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！

龙图腾网获悉南开大学申请的专利一种无源多站时差目标定位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：CN120352832B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202510840558.9，技术领域涉及：G01S5/06；该发明授权一种无源多站时差目标定位跟踪方法是由张晓宇;张竞男;靳小琴设计研发完成，并于2025-06-23向国家知识产权局提交的专利申请。

本一种无源多站时差目标定位跟踪方法在说明书摘要公布了：本发明涉及目标定位跟踪技术领域，提供一种无源多站时差目标定位跟踪方法。包括以下步骤：使用初始化数据的初始状态和定位目标的协方差矩阵对初始算法进行初始化赋值，将模型输入至初始化交互式算法中，进行模型交互得到交互后模型的混合状态估计和协方差矩阵；使用改进的容积卡尔曼滤波器进行状态预测更新得到模型似然函数；根据模型似然函数更新模型概率通过改进的IMM算法得到更新后的马尔可夫转移概率矩阵；计算交互式多模型最终融合的状态估计和协方差矩阵得到目标的定位跟踪结果。本发明通过引入QS‑CKF算法并改进了IMM算法通过动态调整马尔可夫转移概率矩阵，避免滤波发散或跟踪滞后问题，提升目标定位与跟踪的性能。

本发明授权一种无源多站时差目标定位跟踪方法在权利要求书中公布了：1.一种无源多站时差目标定位跟踪方法，其特征在于，包括以下步骤： S1：使用初始化数据的初始状态和定位目标的协方差矩阵对初始算法进行初始化赋值，得到初始化算法，所述初始化算法为容积卡尔曼滤波模型，步骤S1包括： S11：根据所述初始状态计算状态初始均值，对所述协方差矩阵进行QR分解得到协方差平方根； S12：根据所述状态初始均值和协方差平方根进行时间更新，得到时间更新后的状态均值和时间更新后的协方差平方根； S13：对所述时间更新后的状态均值和时间更新后的协方差平方根进行量测更新，得到初始化算法的状态估计和初始化算法的协方差矩阵平方根； S2：将运动模型输入至初始化算法中，进行滤波模型交互得到混合状态估计和协方差矩阵； S3：将混合状态估计和协方差矩阵进行模型滤波，使用马尔科夫转移更新进行状态预测和更新，得到滤波模型的似然函数，通过改进的IMM算法以动态调整马尔可夫转移概率矩阵TPM； 步骤S3包括： S31：根据所述混合状态估计和协方差矩阵进行模型更新，得到更新模型概率； S32：对所述更新模型概率使用马尔科夫转移更新，得到归一化概率模型概率； S33：对所述归一化概率模型概率进行二次修正得到归一化TPM对角线元素；步骤S33包括： S331：对滤波模型对应的似然函数进行归一化得到归一化似然函数； S332：根据所述归一化似然函数计算似然函数变化量； S333：根据所述似然函数变化量计算预测误差，并进行归一化得到归一化预测误差； S334：根据所述归一化预测误差判断是否进入模型转移阶段，若进入模型转移阶段执行步骤S335，若未进入模型转移阶段返回步骤S331；通过设置第一阈值和第二阈值判断是否进入模型转移阶段： 其中，为取最大值函数，为归一化后的似然函数，为预测误差为取最小值函数，为取均值函数，为求取标准差函数； 如果满足如下条件之一，则进入模型转移阶段： 其中，为取绝对值，为第个模型的似然函数的变化量； S335：根据所述预测误差计算TPM对角线元素，并对计算结果归一化，得到归一化TPM对角线元素； 其中，为当前时刻主对角线的元素，是上一时刻主对角线的元素，是调节因子，为第一权重系数，为第二权重系数，为更新前的归一化后的似然函数，为归一化后的似然函数的变化量； 对非对角线元素进行调整： 其中，为当前时刻非主对角线的元素，表示当前时刻转移概率矩阵的第行、第列元素； 对调整后的TPM进行归一化处理： 其中，为归一化后的非主对角线的元素，N为交互式多模型算法中输入模型的总个数 S34：将归一化TPM对角线元素作为下一时刻的转移概率输入，继续更新归一化概率模型对应的模型直至模型收敛，得到滤波模型的似然函数； S4：根据所述滤波模型的似然函数进行模型状态融合，得到目标预测模型； S5：将待预测的模型输入至目标预测模型中，得到目标的定位跟踪结果。

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南开大学，其通讯地址为：300071 天津市南开区卫津路94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。