Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 西北工业大学邓鑫洋获国家专利权

西北工业大学邓鑫洋获国家专利权

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!

龙图腾网获悉西北工业大学申请的专利一种基于非互斥证据理论框架的多传感器目标关联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:CN117077070B

龙图腾网通过国家知识产权局官网在2025-08-26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:202310788482.0,技术领域涉及:G06F18/25;该发明授权一种基于非互斥证据理论框架的多传感器目标关联方法是由邓鑫洋;李林博;耿杰;蒋雯设计研发完成,并于2023-06-29向国家知识产权局提交的专利申请。

一种基于非互斥证据理论框架的多传感器目标关联方法在说明书摘要公布了:本发明公开了一种基于非互斥证据理论框架的多传感器目标关联方法,该方法设计了基于目标双重特征的基本概率分配模块,通过从目标空间位置距离和目标信息来源差异构建目标关联关系证据的基本概率数,综合利用了多传感器目标的不同属性信息。此外,为了量化目标的不同待关联目标对象之间的非完全互斥度,本发明还设计了基于扩展ECR‑PCR规则的多源非互斥证据融合规则,通过目标之间空间位置距离相似度构建了非互斥度,并基于非互斥度对不同目标关联关系证据进行融合。本发明考虑了多传感器目标关联对象的非唯一性,对多传感器目标有较好的关联性能。

本发明授权一种基于非互斥证据理论框架的多传感器目标关联方法在权利要求书中公布了:1.一种基于非互斥证据理论框架的多传感器目标关联方法,其特征在于,包括如下步骤: 步骤1:对多传感器下的目标与其他待关联目标之间的关联关系进行证据建模,建模方法如下; 步骤1-1:对于任意两个目标,考虑到它们之间的关联关系具有不确定性,基于证据理论构建表示目标之间关联关系的辨识框架Ω={y,n},其中,y表示两个目标之间关联,n表示两个目标之间不关联; 步骤1-2:根据步骤1-1中构建的辨识框架Ω,将两个目标之间的关联关系表示为如下的BPA形式: m:{my,mn,my,n} 在该BPA中,my表示两个目标之间关联的置信度,mn表示两个目标之间不关联的置信度,my,n表示两个目标之间关联关系未知的置信度; 步骤2:在辨识框架Ω中,基于目标空间位置距离和信息来源差异两种属性,对两个目标之间关联关系的置信度进行计算,计算方法如下: 步骤2-1:两个目标之间的关联关系与它们的空间位置距离有关,假设目标之间的距离为d,则它们之间关联关系的置信度分别为: 其中,mp·表示目标之间关联关系的空间位置距离置信度,α∈[0,1]表示传感器对目标信息探测的可靠程度,I表示目标之间的空间位置相似度,由距离d和阈值D计算得出: 步骤2-2:两个目标之间的关联关系还与它们是否来源于同一传感器有关,由于传感器在同一时刻对每个目标只进行一次探测,因此两个来源于相同传感器的目标必定不关联;则目标之间信息来源差异的关联关系置信度计算方法如下: 其中,ws表示目标来源于不同传感器时关联关系未知的置信度,用于量化目标信息来源差异的不确定程度; 步骤2-3:将目标之间空间位置距离关联关系置信度mp·与信息来源差异关联关系置信度ms·进行融合,融合方法采用Dempster组合规则: m=mp⊕ms ⊕表示Dempster融合算子符,融合后的目标之间关联关系的置信度如下: 步骤3:考虑到多传感器目标关联对象的非唯一性和非互斥证据理论中辨识框架元素的非互斥性,将不同目标之间的关联关系BPA扩展至非互斥辨识框架Θi,.={Xi,1,…,Xi,j,…,Xi,M,Xi,*}下;Θi,.表示目标i与其他目标的关联关系集合,M表示待关联目标总数,Xi,j表示目标i与待关联目标j的关联关系,Xi,*表示目标i不与任何目标关联这一情形;对于目标i与待关联目标j的关联关系Xi,j,其置信度包括: 1目标i与待关联目标j关联的置信度mijy; 2目标i与待关联目标j不关联的置信度mijn,其等价于目标i与其他所有目标关联的置信度mi,1,…,j-1,j+1,…My; 3目标i与待关联目标j关联关系未知的置信度mijy,n; 对于目标i与其他目标的关联关系集合Θi,.={Xi,1,…,Xi,j,…,Xi,M,Xi,*},其中每一个元素Xi,j的BPA中都包含与其他目标相关的置信度mi,1,…,j-1,j+1,…My;因此通过非互斥辨识框架下的证据融合,可以充分利用各元素之间的冗余信息,提高多传感器目标关联的决策置信度;具体步骤如下: 步骤3-1:根据目标i与待关联目标jj=1,…,M的空间位置距离dij,构建非互斥度ui;非互斥度计算公式如下: 其中,Fa和Fb分别表示目标i与目标a、b之间的潜在关联关系,当目标a、b之间的空间位置相似度Ia,b越大时,两个目标同时与目标i关联的可能性越大,Fa和Fb之间的非互斥度越大; 步骤3-2:根据非互斥度ui,将目标i与待关联目标j,j=1,…,M之间关联关系证据冲突部分基本概率数m分为两部分:互斥部分1-ui·m和非互斥部分ui·m; 步骤3-3:互斥部分的基本概率数按比例分配至各子证据对应的命题;互斥部分基本概率数的计算过程: 步骤3-4:非互斥部分的基本概率数分配至冲突命题组成的并集;非互斥部分基本概率数的计算过程: 步骤3-5:将两部分的基本概率数加和,获得完整的非互斥证据融合基本概率数 步骤4:根据上述步骤生成的目标i,i=1,…,M融合后的关联关系证据Mi如下所示: 选择其中的最大置信度对应的组合进行关联决策:

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,其通讯地址为:710072 陕西省西安市友谊西路127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。