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(wǎng)獲悉合肥工業(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(jīng)網(wǎng)絡(luò)的船舶軌跡預測方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119337923B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-03-25發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202411877644.9，技術(shù)領(lǐng)域涉及：G06N3/04；該發(fā)明授權(quán)基于混合卡爾曼神經(jīng)網(wǎng)絡(luò)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(shè)計研發(fā)完成，并于2024-12-19向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于混合卡爾曼神經(jīng)網(wǎng)絡(luò)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(jīng)網(wǎng)絡(luò)的船舶軌跡預測方法、系統(tǒng)、存儲介質(zhì)和電子設(shè)備，涉及軌跡預測技術(shù)領(lǐng)域。本發(fā)明中，通過將神經(jīng)網(wǎng)絡(luò)引入卡爾曼濾波框架，保留卡爾曼濾波的數(shù)學基礎(chǔ)和解釋性，同時利用神經(jīng)網(wǎng)絡(luò)的擬合能力和學習能力。當動力學神經(jīng)網(wǎng)絡(luò)模型的輸出結(jié)果存在噪聲時，利用基于混合卡爾曼神經(jīng)網(wǎng)絡(luò)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(quán)基于混合卡爾曼神經(jīng)網(wǎng)絡(luò)的船舶軌跡預測方法在權(quán)利要求書中公布了：1.一種基于混合卡爾曼神經(jīng)網(wǎng)絡(luò)的船舶軌跡預測方法，其特征在于，包括：根據(jù)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(jīng)網(wǎng)絡(luò)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(jīng)網(wǎng)絡(luò)模型采用Transformer模型；根據(jù)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(jīng)網(wǎng)絡(luò)，學習相應的卡爾曼增益；根據(jù)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(jié)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(jīng)網(wǎng)絡(luò)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(jīng)度坐標、緯度坐標、對地航速、對地航向；T為轉(zhuǎn)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(jīng)網(wǎng)絡(luò)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(jù)；對所有歷史軌跡數(shù)據(jù)進行預處理，獲取目標船舶軌跡的相似軌跡數(shù)據(jù)集，其中n為相似軌跡數(shù)據(jù)的數(shù)量，第i條相似軌跡數(shù)據(jù)，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(jù)中t時刻的經(jīng)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(jù)后，構(gòu)建交叉熵損失函數(shù)，其中CE表示交叉熵；根據(jù)所述交叉熵損失函數(shù)，訓練Transformer模型直至收斂。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)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(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。