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！

龙图腾网获悉中南大学申请的专利同类监测传感器的数据动态融合方法及系统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：CN119808005B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202510279081.1，技术领域涉及：G06F18/25；该发明授权同类监测传感器的数据动态融合方法及系统是由汪优;范茜珺;胡美琦;张涵;李苇航;尹子熙;孙传正;王瑞;丁泊淞设计研发完成，并于2025-03-11向国家知识产权局提交的专利申请。

本同类监测传感器的数据动态融合方法及系统在说明书摘要公布了：本发明公开了一种同类监测传感器的数据动态融合方法及系统，包括获取待融合的同类监测传感器的监测数据并进行数据清洗和异常处理得到连续监测数据；初始化用于状态预测和误差修正的基础矩阵；对当前时间步的状态进行预测并计算预测误差协方差；计算每个监测传感器的观测值与预测值的均方误差，并计算权重因子；判定每个监测传感器的故障状态并调整测量噪声协方差；计算各个监测传感器的卡尔曼增益并得到总卡尔曼增益；采用加权求和方案完成同类监测传感器的数据动态融合。本发明基于卡尔曼滤波与动态加权融合调整加权因子，同时采用故障诊断方案将异常监测传感器进行隔离，不仅实现了同类监测传感器的数据动态融合，而且可靠性高，精确性好。

本发明授权同类监测传感器的数据动态融合方法及系统在权利要求书中公布了：1.一种同类监测传感器的数据动态融合方法，其特征在于包括如下步骤： S1.获取待融合的同类监测传感器的监测数据； S2.基于稀疏信号恢复方法、正则化约束和线性插值法，对步骤S1获取的监测数据进行数据清洗和异常数据处理，以得到连续监测数据； S3.初始化用于状态预测和误差修正的基础矩阵；所述的基础矩阵包括状态转移矩阵、过程噪声协方差矩阵、观测矩阵和测量噪声协方差矩阵； S4.根据步骤S2和步骤S3得到的数据信息，采用卡尔曼滤波预测模型对当前时间步的状态进行预测，并计算预测误差协方差；具体包括如下步骤： 采用如下算式进行状态预测：式中为时间步k的预测状态；为时间步k-1的预测状态；为当前的状态转移矩阵； 采用如下算式进行误差协方差预测：式中为时间步k的预测误差协方差矩阵；为时间步k-1的预测误差协方差矩阵；Q为当前的过程噪声协方差矩阵； S5.针对每个监测传感器，计算该监测传感器的观测值与预测值的均方误差，并根据得到的均方误差计算得到对应的权重因子；具体包括如下步骤： 采用如下算式计算得到第j个监测传感器的均方误差：式中为第j个监测传感器的观测值；为第j个监测传感器的观测矩阵的第j行； 采用如下算式计算得到第j个监测传感器的权重因子：式中为设定的第一极小常数，用于防止分母为0； 最后，对所有监测传感器的权重因子进行归一化，以保证所有权重因子的和为1； S6.基于每个监测传感器的状态预测值和预测误差协方差，判定该监测传感器的故障状态，并调整对应的测量噪声协方差； S7.根据每个监测传感器的测量噪声协方差和权重因子，计算各个监测传感器的卡尔曼增益，并采用加权求和进行合并，得到总卡尔曼增益； S8.根据步骤S7得到的总卡尔曼增益，采用加权求和方案完成同类监测传感器的数据动态融合。

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中南大学，其通讯地址为：410083 湖南省长沙市岳麓区麓山南路932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”。