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！

龙图腾网获悉青岛哈尔滨工程大学创新发展中心;哈尔滨工程大学申请的专利融合船载雷达测波的船舶操纵运动轨迹预报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：CN120871127B 。

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：202511395458.6，技术领域涉及：G01S13/88；该发明授权融合船载雷达测波的船舶操纵运动轨迹预报方法及系统是由杨珂;张程彧;黄礼敏;王辰;田晟瑞;范吉豪设计研发完成，并于2025-09-28向国家知识产权局提交的专利申请。

本融合船载雷达测波的船舶操纵运动轨迹预报方法及系统在说明书摘要公布了：本发明涉及船舶运动技术领域，尤其是涉及融合船载雷达测波的船舶操纵运动轨迹预报方法及系统，所述方法，包括获取多模态数据，并对获取的多模态数据进行预处理，对预处理后的多模态数据进行多模态特征提取，基于提取的多模态特征进行跨模态融合，得到融合特征向量，将融合特征向量作为输入构建前馈神经网络，输出船舶运动状态的预测值；基于构建完成的前馈神经网络进行参数优化，对前馈神经网络输出的预测结果进行验证，输出最终预测结果，本发明最终输出的船舶运动状态预测值涵盖纵向速度、横向速度及艏摇角速度等关键参数，为船舶的操纵决策提供了准确依据，有助于提升船舶航行的安全性和操控的精准性。

本发明授权融合船载雷达测波的船舶操纵运动轨迹预报方法及系统在权利要求书中公布了：1.一种融合船载雷达测波的船舶操纵运动轨迹预报方法，其特征在于，包括： 获取包括雷达测波图像、船舶运动时历数据及船舶操纵信号数据的多模态数据，并对获取的多模态数据进行预处理； 对预处理后的多模态数据进行多模态特征提取，包括提取环境特征向量、运动时序特征向量和操纵特征向量； 所述对预处理后的多模态数据进行多模态特征提取，还包括将标准化后的船舶运动时历数据序列输入双向长短期记忆网络，在长短期记忆网络中引入动态门控机制与时序注意力融合模块，正向长短期记忆网络的输出序列与反向长短期记忆网络输出序列通过时序注意力权重融合，得到双向特征序列，采用时序重要性池化对双向特征序列进行聚合，池化权重基于特征序列的二阶导数计算，最终经含残差连接的全连接层降维得到运动时序特征向量，所述双向特征序列表达式为： 其中，αt为第t时刻的时序注意力系数，为正向长短期记忆网络在第t时刻的输出特征，为反向长短期记忆网络在第t时刻的输出特征，wa为可学习的注意力权重向量； 基于提取的多模态特征进行跨模态融合，得到融合特征向量，包括引入注意力机制，将环境特征向量与运动时序特征向量输入多头注意力层进行融合得到注意力融合特征向量，其中，以环境特征向量作为查询向量，以运动时序特征向量分别作为键向量和值向量，通过可训练权重矩阵对查询向量、键向量和值向量进行映射，多头注意力层通过多个并行的注意力头分别计算注意力输出，将各注意力头的输出特征拼接后经线性变换得到注意力融合特征向量，所述线性变换表达式为： MultiHeadQ,K,V＝[head1；…；headh]WO， 其中，head1；…；headh分别表示第1至第h个注意力头的输出特征，[.]表示将h个注意力头的输出特征按维度拼接形成的高维特征矩阵，WO表示可训练的输出权重矩阵； 将融合特征向量作为输入构建前馈神经网络，输出船舶运动状态的预测值； 基于构建完成的前馈神经网络进行参数优化，包括采用基于梯度的优化方法进行参数更新以最小化损失函数； 对前馈神经网络输出的预测结果进行验证，输出最终预测结果。

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青岛哈尔滨工程大学创新发展中心;哈尔滨工程大学，其通讯地址为：266400 山东省青岛市黄岛区桃林路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”。

以上内容由龙图腾AI智能生成。