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目标状态空间投影的深度机动目标跟踪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：CN119006523B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202411101901.X，技术领域涉及：G06F30/27；该发明授权基于目标状态空间投影的深度机动目标跟踪方法是由高畅;张舒扬;刘宏伟;王蓉蓉设计研发完成，并于2024-08-12向国家知识产权局提交的专利申请。

本基于目标状态空间投影的深度机动目标跟踪方法在说明书摘要公布了：本发明公开了一种基于目标状态空间投影的深度机动目标跟踪方法，涉及雷达技术领域，有效解决了现有技术中对机动目标进行目标跟踪时的目标位置估计不精确的问题，该方法包括：获取雷达经过信号处理并经过数据关联后的目标航迹数据，按照滑窗的方式将目标量测数据转换成多通道图像数据；将多通道图像数据输入到训练好的深度神经网络中，得到目标在图像中的估计位置，从而得到目标在具体空间中的位置估计，完成机动目标跟踪；本方法避免因量测噪声分布信息利用不足带来的性能损失，有效提升了在机动目标场景下的目标跟踪精度。

本发明授权基于目标状态空间投影的深度机动目标跟踪方法在权利要求书中公布了：1.一种基于目标状态空间投影的深度机动目标跟踪方法，其特征在于，包括： 根据目标量测数据构建目标状态空间，将目标航迹数据投影到该目标状态空间并进行预处理，得到多通道图像数据集；其中，所述多通道图像数据集中的每个多通道图像数据均是通过一次划窗处理得到的数据；所述预处理包括：确定划窗的窗长，对所述目标航迹数据中的目标量测序列进行划窗处理，得到窗内量测序列集；依次对所述窗内量测序列集中的窗内量测序列进行计算，得到各个窗内量测序列对应的多通道图像数据；所述计算包括：S30，确定所述窗内量测序列，并确定所述窗内量测序列对应的第一量测误差协方差矩阵序列，根据所述窗内量测序列和所述第一量测误差协方差矩阵序列计算得到第一通道图像；S31，确定所述窗内量测序列的第一时刻对应位置，并确定所述窗内量测序列的第一时刻对应量测信噪比；根据所述窗内量测序列和交互多模型方法计算得到第一滤波结果；计算所述第一滤波结果、所述第一时刻对应量测信噪比和所述窗内量测序列的第一时刻对应位置，计算得到第二量测误差协方差矩阵序列；根据所述第二量测误差协方差矩阵序列和所述第一滤波结果，计算得到第二通道图像；S32，将所述窗内量测序列作为目标的时间轨迹函数的输入，得到第二滤波结果；并根据所述第二滤波结果、所述第一时刻对应量测信噪比和所述窗内量测序列的第一时刻对应位置，计算得到第三量测误差协方差矩阵序列；根据所述第三量测误差协方差矩阵序列和所述第二滤波结果计算得到第三通道图像；S33，确定所述窗内量测序列最后一时刻对应的第二目标位置，并确定所述第一量测误差协方差矩阵序列最后时刻对应的第一量测误差协方差矩阵，利用所述第二目标位置和所述第一量测误差协方差矩阵计算得到第四通道图像；S34，循环对所述窗内量测序列集中的窗内量测序列进行步骤S30至S33，得到各个窗内量测序列对应的多通道图像数据； 将各个窗内量测序列对应的多通道图像数据确定为预处理后机动目标航迹数据集，遍历所述多通道图像数据集中的多通道图像数据； 将所述多通道图像数据输入至训练完成的深度神经网络中，得到输出结果集；其中，所述输出结果集，包括：所述深度神经网络在多通道图像数据多个区域的输出结果，每个区域的输出结果包括：目标检测概率、置信度和目标估计位置； 筛选多个区域对应的目标检测概率中大于给定检测门限的区域；其中，大于给定检测门限的区域的个数需大于或者等于1，否则需将输出结果集中的置信度置零； 确定网络输出结果中检测概率最大值对应的区域，并确定最大值对应的区域的置信度和所述区域对应的目标估计位置，将和作为目标位置估计公式的输入，计算得到目标位置估计坐标； 位置估计坐标通过反向投影得到目标真实位置的滤波结果； 直至遍历结束，得到滤波结果集。

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。