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！

龙图腾网获悉哈尔滨工业大学申请的专利面向雷达组网的鲁棒分布式目标跟踪方法、存储介质及设备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：CN119355715B 。

龙图腾网通过国家知识产权局官网在2026-03-13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：202411423833.9，技术领域涉及：G01S13/66；该发明授权面向雷达组网的鲁棒分布式目标跟踪方法、存储介质及设备是由宋申民;刘金钢;成国瑞设计研发完成，并于2024-10-12向国家知识产权局提交的专利申请。

本面向雷达组网的鲁棒分布式目标跟踪方法、存储介质及设备在说明书摘要公布了：面向雷达组网的鲁棒分布式目标跟踪方法、存储介质及设备，属于多雷达组网的目标跟踪技术领域。为了解决针对多雷达组网的目标跟踪场景中存在非高斯噪声导致的跟踪效果不佳的问题。本发明首先对目标的状态方程、雷达量测方程和非高斯闪烁噪声精确建模；基于最大相关熵和CKF算法确定带方差补偿的最大相关熵CKF方法，进而对目标的状态进行估计，得到状态的估计值和对应的估计误差协方差矩阵基于所有雷达节点得到的估计和利用CI策略与邻居节点进行扩散融合。

本发明授权面向雷达组网的鲁棒分布式目标跟踪方法、存储介质及设备在权利要求书中公布了：1.一种面向雷达组网的鲁棒分布式目标跟踪方法，其特征在于，包括以下步骤： 步骤一、构建目标的状态方程、雷达跟踪的量测方程和非高斯的闪烁噪声模型； 目标的状态方程： 其中，表示k时刻的状态量，表示目标的状态向量随时间递推的非线性传递方程，零均值的高斯白噪声，噪声方差矩阵为； 采用雷达对目标进行跟踪的量测方程为 其中，表示雷达的数量，表示量测值，是非高斯的闪烁噪声；为量测向量； 闪烁噪声模型，即非高斯的闪烁噪声的闪烁噪声模型如下： 其中，为0到1之间的随机变量，用于表示闪烁概率；和分别为两种零均值、噪声方差分别为的高斯分布噪声，；通常与不相关，取一个名义噪声方差近似闪烁噪声，通常可取； 步骤二、基于状态方程、量测方程和非高斯的闪烁噪声模型，雷达对目标的状态进行估计，得到的估计值和对应的估计误差协方差矩阵； 雷达对目标的状态进行估计过程包括时间更新和量测更新的过程： 对于雷达，时间更新的过程采用CKF处理方式得到k时刻的状态预测估计和k时刻的预测估计误差协方差矩阵，量测更新的过程包括以下步骤： 其中，表示由Cholesky分解得到的矩阵； 其中，表示由预测估计和预测估计误差协方差矩阵得到的容积点，表示经过量测方程传递得到的新的容积点； 其中，表示量测的预测值；表示量测的预测估计误差协方差矩阵，表示量测名义噪声方差； 根据代价函数得到时刻的状态估计，并基于得到对应的估计误差协方差矩阵； 所述代价函数为： 20 其中，表示时刻的状态估计；表示高斯核函数；表示k时刻的状态量实际值；表示k时刻的量测的实际值；运算符号，代表或； 采用CKF处理方式得到k时刻的状态预测估计和k时刻的预测估计误差协方差矩阵的过程包括以下步骤： 其中，表示时刻的估计误差协方差矩阵；是由Cholesky分解得到的矩阵； 其中，为状态的维数，表示由状态估计和估计误差协方差矩阵得到的容积点，下标表示对应矩阵的第列元素，表示时刻目标的状态估计；表示的第μ列； 其中，表示经过系统状态非线性函数传递得到的新的容积点，表示状态向量的非线性传递函数； 其中，；表示k时刻的状态预测估计；表示k时刻的预测估计误差协方差矩阵，表示系统的噪声方差； 步骤三、基于所有雷达节点得到的估计和，利用CI策略与邻居节点进行扩散融合。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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。