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长三角研究院(嘉兴);北京理工大学申请的专利一种基于LSTM神经网络的下投式探测组件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：CN116341377B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202310271185.9，技术领域涉及：G06F30/27；该发明授权一种基于LSTM神经网络的下投式探测组件轨迹预测方法是由胡纯;陆子祺;李中翔;郑德智设计研发完成，并于2023-03-20向国家知识产权局提交的专利申请。

本一种基于LSTM神经网络的下投式探测组件轨迹预测方法在说明书摘要公布了：本发明公开的一种基于LSTM神经网络的下投式探测组件轨迹预测方法，属于下投式探测组件、高空探测技术领域。本发明基于LSTM神经网络处理时间序列的特性，采用数据化的方法，通过学习下投式探测组件的历史轨迹数据，将环境因素对下投式探测组件轨迹的影响，将温度、湿度、气压这三个环境参数结合到下投式探测组件轨迹数据中；建立下投式探测组件的高精度轨迹预测模型，对传感器采集的参数预处理，并对温度、气压数据采用相应补偿算法的进行补偿，保证输入到LSTM神经网络中数据的可靠性与真实性；采用递归预测方法对下投式探测组件的未来运动轨迹进行预测。本发明能够辅助选择合适的下投时机与下投点，提高下投式探测组件探测任务的效率与精度。

本发明授权一种基于LSTM神经网络的下投式探测组件轨迹预测方法在权利要求书中公布了：1.一种基于LSTM神经网络的下投式探测组件轨迹预测方法，其特征在于：包括如下步骤， S1：从搭载多种传感器的下投式探测组件在空基平台上投放的历史任务中，获取一段轨迹数据； S2：对收集的轨迹数据进行预处理，将缺失值补足进行平滑处理，同时剔除无效值与异常值，将数据的取值范围通过归一化处理纳入[0,1]区间； S3：通过滑动窗口法将预处理后的数据进行分段处理并构建训练样本与测试样本；下投式探测组件的轨迹数据具有连续性、时序性的特点，而LSTM神经网络的隐含层带有反馈连接结构，使得本时刻的输出不仅与本时刻输入有关，还能够结合之前时刻的信息，能有效运用于下投式探测组件的轨迹预测之中；采用滑动窗口法将数据集切分依次作为神经网络的输入，数据集点数为N＝{x0,x1,…,xN-1}，前M个点划分为训练样本，后K个点划分为测试样本；窗口长度为m，即通过第0至m-1时刻的数据{x0,x1,…,xm-1}预测第m时刻下投式探测组件的轨迹信息，第1至m时刻的数据{x1,x2,…,xm}预测第m+1时刻的轨迹信息，以此类推，则共切分成M-m+1个点作为训练样本输入，K-m+1个点作为测试样本输入；因此，LSTM神经网络训练时的输入数据的维数为M-m+1,m,16，M为训练样本点数，m为窗口长度，16为每个点所包含的16维数据信息，分别为： 经度、纬度、高度、三维速度、三维加速度、二维角速度、二维角加速度、温度、湿度、气压； S4：建立基于LSTM的下投式探测组件轨迹预测模型，通过循环迭代调节网络参数，将输出结果与真实值的误差最小化，确定网络结构；LSTM网络通过借鉴人类根据信息重要程度记忆与遗忘的特点，在网络中加入三个“门”控制器；数据输入到神经网络后，经过遗忘门、更新门和输出门，最终得到神经网络输出； S5：测试样本输入到训练好的LSTM神经网络中，将输出反归一化得到下投式探测组件的轨迹预测结果； 通过将长度为K的测试样本输入到训练好的基于LSTM神经网络的下投式探测组件轨迹预测模型中，将输出结果进行零-均值反归一化后，与实际轨迹进行比较，验证LSTM神经网络轨迹预测准确性；将训练好的下投式探测组件轨迹预测模型保存，在后续进行新的轨迹预测任务时直接使用，提高预测效率，保证轨迹预测的实时性； S6：实际探测中，先收集探测空域的环境信息，与投放后的下投式探测组件轨迹信息整合输入到LSTM神经网络中对探测组件未来的轨迹进行预测。

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长三角研究院(嘉兴);北京理工大学，其通讯地址为：314019 浙江省嘉兴市秀洲区油车港镇永越大厦18-19楼；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。