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！

龙图腾网获悉西安电子科技大学申请的专利基于多源数据融合的航迹关联方法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：CN116304966B 。

龙图腾网通过国家知识产权局官网在2026-01-09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：202211104062.8，技术领域涉及：G06F18/25；该发明授权基于多源数据融合的航迹关联方法是由刘向丽;付祎;宋仪雯;李赞;柏鑫龙;曾俊杰设计研发完成，并于2022-09-09向国家知识产权局提交的专利申请。

本基于多源数据融合的航迹关联方法在说明书摘要公布了：本发明公开了一种基于多源数据融合的航迹关联方法，主要解决现有技术在进行航迹关联时，不能有效利用多维域信息导致航迹关联性能较低的问题。该方法的实现步骤为：利用生成的飞机型号图像数据集训练构建的图像识别网络，对飞机型号图像进行识别得到目标型号特征向量，与采用卡尔曼滤波算法对飞机航迹数据处理得到的目标运动特征向量进行头尾拼接得到多源特征向量数据集；利用多源特征向量数据集训练构建的航迹关联网络；将待识别的航迹数据输入到航迹关联网络中，得到航迹关联结果。本发明可以处理多源量测数据，对飞机航迹数据的关联准确率高，可用于实时跟踪飞机目标。

本发明授权基于多源数据融合的航迹关联方法在权利要求书中公布了：1.一种基于多源数据融合的航迹关联方法，其特征在于，利用飞机目标航迹特征组成的运动信息特征向量与识别飞机可见光图像获取到的目标型号特征向量进行多源特征融合，利用多源特征融合后的数据对构建的CNN-LSTM航迹关联网络进行训练；该方法的步骤包括如下： 步骤1，生成飞机目标的航迹数据集： 利用交互式多模型算法，模拟飞机目标的运动轨迹，生成飞机目标的航迹数据集； 步骤2，生成飞机型号图像训练集和飞机型号图像测试集： 选取至少三类飞机型号图像，每一类型号的飞机图片数量不少于100张，使用不同的数字对飞机的不同类别进行标签表示，并将飞机型号图像数据集按照5：1的比例划分为飞机型号图像训练集和飞机型号图像测试集； 步骤3，构建CNN图像识别网络： 构建一个12层的CNN图像识别网络，其结构依次为：输入层，第一模块，第二模块，全连接层和输出层；所述输入层包括二维卷积层，最大池化层；所述第一模块包括两个串联的二维卷积层，最大池化层；所述第二模块包括三层串联的二维卷积层，最大池化层；所述输出层包含全连接层和Soft-max层； 设置各层参数如下： 将图像识别网络中的二维卷积层的卷积核个数均设置为64，卷积核大小均设置为3×3，最大池化层的池化核大小均设置为1×2，池化核的移动步长均设置为1×2；全连接层的输出维度设置为4096×1； 步骤4，训练CNN图像识别网络： 将飞机型号图像训练集输入到CNN图像识别网络中，利用批量梯度下降法对CNN图像识别网络的参数进行迭代更新，直至网络损失函数达到收敛时为止，得到训练好的CNN图像识别网络； 步骤5，获取运动信息的特征向量和目标型号特征向量： 步骤5.1，采用卡尔曼滤波算法，对飞机历史航迹数据进行状态预测和状态更新，以获得飞机的位置、速度和加速度特征； 步骤5.2，将飞机型号图像测试集输入到训练好的CNN图像识别网络中，输出目标型号特征向量； 步骤6，将运动信息特征向量和目标型号特征向量进行特征融合，生成多源特征训练集： 步骤6.1，采用模糊K-MEANS算法，对运动信息特征向量执行50次聚类，计算运动信息特征向量中元素到聚类中心的距离，判断每一次聚类结果中被划分为同一类别的运动信息特征向量与其所属目标类别的真实值是否相同，若是，判断该聚类对运动信息特征向量的所属目标类别进行正确划分；否则，为错误的划分结果；统计50次聚类中能正确判别该向量所属目标类别的次数a，根据各运动信息特征向量在多次聚类中被划分为同一所属类别的次数，设置门限值m为48；当a≥m时，判定该特征向量为已知所属目标的运动信息特征向量；当am时，判定该特征向量为未知所属目标的运动信息特征向量； 步骤6.2，将目标型号的特征向量和运动信息的特征向量头尾拼接，得到多源特征向量；将多源特征数据集中已知所属目标的所有特征向量组成多元特征训练集，将多源特征数据集中未知所属目标的所有特征向量组成多元特征测试集； 步骤7，构建CNN-LSTM航迹关联网络： 搭建一个由左支路和右支路级联的CNN-LSTM航迹关联网络；所述左支路是由一层卷积层和一层最大池化层串联的CNN模块，右支路是由长短期记忆层和Dropout层串联组成的LSTM模块； 设置CNN-LSTM航迹关联网络中的各层参数如下： 将左支路中卷积层的卷积核数目设置为64，卷积核的尺寸设置为5；将左支路中最大池化层的池化尺寸设置为2；将右支路中长短期记忆层的神经元个数设置为32；将右支路中Dropout层丢弃率设置为0.5； 步骤8，训练CNN-LSTM航迹关联网络： 将多元特征训练集分批量输入到CNN-LSTM航迹关联网络中，采用反向传播算法，对CNN-LSTM网络模型的参数进行迭代更新，直至网络损失函数收敛为止，得到训练好的CNN-LSTM航迹关联网络；所述批量的大小为128个数据； 步骤9，识别航迹数据： 步骤9.1，使用与步骤5、步骤6相同的方式，将待识别的航迹数据进行处理，得到关联所需的多源特征数据集； 步骤9.2，将多源特征数据集输入到训练好的CNN-LSTM航迹关联网络中，输出航迹数据的关联结果。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2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。