Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中国人民解放军国防科技大学刘双喜获国家专利权

中国人民解放军国防科技大学刘双喜获国家专利权

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!

龙图腾网获悉中国人民解放军国防科技大学申请的专利基于GF-GAN和LSTM的无人机轨迹预测方法和装置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:CN121434699B

龙图腾网通过国家知识产权局官网在2026-04-17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:202512010856.8,技术领域涉及:G06F18/21;该发明授权基于GF-GAN和LSTM的无人机轨迹预测方法和装置是由刘双喜;韩文钦;吴先宇设计研发完成,并于2025-12-29向国家知识产权局提交的专利申请。

基于GF-GAN和LSTM的无人机轨迹预测方法和装置在说明书摘要公布了:本申请涉及一种基于GF‑GAN和LSTM的无人机轨迹预测方法和装置,属于无人机轨迹预测技术领域。所述方法包括:获取无人机的真实轨迹时序数据并进行预处理后,输入生成器末端集成有高斯滤波层的GF‑GAN进行训练;基于生成轨迹的质量评估结果筛选出最优生成器生成合成轨迹数据,并与真实轨迹时序数据按不同融合比例进行融合,得到不同融合比例下的增强数据集并分别输入预构建的基于LSTM的轨迹预测模型进行独立训练;利用各训练收敛的轨迹预测模型执行无人机轨迹预测任务,并通过多维度对比确定关键参数的最优取值,指导进行当前任务下的无人机未来轨迹预测。本方法能够显著提升小样本条件下的轨迹预测精度与模型泛化能力。

本发明授权基于GF-GAN和LSTM的无人机轨迹预测方法和装置在权利要求书中公布了:1.一种基于GF-GAN和LSTM的无人机轨迹预测方法,其特征在于,所述方法包括: 获取无人机的真实轨迹时序数据并进行预处理,构建高斯滤波生成对抗网络GF-GAN,并利用预处理后的真实轨迹时序数据对所述GF-GAN进行训练;GF-GAN的生成器输出端设置有高斯滤波层,用于对隐空间特征进行时域滤波,增强小样本条件下生成轨迹的平滑性及以与真实轨迹时序数据的相似性; 根据预设质量评价指标对所述生成器生成的轨迹数据进行质量评估,基于质量评估结果筛选出最优生成器,通过将所述最优生成器输出的合成轨迹数据和所述真实轨迹时序数据按不同融合比例进行融合,构建得到不同融合比例下的增强数据集并分别输入预构建的基于LSTM的轨迹预测模型进行独立训练; 利用各训练收敛的轨迹预测模型执行无人机轨迹预测任务,结合任务需求并通过比较各轨迹预测模型在不同融合比例及不同预测步长下的预测精度,确定最优融合比例和有效预测步长,并指导进行当前任务下的无人机未来轨迹预测; 所述GF-GAN由输出端设置有高斯滤波层的生成器和判别器组成,目标函数为: ; 其中,生成器旨在将随机噪声向量映射到数据空间,以生成贴近真实轨迹时序数据的轨迹数据;判别器则作为一个分类器,旨在准确区分输入序列是来自真实数据分布的真实轨迹时序数据,还是来自生成器的轨迹数据,为原始数据值;为目标函数,为期望值,表示噪声分布;所述GF-GAN采用标准的二元交叉熵损失函数作为优化目标进行训练,训练过程采用生成器与判别器交替迭代的方式进行,直至达到纳什均衡点或达到最大训练次数,认为GF-GAN训练完成; 所述高斯滤波层的输出表示为: ; 其中,表示生成器初步输出的离散的轨迹序列;表示一维卷积运算;为离散时间索引;为离散化的高斯核,具体表示一个长度为的窗口;为滤波窗口参数;;高斯核的标准差为一个可学习的参数,通过网络训练进行自适应优化,用于使GF-GAN自主确定最适合当前轨迹数据的最优平滑强度。

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中国人民解放军国防科技大学,其通讯地址为:410073 湖南省长沙市开福区德雅路109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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。