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！

龙图腾网获悉重庆邮电大学申请的专利基于短距无线信号的车钥匙精确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：CN119584282B 。

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：202411774915.8，技术领域涉及：H04W64/00；该发明授权基于短距无线信号的车钥匙精确跟踪方法是由李泽;彭武;田增山;桂术亮;刘凯凯;李兆玉设计研发完成，并于2024-12-05向国家知识产权局提交的专利申请。

本基于短距无线信号的车钥匙精确跟踪方法在说明书摘要公布了：本发明提出了一种基于短距离无线信号的分米级车辆钥匙定位跟踪方法，属于智能网联车辆定位技术领域，可实现车辆钥匙位置的实时精准跟踪，满足解锁车辆等实际应用需求。为提升跟踪精度，设计了一种锚节点选择方法，能够有效识别LoS锚节点并剔除具有显著测距误差的节点，从而提高系统的可靠性和准确性。此外，提出了一种AEPF算法，结合局部化扩展EKF，显著降低粒子计算复杂度，同时优化实时性能，为复杂场景下的高效定位提供了技术支撑。本发明具有广阔的应用前景，可广泛应用于智能网联车辆的安全管理、精确控制以及个性化服务。例如，可用于实现车辆的无钥匙进入与启动、精准定位停车位置、以及复杂场景下的车钥匙遗失快速追踪等功能，同时为智能交通、车联网技术的发展提供了关键技术支撑，具备显著的市场价值与推广潜力。

本发明授权基于短距无线信号的车钥匙精确跟踪方法在权利要求书中公布了：1.一种基于短距无线信号的分米级车钥匙跟踪方法，其特征在于： 步骤一在车辆上布置定位锚节点； 步骤二去除非视距Non-Line-of-Sight,NLoS锚节点以及测距误差大的锚节点； 步骤三使用迭代最小二乘法获得跟踪算法的初始位置； 步骤四通过自适应扩展卡尔曼粒子滤波AdaptiveExtendedKalmanParticleFilter,AEKPF算法对目标位置进行跟踪； 其中，去除NLoS锚节点以及测距误差大的锚节点，包括： 1在NLoS条件下，使用移动平均平滑对信道脉冲响应ChannelImpulseResponse,CIR的幅值进行处理，移动平均平滑后的CIR幅度表示为： 1 其中，是移动平均平滑系数，代表第个频点CIR的幅度，代表频点总数；将按最大幅度归一化后的表达式为： 2 2通过二元假设检验公式，基于峰值数量的特征区分LoS和NLoS锚节点； 利用检测到的峰值数量差异来识别LoS锚节点；LoS锚节点识别问题被表述为一个二元假设检验，其中LoS条件为，NLoS条件为；在LoS条件下峰值数量少于在NLoS条件下的峰值数量；定义假设检验如下： 3 其中，代表检测到的峰值数量，代表识别阈值； 3处理CIR之后，识别LoS锚节点；根据三角不等式原理排除具有测距误差大的锚节点；仅选择满足以下三角不等式的至少两个锚节点： 4 其中，和分别代表第个和第个锚节点测距结果，为第个和第个锚节点之间的距离； 其中，通过自适应扩展卡尔曼粒子滤波AdaptiveExtendedKalmanParticleFilter,AEKPF算法对目标位置进行跟踪，包括将行人运动简化为匀速运动： 10 其中，和是目标的二维坐标，和为对应的速度分量；状态转移方程如下： 11 其中，为过程噪声，服从高斯分布； 状态转移矩阵为： 12 其中，为采样周期；假设四个锚节点的位置分别为，，和；观测向量为： 13 其中，每个观测距离为： 14 其中，观测噪声服从高斯分布； AEKPF算法具体步骤如下： 1初始化粒子状态；根据已知的初始位置点，初始化粒子集；假设第一个定位点为，其中，，是跟踪算法的初始位置；将所有粒子的初始状态均设置为所述第一个定位点： 15 2自适应调整噪声矩阵；根据步骤二选择的锚节点自适应地调整观测噪声矩阵；首先初始化观测噪声矩阵： 16 然后，定义一个系数对角矩阵，其对角元素为，代表锚节点被选择的情况；如果第个锚节点被选择，被设置为；否则被设置为值m；为了自适应地调节观测噪声矩阵，将观测噪声矩阵与系数对角阵相乘： 17 3状态预测；使用扩展卡尔曼滤波ExtendedKalmanFilter,EKF进行状态预测，依据系统的状态转移方程估计当前时刻目标的位置；首先通过标准EKF过程计算后验分布xt|t和协方差矩阵，使得每个粒子服从高斯分布；每个粒子的状态更新为： 18 4粒子权重更新；利用观测数据计算每个粒子的似然度，并更新粒子的权重，确保粒子状态反映真实位置；每个粒子的权重根据观测的似然值进行更新： 其中，是基于第个粒子状态预测的观测值，表示时刻第个粒子的权重，为调整之后的观测噪声矩阵； 5重采样；对粒子进行重采样，避免低权重粒子的退化问题，并且基于高权重粒子重新生成粒子集；重采样后，所有粒子的权重被重置为相等值： 20 6位置估计；通过加权平均的方式，基于所有粒子的状态计算目标的估计位置，实现对车辆钥匙的跟踪： 21。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区崇文路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。