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！

龙图腾网获悉广东海洋大学申请的专利一种基于改进粒子滤波的三维水下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：CN120403664B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202510919672.0，技术领域涉及：G01C21/20；该发明授权一种基于改进粒子滤波的三维水下目标跟踪方法是由王骥;蔡芳林;邱浩玮;何桂铭;陈嘉南;黄希苑;李坤达;吴振超设计研发完成，并于2025-07-04向国家知识产权局提交的专利申请。

本一种基于改进粒子滤波的三维水下目标跟踪方法在说明书摘要公布了：本发明公开了一种基于改进粒子滤波的三维水下目标跟踪方法，属于水下无线传感器网络技术领域，包括以下步骤：采集水下目标的三维目标跟踪数据；根据三维目标跟踪数据构建目标跟踪模型和量测模型；基于无迹卡尔曼滤波对粒子滤波算法进行改进，基于改进的粒子滤波算法以及目标跟踪模型和量测模型，构建重要性密度函数，对粒子进行重采样；引入动态自适应分层权重因子以修正不同粒子权值，对修正后的粒子权值进行归一化处理；基于优化的Grubbs准则对三维目标跟踪数据进行异常检测；采用信息熵加权策略融合信任节点的数据，获得融合后的目标状态估计值，实现水下目标的三维跟踪。本发明能够实现高精度、高可靠性的水下目标三维跟踪。

本发明授权一种基于改进粒子滤波的三维水下目标跟踪方法在权利要求书中公布了：1.一种基于改进粒子滤波的三维水下目标跟踪方法，其特征在于，包括以下步骤： 基于观测站传感器采集水下目标的三维目标跟踪数据； 根据所述三维目标跟踪数据构建目标跟踪模型和量测模型； 基于无迹卡尔曼滤波对粒子滤波算法进行改进，基于改进的粒子滤波算法以及目标跟踪模型和量测模型，构建重要性密度函数，对粒子进行重采样； 重采样过程中，引入动态自适应分层权重因子以修正不同粒子权值，并对修正后的粒子权值进行归一化处理； 重采样完成后，基于优化的Grubbs准则对三维目标跟踪数据进行异常检测，将异常值对应的传感器标记为非信任节点，剩余的传感器标记为信任节点； 采用信息熵加权策略融合信任节点的数据，获得融合后的目标状态估计值，进而实现水下目标的三维跟踪； 基于改进的粒子滤波算法以及目标跟踪模型和量测模型，构建重要性密度函数，对粒子进行重采样的过程包括： 在初始化阶段，从先验分布中采集粒子并初始化粒子权重； 在每一时刻，对每个粒子使用无迹卡尔曼滤波生成更新后的粒子状态估计值，并利用无迹变换计算sigma点集； 通过系统状态转移方程传播sigma点集，预测状态均值和协方差； 根据预测的状态均值和协方差重新构建sigma点集，并代入量测方程中，得到预测点集和均值，融入最新观测值，计算粒子的相关协方差矩阵和卡尔曼滤波增益矩阵； 基于更新后的粒子状态估计值和相关协方差矩阵构建重要性密度函数，并执行重采样； 重采样过程中，引入动态自适应分层权重因子以修正不同粒子权值的过程包括： 在重采样阶段，将粒子集划分为高、中、低三个权重层级，引入动态自适应分层权重因子对不同层级的粒子进行权值修正； 基于优化的Grubbs准则对三维目标跟踪数据进行异常检测的过程包括： 计算三维目标跟踪数据的全局均值和总协方差矩阵；对于每个三维目标跟踪数据，计算马氏距离；基于马氏距离的均值和标准差，计算最大马氏距离和统计量；以显著性水平参数及对应的临界数值为阈值，对三维目标跟踪数据的统计量进行检测，若统计量大于临界数值，则判定对应传感器数据为异常值，并将异常值对应的传感器标记为非信任节点，异常数据及其非信任节点不参与后续的数据融合； 采用信息熵加权策略融合信任节点的数据，获得融合后的目标状态估计值，进而实现水下目标的三维跟踪的过程包括： 将非信任节点的融合权重系数置为零；基于传感器噪声协方差矩阵大小计算信任节点的信息熵；剩余信任节点的权重融合系数分配遵循信息熵反比原则，计算得到融合权重系数；基于所述融合权重系数对信任节点的数据集进行加权融合，输出融合后的目标状态估计值。

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广东海洋大学，其通讯地址为：524090 广东省湛江市麻章区海大路1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”。