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模糊自适应的协同导航信息融合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：CN116147619B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202310178614.8，技术领域涉及：G01C21/16；该发明授权一种模糊自适应的协同导航信息融合方法是由陈熙源;石春凤;王俊玮设计研发完成，并于2023-02-27向国家知识产权局提交的专利申请。

本一种模糊自适应的协同导航信息融合方法在说明书摘要公布了：本发明公开了一种模糊自适应的协同导航信息融合方法，主要针对低成本多载体组成的集群进行协同定位。通过建立协同导航系统当地‑协同信息融合模型，利用集群内可通信的载体间实现位置信息与测距信息交互，在单点定位信息基础上利用协同信息扩维，同时在协同导航信息融合阶段建立模糊逻辑自适应控制器，充分利用协同测量新息均值及协方差，建立模糊规则，自适应调控迭代容积卡尔曼滤波器噪声相关参数，以实现低成本集群协同导航鲁棒的高精度定位。

本发明授权一种模糊自适应的协同导航信息融合方法在权利要求书中公布了：1.一种模糊自适应的协同导航信息融合方法，其特征在于：包括以下步骤： S1：建立协同导航系统当地-协同信息融合模型； 所述S1具体包括以下步骤： S1-1：完成单点定位阶段当地信息融合及位置估计； 在单点定位阶段，利用当前载体自身的惯性导航速度、位置、姿态信息及卫星导航伪距测量信息完成信息融合，输出无协同信息的单体导航定位信息； S1-2：建立协同导航阶段信息融合模型； 在协同导航阶段，充分利用单点导航定位输出的信息、经过信息传输后同步的集群内其他载体位置信息、测距信息，建立非线性的状态模型与量测模型： xk＝fxk-1+wk-1 zk＝hxk+vk wk～N0,Q vk～N0,R 其中，xk代表k时刻的系统状态向量，zk代表k时刻的量测量，wk代表过程噪声，Q为其对应的过程噪声协方差矩阵；vk代表量测噪声，R为量测噪声协方差矩阵；f·和h·分别代表状态非线性方程与量测非线性方程； S2：在协同导航阶段建立模糊逻辑自适应控制器，针对滤波器内部模型中的噪声强度进行动态自适应控制调整； 为了防止容积卡尔曼滤波器发散，建立模糊逻辑自适应控制器调整噪声强度，即定义模糊自适应容积卡尔曼滤波的协方差矩阵为： Rk＝ραR Qk＝ραQ 式中，定义ρα＝α-2k+1为指数因子，α为指数因子系数且α≥1； S3：在S2所述模糊逻辑自适应模型的控制下，采用迭代的容积卡尔曼滤波器进行信息融合； 所述S3具体包括以下步骤： S3-1：生成容积点框架，进行时间更新 其中，Pk-1|k-1为k-1时刻最优估计状态协方差矩阵，ξ为容积点系数项，为k-1时刻的系统最优估计状态向量，xi,k-1为时间预测更新的容积点，i＝1..2n为容积点数，n为系统状态维数； 其中，为k时刻一步预测状态量，Pk|k-1为k时刻一步预测状态协方差，ω为加权向量； S3-2：结合协同信息进行状态扩维，并生成新的容积点逼近框架，进行量测迭代更新 PA,k|k-1＝diagPk|k-1,Pp,k-1 其中，Ξp,k-1为协同位置信息集合，Pp,k-1为协同位置信息对应的协方差信息集合，为扩维后的状态向量； 其中，χi,k|k-1为k时刻量测扩维后的容积点 其中，j为迭代次数，为每次迭代后的状态估计向量，ζj为迭代缩放因子，采用多维缩放方法进行步长更新； 最终活动k时刻单体载体的状态最优估计与最优估计协方差矩阵Pk|k：

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：210096 江苏省南京市玄武区四牌楼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。