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量子否定的多传感器目标融合识别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：CN116776280B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202310721343.6，技术领域涉及：G06F18/25；该发明授权一种基于量子否定的多传感器目标融合识别方法是由邓鑫洋;薛思雨;王向阳;蒋雯设计研发完成，并于2023-06-16向国家知识产权局提交的专利申请。

本一种基于量子否定的多传感器目标融合识别方法在说明书摘要公布了：本发明涉及一种基于量子否定的多传感器目标融合识别方法，依据目标的传感器数据构建辨识框架和基本概率分配函数，基于混合量子态，将传感器的基本概率分配函数转化为量子表示，将基本概率分配函数的量子表示进行否定变换得到，由求出基本概率分配函数否定，根据Dempster组合规则将n个证据的否定进行融合，得到融合后基本概率分配函数，求基本概率分配函数的否定将基本概率分配函数转化为概率分布。根据所得概率结果对识别结果做出判断，取Pθi中最大概率对应的类别作为目标识别的结果。本发明通过构造否定生成元，能够有效地表示原始证据到证据否定的量子转换过程。结合证据理论Dempster组合规则，能够有效实现对不确定性信息的处理。

本发明授权一种基于量子否定的多传感器目标融合识别方法在权利要求书中公布了：1.一种基于量子否定的多传感器目标融合识别方法，其特征在于步骤如下： 步骤1、依据目标的传感器数据构建辨识框架和基本概率分配函数： 已知待识别目标的类别数L、传感器的数量n，以及各传感器的目标识别精度αi，将传感器分别编号为1,2,...,n,各传感器识别精度分别为α1,α2,...,αi,...,αn； 步骤101：构建传感器识别目标的辨识框架为Θ＝{θ1,θ2,...,θi,...,θL}，其中θi，i＝1,2,...,L是传感器能识别出的目标类型； 步骤102：根据D-S证据理论和各传感器识别出的目标类型θj以及各传感器的识别精度αi，构建各传感器的基本概率分配函数为其中是θj的补集，即若{θj}为{θ2}，则为{θ1,θ3,...,θi,...,θL}，其中θi，i≠2； 步骤2：基于混合量子态，将传感器的基本概率分配函数mi转化为量子表示为： 步骤3、将基本概率分配函数mi的量子表示ρi进行否定变换得到 步骤301：依据识别目标的辨识框架Θ＝{θ1,θ2,...,θi,...,θL}构建否定生成元，表示生成基本概率分配函数否定时辨识框架中元素之间的转换关系，通过建立酉转移矩阵来构建，构造方法如下： 否定生成元是满足下列条件的所有n阶方阵Xi，其中n是给定的辨识框架的大小： 1所有元素都是1或0； 2矩阵每列之和为1； 3矩阵每行的和是1； 4主要对角线元素为0； 满足以上条件的所有n阶方阵Xi便是所构造出的否定生成元，以证明每个方阵Xi是满足的酉矩阵，其中I是n阶单位矩阵； 否定生成元的数量由以下公式给出： 步骤302、根据构造的否定生成元计算得到ρi的否定对于给定的辨识框架，得到所有的否定生成元Xi后,其相应的概率为pi，满足由于Xi是酉矩阵，所以基本概率分配函数量子表示ρi的否定通过原始密度矩阵的酉变换来计算： 步骤4、由求出基本概率分配函数mi的否定 步骤401：由量子力学中量子测量原理，通过相应的量子测量算符求出Θ中每个事件的概率，对于每个单例，其概率由以下公式求得： Mθ＝|θθ|是量子测量算符，是Mθ的共轭转置矩阵,tr·是求矩阵的迹的算符； 步骤402、生成各命题的关联信念函数BelF：对于一个命题F，由于BelF是D-S理论中区间概率的下限，在已有的约束条件下，通过计算PiF的最小值来导出BelF： 步骤403：根据莫斯乌比变换获得量子表示的基本概率分配函数mi的否定根据D-S理论，由以下公式计算得到n个证据的否定 步骤5：根据Dempster组合规则将步骤4中得到的n个证据的否定进行融合，得到融合后基本概率分配函数 步骤6：将步骤5中融合后的基本概率分配函数m，取代步骤2的传感器的基本概率分配函数mi，重复步骤2～步骤4，求得m的否定 步骤7：根据公式其中，A是辨识框架Θ的子集，|A|表示A中的元素个数，将基本概率分配函数转化为概率分布，根据所得概率结果对识别结果做出判断，取Pθi中最大概率对应的类别作为目标识别的结果。

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”。