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！

龙图腾网获悉东南大学申请的专利基于高斯过程和变分贝叶斯推断的不规则目标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：CN119044924B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202411172874.5，技术领域涉及：G01S7/48；该发明授权基于高斯过程和变分贝叶斯推断的不规则目标跟踪方法是由杨超群;徐梦蝶;李昊昕设计研发完成，并于2024-08-26向国家知识产权局提交的专利申请。

本基于高斯过程和变分贝叶斯推断的不规则目标跟踪方法在说明书摘要公布了：本发明公开了一种基于高斯过程和变分贝叶斯推断的不规则目标跟踪方法，采用高斯过程模型描述被跟踪目标轮廓的径向函数，对目标形状建模；采用变分贝叶斯推断方法对目标的形状状态和测量噪声进行联合估计，推导未知测量噪声和被跟踪目标形状状态的后验分布形式；采用平方根容积卡尔曼滤波处理形状不规则目标跟踪中的非线性滤波问题，实现复杂形状信息和未知测量噪声的同步估计。本发明方法能够有效克服传统跟踪算法在处理未知测量噪声时对复杂目标形状的局限性，显著提高了目标跟踪的精度和鲁棒性。

本发明授权基于高斯过程和变分贝叶斯推断的不规则目标跟踪方法在权利要求书中公布了：1.基于高斯过程和变分贝叶斯推断的不规则目标跟踪方法，其特征在于：采用高斯过程模型描述被跟踪目标轮廓的径向函数，对目标形状建模；采用变分贝叶斯推断方法对目标的形状状态和测量噪声进行联合估计，推导未知测量噪声和被跟踪目标形状状态的后验分布形式；采用平方根容积卡尔曼滤波处理形状不规则目标跟踪中的非线性滤波问题，实现复杂形状信息和未知测量噪声的同步估计，包括如下步骤： S1：给出初始时刻或时刻的目标形状估计值以及其平方根协方差，通过平方根容积卡尔曼滤波计算出容积点和容积点的一步预测,并对未知测量噪声协方差矩阵的估计参数初始化获得和； S2：利用步骤S1中得到的计算出状态和平方根协方差的一步预测和，在此基础上对容积点进行更新获得； S3：利用步骤S1和S2中得到的值，在迭代测量更新前对各变量进行初始化赋值； S4：进行迭代测量更新，通过基于高斯过程模型对形状建模得到的测量方程，以及当前迭代得到的目标状态和测量噪声协方差估计值，计算预测的测量值； S5：通过平方根容积卡尔曼滤波中的测量更新步骤计算状态平方根协方差，以及状态和量测的互协方差,最终更新第次迭代估计的状态和平方根协方差； S6：再次计算新的容积点和预测的测量值，计算测量协方差，并更新测量噪声协方差的估计参数，得到其估计值； S7：当相邻两次迭代估计的测量噪声协方差之间的差值小于设定阈值时，结束迭代，输出估计的状态、平方根协方差和参数。

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东南大学，其通讯地址为：211189 江苏省南京市江宁区东南大学路2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。