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 > 北京理工大学曾小路获国家专利权

北京理工大学曾小路获国家专利权

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!

龙图腾网获悉北京理工大学申请的专利一种基于遗传算法的非视距无人机定位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:CN119199791B

龙图腾网通过国家知识产权局官网在2025-09-09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:202411374514.3,技术领域涉及:G01S7/41;该发明授权一种基于遗传算法的非视距无人机定位方法是由曾小路;杨小鹏;杨怡菲;张婉娱设计研发完成,并于2024-09-29向国家知识产权局提交的专利申请。

一种基于遗传算法的非视距无人机定位方法在说明书摘要公布了:本发明提供一种基于遗传算法的非视距无人机定位方法,基于毫米波雷达多路径回波数据特点,通过BP成像获取目标的鬼影位置,原理符合非视距环境下多路径传播模型;然后,采用街道宽度表征建筑街道布局信息,基于目标与鬼影之间位置的几何关系,建立包含未知街道宽度的目标函数,通过遗传算法对该目标函数进行优化,从而获取目标的准确位置与街道宽度;也就是说,本发明能够在建筑布局未知的条件下实现非视距目标定位,是一种有效的目标定位方法,目标定位精度更高;本发明尤其适用于典型L形城市街区模型,为广义非视距模型下的目标定位提供技术支撑。

本发明授权一种基于遗传算法的非视距无人机定位方法在权利要求书中公布了:1.一种基于遗传算法的非视距无人机定位方法,其特征在于,待测目标位于由于L型街道的拐角遮挡形成的非视距盲区;所述定位方法包括以下步骤: S1:通过包含无人机多径鬼影信息的BP图像获取待测目标的一组多径鬼影位置,具体为: 利用高斯平滑滤波处理BP图像,得到平滑图像; 利用CA-CFAR阈值检测法抑制平滑图像中的栅瓣,得到栅瓣抑制图像,其中,栅瓣抑制图像每个网格点对应的像素值的计算方法为: 其中,为抑制平滑图像上第q个网格点的像素值,为CA-CFAR阈值检测法中的设定检测门限; 对栅瓣抑制图像进行二值化处理,得到二值图像; 利用八连通算法获取二值图像中的连通域,并将各连通域的质心作为多径鬼影位置,其中,连通域的个数最多为3个; S2:获取待测目标在被L型街道多次反射的雷达电磁波的各条反射路径上形成的鬼影真实位置与待测目标的真实位置之间的映射关系,其中,每一条反射均形成一个鬼影真实位置,且将反射强度最大的前P条反射路径上形成的鬼影真实位置用于目标函数的构建,其中,P为多径鬼影位置中的径数; 假设P=3,则各鬼影真实位置与待测目标的真实位置之间的映射关系如下: 其中,为待测目标在雷达电磁波第一次反射的反射路径上形成的鬼影真实位置,为待测目标在雷达电磁波第二次反射的反射路径上形成的鬼影真实位置,为待测目标在雷达电磁波第三次反射的反射路径上形成的鬼影真实位置,为待测目标的真实位置,为雷达的位置,为在非视距盲区中的L型街道的街道宽度,为雷达到非视距盲区中的L型街道的墙面的距离; S3:根据待测目标的多径鬼影位置与鬼影真实位置构建目标函数如下: 其中,为待测目标的位置估计值,为采用所述映射关系表征的各鬼影真实位置组成的位置集合,为由多径鬼影位置组成的位置集合,表示二范数,为街道宽度,argmin表示目标函数达到最小值时的、的取值; S4:采用遗传算法对目标函数进行优化,得到待测目标的位置估计值和街道宽度,具体为: S41:将具有不同初始取值的和作为不同的个体,得到初始种群,其中,个体数量为G; S42:判断各个体是否满足两个设定条件和,其中,为在非视距盲区中的L型街道的街道宽度,为L型街道的拐角横坐标,为采用所述映射关系表征的各鬼影真实位置的纵坐标的平均值;将不满足两个设定条件的个体对应的约束违背计数器conv记为2,满足其中一个设定条件的个体对应的约束违背计数器conv记为1,满足两个设定条件的个体对应的约束违背计数器conv记为0; S43:计算各个体对应的目标函数值; S44:采用模拟二进制交叉法和均匀变异法对上一代种群的各个体进行进化,得到交叉变异后的新种群; S45:计算新种群各个体对应的目标函数值,并根据新种群满足的设定条件的个数确定新种群中每个个体对应的约束违背计数器conv; S46:在约束违背计数器conv为0的新种群个体中选出目标函数值最小的前G个个体组成下一代种群; S47:将步骤S46得到的下一代种群作为步骤S44中的上一代种群,然后重复执行步骤S44~S47,直到达到设定的迭代次数,进入步骤S48; S48:在所有次迭代中选择最优个体作为最终的待测目标的位置估计值和街道宽度估计值,其中,最优个体满足:约束违背计数器conv为0且目标函数值最小。

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。

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。