申请/专利权人:江南大学
申请日:2024-03-13
公开(公告)日:2024-04-12
公开(公告)号:CN117875226A
主分类号:G06F30/28
分类号:G06F30/28;G06F30/15;G01S13/91;G01S13/72;G06F113/08;G06F119/14
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.30#实质审查的生效;2024.04.12#公开
摘要:本发明公开了基于流形空间协方差递推的连续离散卡尔曼状态估计方法,包括根据状态估计变量和动力学关系,基于随机微分方程构建姿态估计连续离散动力学模型;初始化参数;设定飞行器状态的预测阶段,初始化第k次测量采样对应的时刻的后验估计状态和协方差矩阵,建立距微分方程;将协方差矩阵作为SPD空间内的黎曼流形变量,把预测阶段分为N个中间时刻,对第i个中间时刻进行自加,利用递推公式计算协方差微分方程中的状态均值及协方差,迭代N次,直到所有的中间时刻完成计算;校正更新,计算第k次测量采样对应的时刻的状态值和协方差矩阵。本发明减小了协方差递推误差,提高了状态估计可靠性和精确度。
主权项:1.基于流形空间协方差递推的连续离散卡尔曼状态估计方法,其特征在于,包括:S1、根据状态估计变量和动力学关系,基于随机微分方程构建姿态估计连续离散动力学模型;S2、初始化参数,包括初始状态估计值、初始协方差矩阵、中间时刻的总数N和用户定义的约束参数;S3、设定飞行器状态的预测阶段为到,其中,表示第k-1次测量采样对应的时刻,表示第k次测量采样对应的时刻;初始化的后验估计状态和协方差矩阵,建立距微分方程;S4、将协方差矩阵作为SPD空间内的黎曼流形变量,把预测阶段分为N个中间时刻,对第i个中间时刻进行自加,利用递推公式计算协方差微分方程中的状态均值及协方差,迭代N次,直到所有的中间时刻完成计算;S5、校正更新,计算第k次测量采样对应的时刻的状态值和协方差矩阵。
全文数据:
权利要求:
百度查询: 江南大学 基于流形空间协方差递推的连续离散卡尔曼状态估计方法
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。