Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中国科学院沈阳自动化研究所郑峰获国家专利权

中国科学院沈阳自动化研究所郑峰获国家专利权

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!

龙图腾网获悉中国科学院沈阳自动化研究所申请的专利一种基于置信传播的水下弱目标方位检测前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:CN119493941B

龙图腾网通过国家知识产权局官网在2026-02-10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:202411614236.4,技术领域涉及:G06F17/10;该发明授权一种基于置信传播的水下弱目标方位检测前跟踪方法是由郑峰;田宇;俞建成;刘开周设计研发完成,并于2024-11-13向国家知识产权局提交的专利申请。

一种基于置信传播的水下弱目标方位检测前跟踪方法在说明书摘要公布了:本发明涉及一种基于置信传播的水下弱目标方位检测前跟踪方法,包括:基于贝叶斯规则将弱目标跟踪问题转化为联合后验概率密度函数pdf的求解;将联合后验pdf因子化,通过图模型构建相应的因子图;使用置信传播BP算法求解因子图中传递的信息,利用Goodman变量替代原理将多重积分转化为普通积分;通过复Wishart分布构建似然函数描述原始声呐数据与目标状态之间的关系,并利用高斯分布简化剩余pdf,得到目标状态边缘后验pdf的置信近似;利用最小均方误差MMSE估计器计算得到弱目标数目以及相应状态。本发明不需要复杂的聚类算法即可同时跟踪多个弱目标,预设参数较少,能够准确、高效的跟踪包括方位、方位角速度以及目标强度在内的目标状态信息。

本发明授权一种基于置信传播的水下弱目标方位检测前跟踪方法在权利要求书中公布了:1.一种基于置信传播的水下弱目标方位检测前跟踪方法,其特征在于,包括以下步骤: 1基于贝叶斯规则,用联合后验概率密度函数pdf描述弱目标跟踪问题; 2将联合后验pdf因子化,并通过图模型构建相应的因子图; 3使用置信传播BP算法依次计算因子图中的预测信息、测量估计信息与测量更新信息,实现弱目标方位检测前跟踪; 所述步骤3包括以下步骤: 3.1基于置信,计算预测信息; 3.2基于预测信息,利用BP算法计算测量估计信息; 3.3基于测量估计信息,输入当前时刻测量,计算测量更新信息; 3.4基于预测信息,测量更新信息,计算目标状态边缘后验pdf的近似置信; 3.5基于置信,通过MMSE估计器计算目标数目以及相应状态; 3.6完成当前时刻计算过程,将返回步骤3.1开启下一时刻计算; 所述步骤3.1具体为: 对于每一个目标,时刻预测信息为: ; ; 其中,表示目标存活概率,表示对前一时刻目标状态边缘后验pdf的近似置信; 对于每一个新生目标,时刻新生目标预测信息为: ; ; 其中,表示目标新生概率,为预先设定的新生目标状态pdf; 所述步骤3.2具体为: ; 所述步骤3.3具体为: ; 其中,是关于自定义变量的概率密度函数,表示时刻不包含目标状态的剩余目标状态集合,对于,表示从目标状态到声呐测量之间的非线性映射,,其中,表示阵列流形矢量,表示对矩阵求共轭转置; 所述步骤3.4具体为: 使用复Wishart分布描述似然函数,将时刻测量转化为复采样协方差矩阵: ; 其中,表示采样数,表示在时刻声呐第次采样得到阵元数据,得到似然函数表达式为: ; 其中,表示一个矩阵变量为,自由度为,尺度矩阵为的维复威沙特分布,表示环境背景噪声满足的复协方差矩阵; 使用高斯分布近似pdf以简化计算,得到: ; 其中,表示变量为,均值为,协方差为的高斯分布,其中,均值和协方差具体为: ; ; ; 重写信息的表达式为: ; 基于BP算法,得到目标状态边缘后验pdf的近似置信为: ; ; 其中,为归一化因子; 所述步骤3.5具体为: 对于,计算目标存在概率: ; 若大于预先设定的目标存在阈值,则认为目标在时刻存在,并通过MMSE估计器计算目标状态: ; 统计在中目标存在概率大于的数目,得到区域内弱目标数目估计。

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中国科学院沈阳自动化研究所,其通讯地址为:110016 辽宁省沈阳市沈河区南塔街114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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。