06N7/01；该发明授权低计算复杂度粒子平滑估计的多机动目标轨迹跟踪方法是由李浩宇;张科;王靖宇;谭明虎;苏雨;张烨;韩治国设计研发完成，并于2022-09-12向国家知识产权局提交的专利申请。

本低计算复杂度粒子平滑估计的多机动目标轨迹跟踪方法在说明书摘要公布了：本发明涉及一种低计算复杂度粒子平滑估计的多机动目标轨迹跟踪方法，针对多机动目标跟踪应用场景，建立具有未知混合状态的混杂系统模型，对多机动目标进行机动方式与运动状态的识别。设计出一种在粒子权重未退化时的低复杂度平滑计算方法，结合吉布斯采样、马尔可夫链蒙特卡洛方法估计未知的目标机动方式以及运动状态。与传统粒子平滑算法相比，本发明方法通过引入参考轨迹提高了目标机动方式和运动状态的估计精度，并通过低计算复杂度的粒子平滑算法提高了计算效率，因此该方法可在更短时间内达到相同精度的跟踪精度。

本发明授权低计算复杂度粒子平滑估计的多机动目标轨迹跟踪方法在权利要求书中公布了：1.一种低计算复杂度粒子平滑估计的多机动目标轨迹跟踪方法，其特征在于步骤如下： 步骤1、基于混杂系统理论建立多机动目标运动模型：离散随机变量R∈Ω＝{1,…,M}表示机动方式，其中M为机动方式种类的数量，连续随机变量X、Y分别表示目标运动状态和观测量，其中R与X为未知，Y能够被观测到；n时刻的目标机动方式、运动状态、观测量的取值为rn、xn和yn，多机动目标运动模型为： 其中，alk为机动方式从l转移为k的转移概率，l,k∈Ω；非线性函数fn+1xn,rn+1为目标运动方程，由上一时刻运动状态和当前时刻的机动方式共同决定运动方程的具体形式；非线性函数gn+1xn+1,rn+1为观测方程；vx与vy分别是目标运动状态误差和观测误差，均为高斯白噪声； 系统模型参数为θ∈Θ＝{alk,θf|l,θg|l,Qx|l,Qy|l}l,k∈Ω，θf|l,θg|l分别为目标运动方程与观测方程的参数，Qx|l,Qy|l为误差vx、vy的协方差矩阵；连续随机变量X、Y分别表示目标运动状态和观测量 步骤2：设置粒子集合其中K为粒子数量，粒子的数量代表了对目标运动状态和观测量连续随机变量X、Y的{x1:n,r1:n}概率分布的采样次数，数量越多表示采样得到的粒子集合越接近真实分布，权重系数表示对应的粒子数值与出现的概率大小，第n时刻粒子权重满足粒子重采样阈值hs，马尔可夫链蒙特卡洛法最大迭代次数λ，令迭代序号标志d＝1； 步骤3：设置目标运动状态和机动方式初始状态，根据多机动目标运动模型仿真得到观测量序列y1:N； 步骤4：采用粒子滤波获得马尔可夫链蒙特卡洛法初始参考轨迹{r′1:n,x′1:n}： 其中，为满足条件的狄拉克函数；通过引入参考轨迹{r′1:n,x′1:n}可使得估计得到的目标运动状态和机动方式更加接近于真实值； 步骤5：令αnrn,xn＝prn+1:N,yn+1:N|r1:n,x1:n,y1:n，按照下式迭代计算所有时刻的αnr′n,x′n 步骤6：基于吉布斯采样从n＝2到n＝N执行滤波算法，更新粒子权重 步骤7：令从时刻n＝N-1到n＝1迭代执行低计算复杂度的平滑算法，得到的粒子平滑的权重 步骤8：以步骤7得到的粒子平滑的权重计算并更新所有n＝1,…N时刻的参考轨迹： 上式得到的机动方式参考轨迹r′n为使得由粒子平滑权重加权求和最大值对应的机动方式；x′n为由粒子平滑权重加权求和得到的加权求和平均值； 并将得到的参考轨迹记录为马尔可夫链蒙特卡洛方法第d次迭代的参考轨迹{r′1:n[d],x′1:n[d]}；令若d≤λ，返回步骤5，否则执行步骤9； 步骤9：输出估计的机动方式和目标运动状态

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西北工业大学深圳研究院;西北工业大学，其通讯地址为：518063 广东省深圳市南山区粤海街道高新南九道45号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。