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63729部队申请的专利基于HRRP扩展目标跟踪的分离事件判别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：CN116299274B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202310161592.4，技术领域涉及：G01S7/41；该发明授权基于HRRP扩展目标跟踪的分离事件判别方法是由杨晓骞;李春雨;董戈;吴中华;宋艳琴;王艳旭;李彦峰;郝云胜设计研发完成，并于2023-02-24向国家知识产权局提交的专利申请。

本基于HRRP扩展目标跟踪的分离事件判别方法在说明书摘要公布了：本发明公开了一种基于HRRP扩展目标跟踪的分离事件判别方法，包括以下步骤：S1：获取HRRP数据，并对所述HRRP数据进行预处理以消除平移敏感性；S2：提取所述HRRP数据的特征点；S3：根据所述特征点，利用扩展目标跟踪方法估计目标状态；S4：建立分离事件判别准则，根据所述分离事件判别准则，结合所述目标状态，判别分离事件时间。本发明能够实时利用雷达观测信息判别目标分离事件的时间，解决回波信号处理工序多、实时应用难的问题；本发明无需原始雷达回波，仅利用HRRP数据，降低了雷达实时传输带宽要求，可以实时处理判别目标分离事件，可应用于现有宽带雷达，判别结果可准确反映分离事件的发生时刻。

本发明授权基于HRRP扩展目标跟踪的分离事件判别方法在权利要求书中公布了：1.一种基于HRRP扩展目标跟踪的分离事件判别方法，其特征在于，包括以下步骤： S1：获取HRRP数据，并对所述HRRP数据进行预处理以消除平移敏感性； S2：提取所述HRRP数据的特征点； S3：根据所述特征点，利用扩展目标跟踪方法估计目标状态；利用扩展目标跟踪方法估计目标状态具体包括以下子步骤： S31：建立椭圆参数模型，以所述椭圆参数模型描述扩展目标的状态；所述椭圆参数模型的中心位置参数状态r表示为： 2 式中：x、y、、分别表示椭圆中心横向和纵向的位置和速度；T表示列向量的转置； 所述椭圆参数模型的椭圆形状参数状态p表示为： 3 式中：α表示椭圆的旋转角度；l1表示长半轴；l2表示短半轴； 所述椭圆参数模型中某一散射点z偏离中心的偏移量用h1和h2来表示，其中h1表示长半轴方向上的偏移量，h2表示短半轴方向上的偏移量，且两个偏移量的大小均位于[-1,1]之间； S32：建立测量模型；所述散射点z的测量值表示为： 4 考虑测量噪声的影响，测量方程表示为： 5 6 式中：y表示量测值；H表示测量观测矩阵；v表示测量噪声； S33：建立跟踪滤波模型，根据所述跟踪滤波模型估计目标状态；具体的： 对k时刻所有量测点的状态参数进行序贯更新；k时刻i点的位置、形状参数及协方差矩阵分别记为，利用k时刻i点测量值更新前的状态记为，k时刻的预测值记为； i点的位置参数采用下式进行更新： 7 式中：表示k时刻i点的位置参数测量的估计值；表示位置参数与量测的互协方差矩阵；表示量测的误差矩阵；为测量值； i点的形状参数采用下式进行更新： 8 9 式中：表示虚拟量测与形状参数的互协方差矩阵；表示虚拟量测的协方差矩阵；表示虚拟量测；表示虚拟量测的估计值；表示Kronecher乘子； 下一时刻的位置参数及协方差矩阵采用下式进行预测： 10 式中：表示线性系统的位置参数状态转移矩阵；表示零均值高斯噪声的位置参数协方差矩阵； 形状参数及状态协方差矩阵采用下式进行预测： 11 式中：表示线性系统的形状参数状态转移矩阵；nk为k时刻量测点的数量；表示零均值高斯噪声的形状参数协方差矩阵； S4：建立分离事件判别准则，根据所述分离事件判别准则，结合所述目标状态，判别分离事件时间；所述分离事件判别准则为： 12 式中：Δ表示椭圆增大率；D表示分离事件判别门限；表示当前时刻椭圆的长半轴；表示上一时刻椭圆的长半轴。

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63729部队，其通讯地址为：030006 山西省太原市小店区龙城北街169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。