买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉电子科技大学申请的专利一种基于中间过渡状态的卡尔曼滤波算法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116577750B 。

龙图腾网通过国家知识产权局官网在2025-08-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310546341.8，技术领域涉及：G01S7/41；该发明授权一种基于中间过渡状态的卡尔曼滤波算法是由程婷;曹聪冲;宋佳铭;刘璐清;王宇萌;恒思宇;王元卿设计研发完成，并于2023-05-15向国家知识产权局提交的专利申请。

本一种基于中间过渡状态的卡尔曼滤波算法在说明书摘要公布了：本发明属于目标跟踪领域，提出了一种基于中间过渡状态的卡尔曼滤波算法。当量测非线性程度较高时，在笛卡尔坐标系下的量测误差呈现非高斯特性，因此，本发明算法基于传统的卡尔曼滤波算法，构造了在量测坐标系下的中间过渡状态，并对笛卡尔坐标系下的状态和量测坐标系下的过渡状态之间的转换关系进行了推导。算法将径向速度考虑其中，预测和迭代过程在笛卡尔坐标系下进行，量测更新过程基于中间过渡状态在球坐标下进行；通过状态转换的方法，整个滤波过程都在线性环境下进行。本发明算法解决了量测非线性的问题，同时提高了滤波跟踪精度和在量测非线性程度较高时滤波算法的稳定性。

本发明授权一种基于中间过渡状态的卡尔曼滤波算法在权利要求书中公布了：1.一种基于中间过渡状态的卡尔曼滤波算法，其特征为： 假设在k-1时刻,已经获得目标的状态估计和估计误差协方差矩阵分别为 和Pk-1|k-1，其中和分别表示系统对目标在k-1时刻沿x,y,z方向的位置估计，和为所对应方向的速度估计；假设在k时刻获得目标的量测向量为其中和分别为距离、俯仰角、方位角和径向速度量测，量测噪声方差分别为和并假设方位角、俯仰角量测噪声和径向速度量测噪声相互独立，距离和径向速度量测噪声之间的相关系数为ρ，则一种基于中间过渡状态的卡尔曼滤波算法从k-1到k时刻的一次迭代过程具体步骤如下： 步骤1：时间更新： 1对k时刻的状态进行预测： 式中，F为状态转移矩阵，为k时刻的状态预测向量； 2计算预测误差协方差矩阵： Pk|k-1＝FPk-1|k-1FT+Qk-12 式中，Qk-1为k-1时刻的过程噪声协方差矩阵，Pk|k-1为预测误差协方差矩阵； 步骤2：状态转换： 1对预测估计误差协方差矩阵进行分解： 式中，Sk|k-1为预测误差协方差矩阵的平方根，chol·为对矩阵进行Cholesky分解； 2构造等权重采样点： 式中，为k时刻所构造的预测采样点，m为采样点数，满足m＝2n，n为状态向量的维数，[1]i为点集[1]的第i列，点集[1]为： 3将预测采样点表示为其中和为沿x,y和z方向的位置预测分量，和为对应方向的速度预测分量，则将其转换到量测坐标系下： 式中，和分别为距离、俯仰角和方位角预测分量，和为径向距离、俯仰角速度和方位角速度分量，将这些分量用转换后在量测坐标系下的中间过渡状态预测采样点表示 4在量测坐标系下，计算中间过渡状态的预测值： 式中，为量测坐标系下中间过渡状态的预测值； 5计算量测坐标系下的预测误差协方差矩阵： 式中，为量测坐标系下的预测估计误差协方差矩阵； 步骤3：量测更新： 1新息协方差矩阵： 式中，为新息协方差矩阵，HMid和Rk分别为量测矩阵和量测噪声协方差矩阵，可以表示为： 2计算卡尔曼增益： 式中，KMid为卡尔曼增益矩阵； 3计算在量测坐标系下对中间过渡状态的估计向量： 式中，为k时刻的中间过渡状态估计向量； 4计算量测坐标系下的估计误差协方差矩阵： 步骤4：状态转换： 1对量测坐标系下的估计误差协方差矩阵进行分解： 式中，为误差协方差矩阵的平方根； 2构造等权重采样点： 式中，为k时刻所构造的估计采样点； 3将估计采样点表示为其中和为距离、俯仰角和方位角估计分量，和为径向距离、俯仰角速度和方位角速度分量，则将其转换到原笛卡尔坐标系下： 式中，和为沿x,y和z方向的位置估计分量，和为对应方向的速度估计分量，将这些分量用原笛卡尔坐标系下的状态估计采样点表示 4计算k时刻的状态估计向量： 式中，为k时刻的状态估计； 5计算估计误差协方差矩阵： 式中，Pk|k为k时刻的估计误差协方差矩阵。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人电子科技大学，其通讯地址为：611731 四川省成都市高新西区西源大道2006号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。