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海军航空大学申请的专利一种基于航迹相似性分割的航迹关联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：CN115391324B 。

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：202211059482.9，技术领域涉及：G06F16/215；该发明授权一种基于航迹相似性分割的航迹关联方法是由熊伟;徐平亮;崔亚奇;孔战;董凯;熊振宇;于艺伟;郝延彪;龚诚设计研发完成，并于2022-08-30向国家知识产权局提交的专利申请。

本一种基于航迹相似性分割的航迹关联方法在说明书摘要公布了：本发明公开了一种基于航迹相似性分割的航迹关联方法，主要解决现有的航迹关联算法在实际工程应用中存在的先验信息难以获取、关联门限难以确定、关联时间长等问题。该方法利用深度学习技术，从关联矩阵入手，利用神经网络对多传感器航迹进行深入挖掘，融合各个传感器的所有航迹信息得到航迹矩阵，通过对航迹矩阵进行相似性分割直接得到不同航迹之间的关联关系，从而完全避免了对大量航迹进行遍历计算，减少了人工对模型和参数的反复修改和调试，大大提高了关联效率，并且适用于传感器观测过程中存在刚性或非刚性形变的区域中多个传感器之间的航迹关联，可实现实际工程应用中多传感器多目标的快速准确关联。

本发明授权一种基于航迹相似性分割的航迹关联方法在权利要求书中公布了：1.一种基于航迹相似性分割的航迹关联方法，其特征在于，包括以下步骤： 步骤1，将传感器A和传感器B的航迹通过归一化转化为规范、无量纲的航迹，根据来自不同传感器的航迹构建航迹张量，航迹张量中各个位置的元素与对应的归一化航迹一一对应，完成航迹合并； 步骤2，设计损失函数，该方法的损失函数包含三部分，分别是相似损失、行约束损失、列约束损失，定义网络对航迹张量进行相似性分割后得到关联矩阵为，真实的关联矩阵为，其中矩阵元素为1表示关联，0表示不关联； 步骤3，构建相似性分割网络模型，网络包含2个模块，分别是航迹特征提取模块和关联映射模块，航迹特征提取模块包含3个并联分支，分别为元素特征提取层、局部特征提取层和全局特征提取层，关联映射模块包含3个并联分支，分别是行关联映射层，列关联映射层和全局关联映射层， 步骤3.1：构建元素特征提取层，元素特征提取层由2个全连接层组成，首先将航迹张量展平，其形状由变化为，然后利用由2个全连接层组成的元素特征提取层对展平后的航迹张量中每一个元素进行处理，将维度放大为原来的4倍再缩放到原来的维度，张量形状变化为，最后将展平的航迹张量还原到原始形状，为传感器A中的航迹数量，为传感器B中的航迹数量； 步骤3.2：构建局部特征提取层，局部特征提取层首先由一个卷积层提取航迹张量中的邻域信息，融合邻居航迹特征，同时设置其步长和填充均为1保证矩阵大小不发生改变，然后接2个卷积层将卷积层输出特征的通道数放大4倍再缩放到原来的大小，融合不同通道的航迹信息，在2个卷积层中张量形状的变化为； 步骤3.3：构建全局特征提取层，全局特征提取层由2个全局自注意力层组成，首先将航迹张量展平，其形状由变化为，将展平后的航迹张量看作一个整体，然后计算查询矩阵、键矩阵、值矩阵； 步骤3.4：构建行关联映射层、列关联映射层和全局关联映射层，行关联映射层为卷积层，列关联映射层为卷积层，全局关联映射层为一层全局自注意力层，将航迹张量展平作为输入，并将输出的张量还原为原始形状，输入输出维度相同； 步骤3.5：将行关联映射层，列关联映射层和全局关联映射层的输出按照通道维合并，通过一个卷积核为，步长为1，填充为0，输出通道数为1的卷积层进行关联映射合并，得到关联矩阵； 步骤4，对相似性分割网络进行训练测试，网络的输入是航迹张量，输出为关联矩阵，根据输出的关联矩阵中数值的分布得到关联结果。

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海军航空大学，其通讯地址为：264001 山东省烟台市芝罘区二马路188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”。