買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網恭喜合肥工業(yè)大學;北京市遙感信息研究所申請的專利基于混合卡爾曼神經網絡的船舶軌跡預測方法獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產權局授予，授權公告號為：CN119337923B 。

龍圖騰網通過國家知識產權局官網在2025-03-25發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202411877644.9，技術領域涉及：G06N3/04；該發(fā)明授權基于混合卡爾曼神經網絡的船舶軌跡預測方法是由夏維;李浩;馮星辰;徐崇彥;湯航;張景暉;張麗霞;滕偉;鐘也磐設計研發(fā)完成，并于2024-12-19向國家知識產權局提交的專利申請。

本基于混合卡爾曼神經網絡的船舶軌跡預測方法在說明書摘要公布了：本發(fā)明提供一種基于混合卡爾曼神經網絡的船舶軌跡預測方法、系統(tǒng)、存儲介質和電子設備，涉及軌跡預測技術領域。本發(fā)明中，通過將神經網絡引入卡爾曼濾波框架，保留卡爾曼濾波的數(shù)學基礎和解釋性，同時利用神經網絡的擬合能力和學習能力。當動力學神經網絡模型的輸出結果存在噪聲時，利用基于混合卡爾曼神經網絡對其進行優(yōu)化，從而更好地處理現(xiàn)實世界中復雜多變的動態(tài)系統(tǒng)，實現(xiàn)更準確、魯棒的航跡預測。

本發(fā)明授權基于混合卡爾曼神經網絡的船舶軌跡預測方法在權利要求書中公布了：1.一種基于混合卡爾曼神經網絡的船舶軌跡預測方法，其特征在于，包括：根據目標船舶的歷史軌跡，獲取歷史船舶狀態(tài)在不同時刻上的分布；將當前時刻的歷史船舶狀態(tài)作為相應時刻的船舶狀態(tài)后驗估計，基于動力學神經網絡模型，獲取下一時刻的船舶狀態(tài)先驗估計，并基于測量矩陣映射獲取下一時刻的預測測量值；其中所述動力學神經網絡模型采用Transformer模型；根據當前時刻的船舶狀態(tài)后驗估計、歷史測量值，及下一時刻的船舶狀態(tài)先驗估計、預測測量值，基于混合卡爾曼增益神經網絡，學習相應的卡爾曼增益；根據每一時刻的歷史測量值，及相應下一時刻的船舶狀態(tài)先驗估計、預測測量值，結合相應的卡爾曼增益，對每一時刻的船舶狀態(tài)后驗估計進行修正，以獲取修正后的歷史軌跡；將所述修正后的歷史軌跡作為動力學神經網絡模型輸入，獲取目標船舶軌跡預測序列；所述歷史船舶狀態(tài)在不同時刻上的分布是指： 其中，xt為t時刻的歷史船舶狀態(tài)；分別為目標船舶在t時刻的經度坐標、緯度坐標、對地航速、對地航向；T為轉置運算；獲取下一時刻的船舶狀態(tài)先驗估計以及預測測量值，包括：將t時刻的歷史船舶狀態(tài)xt作為相應時刻的船舶狀態(tài)后驗估計；將截止至t時刻的船舶狀態(tài)后驗估計進行四熱向量編碼并擴展至高維空間后，作為所述動力學神經網絡模型F的輸入，獲取t+1時刻的船舶狀態(tài)先驗估計；基于測量矩陣H，將船舶狀態(tài)先驗估計映射至傳感器測量空間中，獲取t+1時刻的預測測量值；所述Transformer模型的訓練過程為：獲取若干船舶的多條歷史軌跡數(shù)據；對所有歷史軌跡數(shù)據進行預處理，獲取目標船舶軌跡的相似軌跡數(shù)據集，其中n為相似軌跡數(shù)據的數(shù)量，第i條相似軌跡數(shù)據，T為總時刻，t時刻的歷史船舶狀態(tài)，分別為第i條相似軌跡數(shù)據中t時刻的經度坐標、緯度坐標、對地航向、對地航速；將截止t時刻的歷史船舶狀態(tài)進行四熱向量編碼并擴展至高維空間后，作為Transformer模型的輸入，預測t+1時刻的船舶狀態(tài)；遍歷所有相似軌跡數(shù)據后，構建交叉熵損失函數(shù)，其中CE表示交叉熵；根據所述交叉熵損失函數(shù)，訓練Transformer模型直至收斂。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或專利權人合肥工業(yè)大學;北京市遙感信息研究所，其通訊地址為：230009 安徽省合肥市包河區(qū)屯溪路193號；或者聯(lián)系龍圖騰網官方客服，聯(lián)系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。