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程大学申请的专利一种基于CNN-LSTM-Attention神经网络的轨迹预测方法及系统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：CN120003529B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202510055395.3，技术领域涉及：B60W60/00；该发明授权一种基于CNN-LSTM-Attention神经网络的轨迹预测方法及系统是由孙骞;赵云龙;张亚;李一兵;叶方;田园设计研发完成，并于2025-01-14向国家知识产权局提交的专利申请。

本一种基于CNN-LSTM-Attention神经网络的轨迹预测方法及系统在说明书摘要公布了：一种基于CNN‑LSTM‑Attention神经网络的轨迹预测方法及系统，属于机器学习和数据分析技术领域，解决IMU数据本身存在噪声和累积误差，从而导致轨迹预测的精度和可靠性降低的问题。方法包括：收集传感器数据，进行预处理，并划分为训练集和测试集，并对输入特征和目标输出进行标准化处理；构建混合神经网络架构，设定所述混合神经网络架构中各层的结构与参数，定义损失函数与优化器；采用训练集数据对所述混合神经网络架构进行训练，采用反向传播算法优化模型参数；计算预测轨迹与真实轨迹之间的误差指标，根据误差指标评估混合神经网络架构的预测性能；选择预测性能最佳的神经网络进行实时轨迹预测。本发明适用于智能交通系统、无人驾驶、路线规划等应用场景。

本发明授权一种基于CNN-LSTM-Attention神经网络的轨迹预测方法及系统在权利要求书中公布了：1.一种基于CNN-LSTM-Attention神经网络的轨迹预测方法，其特征在于，所述方法包括： S1：收集多源传感器数据，并进行预处理，生成用于训练的输入特征； S2：将预处理后的传感器数据划分为训练集数据和测试集数据，并对输入特征和目标输出进行标准化处理； S3：构建混合神经网络架构，设定所述混合神经网络架构中各层的结构与参数，并定义损失函数与优化器； S4：采用训练集数据对所述混合神经网络架构进行训练，采用反向传播算法优化模型参数； S5：计算预测轨迹与真实轨迹之间的误差指标，根据误差指标评估混合神经网络架构的预测性能； S6：选择预测性能最佳的神经网络进行实时轨迹预测； 所述S1中所述多源传感器数据包括：惯性测量单元和传统导航数据信号； 利用IMU数据中的四元数信息，将机体坐标系下的加速度和角速度转换至NED坐标系，并进行重力补偿；给定当前时刻四元数，其对应的旋转矩阵为， 将机体坐标系下的加速度，转换到NED坐标系，并进行重力补偿，其中， 将四元数转换为欧拉角，其中，欧拉角包括滚转角、俯仰角、偏航角，具体转换公式如下： 其中，为滚转角，表示绕X轴的旋转；为俯仰角，表示绕Y轴的旋转；为偏航角，表示绕Z轴的旋转； 通过对加速度和角速度进行数值积分，计算物体在NED坐标系下的速度和旋转角度，其中为时刻的速度向量，为时刻的旋转角度向量，为时间间隔； 采用窗口滑动技术，将时间序列数据划分为多个时间窗口，每个窗口包含若干时刻的传感器数据，用于神经网络的输入，具体步骤如下： 设定窗口大小为，每个输入样本包含当前时刻及其前个时刻的数据，样本中包括IMU机体坐标系中的加速度计值、陀螺仪值、三个旋转角、、以及在NED坐标系下的速度，生成输入特征矩阵和目标输出向量，即 其中，为时刻的输入特征，为时刻的位置信息； 所述S3中，定义均方误差MSE作为损失函数，并选择RMSprop优化器。

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程大学，其通讯地址为：150000 黑龙江省哈尔滨市南岗区南通大街145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。