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

龍圖騰網恭喜電子科技大學申請的專利一種拖尾噪聲背景下的機動目標分布式狀態估計方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115687890B 。

龍圖騰網通過國家知識產權局官網在2025-05-23發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211422756.6，技術領域涉及：G06F18/00；該發明授權一種拖尾噪聲背景下的機動目標分布式狀態估計方法是由魯瑞蓮;甘露;高林;李改有;廖紅舒設計研發完成，并于2022-11-15向國家知識產權局提交的專利申請。

本一種拖尾噪聲背景下的機動目標分布式狀態估計方法在說明書摘要公布了：本發明屬于智能信號處理技術領域，具體的說是一種拖尾噪聲背景下的機動目標分布式狀態估計方法。本發明提出一種拖尾噪聲背景下的機動目標分布式狀態估計方法。本發明假設機動目標過程噪聲與測量噪聲均為拖尾噪聲，通過將拖尾噪聲建模為高斯?伽馬分布，并利用變分貝葉斯方法估計過程拖尾噪聲、量測拖尾噪聲相關分布參數，并通過對過程噪聲相關分布參數進行一致性融合處理從而提高過程噪聲估計精度。接下來對各個機動模型偽似然進行求解，從而解決了拖尾噪聲背景下的機動目標多模型狀態估計問題，最后基于GCI融合對目標狀態后驗估計結果進行一致性融合，從而提高目標運動狀態估計精度。

本發明授權一種拖尾噪聲背景下的機動目標分布式狀態估計方法在權利要求書中公布了：1.一種拖尾噪聲背景下的機動目標分布式狀態估計方法，其特征在于，包括以下步驟：S1、初始化系統參數，初始化傳感器網絡參數：定義傳感器網絡其中傳感器節點S表示接收和處理數據的節點，通信節點C表示完成數據傳輸的節點，連接鏈路表示可通信節點之間的通信鏈路，初始化第s個傳感器的鄰接節點集合為其中p表示傳感器s的鄰接節點，初始化傳感器一致性加權系數為w；初始化離散時間狀態空間轉移模型：定義k時刻目標運動模型集合為其中M表示目標運動過程中包含運動模型個數，定義k時刻第s個傳感器的運動狀態為則有： 其中表示第k時刻模型為i，fi·表示第i個運動模型的狀態轉移函數；過程噪聲服從拖尾分布其中p·表示概率密度函數，Stx|μ,Σ,v表示均值為μ、尺度矩陣為Σ、自由度為v的Student’s-t分布；初始化量測空間轉移模型： 其中表示量測值，hs,i·表示第s個傳感器中第i個運動模型對應的量測轉移函數，量測噪聲服從拖尾分布S2、對目標各個模型的運動狀態進行模型交互：結合下式計算第s個傳感器目標模型j的模型預測概率與模型交互概率 其中表示k-1時刻模型i的概率更新值由上一時刻獲取，表示k時刻馬爾科夫轉移概率矩陣TPM，其中Pr·表示概率值；結合下式計算目標第i個模型的運動狀態交互結果與狀態協方差交互結果 其中，與分別表示k-1時刻模型j的狀態估計值與狀態估計協方差矩陣由上一時刻獲取，∑·表示求和操作；S3、對目標各個模型的運動狀態值、運動狀態協方差矩陣進行一步預測計算：結合下式計算目標第s個傳感器第i個模型的運動狀態一步預測值與一步預測協方差矩陣 其中Fi·表示狀態轉移函數fi·的雅克比矩陣，表示k時刻模型i的過程噪聲協方差矩陣，·T表示求轉置操作；S4、對目標運動狀態分布與量測分布進行下述概率密度函數分解，對目標運動狀態分布進行下述分解： 其中，表示目標從初始時刻到k-1時刻的各傳感器量測集合，Nx|μ,Σ表示均值為μ、方差為Σ的高斯分布；其中服從尺度矩陣自由度為的逆-wishart分布，即Gx；a,b表示形狀參數為a、尺度參數為b的伽馬分布；∫·表示求積分操作；對目標量測分布進行下述分解： 其中服從尺度矩陣自由度為的逆-wishart分布，即S5、對目標各個傳感器與各運動模型的相關分布先驗參數進行模型交互，包括：結合下式計算步驟S4中目標i個模型的運動狀態與量測相關參數逆-wishart分布與參數自由度交互結果與尺度矩陣交互結果 其中與分別表示k-1時刻逆-wishart分布與的自由度，與分別表示k-1時刻逆-wishart分布與的尺度矩陣；結合下式計算第i個運動模型的伽馬分布與形狀參數交互結果參數交互結果與尺度參數交互結果 S6、對目標各個模型潛變量參數進行一步預測計算，包括：結合下式計算第i個模型的逆-wishart分布與參數自由度預測值與尺度矩陣預測值 其中nx表示運動狀態向量維度，表示量測狀態向量維度，ρ表示遺忘因子；結合下式計算伽馬分布與形狀參數預測結果與尺度參數預測結果 S7、結合變分貝葉斯算法求解各傳感器目標狀態更新方法與相關參數分布的超參數更新方法，設定k時刻各傳感器目標運動狀態及分布參數集合結合下式求解上述分布參數集合對應的聯合概率密度函數， 結合聯合概率密度函數計算各傳感器目標分布參數邊緣概率密度并確定對應的超參數更新方法，結合下式計算第s個傳感器目標運動狀態邊緣對數似然， 其中E·表示求期望操作，Eqxx＝∫xqxdx，其中·-1表示求逆操作，表示與無關的常數項，結合上式可得目標第i個模型對應的狀態更新值與狀態更新協方差 其中，Hs,i表示第s個傳感器第i個模型量測轉移函數的hs,i·的雅克比矩陣，表示新息協方差矩陣；結合下式計算邊緣似然， 其中，det·表示求行列式操作，表示聯合概率密度函數中與無關的期望常數項；且： 綜上可得到對應的超參數更新步驟， 結合下式計算邊緣似然， 其中表示與無關的常數項；假定結合下式計算超參數更新步驟， 結合下式計算邊緣似然， 確定超參數更新步驟， 其中Ψ·表示雙參數伽馬分布；獲得量測相關分布對應的超參數更新步驟：確定超參數更新步驟， 其中， 假定確定超參數更新步驟， 其中確定超參數更新步驟: 其中S8、對步驟S7中的過程噪聲相關分布逆-Wishart分布與伽馬分布參數結合下式進行多傳感器一致性融合處理， 其中w表示融合權系數，L表示一致性融合次數；S9、計算目標各傳感器與各運動模型對應的偽似然值與k時刻對應的模型概率更新值，由變分貝葉斯原理結合下式獲得偽似然結果， 其中DKLp||q表示函數p與函數q之間的KL散度，結合S7結果對上式求解獲得以下偽似然值， 根據獲得的偽似然結果結合下式獲得k時刻第i個模型的模型概率更新值 其中∝表示正比于；S10、對步驟S9中的模型概率更新值結合下式進行多傳感器一致性融合處理， S11、基于目標運動模型概率更新值與狀態估計協方差矩陣 其中表示第L次融合以后的模型概率更新值；得到目標在當前時刻的各傳感器狀態估計值與狀態估計協方差矩陣，完成狀態更新。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人電子科技大學，其通訊地址為：611731 四川省成都市高新西區西源大道2006號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。