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！

龙图腾网获悉国网湖北省电力有限公司直流公司申请的专利融合多模型KF算法与深度学习的无人机红外目标定位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：CN119901293B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202510085187.8，技术领域涉及：G01C21/20；该发明授权融合多模型KF算法与深度学习的无人机红外目标定位系统是由常聚忠;黄瑶玲;刘建国;万泉;周广;戴迪;杨文;赵诗雅;侯龙宇;饶洪林设计研发完成，并于2025-01-20向国家知识产权局提交的专利申请。

本融合多模型KF算法与深度学习的无人机红外目标定位系统在说明书摘要公布了：本发明提供一种融合多模型卡尔曼滤波与深度学习的无人机红外目标定位系统，涉及无人机导航与定位技术领域，包括主体系统，主体系统中包含有数据采集模块、多源数据融合模块、特征提取强化模块、动态模型优化模块、目标状态估计模块、定位解算模块和飞行决策规划模块，数据采集模块部署高分辨率红外传感器，精准捕捉目标红外辐射信息，同时集成高清视觉相机与高精度激光雷达，全方位采集环境数据，本发明的数据采集模块通过采用基于模糊逻辑、粒子群优化和自适应阈值的自适应采样策略，能够依据环境复杂度与目标运动状态的实时变化，动态且智能地调整传感器的采样频率与分辨率。

本发明授权融合多模型KF算法与深度学习的无人机红外目标定位系统在权利要求书中公布了：1.一种融合多模型KF算法与深度学习的无人机红外目标定位系统，包括主体系统，其特征在于：所述主体系统中包含有数据采集模块、多源数据融合模块、特征提取强化模块、动态模型优化模块、目标状态估计模块、定位解算模块和飞行决策规划模块，所述数据采集模块部署高分辨率红外传感器，精准捕捉目标红外辐射信息，同时集成高清视觉相机与高精度激光雷达，全方位采集环境数据，采用基于模糊逻辑、粒子群优化和自适应阈值的自适应采样策略，根据环境复杂度与目标运动状态，动态调整传感器的采样频率与分辨率； 所述多源数据融合模块运用融合了生物神经元协同机制、张量分解和深度学习注意力机制的自适应融合算法，模拟神经元间的信息交互与整合，对红外、视觉、激光雷达数据进行特征编码，其中张量分解将多源数据从高维空间分解为低维子空间，提取数据的核心特征，所述深度学习注意力机制则根据环境的动态变化，通过竞争学习与协同反馈，动态调整各传感器数据权重，实现多源数据的深度融合，为后续处理提供高质量的数据基础，同时引入跨模态一致性约束，通过构建基于Wasserstein距离、余弦相似度和互信息的跨模态相似性度量函数，确保各种模态数据在融合过程中保持信息的一致性与互补性； 所述特征提取强化模块采用融合量子增强、生成对抗网络和残差网络的卷积神经网络架构，利用量子态的叠加与纠缠特性，加速特征提取过程，所述生成对抗网络中的生成器生成模拟的特征数据，判别器区分真实与模拟特征，通过对抗训练挖掘更具代表性的特征，所述残差网络则通过跳跃连接，解决深度网络中的梯度消失问题，增强网络对复杂特征的提取能力，结合注意力机制与改进的空洞卷积技术，聚焦目标关键特征，扩大感受野，增强对复杂场景下目标特征的提取能力； 所述动态模型优化模块引入基于生成对抗网络、迁移学习和遗传算法的模型优化策略，其中生成器生成模拟的目标及场景数据，判别器区分真实与模拟数据，通过对抗训练提升模型的泛化能力，所述迁移学习将在相似场景下训练的模型知识迁移过来，加速模型在新场景下的收敛速度，所述遗传算法通过对模型的结构和参数进行编码、选择、交叉和变异操作，在模型空间中搜索最优的模型配置，实现模型的快速优化与自适应调整； 所述目标状态估计模块运用融合强化学习、自适应卡尔曼滤波和粒子滤波的算法，将目标状态估计问题建模为马尔可夫决策过程，通过针对无人机目标定位场景的奖励函数，引导智能体学习最优的状态估计策略，所述自适应卡尔曼滤波根据目标运动的快速变化与复杂环境噪声干扰，动态调整滤波参数，所述粒子滤波则通过大量粒子的采样和权重更新，对目标状态进行估计； 所述定位解算模块基于多视角数据融合与改进的三角测量原理，结合无人机实时姿态信息，融合了动态坐标变换、误差补偿和最小二乘法拟合的机制，通过实时监测无人机的飞行姿态与环境参数变化，对定位过程中的坐标系统进行动态调整，并对测量误差进行在线补偿，所述最小二乘法拟合用于在多组测量数据中寻找最优的定位解，实时适应无人机的飞行姿态变化与环境动态干扰，实现对目标的高精度三维定位； 所述飞行决策规划模块采用基于深度强化学习、蚁群算法和A算法的双深度Q网络架构，结合经验回放与优先经验回放机制，有效减少Q值估计的过拟合问题，加速学习过程，所述深度强化学习会学习最优飞行策略，其中蚁群算法通过模拟蚂蚁觅食过程中的信息素传递，在路径搜索空间中寻找潜在的最优路径，所述A算法则利用启发式函数，快速搜索到从当前位置到目标位置的最优路径，同时考虑无人机的能量消耗、飞行安全约束以及环境动态因素，实时规划最优飞行轨迹。

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国网湖北省电力有限公司直流公司，其通讯地址为：443001 湖北省宜昌市伍家岗区城东大道139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。