欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 202311238475X
申请人: 兰州理工大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于高斯过程的概率假设密度滤波多机动目标跟踪方法,其特征在于,包括以下步骤:获取多机动目标运动数据集;

基于所述多机动目标运动数据集划分出训练集和测试集,将所述训练集和所述测试集输入机动目标运动模型中进行高斯过程回归学习,获取高斯过程的均值、方差和超参数;

对所述高斯过程的均值、方差和超参数进行高斯过程回归学习,获取预测模型和观测模型;对所述高斯过程的均值、方差和超参数进行高斯过程回归学习,获取预测模型和观测模型包括:预测模型为:

p(x

观测模型为:

p(z

其中,x

采用高斯过程及容积卡尔曼对所述预测模型进行线性化采样预测处理,对处理后的模型进行更新处理,获取多机动目标的状态和目标均值;采用高斯过程及容积卡尔曼对所述预测模型进行线性化采样预测处理包括:Q

其中,x

2.如权利要求1所述的基于高斯过程的概率假设密度滤波多机动目标跟踪方法,其特征在于,获取多机动目标运动数据集包括:D=

其中,X=[x

3.如权利要求2所述的基于高斯过程的概率假设密度滤波多机动目标跟踪方法,其特征在于,获取高斯过程的均值和方差包括:其中,GP

4.如权利要求3所述的基于高斯过程的概率假设密度滤波多机动目标跟踪方法,其特征在于,基于所述高斯过程的均值和方差进一步进行高斯过程回归学习,获取超参数包括:其中,θ=[A,σ

5.如权利要求1所述的基于高斯过程的概率假设密度滤波多机动目标跟踪方法,其特征在于,对处理后的模型进行更新处理,获取多机动目标的状态和目标均值包括:其中,