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！

龙图腾网获悉电子科技大学申请的专利一种基于广义最大相关熵卡尔曼滤波的UUV目标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：CN115170940B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202210833026.9，技术领域涉及：G06V20/05；该发明授权一种基于广义最大相关熵卡尔曼滤波的UUV目标跟踪方法是由高松;何嘉诚;王刚;彭倍;张堃;毛雪梅设计研发完成，并于2022-07-14向国家知识产权局提交的专利申请。

本一种基于广义最大相关熵卡尔曼滤波的UUV目标跟踪方法在说明书摘要公布了：本发明公开了一种基于广义最大相关熵卡尔曼滤波的UUV目标跟踪方法，包括以下步骤：S1.建立UUV的运动方程，其中UUV即无人水下航行器；S2.建立UUV的观测方程；S3.采用基于加权最小二乘和广义最大相关熵的卡尔曼滤波算法对数据进行处理，实现对UUV的跟踪与定位。本发明将加权最小二乘和广义最大相关熵的卡尔曼滤波算法应用于UUV目标跟踪中，使用加权最小二乘来处理过程噪声，使用广义最大相关熵来处理观测噪声，对不同类型的非高斯噪声具有很强的鲁棒性，能够在复杂海洋环境中获得优异的跟踪效果。

本发明授权一种基于广义最大相关熵卡尔曼滤波的UUV目标跟踪方法在权利要求书中公布了：1.一种基于广义最大相关熵卡尔曼滤波的UUV目标跟踪方法，其特征在于：包括以下步骤： S1.建立UUV的运动方程，其中UUV即无人水下航行器； 步骤S1中所述的运动方程为： 式中，等号左侧的是k时刻目标的状态，xk,yk,zk为k时刻目标在坐标系中的位置，为k时刻目标的速度，T为获取目标状态的观测时间间隔；运行过程中，UUV不可避免的会受到外界环境因素的影响，这些影响因素视为过程噪声来进行建模，所以加入过程噪声Wk； S2.建立UUV的观测方程； 步骤S2中所述的观测方程为： 观测过程中，采用USBL定位系统进行观测，USBL定位系统即超短基线定位系统；通过传感器得到的目标k时刻的位置记为USBL定位系统的观测过程会受到噪声误差的影响，将这种观测噪声定义为Vk； S3.采用基于加权最小二乘和广义最大相关熵的卡尔曼滤波算法对数据进行处理，实现对UUV的跟踪与定位； 所述步骤S3包括以下子步骤： S301：选择形状参数α和尺度参数β，设定初始状态估计和初始协方差矩阵P0|0； S302：获得预测值，并得到真实值和预测值误差协方差矩阵： Pk|k-1＝AkPk-1|k-1AkT+Qk-1 其中，Ak是系统的状态转移矩阵，是k-1时刻状态的最佳估计值，是k时刻状态的预测值，Pk|k-1是k时刻真实值与预测值的误差协方差矩阵，即先验估计协方差矩阵，Pk-1|k-1是k-1时刻真实值与估计值的误差协方差矩阵，Qk-1是k-1时刻过程噪声的协方差矩阵； S303：通过建立代价函数，对k时刻状态进行最优化估计，获得估计状态， 其中， 其中，是k时刻状态的估计值，由于状态包含当前时刻k目标的位置和速度，故根据状态的估计值就能够实现对UUV的目标跟踪，γ＝α[2βΓ1α]是归一化常数，exp是e为底的指数函数，λ＝1βα是核参数，Ck是k时刻系统的观测矩阵，Rk是k时刻观测噪声的协方差矩阵； S304：定义滤波增益矩阵通过矩阵求逆引理，在获得估计状态的前提下，求解得到滤波增益矩阵Kk； S305：更新后验估计协方差矩阵， 其中，Pk|k是k时刻的后验估计协方差矩阵，用于k+1时刻的迭代更新。

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电子科技大学，其通讯地址为：610000 四川省成都市高新区(西区)西源大道2006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。