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！

龙图腾网获悉中国人民解放军海军工程大学申请的专利一种基于两阶段无偏伪线性卡尔曼滤波的无人机目标定位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：CN120141489B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202510309152.8，技术领域涉及：G01C21/20；该发明授权一种基于两阶段无偏伪线性卡尔曼滤波的无人机目标定位方法是由闫啸家;孙世岩;朱惠民;胡清平设计研发完成，并于2025-03-17向国家知识产权局提交的专利申请。

本一种基于两阶段无偏伪线性卡尔曼滤波的无人机目标定位方法在说明书摘要公布了：本发明将噪声和真值分离的思想融入PLKF框架，提出了一种基于两阶段无偏伪线性卡尔曼滤波的无人机目标定位方法2S‑UPLKF。第一阶段基于EKF的角度估计可以在无人机远距离跟踪时有效解耦噪声干扰，为系统提供鲁棒的初始状态。第二阶段构建噪声‑真值分离机制，从原理层面消除伪线性方程中观测矩阵与噪声的相关性。本方法不仅继承了伪线性滤波计算高效的优势，更通过两阶段协同优化实现了动态跟踪过程中偏差的主动抑制。理论分析与仿真实验表明，相较于其他非线性滤波算法，在强非线性观测、大角度噪声和远距离观测等极端条件下仍能有效抑制误差波动，具有更优的跟踪性能。

本发明授权一种基于两阶段无偏伪线性卡尔曼滤波的无人机目标定位方法在权利要求书中公布了：1.一种基于两阶段无偏伪线性卡尔曼滤波的无人机目标定位方法，其特征在于，包括以下步骤： 步骤1、采集k-1时刻的目标状态xk-1|k-1和协方差矩阵Pk-1|k-1，状态噪声矩阵Q以及测量噪声矩阵R数据输入基于EKF的角度估计算法，基于EKF的角度估计算法依次进行预测阶段、更新阶段和角度估计阶段，最终输出的k时刻基于EKF角度估计算法的目标状态预测值 预测阶段：计算k时刻的状态量先验估计值和误差协方差先验估计Pk|k-1 为k时刻的状态转移矩阵； 更新阶段：计算k时刻的基于EKF角度估计算法的状态后验估计值和误差协方差后验估计值 式中，J为k时刻的线性观测矩阵，z为k时刻的目标位置实际测量值； 角度估计阶段：计算k时刻基于EKF角度估计算法的目标状态预测值： h·为非线性观测函数 输出： 步骤2、将采集的k-1时刻的目标状态xk-1|k-1和协方差矩阵Pk-1|k-1，状态噪声矩阵Q以及测量噪声矩阵R与k时刻基于EKF角度估计算法的目标状态预测值一起输入基于UPLKF的状态估计算法，基于UPLKF的状态估计算法依次进行预测阶段、更新阶段和角度估计阶段，最终输出的k时刻基于UPLKF的目标状态预测值和目标状态误差协方差 预测阶段：计算状态量先验估计，误差协方差先验估计 Fk为k时刻的状态转移矩阵； 更新阶段：计算k时刻的基于UPLKF的状态后验估计值和误差协方差后验估计值 为k时刻的目标位置实际伪测量值，为k时刻的目标位置等效伪测量值； mk1＝[-sinβk,-cosβk,0]Mxk+‖dk||cosεk； βk和εk为k时刻的目标方位角和俯仰角，和为受噪声影响k时刻的目标方位角和俯仰角观测值，M＝[I3×3,03×3]，xk为目标在k时刻的状态向量； 为k时刻的目标位置的等效观测矩阵，为G的估计值； 输出： 步骤3、将作为k时刻的目标状态xk|k作为k时刻的协方差矩阵Pk|k，代入步骤1和步骤2迭代计算得到k+1时刻的目标状态。

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国人民解放军海军工程大学，其通讯地址为：430030 湖北省武汉市硚口区解放大道717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。