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！

龙图腾网获悉中国人民解放军63729部队申请的专利一种基于贝叶斯估计的运载火箭特征事件实时自动判别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：CN116089879B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202211722730.3，技术领域涉及：G06F18/2415；该发明授权一种基于贝叶斯估计的运载火箭特征事件实时自动判别方法是由李鑫;尹全;王竟克;陈勇;舒传华;谢会琴;岳佳;于冰;郝彦景;于元昊设计研发完成，并于2022-12-30向国家知识产权局提交的专利申请。

本一种基于贝叶斯估计的运载火箭特征事件实时自动判别方法在说明书摘要公布了：本发明涉及运载火箭特征事件实时自动判别领域，具体为一种基于贝叶斯估计的运载火箭特征事件实时自动判别方法，包含如下步骤：1对当前数据源的测量值进行预处理；2缓存当前数据源预处理后的结果；3依据残余误差上限，对缓存的所有数据源进行一致性判别，并对其进行分组；4依据数据源之间相互印证条件，判断特征事件发生时间；5当新的数据源到来时，重复步骤1~4，直至得出判决结果。相比现有方法，本发明所提出的方法充分考虑了不同数据源之间相互印证的条件和特征事件本身存在固有的先验概率分布模型，在保证了特征事件自动判别实时性同时具有更高的判别准确率。

本发明授权一种基于贝叶斯估计的运载火箭特征事件实时自动判别方法在权利要求书中公布了：1.一种基于贝叶斯估计的运载火箭特征事件实时自动判别方法，其特征在于：包括如下步骤： 1对当前数据源的测量值进行预处理，方法为：y＝x+Δtt+Δtd，其中，y为数据源预处理后的结果，x为数据源的测量值，Δtt为数据源所代表的指令与特征事件之间存在的理论时间偏差，Δtd为延时源固有的延时偏差； 2缓存当前数据源预处理后的结果； 3依据残余误差上限δy，对缓存的所有数据源进行一致性判别，并对其进行分组，其中，残余误差上限是指不同指令解算方法不同带来的解算误差、不同设备传输信道不同产生的时延误差的总误差的最大值，方法为： 3.1将所有数据源预处理后的结果按照从小到大的顺序进行排列，得到数据集D＝{y1,y2,…yk…yg…yn}； 3.2从y1开始，逐一与y2～yn比较，当y2～yn与y1之差小于δy时，判定其与y1一致，即测量值相同，将其与y1归为一组，得到第一组数据集D1； 3.3再从yk开始，yk表示数据集D中未与y1分到第一组数据集D1的最小值，逐一与yk+1～yn比较，当yk+1～yn与yk之差小于δy时，判定其与yk一致，即测量值相同，将其与yk归为一组，得到第二组数据集D2； 3.4再从yg开始，yg表示数据集D中未与yk分到第二组数据集D2的最小值，逐一与yg+1～yn比较，当yg+1～yn与yg之差小于δy时，判定其与yg一致，即测量值相同，将其与yg归为一组，得到第三组数据集D3； 以此类推，直至完成所有数据源分组，得到分组后的数据集D＝{D1,D2,…Dm}，其中m表示数据集分组数； 4依据数据源之间相互印证条件，判断特征事件发生时间； 4.1相互印证条件为： 1当数据源中存在不同指令参数由不同设备转发的实时源和延时源测量值一致时，表征了信息源和传输信道均可信； 2当数据源中存在不同指令参数由不同设备转发的实时源测量值一致时，表征了信息源和传输信道均可信； 3当数据源中存在不同指令参数由不同设备转发的延时源测量值一致时，表征了信息源和传输信道均可信； 4当数据源中存在不同指令参数由同一设备转发的实时源和延时源测量值一致时，表征了信息源和传输信道均可信； 5当数据源中存在不同指令参数由同一设备转发的实时源测量值一致时，表征了信息源可信； 6当数据源中存在不同指令参数由同一设备转发的延时源测量值一致时，表征了信息源可信； 7当数据源中存在同一指令参数由同一设备转发的实时源和延时源测量值一致时，表征了传输信道可信； 8当数据源中存在同一指令参数由不同设备转发的实时源测量值一致时，表征了传输信道可信； 9当数据源中存在同一指令参数由不同设备转发的延时源测量值一致时，表征了传输信道可信； 10当数据源中存在同一指令参数由不同设备转发的实时源和延时源测量值一致时，表征了传输信道可信； 4.2具体方法为： 4.2.1当数据源满足相互印证条件1～4时，说明信息源和传输信道均可信，可立即判定特征事件发生，且特征事件发生时间为数据源一致时的最小测量值； 4.2.2当该特征事件所有数据源均解出或到达特征事件发生时间的最大理论偏差后限时，且数据源满足相互印证条件5～10时，说明要么信息源可信，要么传输信道可信，可判定特征事件发生，且特征事件的发生时间由基于贝叶斯最大后验估计的特征事件判别算法确定，具体方法为： 4.2.2.1计算数据源为yi的先验概率密度值pyi，公式为： 其中，μ为特征事件发生的理论时间，3σ表示特征事件发生时间的理论偏差最大值； 4.2.2.2计算当特征事件发生时间为yi时，数据集D中每个yj概率密度值pyj|yi，公式为： 4.2.2.3计算特征事件发生时间为yi时数据集为D的概率密度值pD|yi，公式为： 4.2.2.4计算特征事件发生时间为yi时的相对概率密度值pyi|D，公式为： pyi|D＝pypD|y 4.2.2.5按照步骤4.2.2.1～步骤4.2.2.4，计算数据集D中每一个数据源的相对概率密度值； 4.2.2.6计算数据集D中每个数据源y是特征事件的相对概率Py|D，公式为： 4.2.2.7计算数据集D中每组数据源D是特征事件的相对概率PD|D，公式为： 其中，D表示数据源y～y归为一组形成的第l组数据集； 4.2.2.8从{Pd|d，PD|D，…Pd|D…，PD|d}中选择概率值最大的那组数据集作为有效数据集，特征事件的发生时间为有效数据集中的最小测量值； 4.2.3当该特征事件所有数据源均解出或到达特征事件发生时间的最大理论偏差后限时，当数据源不满足印证条件时，判定特征事件未发生； 5当新的数据源到来时，重复步骤1～步骤4，直至得出判决结果。

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中国人民解放军63729部队，其通讯地址为：030031 山西省太原市龙城北街169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。