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！

龙图腾网获悉哈尔滨理工大学申请的专利具有随机变参数矩阵的多传感器信息融合目标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：CN118260523B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202410188252.5，技术领域涉及：G06F17/17；该发明授权具有随机变参数矩阵的多传感器信息融合目标跟踪方法是由孙立丰;赵琳;胡军设计研发完成，并于2024-02-20向国家知识产权局提交的专利申请。

本具有随机变参数矩阵的多传感器信息融合目标跟踪方法在说明书摘要公布了：本发明公开了一种具有随机变参数矩阵的多传感器信息融合目标跟踪方法，所述方法包括如下步骤：一、建立多传感器目标跟踪系统的跟踪目标动态模型；二、设计预报器和估计器结构；三、计算第i个传感器在k+1时刻的一步预测误差协方差矩阵上界Θi,k+1|k；四、计算在k+1时刻第i个传感器的估计增益矩阵Ki,k+1以及跟踪目标的融合估计五、将Ki,k+1代入二中，得到在k+1时刻的第i个传感器跟踪目标的状态估计判断k+1是否达到估计总时长MN，若k+1＜MN，则执行六，若k+1＝MN则在计算融合估计后结束；六、计算估计误差协方差上界Θi,k+1|k+1；令k＝k+1，进入二直至满足k+1＝MN。本发明可以有效的估计出目标状态并具有较好的鲁棒性。

本发明授权具有随机变参数矩阵的多传感器信息融合目标跟踪方法在权利要求书中公布了：1.一种具有随机变参数矩阵的多传感器信息融合目标跟踪方法，其特征在于所述方法包括如下步骤： 步骤一、建立多传感器目标跟踪系统的跟踪目标动态模型： i,k＝λi,kBi,k+ηi,ki,kx+vi,k 式中，xk+1为在k+1时刻跟踪目标的状态信息；x为在k时刻跟踪目标的状态信息；为在k时刻的随机变参数状态矩阵；fx为连续可微的非线性函数；w为在k时刻的过程噪声；yi,k为在k时刻第i个传感器所获得的测量输出信息；λi,k为描述测量丢失的伯努利随机变量；Bi,k为在k时刻第i个传感器的测量矩阵；Ci,k为在k时刻适当维数的矩阵；ηi,k为在k时刻第i个传感器的高斯白噪声；νi,k为系统在k时刻第i个传感器的测量噪声； 步骤二、设计预报器和估计器结构： 式中，为第i个传感器在k时刻跟踪目标状态的一步预测值；为第i个传感器在k时刻跟踪目标的估计值；Ak为的期望；Bi,k+1为在k+1时刻第i个传感器的测量矩阵；为非线性函数fxk的更新估计；为λi,k的期望；Ki,k+1是要设计的第i个传感器的估计增益；yi,k+1为在k+1时刻第i个传感器所获得的测量输出信息； 为了处理非线性函数fxk，在处对其泰勒展开，具体定义如下： 其中表示泰勒展开的高阶项，Di,k、Ei,k为已知的维数合适的矩阵，未知矩阵Ni,k满足I为维数合适的单位矩阵； 步骤三、计算第i个传感器在k+1时刻的一步预测误差协方差矩阵上界Θi,k+1|k： 式中，表示对矩阵或者函数取期望；“∑”为求和符号；为的转置；为的转置；为Di,k的转置，为Ei,k的转置；为已知量；ξi,k为常值，为ξi,k的逆；μ1为常值，为μ1的逆；表示第s行第t列的元素；表示Φi,k第l行第j列的元素； 步骤四、计算在k+1时刻第i个传感器的估计增益矩阵Ki,k+1以及跟踪目标的融合估计 式中，Ki,k+1为估计增益矩阵；Θi,k+1|k为预测误差协方差的上界；为的转置；为Bi,k+1的转置；为Ci,k+1的转置；μ2为常值，为μ2的逆；为乘性噪声ηi,k的方差；Ri,k+1为测量噪声νi,k+1的方差； 式中，为融合估计协方差的上界；Θi,k|k为估计误差协方差的上界，为Θi,k|k的逆；为融合增益矩阵；N为传感器的个数；gi为权重系数；为的逆； 步骤五、将Ki,k+1代入步骤二中，得到在k+1时刻的第i个传感器跟踪目标的状态估计判断k+1是否达到估计总时长MN，若k+1＜MN，则执行步骤六，若k+1＝MN则在计算融合估计后结束； 步骤六、计算估计误差协方差上界Θi,k+1|k+1： 式中，I表示维数合适的单位矩阵，为的转置； 令k＝k+1，进入步骤二直至满足k+1＝MN。

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哈尔滨理工大学，其通讯地址为：150000 黑龙江省哈尔滨市南岗区学府路52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”。

以上内容由龙图腾AI智能生成。