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！

龙图腾网获悉哈尔滨工业大学申请的专利基于高斯混合初始化的部分交互多模型跟踪方法及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：CN118091643B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202410243879.6，技术领域涉及：G01S13/72；该发明授权基于高斯混合初始化的部分交互多模型跟踪方法及装置是由周共健;朱斌设计研发完成，并于2024-03-04向国家知识产权局提交的专利申请。

本基于高斯混合初始化的部分交互多模型跟踪方法及装置在说明书摘要公布了：本发明提供了一种基于高斯混合初始化的部分交互多模型跟踪方法及装置，每种机动模式由多个具有相同结构且允许机动参数发生微小变化的机动模型共同进行描述，该多个具有相同结构的机动模型具有一一对应的机动参数分区，每个模型的机动参数由相应机动参数分区的高斯分布进行初始化，在机动参数初始化后，具有相同结构的模型分别独立运行，不同结构的模型之间可以交互以应对可能出现的模式跳变；本方案既能够消除机动模型不匹配的问题，又能够消除机动参数的偏差；另外，采用部分模型交互而非所有模型相互作用的机制，保护了最佳初始化滤波器不受其他错误初始化滤波器的干扰，可以提升机动模式逗留段的估计精度。因此，本发明能够有效提升机动目标的跟踪精度。

本发明授权基于高斯混合初始化的部分交互多模型跟踪方法及装置在权利要求书中公布了：1.一种基于高斯混合初始化的部分交互多模型跟踪方法，其特征在于，包括： 步骤100：根据机动目标可能的运动形式，构建相应运动形式的运动模型，得到运动模型集；其中，所述运动形式包括非机动运动模式和多个机动模式，相同机动模式采用多个具有相同结构的机动模型来描述，且该多个具有相同结构的机动模型具有一一对应的机动参数分区；用于描述相同运动形式的模型组成一个模型结构； 步骤102：对所述运动模型集中的每一个模型和每一个模型结构进行滤波初始化，并在滤波初始化后，每一个模型开始递归滤波； 步骤104：在每个滤波时刻，针对每个模型均执行：使用高斯混合分布初始化与该模型具有不同结构的其他模型结构的机动参数状态分量，将该其他模型结构的总体状态估计和上一时刻该模型的状态估计进行混合，得到混合状态估计；获取当前时刻量测，并将当前时刻量测和该混合状态估计作为该模型的输入，并计算输入后当前时刻该模型的条件状态估计和似然函数； 步骤106：根据当前时刻每一个模型的条件状态估计和似然函数，计算每一个模型结构的条件状态估计，并将当前时刻每一个模型结构的条件状态估计进行融合，得到融合状态估计；所述融合状态估计为当前时刻机动目标的状态估计结果； 步骤108：将当前时刻作为上一时刻，继续执行步骤104，直到机动目标跟踪结束。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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”。