-
公开(公告)号：CN114296087A
公开(公告)日：2022-04-08
申请号：CN202111514936.2
申请日：2021-12-13
Applicant: 哈尔滨工程大学
Abstract: 本发明提出了一种线上贝叶斯压缩水下成像方法及系统、设备和介质，该方法通过引入状态转移方程建立源向量各快拍之间的结构关系，结合波束形成模型，构建转移概率密度和似然概率密度，给出超参数的估计公式，包括稀疏超参数、噪声不确定度和转移矩阵，并采用锯齿滞后周期性更新机制结合Kalman滤波‑RTS平滑实现源向量的高精度重构。该方法具有非迭代特征，以快拍或时间序列推进估计进程，具有收敛性保证，算法同时兼具低计算量和计算量可预测性，尤其适用于水下成像系统在线工作。
-
公开(公告)号：CN118518109A
公开(公告)日：2024-08-20
申请号：CN202410639708.5
申请日：2024-05-22
Applicant: 哈尔滨工程大学
Abstract: 本发明属于水下导航技术领域，具体涉及一种基于非迭代期望最大化的扩展卡尔曼滤波水下地形匹配导航方法、程序、设备及存储介质。本发明引入了非迭代期望最大化方法，结合参考导航结果和地形测深数据，基于扩展卡尔曼滤波的水下地形匹配导航模型，给出噪声参数的更新方程，包括状态噪声和测量噪声，通过扩展卡尔曼滤波‑平滑执行EM参数估计，采用EM的非迭代近似并结合固定滞后方案和缩减计算量。本发明通过降低噪声参数的影响来提高估计性能，在误差环境中具备优于传统方法的鲁棒性。本发明以时间序列推进估计进程，具有收敛性保证，在准确估计噪声参数，实现水下高精度定位导航的同时，保持更低的计算成本，能够适用于实时水下导航系统。
-
公开(公告)号：CN118603089A
公开(公告)日：2024-09-06
申请号：CN202410639709.X
申请日：2024-05-22
Applicant: 哈尔滨工程大学
IPC: G01C21/20 , G01C21/16 , G06F18/15 , G06F18/22 , G06F123/02
Abstract: 本发明属于水下导航技术领域，具体涉及一种基于期望最大化的扩展卡尔曼滤波水下地形匹配导航方法、程序、设备及存储介质。本发明引入期望最大化算法，构建基于扩展卡尔曼滤波和多波束测深声呐的水下地形匹配导航模型，得到噪声误差参数的更新方程。本发明通过扩展卡尔曼前向滤波‑后向平滑的顺序过程，结合随时间序列更新的测量数据，获取状态均值、自协方差和交叉协方差的条件期望，通过最大化似然函数得到状态噪声和测量噪声参数估计的迭代公式，通过执行期望最大化算法迭代实现参数估计收敛。本发明以时间序列推进估计进程，具有收敛性保证，且能够准确估计噪声参数，有效提高扩展卡尔曼滤波算法的性能，结合测深数据实现水下高精度定位导航。
-
公开(公告)号：CN114296087B
公开(公告)日：2024-07-12
申请号：CN202111514936.2
申请日：2021-12-13
Applicant: 哈尔滨工程大学
Abstract: 本发明提出了一种线上贝叶斯压缩水下成像方法及系统、设备和介质，该方法通过引入状态转移方程建立源向量各快拍之间的结构关系，结合波束形成模型，构建转移概率密度和似然概率密度，给出超参数的估计公式，包括稀疏超参数、噪声不确定度和转移矩阵，并采用锯齿滞后周期性更新机制结合Kalman滤波‑RTS平滑实现源向量的高精度重构。该方法具有非迭代特征，以快拍或时间序列推进估计进程，具有收敛性保证，算法同时兼具低计算量和计算量可预测性，尤其适用于水下成像系统在线工作。
-
-
-
Search Results
4
records
(took 0.023 seconds)
