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！

龙图腾网获悉中交第二公路勘察设计研究院有限公司申请的专利一种传感器的误差参数估计方法和系统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：CN120991915B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202511525223.4，技术领域涉及：G01C25/00；该发明授权一种传感器的误差参数估计方法和系统是由刘夏临;杨忠胜;刘继国;魏龙海;崔庆龙设计研发完成，并于2025-10-24向国家知识产权局提交的专利申请。

本一种传感器的误差参数估计方法和系统在说明书摘要公布了：本申请提供传感器的误差参数估计方法和系统，包括：采用六位置法采集传感器的测量数据，传感器包括陀螺仪和或加速度计；对传感器误差建模，使用最小二乘法进行传感器的确定性误差参数拟合；根据确定性误差参数进行误差补偿，得到传感器的随机误差；将随机误差作为卡尔曼滤波算法的测量值，采用高斯‑马尔可夫模型对随机误差进行建模，作为卡尔曼滤波算法的状态值；设计随机误差矩阵和驱动噪声协方差矩阵；基于测量值、状态值、随机误差矩阵和驱动噪声协方差矩阵，进行卡尔曼滤波算法的时间更新和测量更新，修正传感器的随机误差。本申请在实时测量中，确定性误差参数和随机误差参数的估计可以克服仪器本身带来的误差测量，得到更为精确的测量数据。

本发明授权一种传感器的误差参数估计方法和系统在权利要求书中公布了：1.一种传感器的误差参数估计方法，其特征在于，包括： S1、采用六位置法采集传感器的测量数据，所述传感器包括陀螺仪和或加速度计； S2、基于所述测量数据，对所述传感器进行误差建模，使用最小二乘法进行传感器的确定性误差参数拟合；所述确定性误差参数包括偏置误差、比例因子误差、安装误差，当传感器是陀螺仪式，所述确定性误差还包括G相关误差； S3、根据所述确定性误差参数进行误差补偿，得到所述传感器的随机误差，包括：基于所述确定性误差参数，通过所述传感器的误差模型的逆方程，得到所述传感器修正后的测量值；基于所述传感器修正后的测量值，得到所述传感器的剩余误差，即随机误差； S4、将所述随机误差作为卡尔曼滤波算法的测量值，采用高斯-马尔可夫模型对所述随机误差进行建模，作为卡尔曼滤波算法的状态值；基于所述高斯-马尔可夫模型和所述状态值，设计随机误差矩阵和驱动噪声协方差矩阵，包括： 将所述随机误差作为卡尔曼滤波算法的测量值，所述随机误差包括偏置不稳定性； 采用高斯-马尔可夫模型对所述偏置不稳定性进行建模，将建模的偏置不稳定性定义为卡尔曼滤波的状态值； 基于所述高斯-马尔可夫模型的特性，设计两个协方差矩阵，分别为： 偏置不稳定性协方差矩阵，描述偏置不稳定性本身的波动范围，反映所述状态值的不确定性； 驱动噪声协方差矩阵，描述驱动偏置不稳定性变化的噪声特性，对应卡尔曼滤波中的过程噪声协方差，为状态预测提供依据； S5、基于所述测量值、所述状态值、所述随机误差矩阵和所述驱动噪声协方差矩阵，进行卡尔曼滤波算法的时间更新和测量更新，修正所述传感器的随机误差，包括： 所述时间更新为： 状态预测：表示上一时刻的状态值，表示预测的当前时刻的状态值，状态转移矩阵A的元素为偏置不稳定性进行建模中的衰减因子，为驱动噪声，与所述驱动噪声协方差矩阵对应； 误差协方差预测：表示上一时刻的误差协方差，为预测当前时刻状态估计的不确定性，受所述随机误差矩阵影响；Q为过程噪声，由所述驱动噪声协方差矩阵确定； 所述测量更新为： 计算卡尔曼增益：；C为测量矩阵，R为噪音协方差矩阵，表示卡尔曼增益，用于确定预测值与测量值的权重分配； 测量方程更新：为修正后的当前状态，即修正的偏置不稳定性； 更新误差协方差矩阵：I-C。

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中交第二公路勘察设计研究院有限公司，其通讯地址为：430056 湖北省武汉市经济技术开发区创业路18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。