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！

龙图腾网获悉电子科技大学申请的专利基于自适应数据驱动的分数阶导数定位优化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：CN119622311B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202411782498.1，技术领域涉及：G06F18/213；该发明授权基于自适应数据驱动的分数阶导数定位优化方法是由崔美玉;李西峰;彭礼彪;毕东杰;谢永乐设计研发完成，并于2024-12-05向国家知识产权局提交的专利申请。

本基于自适应数据驱动的分数阶导数定位优化方法在说明书摘要公布了：本发明公开了一种基于自适应数据驱动的分数阶导数定位优化方法，属于无线电定位技术领域，包括以下步骤：S1、在目标区域内利用传感器在实际位置处接收信号强度指示值，生成RSSI数据集；S2、根据RSSI数据集，生成并训练分数阶导数核自适应滤波器；S3、将实际位置和RSSI数据集输入至训练后的分数阶导数核自适应滤波器中，得到目标位置。本发明相较传统的经典核自适应滤波方法，采用了分数阶导数构建权重更新策略，具有更高和更稳健的滤波精度；本发明首次将分数阶微积分结合q拉普拉斯核技术引入核自适应滤波器中来构建定位系统，实验表明此算法比当前最先进的定位算法能取得更好的定位精度。

本发明授权基于自适应数据驱动的分数阶导数定位优化方法在权利要求书中公布了：1.一种基于自适应数据驱动的分数阶导数定位优化方法，其特征在于，包括以下步骤： S1、在目标区域内利用传感器在实际位置处接收信号强度指示值，生成RSSI数据集； S2、根据RSSI数据集，生成并训练分数阶导数核自适应滤波器； S3、将实际位置和RSSI数据集输入至训练后的分数阶导数核自适应滤波器中，得到目标位置； 所述S2包括以下子步骤： S21、将RSSI数据集映射至高维再生核希尔伯特空间中； S22、利用高维再生核希尔伯特空间的RSSI数据集，更新分数阶导数核自适应滤波器的权重参数； S23、对更新权重参数后的分数阶导数核自适应滤波器进行训练； 所述S22中，更新分数阶导数核自适应滤波器的权重参数的表达式为： ； 式中，为权重参数更新的分数阶次导数，表示分数阶导数核自适应滤波器的损失函数，表示第次更新时核自适应滤波器中的权重参数，表示广义的伽马函数比，表示被转换为RKHS的第个更新的输入向量，表示拉普拉斯核函数，表示分形维数，表示分布均值，表示正则化参数，表示第次更新时的预测误差，表示测量序列中的索引，表示符号函数，表示第次更新时的权重因子； 所述S22中，分数阶导数核自适应滤波器的权重参数的更新表达式为： ； 式中，表示第次更新时的权重因子，表示第次更新时的权重因子，表示第次更新时的预测误差，表示第次更新时的更新值，ei表示第次更新时的预测误差，Ai-1表示第i-1次更新时的特征权重矩阵，Pi-1表示第i-1次更新时的精度矩阵，表示低维RRSI数据的扩展在高维的再生核希尔伯特空间中映射得到的高维RRSI数据，表示高维RRSI数据； 所述第次更新时的预测误差的计算公式为： ； 式中，表示第次更新数据的真实值，表示第次更新数据的预测值； 所述第次更新时的预测误差的计算公式为： ； 式中，表示广义的伽马函数比，表示拉普拉斯核函数，表示误差损失因子，表示分形维数，表示分布均值，表示阶数； 所述第i-1次更新时的特征权重矩阵的计算公式为： 式中，Ai-1表示第i-1次、第i-2次更新时的特征权重矩阵，表示第i-1次更新时的预测误差，diag表示对角矩阵； 所述第i次更新时的更新值ri的表达式为： ； ； 式中，表示被转换为RKHS的第个输入向量，vi和vi-1分别表示第次和第次更新时的输入向量映射到高维空间后的相反值的次幂；zi表示第更新时的差异值。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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”。