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！

龙图腾网获悉浙江大学申请的专利一种基于高精度轨迹预测的无人机博弈决策系统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：CN119693820B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202411495187.7，技术领域涉及：G06V20/17；该发明授权一种基于高精度轨迹预测的无人机博弈决策系统是由乔斯梦旭;梁斌;唐云龙;冯如勇;龚开;刘兴高设计研发完成，并于2024-10-24向国家知识产权局提交的专利申请。

本一种基于高精度轨迹预测的无人机博弈决策系统在说明书摘要公布了：本发明公开了一种基于高精度轨迹预测的无人机博弈决策系统，包括：数据采集子系统、飞行轨迹数据库和上位机子系统；所述数据采集子系统通过定位雷达、红外传感器和扫描式陀螺仪实时采集无人机的飞行数据，随后对飞行数据进行图结构化处理，得到图结构化处理后的飞行数据并存入飞行轨迹数据库；所述飞行轨迹数据库用于为上位机子系统提供图结构化处理后的飞行数据；所述上位机子系统用于输出图结构化处理后的飞行数据对应的下一时刻的飞行数据，随后进行可视化呈现并存入飞行轨迹数据库；所述上位机子系统包括依次相连的数据集预处理模块、VGAE嵌入生成模块、图神经网络建模模块、轨迹预测模块以及结果展示模块。本发明创新性地引入图结构化和图嵌入表示，充分捕捉无人机集群中的多层次依赖关系，显著提升了无人机博弈决策飞行轨迹预测的精度与适用性，最终结合博弈决策机制，为无人机集群博弈决策的协同任务提供一种高效可靠的博弈决策解决方案。

本发明授权一种基于高精度轨迹预测的无人机博弈决策系统在权利要求书中公布了：1.一种基于高精度轨迹预测的无人机博弈决策系统，其特征在于，所述无人机博弈决策系统包括：数据采集子系统、飞行轨迹数据库和上位机子系统；所述数据采集子系统通过定位雷达、红外传感器和扫描式陀螺仪实时采集无人机的飞行数据，随后对飞行数据进行图结构化处理，得到图结构化处理后的飞行数据并存入飞行轨迹数据库；所述飞行轨迹数据库用于为上位机子系统提供图结构化处理后的飞行数据；所述上位机子系统用于输出图结构化处理后的飞行数据对应的下一时刻的飞行数据，随后进行可视化呈现并存入飞行轨迹数据库；所述上位机子系统包括依次相连的数据集预处理模块、VGAE嵌入生成模块、图神经网络建模模块、轨迹预测模块以及结果展示模块； 所述数据采集子系统通过定位雷达、红外传感器和扫描式陀螺仪实时采集无人机的飞行数据，具体为： 所述数据采集子系统通过定位雷达、红外传感器和扫描式陀螺仪对无人机的飞行状态进行采集，采集得到无人机在时间步下的飞行数据：，其中，表示飞行数据中包含个无人机的飞行特征向量；表示第个无人机在时间步下的飞行特征向量，； 所述飞行特征向量为，其中，表示第个无人机在时间步下的定位雷达的坐标位置向量；表示第个无人机在时间步下的飞行速度向量；表示第个无人机在时间步下的飞机姿态向量； 坐标位置向量为，其中，、和表示第个无人机在时间步下的三维坐标； 飞行速度向量为，其中，表示第个无人机在时间步下在轴上的速度，表示第个无人机在时间步下在轴上的速度，表示第个无人机在时间步下在轴上的速度； 飞机姿态向量为，其中，表示第个无人机在时间步下的滚转角，表示第个无人机在时间步下的俯仰角，表示第个无人机在时间步下的偏航角； 所述数据采集子系统对飞行数据进行图结构化处理，得到图结构化处理后的飞行数据并存入飞行轨迹数据库，具体包括以下子步骤： （a.1）所述数据采集子系统首先针对飞行数据构建边矩阵： ，其中，表示第个无人机和第个无人机在同一时间步之间的轨迹依赖关系，； 随后根据矩阵得到权重矩阵：； 其中，表示第个无人机和第个无人机在同一时间步之间的权重； 若第个无人机和第个无人机在同一时间步之间的轨迹依赖关系为存在，则边权重设置为1，反之则边的权重设置为0，是否存在依赖关系的判断公式如下： ； 其中，表示范2函数；为预设的阈值； （a.2）然后根据边矩阵和权重矩阵，得到邻接矩阵： ； 其中，表示第个无人机和第个无人机在同一时间步之间的邻接关系，计算公式如下： ； （a.3）将飞行数据和邻接矩阵作为图结构化处理后的飞行数据存入飞行轨迹数据库； 所述上位机子系统输出图结构化处理后的飞行数据对应的下一时刻的飞行数据，随后进行可视化呈现并存入飞行轨迹数据库，具体包括以下子步骤： （c.1）所述上位机子系统首先将图结构化处理后的飞行数据输入至数据集预处理模块进行预处理，输出归一化后的图结构化的飞行数据； （c.2）将归一化后的图结构化的飞行数据输入至VGAE嵌入生成模块，并对VGAE嵌入生成模块中的嵌入生成模型进行优化训练，得到优化后的嵌入生成模型；并通过优化后的嵌入生成模型对归一化后的图结构化的飞行数据进行处理，得到优化后的潜在嵌入矩阵和优化后的重构的邻接矩阵； （c.3）随后将优化后的潜在嵌入矩阵和优化后的重构的邻接矩阵输入至图神经网络建模模块，通过层的图神经网络参数的更新，输出节点特征矩阵； （c.4）随后将节点特征矩阵输入至博弈决策轨迹预测模块，由非线性神经网络层预测得到下一时刻的飞行特征数据； （c.5）随后将预测得到的下一时刻的飞行特征数据由博弈决策结果展示模块进行可视化呈现并存入飞行轨迹数据库。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。