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！

龙图腾网获悉北京理工大学申请的专利一种基于传感器网络的加权融合分布式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：CN120065709B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202311614272.6，技术领域涉及：G05B13/04；该发明授权一种基于传感器网络的加权融合分布式目标跟踪方法是由王辉;杨昊睿;代馨;王贝尔;郭可晴;王鹤婷;刘灿设计研发完成，并于2023-11-29向国家知识产权局提交的专利申请。

本一种基于传感器网络的加权融合分布式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传感器网络的加权融合分布式目标跟踪方法，包括以下步骤：建立协同网络，所述协同网络包括多个飞行器，多个飞行器之间通讯连接；设置目标运动模型及观测模型，并建立融合测量模型；飞行器基于融合测量模型，将通讯过程接收到的信息进行融合，结合自身测量的目标状态量，获得校准目标状态量；各飞行器根据获得的校准目标状态量对目标进行导航跟踪。本发明公开的基于传感器网络的加权融合分布式目标跟踪方法，对目标状态量估计更加准确，估计误差更小。

本发明授权一种基于传感器网络的加权融合分布式目标跟踪方法在权利要求书中公布了：1.一种基于传感器网络的加权融合分布式目标跟踪方法，其特征在于，包括以下步骤： S1、建立协同网络，所述协同网络包括多个飞行器，多个飞行器之间通讯连接；所述协同网络包括多个节点飞行器和多个观测飞行器； S2、设置目标运动模型及观测模型，并建立融合测量模型； S3、飞行器基于融合测量模型，将通讯过程接收到的信息进行融合，结合自身测量的目标状态量，获得校准目标状态量； S4、各飞行器根据获得的校准目标状态量对目标进行导航跟踪， 所述目标运动模型表示为： ， 其中，下标表示不同的飞行器，下标表示时刻，为飞行器在时刻的目标状态量，表示目标相对于飞行器在三维空间直角坐标系中的位置，表示目标相对于飞行器在三维空间直角坐标系中的速度，表示目标相对于飞行器在三维空间直角坐标系中的加速度；是均值为0的高斯白噪声向量，用于模拟目标加速度的随机变化；表示状态转移矩阵，表示状态量输入矩阵； 所述观测模型表示为： ， 其中，表示飞行器在时刻的测量向量，表示飞行器在时刻的观测矩阵，为单位矩阵，表示飞行器在时刻的随机噪声向量； 所述融合测量模型表示为： ， 其中，， ， ， ， 其中，表示不同飞行器在时刻的测量向量的集合，表示不同飞行器在时刻的观测矩阵的集合，表示不同飞行器在时刻的随机噪声向量的集合，表示不同飞行器在时刻的目标状态量的集合， S3中，所述节点飞行器接收其它观测飞行器传递的观测量，与自身检测的观测量、以及其它节点飞行器传递的目标预测量进行融合，获得该节点飞行器的融合观测量，并将该融合观测量传递至与其通讯连接的观测飞行器以及其它节点飞行器； S3中，所述融合包括以下子步骤： S31、针对任一个节点飞行器，设置初始状态下的目标状态量、初始状态下测量向量和初始状态下协方差矩阵， S32、针对任一个节点飞行器，根据融合测量模型，基于该节点飞行器下一时刻的测量信息、以及上一时刻的目标状态量先验值，预测获得下一时刻的目标状态量后验值以及协方差矩阵后验值； S33、每个节点飞行器将获得的下一时刻目标状态量后验值以及协方差矩阵后验值传递至其它节点飞行器； S34、将所有节点飞行器获得的下一时刻目标状态量后验值以及协方差矩阵后验值进行融合，获得下一时刻融合目标状态量后验值和融合协方差矩阵后验值； S35、任一节点飞行器基于下一时刻融合协方差矩阵后验值，结合自身预测的下一时刻协方差矩阵后验值，获得下一时刻协方差矩阵先验值，并将下一时刻协方差矩阵先验值传递至其它飞行器； S36、重复S32~S35，对后续时刻进行预测，获得任一个节点飞行器后续时刻目标状态量后验值，将其作为该节点飞行器后续时刻的校准目标状态量。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。