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！

龙图腾网获悉哈尔滨理工大学申请的专利一种基于三轮阿克曼转向模型的安全Tobit滤波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：CN117216488B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202311169560.5，技术领域涉及：G06F18/15；该发明授权一种基于三轮阿克曼转向模型的安全Tobit滤波方法是由胡军;杨硕;班立群;刘玉锋;于浍;徐龙;赵丹绮;周奥展设计研发完成，并于2023-09-11向国家知识产权局提交的专利申请。

本一种基于三轮阿克曼转向模型的安全Tobit滤波方法在说明书摘要公布了：本发明公开了一种基于三轮阿克曼转向模型的安全Tobit滤波方法，所述方法包括如下步骤：一、建立具有虚假数据注入攻击和删失测量的三轮阿克曼转向模型；二、对三轮阿克曼转向模型进行安全Tobit滤波器设计；三、计算三轮阿克曼转向模型在第h时刻的预测误差协方差矩阵的上界四、利用计算出三轮阿克曼转向模型在第h+1时刻的增益矩阵Kh+1；五、将Kh+1代入二中获得第h+1时刻的滤波判别h+1能否达到滤波总时长Y，若满足h+1＜Y，则执行六；六、通过Kh+1计算出三轮阿克曼转向模型在第h+1时刻的滤波误差协方差矩阵的上界设置h＝h+1，执行二，直至满足h+1＝Y。本发明解决了现有安全Tobit滤波方法不能同时处理删失测量和虚假数据注入攻击的非线性滤波问题。

本发明授权一种基于三轮阿克曼转向模型的安全Tobit滤波方法在权利要求书中公布了：1.一种基于三轮阿克曼转向模型的安全Tobit滤波方法，其特征在于所述方法包括如下步骤： 步骤一、基于由车辆坐标、车辆路径角偏差、线速度以及转向角组成的五维状态变量，建立具有虚假数据注入攻击和删失测量的三轮阿克曼转向模型，所述具有虚假数据注入攻击和删失测量的三轮阿克曼转向模型为： 式中，xh＝[xhyhηhκhζh]T，T表示为矩阵的转置；sin·、cos·以及tan·分别代表“·”的正弦函数、余弦函数以及正切函数；xh、yh、ηh、κh以及ζh分别表示三轮阿克曼转向模型在第h时刻的车辆的原始坐标、车辆路径角偏差、线速度和转向角；E代表三轮车前轮到后轴的距离，Δs为采样间隔，xb和yb代表车内安装的传感器测量信标位置；ωh和vh分别代表在第h时刻具有零均值且协方差矩阵为Qh＞0和Rh＞0的过程噪声和测量噪声，Dh是一个五维的已知时变矩阵；是在第h时刻具有5个节点的未经删失的测量输出；是在第h时刻具有5个节点的经过删失之后的输出向量，Θh＝diag{θ1,h,θ2,h,...,θ5,h}，其中diag·表示对角线上的元素是“·”的对角矩阵，θi,h是用来判断第i个节点在第h时刻是否发生删失的伯努利随机变量，代表删失阈值向量，I是五维单位矩阵；yh是在第h时刻遭受虚假数据注入攻击之后产生的实际测量值，ξh是满足条件的虚假数据，为ξh的转置，是一个大于0的虚假数据上界，Γh＝diag{γ1,h,γ2,h,...,γ5,h}，γi,h是用来判断攻击者是否攻击传感器节点的伯努利随机变量；i＝1,2,...,5； 步骤二、对步骤一所建立的三轮阿克曼转向模型进行安全Tobit滤波器设计，通过所设计的安全Tobit滤波器实现对三轮阿克曼转向模型的状态估计，所述安全Tobit滤波器的具体结构为： 式中，为三轮阿克曼转向模型的状态在第h时刻的一步预测，为基于三轮阿克曼转向模型的状态的非线性函数在第h时刻的滤波形式，为三轮阿克曼转向模型的状态在第h时刻的滤波，为第h+1时刻的滤波，Kh+1为第h+1时刻的增益矩阵，yh+1是在第h+1时刻遭受虚假数据注入攻击之后产生的实际测量值，是第i个节点在第h+1时刻的未删失概率，为基于三轮阿克曼转向模型的测量输出所对应的非线性函数在第h时刻的一步预测形式，其中φ·为标准正态分布的概率密度函数，为的第i个元素，为第h+1时刻的测量噪声协方差矩阵Rh+1的第i,i个元素，表示的转置； 步骤三、计算三轮阿克曼转向模型在第h时刻的预测误差协方差矩阵的上界所述三轮阿克曼转向模型在第h时刻的预测误差协方差矩阵的上界表达式为： 式中，为基于三轮阿克曼转向模型的状态所对应的第h时刻的非线性函数fxh在第h时刻的滤波处的偏导数，为第h时刻的滤波误差协方差矩阵的上界，以及是基于fxh通过泰勒公式得到的已知误差矩阵，以及分别代表以及Dh的转置，ρ1,h表示一个已知的时变系数并且满足以及分别代表以及ρ1,h的逆； 步骤四、利用步骤三中所得到的计算出三轮阿克曼转向模型在第h+1时刻的增益矩阵Kh+1，所述三轮阿克曼转向模型的第h+1时刻的增益矩阵Kh+1的表达式为： 其中： q1,h+1＝ε1,h+1+ε3,h+1， 式中，为第h时刻的预测误差协方差矩阵的上界，ρ2,h+1是满足的时变的正标量，为基于三轮阿克曼转向模型的测量输出所对应的在第h+1时刻的非线性函数gxh+1在处的偏导数，以及是基于gxh+1通过泰勒公式得到的已知误差矩阵，εi,h+1均为权重系数，表示第i个传感器节点在第h+1时刻的攻击概率，表示中间参数矩阵，以及是满足的正常数，xh+1表示三轮阿克曼转向模型在第h+1时刻的状态，‖·‖表示欧几里得范数，tr{·}表示矩阵的迹，表示矩阵之间的哈达玛积，以及分别代表对以及做平方运算，以及分别代表ρ2,h+1、ε1,h+1、ε2,h+1、ε3,h+1、ε4,h+1以及ε5,h+1的逆，以及分别代表以及的转置； 步骤五、利用步骤四中计算得到的Kh+1，将其代入步骤二中获得第h+1时刻的滤波然后，判别h+1能否达到滤波总时长Y，若满足h+1＜Y，则执行步骤六，若满足h+1＝Y，则停止对同时具有虚假数据注入攻击和删失测量的三轮阿克曼转向模型的状态估计； 步骤六、通过步骤四所计算出的Kh+1，计算出三轮阿克曼转向模型在第h+1时刻的滤波误差协方差矩阵的上界设置h＝h+1，执行步骤二，直至满足h+1＝Y，所述三轮阿克曼转向模型在第h+1时刻的滤波误差协方差矩阵的上界的表达式为： 其中： q1,h+1＝ε1,h+1+ε3,h+1， 式中，为第h+1时刻的滤波误差协方差矩阵的上界，代表Kh+1的转置。

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哈尔滨理工大学，其通讯地址为：150000 黑龙江省哈尔滨市南岗区学府路52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。