-
公开(公告)号：CN103389094A
公开(公告)日：2013-11-13
申请号：CN201310296086.2
申请日：2013-07-15
Applicant: 哈尔滨工程大学
IPC: G01C21/20
Abstract: 本发明提供的是一种改进的粒子滤波方法。包括：（1）运载体启动后，选取运载体状态函数及量测函数；（2）选取渐消因子和弱化因子；（3）采用STSRCKF设计重要性密度函数；（4）重新产生粒子；（5）计算粒子重要性权值并归一化；（6）重采样；（7）状态估计；（8）时刻迭代更新，判断当前时刻k是否为迭代终止时刻，若当前时刻k不是迭代终止时刻，则由当前时刻k更新到下一时刻k+1，重复执行步骤（2）；若当前时刻k是迭代终止时刻，则结束，控制运载体停止运动。
-
公开(公告)号：CN103217175B
公开(公告)日：2015-09-30
申请号：CN201310122150.5
申请日：2013-04-10
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及的是一种自适应容积卡尔曼滤波方法，特别是涉及一种带渐消记忆时变噪声统计估值器的自适应容积卡尔曼滤波方法。本发明包括下列步骤：（1）设定初始参数；（2）时间更新；（3）量测更新；（4）构造渐消记忆时变噪声统计估值器；（5）实时估计和修正噪声。相比于标准容积卡尔曼滤波方法，该方法不要求精确已知噪声的先验统计特性，具有应对噪声变化的自适应能力，且噪声统计估值器递推公式简单，更容易实现，且对噪声统计的估计是无偏的。
-
公开(公告)号：CN102980579B
公开(公告)日：2015-04-08
申请号：CN201210460353.0
申请日：2012-11-15
Applicant: 哈尔滨工程大学
IPC: G01C21/20
Abstract: 本发明涉及的是一种自主水下航行器自主导航定位方法，特别是涉及一种基于强跟踪容积卡尔曼滤波的自主水下航行器自主导航定位方法。本发明包括如下步骤：选取自主水下航行器运动模型；选取自主水下航行器测量模型；通过自主水下航行器运动模型和测量模型构建动态系统；滤波器参数初始化；选取渐消因子；更新滤波器时间；更新滤波器量测数据；由当前时刻更新到下一时刻，重复执行步骤(5)至步骤(7)，直到到达终止时刻，结束计算，输出结果。通过引入渐消因子实时调整滤波增益矩阵，强迫输出残差序列保持相互正交，以此来减小老数据的权值，相对地增加新数据的权值，提高了滤波器的估计精度和稳定性。
-
Patent Agency Ranking
公开(公告)号：CN103389094B
公开(公告)日：2017-03-01
申请号：CN201310296086.2
申请日：2013-07-15
Applicant: 哈尔滨工程大学
IPC: G01C21/20
Abstract: 本发明提供的是一种改进的粒子滤波方法。包括：（1）运载体启动后，选取运载体状态函数及量测函数；（2）选取渐消因子和弱化因子；（3）采用STSRCKF设计重要性密度函数；（4）重新产生粒子；（5）计算粒子重要性权值并归一化；（6）重采样（；7）状态估计；（8）时刻迭代更新，判断当前时刻k是否为迭代终止时刻，若当前时刻k不是迭代终止时刻，则由当前时刻k更新到下一时刻k+1，重复执行步骤（2）；若当前时刻k是迭代终止时刻，则结束，控制运载体停止运动。
-
公开(公告)号：CN102980579A
公开(公告)日：2013-03-20
申请号：CN201210460353.0
申请日：2012-11-15
Applicant: 哈尔滨工程大学
IPC: G01C21/20
Abstract: 本发明涉及的是一种自主水下航行器自主导航定位方法，特别是涉及一种基于强跟踪容积卡尔曼滤波的自主水下航行器自主导航定位方法。本发明包括如下步骤：选取自主水下航行器运动模型；选取自主水下航行器测量模型；通过自主水下航行器运动模型和测量模型构建动态系统；滤波器参数初始化；选取渐消因子；更新滤波器时间；更新滤波器量测数据；由当前时刻更新到下一时刻，重复执行步骤(5)至步骤(7)，直到到达终止时刻，结束计算，输出结果。通过引入渐消因子实时调整滤波增益矩阵，强迫输出残差序列保持相互正交，以此来减小老数据的权值，相对地增加新数据的权值，提高了滤波器的估计精度和稳定性。
-
公开(公告)号：CN103217175A
公开(公告)日：2013-07-24
申请号：CN201310122150.5
申请日：2013-04-10
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及的是一种自适应容积卡尔曼滤波方法，特别是涉及一种带渐消记忆时变噪声统计估值器的自适应容积卡尔曼滤波方法。本发明包括下列步骤：（1）设定初始参数；（2）时间更新；（3）量测更新；（4）构造渐消记忆时变噪声统计估值器；（5）实时估计和修正噪声。相比于标准容积卡尔曼滤波方法，该方法不要求精确已知噪声的先验统计特性，具有应对噪声变化的自适应能力，且噪声统计估值器递推公式简单，更容易实现，且对噪声统计的估计是无偏的。
-
公开(公告)号：CN102446367B
公开(公告)日：2013-03-13
申请号：CN201110278195.2
申请日：2011-09-19
Applicant: 哈尔滨工程大学
IPC: G06T17/05
Abstract: 基于多波束声纳海底测量数据构建三维地形矢量模型的方法，它涉及一种用多波束声纳的测量数据进行三维矢量地形模型构建的方法。它解决了多波束测距传感器只能提供离散地形高程且仅能查询测量点地形参数的缺点。用于非结构化海底地形建模和矢量数据检索。该方法首先采集海底区域地形的采样点水平坐标及所对应的高程数据，根据多波束声纳地形测量数据的特征定义地形三角网模型的数据结构，最后根据多波束声纳地形测量的各点高程数据和Delaunay三角网的数据结构，建立Delaunay三角网失量模型。
-
公开(公告)号：CN102446367A
公开(公告)日：2012-05-09
申请号：CN201110278195.2
申请日：2011-09-19
Applicant: 哈尔滨工程大学
IPC: G06T17/05
Abstract: 基于多波束声纳海底测量数据构建三维地形矢量模型的方法，它涉及一种用多波束声纳的测量数据进行三维矢量地形模型构建的方法。它解决了多波束测距传感器只能提供离散地形高程且仅能查询测量点地形参数的缺点。用于非结构化海底地形建模和矢量数据检索。该方法首先采集海底区域地形的采样点水平坐标及所对应的高程数据，根据多波束声纳地形测量数据的特征定义地形三角网模型的数据结构，最后根据多波束声纳地形测量的各点高程数据和Delaunay三角网的数据结构，建立Delaunay三角网失量模型。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.019 seconds)
