申请/专利权人：河海大学

申请日：2023-12-14

公开（公告）日：2024-03-15

公开（公告）号：CN117713750A

主分类号：H03H21/00

分类号：H03H21/00;H03H17/02

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.02#实质审查的生效;2024.03.15#公开

摘要：本专利提供了一种基于分数次幂的一致性卡尔曼滤波状态估计方法。该方法包括以下步骤：S1：初始化：获取传感器网络中给定的初始状态估计值和初始误差协方差矩阵；S2：在传感器网络中，各个传感器节点从邻居节点接受新的数据，对相邻传感器节点的观测值以及协方差进行一致化预处理；S3：各传感器节点利用基于分数次幂α1的卡尔曼滤波算法，获得此刻的状态估计值；S4：各个传感器节点，与其邻居传感器节点相互交换状态估计值，采用基于分数次幂α2的一致性算法，修正当前的状态估计值；S5：各个传感器节点计算下一时刻的状态预测值和误差协方差预测值，返回步骤S2循环。本发明可以有效加快算法收敛速度，增强状态估计的稳定性以及估计精度和一致性，使得所有传感器的状态估计更加趋于一致。

主权项：1.一种基于分数次幂的一致性卡尔曼滤波的分布式状态估计方法，其特征在于：该方法包括以下步骤：S1：初始化：获取传感器网络中给定的初始状态估计值和初始误差协方差矩阵；S2：在传感器网络中，各个传感器节点从其邻居传感器节点接受新的数据，对观测值以及协方差进行一致化预处理；S3：各传感器节点利用基于分数次幂α1的局部卡尔曼滤波算法，获得此刻的状态估计值；S4：各个传感器节点，与其邻居传感器节点相互交换状态估计值，采用基于分数次幂α2的一致性算法，修正当前的状态估计值；S5：各个传感器节点计算下一时刻的状态预测值和误差协方差预测值，返回步骤S2循环至采样时刻k大于所设定的采样次数，循环结束。

全文数据：

权利要求：

百度查询： 河海大学 一种基于分数次幂的一致性卡尔曼滤波状态估计方法

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