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！

龙图腾网获悉中山大学申请的专利一种非线性场景多目标跟踪方法、系统及存储介质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：CN119395686B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202411407834.4，技术领域涉及：G06F17/10；该发明授权一种非线性场景多目标跟踪方法、系统及存储介质是由杨珺瑶;陈泽彬;张月设计研发完成，并于2024-10-10向国家知识产权局提交的专利申请。

本一种非线性场景多目标跟踪方法、系统及存储介质在说明书摘要公布了：本发明公开了一种非线性场景多目标跟踪方法、系统及存储介质，方法包括：通过构建非线性运动模型和量测模型，具体包括：通过非线性模型表示非线性的状态过程和量测过程；根据二维平面内的多目标跟踪，确定每个目标的运动方程设置为协同转弯模型，确定目标的运动方程；构建系统状态转移矩阵、过程噪声分布矩阵、量测方程；根据所述非线性运动模型和量测模型，通过FAUKF‑PHD滤波器进行多目标状态估计的提取，得到各个目标的状态向量，完成对各个目标的跟踪；基于多个预设场景信息，对各个目标的跟踪结果进行验证。本发明跟踪精度高且成本低，能提高方法的有效性，可广泛应用于计算机技术领域。

本发明授权一种非线性场景多目标跟踪方法、系统及存储介质在权利要求书中公布了：1.一种非线性场景多目标跟踪方法，其特征在于，包括以下步骤： 构建非线性运动模型和量测模型，具体包括：通过非线性模型表示非线性的状态过程和量测过程；根据二维平面内的多目标跟踪，确定每个目标的运动方程设置为协同转弯模型，确定目标的运动方程；构建系统状态转移矩阵、过程噪声分布矩阵、量测方程； 根据所述非线性运动模型和量测模型，通过特征辅助UKF-PHD滤波器进行多目标状态估计的提取，得到各个目标的状态向量，完成对各个目标的跟踪； 基于多个预设场景信息，对各个目标的跟踪结果进行验证； 所述根据所述非线性运动模型和量测模型，通过特征辅助UKF-PHD滤波器进行多目标状态估计的提取，得到各个目标的状态向量，包括以下步骤： 构建k-1时刻的后验强度的高斯混合形式，得到新的量测集； 根据新的量测集，根据预测强度的均值、协方差和权重来计算后验强度的均值、协方差和权重； 根据特征辅助UKF-PHD滤波器，利用全息凝视雷达回波中的高精度多普勒信息对高斯分量权重进行修正； 根据高斯混合修剪技术对次要分量进行剪枝处理，并对类似分量进行合并处理； 根据最终得到高斯混合表达，提取所有目标的状态向量； 所述构建k-1时刻的后验强度的高斯混合形式，得到新的量测集这一步骤中，高斯混合形式的表达式为： 其中，vk-1x代表k-1时刻的后验强度；Jk-1代表给定的新生目标分量总数；分别代表新生强度的第i个混合分量的权重、均值和协方差；代表具有均值m和协方差P的高斯密度； 所述根据新的量测集，根据预测强度的均值、协方差和权重来计算后验强度的均值、协方差和权重这一过程的表达式为： 其中，vkx代表k时刻的后验强度；pD,k代表目标检测概率；Zk代表k时刻某一量测点信息； 所述根据特征辅助UKF-PHD滤波器，利用全息凝视雷达回波中的高精度多普勒信息对高斯分量权重进行修正这一步骤，包括以下步骤： 使用量测集中的位置信息，采用高斯概率密度函数来描述测量集位置信息与预测高斯分量中包含的位置信息之间的匹配程度； 用修正的似然值更新高斯分量的权重； 将新的权重代入后验强度完成特征匹配步骤； 所述根据最终得到高斯混合表达，提取所有目标的状态向量这一步骤，包括以下步骤： 根据后验强度的高斯混合表达，得到权重之和估计出目标数目； 选出对应数量最大权重的分量作为状态估计，或者，提取权重大于预设门限的高斯分量的均值，作为k时刻存在的所有目标的状态向量。

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山大学，其通讯地址为：510275 广东省广州市新港西路135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”。

以上内容由龙图腾AI智能生成。