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！

龙图腾网恭喜西南交通大学申请的专利一种机载传感器故障情况下的飞行轨迹预测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：CN119167737B 。

龙图腾网通过国家知识产权局官网在2025-07-04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：202411077269.X，技术领域涉及：G06F30/27；该发明授权一种机载传感器故障情况下的飞行轨迹预测方法是由黄德青;郭彩琴;沈楷;秦娜设计研发完成，并于2024-08-07向国家知识产权局提交的专利申请。

本一种机载传感器故障情况下的飞行轨迹预测方法在说明书摘要公布了：本发明公开了一种机载传感器故障情况下的飞行轨迹预测方法，包括以下步骤：S1、在公开的ADS－B飞行器端和地面站端数据集中筛选出用于轨迹预测的数据；S2、利用Student－t分布变分贝叶斯自适应卡尔曼滤波模型优化S1中的数据；S3、制作飞行器轨迹预测时空特征数据集，所述特征数据集包括训练集、验证集和测试集；S4、建立混合网络预测模型，并利用S3中的特征数据集训练混合网络预测模型；S5、利用混合网络预测模型预测飞行轨迹。本发明利用多路时空混合特征提取的预测模型，充分考虑了目标多维状态信息对目标轨迹预测的影响，也能够反映目标状态的时序信息之间的内在联系，能够保障模型预测的可靠性和准确性。

本发明授权一种机载传感器故障情况下的飞行轨迹预测方法在权利要求书中公布了：1.一种机载传感器故障情况下的飞行轨迹预测方法，其特征在于，包括以下步骤： S1、在公开的ADS-B飞行器端和地面站端数据集中筛选出用于轨迹预测的数据； S2、利用Student-t分布变分贝叶斯自适应卡尔曼滤波模型优化S1中的数据；所述贝叶斯自适应卡尔曼滤波模型为： ； ； ； ； ； ； ； ； ； ； ； ； 以经度为例，式中，为时刻后验估计状态协方差矩阵；为衰减系数，；为精度矩阵；为第时刻经度后验状态估计值；为第时刻经度的先验状态估计值；为状态转移矩阵；为第-1时刻经度的后验状态估计值；为状态转移矩阵的转置结果；为过程噪声方差阵；为时刻先验估计状态协方差矩阵；为时刻维度Student-t分布的超参数先验值；为-1时刻维度Student-t分布的超参数后验值；为时刻维度Student-t分布的超参数先验值；为-1时刻维度Student-t分布的超参数后验值；为时刻维度Student-t分布的超参数后验值；为时刻维度的自由度；为时刻维度Student-t分布的超参数后验值；为方便计算的辅助矩阵；为量测矩阵；为量测矩阵的转置结果；为滤波增益矩阵；为辅助矩阵的逆矩阵；为观测向量；为滤波增益矩阵的转置；为时刻后验估计协方差矩阵；为时刻迹矩阵；为时刻引入量测分布的辅助随机变量；为观测向量的维数；为时刻迹矩阵的第维的值； S3、制作飞行器轨迹预测时空特征数据集，所述特征数据集包括训练集、验证集和测试集； S4、建立N-Inception-LSTM-ATT混合网络预测模型，并利用S3中的特征数据集训练N-Inception-LSTM-ATT混合网络预测模型；包括以下步骤： S41、将卷积神经网络Inception，长短期记忆神经网络LSTM和自注意力机制子模块纵向拼接起来构建N-Inception-LSTM-ATT混合神经网络，其中优化器为Adam，损失函数为MSE；具体的， 首先，将训练集输入到卷积神经网络Inception中，对目标状态信息的空间特征进行提取，将得到的结果输入到长短期记忆神经网络LSTM中，挖掘数据的时序特征； 然后，在输出层前接入ATT模块，充分考虑所有的输入向量，捕捉序列数据中的依赖关系，提高模型在序列数据中的表现能力；自注意力机制利用数据特征内部固有的信息进行注意力交互，通过多个输入计算查询向量Q、键向量K和值向量V，计算表达式为： ； 式中，为的维度，目的是对查询向量与键向量点乘后数值进行放缩； S42、设置迭代次数，训练N-Inception-LSTM-ATT混合神经网络使得损失函数MSE最小化； S43、调整网络参数，得到N-Inception-LSTM-ATT混合神经网络预测模型； S5、利用N-Inception-LSTM-ATT混合网络预测模型预测飞行轨迹。

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西南交通大学，其通讯地址为：610031 四川省成都市二环路北一段；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”。