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！

龙图腾网获悉深圳市未来智联网络研究院;香港中文大学(深圳)申请的专利一种基于自适应场模型的传感器轨迹规划方法及系统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：CN120890467B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202511416041.3，技术领域涉及：G01C21/20；该发明授权一种基于自适应场模型的传感器轨迹规划方法及系统是由蓝晟伦;汪彦丞;黄博群;黄川设计研发完成，并于2025-09-30向国家知识产权局提交的专利申请。

本一种基于自适应场模型的传感器轨迹规划方法及系统在说明书摘要公布了：本发明公开了一种基于自适应场模型的传感器轨迹规划方法及系统，所述包括以下步骤：S1.将不同传感器的数据在坐标与时间上进行对齐；S2.记录接收信号功率,并对噪声水平进行估计，把每个采样点的不确定性一并输出；S3.利用对数距离模型拟合信号随距离和高度的平均衰落趋势，再利用高斯过程对残差进行建模；S4.计算信息增益，并结合飞行能耗或时间代价，形成综合效用函数，在可飞区域内生成候选点集；S5.基于候选点集，在能量和时间约束下，规划最优的采样路径。本发明能够兼顾飞行效率与采样质量，并能根据场的实际特征进行智能调整的轨迹规划。

本发明授权一种基于自适应场模型的传感器轨迹规划方法及系统在权利要求书中公布了：1.一种基于自适应场模型的传感器轨迹规划方法，其特征在于：包括以下步骤： S1.将无人机采集到的原始定位数据统一转换为ECEF，再转为ENU坐标，并对RTK、IMU和接收信号功率的时间戳进行插值和同步，实现数据的时刻对齐； S2.构建接收信号功率的观测值的不确定性模型，无人机在指定采样点悬停或经过时，记录接收信号功率，并构建代表采样点不确定性的观测集合； 所述步骤S2包括： S201.构建接收功率的不确定性模型为： ； 其中： 表示对数距离衰落与高度修正函数： ； 其中，，表示参考功率、路径损耗指数、高度修正系数构成的参数向量；为参考功率，表示在基准距离下的平均接收功率；为路径损耗指数，控制信号随距离衰减的速率；为高度修正系数，用于补偿UAV高度对信号强度的影响；为位置x距离基准点的高度，为位置与基准点的水平距离； 表示残差项，用于捕捉阴影衰落与干扰； 表示测量噪声，通过接收功率测量结果的方差体现； S202.在每一个UAV采样点，进行多次接收功率测量，得到观测集合，其中，为第i个样点的位置，以ENU坐标的形式体现；为第i个采样点的观测值，取值为第i个采样点接收功率测量结果的均值；为第i个采样点接收功率测量结果的方差，i=1,2,…,n，n表示采样点数； S3.利用对数距离模型拟合信号随距离和高度的平均衰落趋势，再利用高斯过程对残差进行建模，得到采样点接收信号功率均值和方差的预测模型； 所述步骤S3包括： S301.利用对数距离衰落模型和高度修正函数，拟合所有采样点的平均接收功率衰落趋势，得到平均接收功率、路径损耗指数和高度修正系数构成的参数向量； 对采集数据执行最小二乘或加权最小二乘拟合得到参数向量的估计值： ； 其中，； 为设计矩阵，其第i行由特征行向量构成，其中： ，i=1,2,…,n S302.，定义高斯过程的先验模型，用于描述信号场中残差的空间分布特性，对于任意两个采样点，核函数为： ； 其中，是相关长度尺度，差方差尺度； 构造协方差矩阵，表示采样点的位置构成的向量，矩阵中第i行第j列元素；表示第i个采样点和第j个采样点的位置； 计算第i个采样点的残差： ； 构建残差向量R： ； S303.设待预测的采样点位置为； 接收信号功率的预测均值为： ； 其中， ； X表示训练样本位置构成的向量，包含所有已采样点的ENU坐标；表示测试点与所有训练点之间的协方差向量，协方差向量中的第i项为，i=1,2,…,n； 接收信号功率的预测方差为： ； S4.根据接收信号功率方差的预测结果，计算可飞行区域内任意采样点的信息增益，并结合飞行能耗或时间代价，形成综合效用函数，根据综合效用函数在可飞行区域内生成候选点集； S5.基于候选点集，在能量和时间约束下，规划最优的采样路径。

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深圳市未来智联网络研究院;香港中文大学(深圳)，其通讯地址为：518000 广东省深圳市福田区福保街道市花路长富金茂大厦1栋4603、4605；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。