-
Patent Agency Ranking
公开(公告)号：CN115711622B
公开(公告)日：2024-11-15
申请号：CN202211455385.1
申请日：2022-11-21
Applicant: 电子科技大学
Abstract: 本发明提供了一种广义最小误差熵卡尔曼的水下无人航行器定位方法，包括以下步骤：S1、采集水下无人航行器的位置和速度数据，构建为定位数据样本集；S2、采用广义最小误差熵卡尔曼滤波对定位数据样本集中定位数据样本进行滤波处理，得到修正定位数据；本发明解决了现有针对非高斯噪声的滤波方法只能处理某些特定类型的噪声，非高斯噪声无法被完全滤除，造成水声定位的估计精度低的问题。
-
公开(公告)号：CN114609912B
公开(公告)日：2023-10-03
申请号：CN202210272651.0
申请日：2022-03-18
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于伪线性最大相关熵卡尔曼滤波的仅测角目标追踪方法,包括以下步骤：S1.初始化噪声方差和状态转移矩阵，初始化目标初始位置状态#imgabs0#选择高斯核核宽σ以及收敛判定系数εt；S2.利用伪线性方法把仅测角观测方程线性化，计算待追踪目标的先验估计值#imgabs1#和先验协方差矩阵Pk|k‑1，根据最大相关熵不定点迭代公式，更新后验估计值#imgabs2#计算伪线性卡尔曼滤波的偏差，并且瞬时在后验估计值上进行补偿；S3.当后验估计值的更新满足判定系数εt时，停止更新，计算后验协方差矩阵，开始下一轮迭代。本发明将最大相关熵理论和伪线性卡尔曼滤波相结合，提出了纯方位目标追踪方法，相比其他伪线性方法，在非高斯环境工作下目标追踪精度更高且不易发散。
-
公开(公告)号：CN115711622A
公开(公告)日：2023-02-24
申请号：CN202211455385.1
申请日：2022-11-21
Applicant: 电子科技大学
Abstract: 本发明提供了一种广义最小误差熵卡尔曼的水下无人航行器定位方法，包括以下步骤：S1、采集水下无人航行器的位置和速度数据，构建为定位数据样本集；S2、采用广义最小误差熵卡尔曼滤波对定位数据样本集中定位数据样本进行滤波处理，得到修正定位数据；本发明解决了现有针对非高斯噪声的滤波方法只能处理某些特定类型的噪声，非高斯噪声无法被完全滤除，造成水声定位的估计精度低的问题。
-
公开(公告)号：CN115170940A
公开(公告)日：2022-10-11
申请号：CN202210833026.9
申请日：2022-07-14
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于广义最大相关熵卡尔曼滤波的UUV目标跟踪方法，包括以下步骤：S1.建立UUV的运动方程，其中UUV即无人水下航行器；S2.建立UUV的观测方程；S3.采用基于加权最小二乘和广义最大相关熵的卡尔曼滤波算法对数据进行处理，实现对UUV的跟踪与定位。本发明将加权最小二乘和广义最大相关熵的卡尔曼滤波算法应用于UUV目标跟踪中，使用加权最小二乘来处理过程噪声，使用广义最大相关熵来处理观测噪声，对不同类型的非高斯噪声具有很强的鲁棒性，能够在复杂海洋环境中获得优异的跟踪效果。
-
公开(公告)号：CN114609912A
公开(公告)日：2022-06-10
申请号：CN202210272651.0
申请日：2022-03-18
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于伪线性最大相关熵卡尔曼滤波的仅测角目标追踪方法,包括以下步骤：S1.初始化噪声方差和状态转移矩阵，初始化目标初始位置状态选择高斯核核宽σ以及收敛判定系数εt；S2.利用伪线性方法把仅测角观测方程线性化，计算待追踪目标的先验估计值和先验协方差矩阵Pk|k‑1，根据最大相关熵不定点迭代公式，更新后验估计值计算伪线性卡尔曼滤波的偏差，并且瞬时在后验估计值上进行补偿；S3.当后验估计值的更新满足判定系数εt时，停止更新，计算后验协方差矩阵，开始下一轮迭代。本发明将最大相关熵理论和伪线性卡尔曼滤波相结合，提出了纯方位目标追踪方法，相比其他伪线性方法，在非高斯环境工作下目标追踪精度更高且不易发散。
-
-
-
-
Search Results
5
records
(took 0.023 seconds)
