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！

龙图腾网获悉北京理工大学申请的专利基于转换状态概率假设密度滤波的非线性多目标跟踪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：CN120067523B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202510257050.6，技术领域涉及：G06F17/18；该发明授权基于转换状态概率假设密度滤波的非线性多目标跟踪方法是由闫莉萍;张琰卓;周宇琴;夏元清设计研发完成，并于2025-03-05向国家知识产权局提交的专利申请。

本基于转换状态概率假设密度滤波的非线性多目标跟踪方法在说明书摘要公布了：本发明属于多目标跟踪应用技术领域，具体涉及一种基于转换状态概率假设密度滤波的非线性多目标跟踪方法。该方法利用转换状态将多目标的非线性系统重构为线性系统，并结合GM‑PHD滤波得到了转换状态的高斯混合概率假设密度算法，该算法与传统的非线性多目标跟踪方法：扩展卡尔曼的GM‑PHD和无迹卡尔曼的GM‑PHD方法相比，本发明具有较高跟踪精度和较低的执行时间。

本发明授权基于转换状态概率假设密度滤波的非线性多目标跟踪方法在权利要求书中公布了：1.一种基于转换状态概率假设密度滤波的非线性多目标跟踪方法，其特征在于，包括如下步骤： 步骤一：建立非线性目标笛卡尔坐标系下目标状态和极坐标系下目标状态之间的状态转换关系，即转换状态模型； 步骤二：针对笛卡尔坐标系下概率假设密度方法的新生目标模型，利用所述状态转换关系，构建转换状态的新生目标的概率假设密度PHD； 步骤三：针对极坐标系下存活目标后验分量，构建转换状态的存活目标的预测PHD； 步骤四：步骤二得到的新生目标的PHD叠加步骤三得到的转换状态的存活目标的预测PHD，得到多目标的转换状态的预测PHD； 步骤五：利用传感器获得的量测集更新步骤四中得到的多目标的转换状态预测PHD，得到多目标转换状态的更新PHD； 步骤六：针对步骤五获得的转换状态的更新PHD进行剪枝、合并和限制分量数目，获得精简后的转换状态的更新高斯分量集； 步骤七：利用步骤六得到的更新高斯分量集，抽取在量测模型所在极坐标系下的目标的转换状态估计结果和目标数量估计结果； 步骤八：基于步骤七获得的目标的转换状态估计结果，利用笛卡尔坐标系下目标状态与极坐标系下目标状态之间的状态转换关系，计算并得到笛卡尔坐标系下多目标的估计状态，即视为最终的目标状态估计结果； 所述步骤二转换状态的新生目标的概率假设密度PHD为： 其中，表示极坐标的新生目标模型，即混合高斯分量，表示权重，转换后第个高斯分量的均值和协方差，表示新生目标高斯分量的个数，表示转换后的随机变量，表示高斯分布； 所述步骤三转换状态的存活目标的预测PHD为： 其中，分别是存活目标的目标状态条件下的转换状态的转移矩阵，转换状态的过程噪声输入矩阵和转换状态的过程噪声；和表示第个存活高斯分量的预测均值和预测协方差，表示目标的存活概率，表示时刻多目标PHD的高斯分量的个数； 所述多目标转换状态的预测PHD为： 其中，表示预测PHD的高斯分量的个数；分别表示预测PHD的第个高斯分量的权重，均值和协方差。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。