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！

龙图腾网恭喜浙江省智能船舶研究院有限公司申请的专利一种用于无人艇的目标潜艇路径预测与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：CN119399248B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202411614565.9，技术领域涉及：G06T7/246；该发明授权一种用于无人艇的目标潜艇路径预测与跟踪方法是由沈敏行;母海方;杨景豪;郭鹏宇;叶锦啸;陈俭杰;刘世同;王宇婷;胡泉民设计研发完成，并于2024-11-13向国家知识产权局提交的专利申请。

本一种用于无人艇的目标潜艇路径预测与跟踪方法在说明书摘要公布了：本发明提供了一种用于无人艇的目标潜艇路径预测与跟踪方法，属于无人艇动态追踪技术领域。通过水下无人艇的声呐雷达阵列传感器在多种海域采集轨迹数据，确保数据的全面性和鲁棒性。本发明核心在于结合多头注意力机制和LSTM网络的目标潜艇轨迹预测模型，能够精准捕捉轨迹特征并预测未来目标潜艇的移动轨迹特别地，特别地，引入了环境感知模块，考虑了目标潜艇周边的障碍物对目标潜艇轨迹预测的影响，提升了预测准确性。训练过程中，采用模型交互策略优化模型性能与鲁棒性。最终，该系统成功部署于无人艇，实时采集数据并预测目标轨迹，指导无人艇精准追踪，为海洋探索、资源开发和安全维护等领域提供了强大的技术支持。

本发明授权一种用于无人艇的目标潜艇路径预测与跟踪方法在权利要求书中公布了：1.一种用于无人艇的目标潜艇路径预测与跟踪方法，其特征在于，包括以下步骤：S1，通过声呐传感器获取实时的目标潜艇的三维位置坐标信息，并获取此时刻之前a时间段内的目标潜艇位置轨迹时间序列数据，同时对应获取a时间段内的环境障碍物三维坐标时间序列数据；S2，将S1获取的数据输入到训练完成的目标潜艇轨迹预测模型中，输出此时刻之后b时间段内的目标潜艇位置轨迹序列预测数据；所述目标潜艇轨迹预测模型包括环境感知模块和目标潜艇轨迹预测主干网络；所述环境感知模块通过构建图神经网络对环境障碍物三维坐标时间序列数据进行分析处理，以得到目标潜艇环境交互特征；所述目标潜艇轨迹预测主干网络包括自注意力机制、多头注意力机制、LSTM特征提取模块以及轨迹输出模块；所述自注意力机制使模型自动融合目标潜艇位置轨迹时间序列数据的特征以及环境障碍物三维坐标时间序列数据的特征，提升特征的感受野；所述多头注意力机制对自注意力机制输出的融合特征进行不同层次的特征提取，随后进行加权求和得到多层次融合特征；所述LSTM特征提取模块的双向LSTM特征提取单元同时考虑输入特征的前向和后向信息，全面地捕捉目标潜艇运动轨迹中的时序特征，并得到双向时序提取特征；随后轨迹输出模块输出预测结果；所述目标潜艇轨迹预测模型基于采集的训练数据集进行训练，训练数据集的构建方法为：分别在无人艇执行轨迹预测和追踪任务的目标海域作为目标域及用于数据收集的其他海域作为源域，利用无人艇上携带的声呐雷达传感器阵列开展数据采集；采集时间步长的目标潜艇位置数据，并将各个时间点下的目标潜艇位置数据进行组合得到完整的潜艇历史轨迹序列数据； 其中，表示采集到的第条潜艇历史轨迹序列数据，表示第个时刻潜艇具体的位置数据，具体地： 表示第条所收集的数据中的潜艇在时间时刻所对应的具体三维坐标信息，其中坐标系建立标准为以自身无人艇为坐标原点，向北，东，下三个方向分别建立x，y，z轴；采集目标潜艇环境障碍物三维坐标时间序列数据； 其中，表示第条环境障碍物位置数据中第个障碍物的位置序列数据，且，表示目标潜艇周围的障碍物总数；表示第条环境障碍物位置数据中第个障碍物在时刻所对应的具体三维位置坐标；第条目标潜艇环境障碍物位置序列数据为： 采集目标潜艇其时间步长的位置数据，其组合得到的三维位置坐标序列数据作为目标潜艇预测轨迹序列数据： 采集到的每条目标潜艇历史轨迹序列数据进行组合得到目标潜艇历史轨迹输入数据集，对采集到的每条目标潜艇环境障碍物位置序列数据进行组合得到目标潜艇环境障碍物位置数据集，对采集到的目标潜艇所对应的每条预测轨迹序列数据进行组合得到目标潜艇预测轨迹输出数据集；其中，在目标域采集得到的目标潜艇历史轨迹数据集，目标潜艇环境障碍物位置数据集，以及目标潜艇预测轨迹输出数据集分别定义为，和；在源域采集得到的目标潜艇历史轨迹数据集，目标潜艇环境障碍物位置数据集，以及目标潜艇预测轨迹输出数据集分别定义为，和；所述目标潜艇轨迹预测模型的训练过程为：S21，利用在目标域中采集得到数据集对主模型进行预训练，并利用损失函数计算得到的损失值结合梯度下降法对模型参数进行优化，并迭代训练次；S22，主模型迭代训练次后，利用源域中采集得到数据集中的数据对副模型进行训练，并利用损失函数计算训练的损失值结合梯度下降法对模型参数进行优化；S23，此利用主模型和副模型进行混合迭代训练，继续利用数据对主模型进行训练和优化，并将混合迭代训练中首轮得到的主模型网络参数定义为；利用数据集对副模型进行训练和优化，并将迭代混合训练中首轮得到副模型网络参数定义为；同时，基于得到的主模型网络参数以及副模型网络参数对主模型网络参数进行优化调整，更新后的主模型网络参数为： 其中，表示模型参数权重；S24，动态更新模型参数权重；根据混合迭代训练中计算得到的损失值以及损失值对模型调整权重进行调整： 其中，表示模型更新之前的参数权重，表示模型更新后的参数权重，表示归一化函数；S25，重复步骤S23至步骤S24，共迭代次；完成迭代次数后，将此时主模型的网络模型参数保存为此目标潜艇轨迹预测模型最终使用的网络模型参数，得到优化完毕的目标潜艇轨迹预测模型；S3，基于输出的目标潜艇位置轨迹序列预测数据，通过控制系统对自身无人艇移动方向和速度的动态实时调整，始终根据轨迹预测模型预测得到的目标潜艇轨迹进行提前预判与跟踪。

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浙江省智能船舶研究院有限公司，其通讯地址为：310000 浙江省杭州市拱墅区湖州街36号5层501室；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”。