Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 苏州工学院滕诣迪获国家专利权

苏州工学院滕诣迪获国家专利权

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!

龙图腾网获悉苏州工学院申请的专利多速率多传感器信息融合方法、系统及存储介质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:CN121211374B

龙图腾网通过国家知识产权局官网在2026-02-03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:202511758551.9,技术领域涉及:G06F18/25;该发明授权多速率多传感器信息融合方法、系统及存储介质是由滕诣迪;葛龙;夏浩;陈柏全;葛轩滕;唐晨海;马驰程;姚隔婷;顾晨;杨思彤;贾友谊;杨希峰;和明;卞九辉设计研发完成,并于2025-11-27向国家知识产权局提交的专利申请。

多速率多传感器信息融合方法、系统及存储介质在说明书摘要公布了:本发明公开了一种多速率多传感器信息融合方法、系统及存储介质,通过可观测性分解,得到各局部传感器的可观测子系统;在可观测子系统内设计局部卡尔曼滤波器,在采样时刻对可观子系统执行卡尔曼滤波;获取局部传感器的估计值以及估计误差协方差矩阵计算融合权重;根据融合权重和局部传感器的最优估计值得到融合估计值。针对具有局部不可观测传感器的多速率系统,提出分布式融合估计框架,解决异步数据对齐与部分可观测性难题。通过可观测性分解,在各传感器可观测子空间设计稳定卡尔曼滤波器防止发散;基于状态转移矩阵的动态对齐机制实现异构传感器估计同步;协方差交叉融合确保一致性与鲁棒性。

本发明授权多速率多传感器信息融合方法、系统及存储介质在权利要求书中公布了:1.一种多速率多传感器信息融合方法,其特征在于,包括以下步骤: S01:通过可观测性分解,得到各局部传感器的可观测子系统;可观测性分解包括: 对于不可观测对,其中为状态转移矩阵的次幂,表示跨越个时间步长的状态转移,表示传感器的观测矩阵,必存在可逆矩阵使得: 其中,状态变换矩阵用来解耦可观不可观子系统,为垂直拼接操作用来构造状态为提取可观状态和提取不可观状态,为可观测子空间基底矩阵,不可观测子空间基底矩阵,代表可观子系统的状态转移矩阵,代表不可观测子系统的状态转移矩阵,代表可观测子系统对不可观测子系统的耦合矩阵,为可观子系统的输出矩阵; 通过状态变换矩阵,第传感器局部系统转化为: 其中,为不可观子系统对可观子系统的耦合矩阵,为系统状态,表示测量值,是高斯测量噪声,和分别表示传感器的采样周期和初始采样时刻,为取样次数,是高斯过程噪声; 定义,第个可观测子系统为: 其中,为可观子系统的状态向量,为传感器的等效测量值,是传感器的测量噪声; S02:在可观测子系统内设计局部卡尔曼滤波器,在采样时刻对可观子系统执行卡尔曼滤波;设计的局部卡尔曼滤波器为: 其中,代表传感器在第采样时刻的状态一步预测值;表示传感器在第个采样时刻的最优估计值;代表传感器在第个采样时刻的一步预测误差协方差矩阵;代表第个传感器在时刻的估计误差协方差矩阵,代表单位矩阵;代表传感器在第个采样时刻的卡尔曼增益矩阵,为高斯过程噪声的协方差矩阵,代表传感器的测量噪声协方差矩阵,代表传感器在第个采样时刻的测量值; S03:获取局部传感器的估计值以及估计误差协方差矩阵计算融合权重; S04:根据融合权重和局部传感器的最优估计值得到融合估计值; 。

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苏州工学院,其通讯地址为:215500 江苏省苏州市常熟市南三环路99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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。