申请/专利权人：郑州轻工业大学

申请日：2020-08-31

公开（公告）日：2020-11-27

公开（公告）号：CN111998854A

主分类号：G01C21/20(20060101)

分类号：G01C21/20(20060101);G01C25/00(20060101);G06F17/15(20060101);G06F17/16(20060101)

优先权：

专利状态码：有效-授权

法律状态：2022.04.15#授权;2020.12.15#实质审查的生效;2020.11.27#公开

摘要：本发明提出了一种基于Cholesky分解计算的精确扩展Stirling插值滤波方法，用于实现SLAM系统状态空间模型状态参数最优滤波计算，属于导航定位与控制领域。本发明基于SLAM状态空间模型非线性动态方程与离散化观测数据，利用Stirling插值多项式逼近计算获得SLAM系统等价模型方程，根据离散化观测数据的采样区间确定非线性系统方程Stirling插值多项式的精确积分计算；针对传统NIRK积分开展局部和全局误差控制计算，将其数值积分计算过程融入到二阶Stirling插值多项式一阶均值和二阶方差逼近计算中来实现新型二阶Stirling滤波算法设计过程。经由SLAM系统仿真，并与传统二阶扩展Stirling插值滤波算法对比，验证本发明算法的计算优势和计算效能。

主权项：1.一种基于Cholesky分解计算的精确扩展Stirling插值滤波方法，其特征在于，其步骤如下：步骤一、构建机器人SLAM系统连续-离散混合状态空间模型，并设置机器人SLAM系统的状态变量初值特性数据；步骤二、根据状态空间模型以及机器人SLAM系统的状态变量初值计算第tk-1时刻的系统状态变量的估计值和估计方差矩阵Pk-1，并对系统状态变量的估计方差矩阵进行J-正交Cholesky分解操作，得到其中，Sk-1表示估计方差矩阵的平方根；步骤三、利用Stirling插值多项式对系统状态变量估计值进行线性化后预测tk时刻的系统状态变量的预测值和预测方差矩阵Pk,k-1；步骤四、在离散化观测采样区间内利用简化牛顿迭代法对tk时刻的系统状态变量的预测值进行迭代更新，并计算每次迭代区间的中点方差矩阵；步骤五、根据迭代后的系统状态变量的预测值更新tk时刻的观测值，并在系统状态变量的预测值处计算tk时刻的伪观测矩阵；步骤六、根据伪观测矩阵及其对应的观测噪声方差矩阵将中点方差矩阵进行下三角矩阵变换，并根据下三角矩阵变换结果计算tk时刻的系统状态变量的估计值和估计方差矩阵。

全文数据：

权利要求：

百度查询： 郑州轻工业大学 基于Cholesky分解计算的精确扩展Stirling插值滤波方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD