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！

龙图腾网获悉中国电子科技集团公司第五十四研究所申请的专利一种基于卡尔曼滤波结合长短时记忆网络的钟差预测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：CN119740484B 。

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：202411868793.9，技术领域涉及：G06F30/27；该发明授权一种基于卡尔曼滤波结合长短时记忆网络的钟差预测方法是由王东杰;刘丽哲;张磊;胡雨晗;吕明阳;刘彦丹;马向;邢贯苏;梁宇设计研发完成，并于2024-12-18向国家知识产权局提交的专利申请。

本一种基于卡尔曼滤波结合长短时记忆网络的钟差预测方法在说明书摘要公布了：本发明公开了一种基于卡尔曼滤波结合长短时记忆网络的钟差预测方法，属于双向比对钟差预测技术领域。本发明包括：构建LSTM网络；构建KF算法模型；获取训练数据，并进行归一化处理；使用归一化处理后的训练数据对LSTM网络和KF算法模型进行联合训练；获取实际场景中的钟差数据，并进行归一化处理；将处理后的钟差数据输入训练好的LSTM网络，将LSTM网络的输出作为KF算法模型中的参量Qt和Rt，经过KF算法模型的运算，得到钟差预测结果。本发明利用长短时记忆网络对卡尔曼滤波算法进行了优化，解决了卡尔曼滤波算法依赖于先验知识的问题，并结合长短时记忆网络长期记忆能力和卡尔曼滤波算法的实时更新特性，实现了更准确的钟差预测。

本发明授权一种基于卡尔曼滤波结合长短时记忆网络的钟差预测方法在权利要求书中公布了：1.一种基于卡尔曼滤波结合长短时记忆网络的钟差预测方法，其特征在于，包括以下步骤： 步骤1，构建LSTM网络，包括输入层、隐藏层和输出层； 步骤2，构建KF算法模型，其中，KF算法模型的第一个方程用于由t时刻的状态估计来推导t+1时刻的状态预测，KF算法模型的第二个方程用于对t+1时刻的预测值进行调整，得到t+1时刻的状态估计； 步骤3，获取实测钟差数据，所述实测钟差数据利用基于双向比对的时间同步系统测量得到，从实测钟差数据截取一部分作为训练数据，将训练数据合并为一个1行n列的数据矩阵，n为训练数据长度，并进行归一化处理； 步骤4，使用归一化处理后的训练数据对LSTM网络和KF算法模型进行联合训练； 步骤5，获取实际场景中的钟差数据，合并为一个1行m列的数据矩阵，m为钟差数据长度，并进行归一化处理； 步骤6，将步骤5处理后的数据输入训练好的LSTM网络，将LSTM网络的输出作为KF算法模型中的参量Qt和Rt，经过KF算法模型的运算，得到钟差预测结果，其中，Qt表示状态噪声的方差值，Rt表示观测噪声的方差值。

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中国电子科技集团公司第五十四研究所，其通讯地址为：050081 河北省石家庄市中山西路589号中国电子科技集团公司第五十四研究所河北省光子信息技术与应用重点实验室；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。