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！

龙图腾网获悉哈尔滨工业大学申请的专利基于多站地基雷达接力的目标跟踪算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：CN121114962B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202511407213.0，技术领域涉及：G01S7/41；该发明授权基于多站地基雷达接力的目标跟踪算法是由宋申民;杨宇航;刘金钢设计研发完成，并于2025-09-29向国家知识产权局提交的专利申请。

本基于多站地基雷达接力的目标跟踪算法在说明书摘要公布了：本发明公开了基于多站地基雷达接力的目标跟踪算法，包括以下步骤：步骤一，目标跟踪模型构建；步骤二，多雷达量测数据预处理；步骤三，加权观测融合观测方程构建；步骤四，局部滤波器独立运算；步骤五，主滤波器全局最优状态估计；步骤六，结果反馈优化；本发明通过加权观测融合技术处理多站地基雷达的量测数据，从而有效扩大雷达探测范围，解决现有接力跟踪方法中单传感器覆盖不足问题，同时也能降低单传感器量测噪声对估计结果的影响，提升估计精度；通过所构建的目标跟踪模型将目标运动先验知识转化为概率化的形式，再基于贝叶斯理论的检测跟踪联合处理方法，通过利用这些以概率形式表述的先验知识来提高跟踪精度。

本发明授权基于多站地基雷达接力的目标跟踪算法在权利要求书中公布了：1.基于多站地基雷达接力的目标跟踪算法，包括以下步骤：步骤一，目标跟踪模型构建；步骤二，多雷达量测数据预处理；步骤三，加权观测融合观测方程构建；步骤四，局部滤波器独立运算；步骤五，主滤波器全局最优状态估计；步骤六，结果反馈优化；其特征在于： 其中在上述步骤一中，选取地心固连坐标系下目标的位置、速度及加速度作为状态量，建立目标运动方程和量测方程作为目标跟踪模型； 其中在上述步骤二中，对多个地基雷达采集的原始量测数据进行空间对准处理，将不同坐标系下的雷达量测数据转换至同一地心固连坐标系； 其中在上述步骤三中，采用加权方法合并多个雷达的量测方程，构建加权观测融合观测方程； 其中在上述步骤四中，将步骤二中预处理后的量测数据输入各局部滤波器，各局部滤波器基于目标运动方程采用卡尔曼滤波算法独立运算，得到局部目标状态估计值及估计误差协方差阵并传输至主滤波器； 其中在上述步骤五中，主滤波器利用步骤三构建的加权观测融合观测方程融合预处理后的量测数据，结合所有局部滤波器的输出，基于最优分布融合算法，计算得到全局目标状态估计值及对应的全局估计误差协方差阵； 其中在上述步骤六中，将主滤波器输出的全局估计结果反馈至各局部滤波器，局部滤波器利用反馈信息调整自身滤波参数，优化下一采样时刻的局部目标状态估计精度； 所述步骤三中，构建加权观测融合观测方程的过程具体为：用增广观测向量方法合并各雷达量测方程，获取集中融合观测方程： ， ， ， ， ， 其中为集中式融合观测向量，为融合观测阵，为融合观测白噪声；对状态方程和融合观测方程应用卡尔曼滤波算法可求得集中式观测融合全局最优卡尔曼滤波器； 由集中融合观测方程可得状态向量的加权最小二乘估值为： ， 则有加权观测融合观测方程： ， 其中加权融合后的观测向量和观测白噪声分别为： ， ， 的方差阵为： ， 对状态方程和加权观测融合观测方程应用卡尔曼滤波算法可求得加权观测融合卡尔曼滤波器； 其中为第部雷达的量测向量，为第部雷达的观测矩阵，为第部雷达的观测白噪声； 所述步骤五中，最优分布融合算法具体为： ， ， 其中和为融合中心对目标状态估计及其估计误差协方差阵，和为第个雷达对目标状态估计及其估计误差协方差阵，和为融合中心对目标状态预报及其预报误差协方差阵，和为第个雷达对目标状态预报及其预报误差协方差阵，为雷达数量。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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。