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！

龙图腾网获悉东南大学申请的专利一种基于最小KL散度的UUV协同信息重构系统及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：CN118094870B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202410006221.3，技术领域涉及：G06F30/20；该发明授权一种基于最小KL散度的UUV协同信息重构系统及方法是由张涛;邓聪;张帅帅;胡斌设计研发完成，并于2024-01-03向国家知识产权局提交的专利申请。

本一种基于最小KL散度的UUV协同信息重构系统及方法在说明书摘要公布了：本发明提出的一种基于最小KL散度的UUV协同信息重构系统及方法，系统包括接收端和发送端以及用于接收端和发送端之间通信的通信模块，所述发送端设置有INS模块、水声测距模块、第一水声通讯器以及第一水声测距换能器，所述接收端设置有第二水声通讯换能器、第二水声测距换能器以及信息融合模块，本申请利用最小KL散度原则对缺失的UUV协同信息进行高精度重构，避免了神经网络、深度学习等非线性建模方法或改进滤波方法无法同时兼顾精度与实时性的缺点，在保证精度指标的同时大幅简化计算过程，有助于降低缺失信息实时重构方法的工程应用难度。

本发明授权一种基于最小KL散度的UUV协同信息重构系统及方法在权利要求书中公布了：1.一种基于最小KL散度的UUV协同信息重构方法，其特征在于：包括如下步骤： S1：通过通信波得到INS模块解算后的发送端位置信息，通过声脉冲信号得到距离量测信息，协同信息传播时间包括水声信号传播时间和信号处理时间，由于通信数据包信息量大，接收端需要时间进行拼接和重构，因此接收端接收到的位置信息具有时延误差，通信时延即为发送端发出脉冲至接收端接收完毕通信波信息结束的时长，协同信息传播遵循“顺序到达”原则，但是一旦过期时长超出量测周期，将出现协同信息错序和丢失的情况； S2：建立常加速模型，利用信息丢失前的UUV位置建立常加速模型，并将历史位置代入此模型对缺失位置进行初步预测， 离散状态方程如下： ； 其中 为时刻的位置，为时刻的速度，为时刻的加速度，初始时刻速度由位置的一阶差分得到，初始时刻的加速度由位置的二阶差分得到，为白噪声，是状态转移矩阵，是噪声分配矩阵， ，; 式中：T为采样周期； S3：利用拉格朗日插值法对信息丢失前后的UUV位置进行拟合，建立高阶位置多项式，并据此对步骤S2求得的初步预测位置进行平滑处理， 拉格朗日插值多项式的基本形式如下所示： ； 式中，表示自变量取第个时的第个插值基函数，具体形式如下式所示： ,; 其中，是已知数据点的横坐标值，将带入得： ; 将拉格朗日插值多项式应用到数据点之间的坐标值上，获得平滑后的数据； S4：对历史数据进行核密度估计求得位置先验分布，对观测数据进行核密度估计求得似然函数，用全概率公式计算边缘似然函数，最后根据贝叶斯定理计算出位置后验分布； S5：利用距离观测量修正位置预测误差，由于距离信息通过水声脉冲传播，因此作为可靠的量测信息约束误差边界，所以采用最小KL散度准则进行预测位置信息和量测信息的高精度融合，依据KL散度值可有效衡量求解位置分布与目标后验分布之间的差异，通过调整量测约束的位置分布，不断缩小KL散度值即可实现求解位置精度提升，当KL散度缩小至预设阈值时，求解位置作为最终的结果输出，完成TUUV位置信息重构， KL散度计算公式如下： ; 其中，P是位置后验分布，Q是位置先验概率分布， KL散度是衡量任意两个概率分布相似度的量化指标，由于不要求服从高斯分布，所以最大程度保持了信息完整度，预测的发送端位置先验分布与量测约束的位置分布重合部分即为发送端位置的目标后验分布。

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东南大学，其通讯地址为：210000 江苏省南京市江宁区东南大学路2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”。

以上内容由龙图腾AI智能生成。