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！

龙图腾网获悉东南大学申请的专利基于自适应MCMC的鲁棒因子图优化组合导航方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：CN119756344B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202411853234.0，技术领域涉及：G01C21/16；该发明授权基于自适应MCMC的鲁棒因子图优化组合导航方法是由陈熙源;崔天昊设计研发完成，并于2024-12-16向国家知识产权局提交的专利申请。

本基于自适应MCMC的鲁棒因子图优化组合导航方法在说明书摘要公布了：本发明提供了一种基于自适应MCMC马尔科夫链蒙特卡罗的鲁棒因子图组合导航方法，在INSGNSS组合导航系统中，多径效应和非视距等因素会极大降低卫星的定位精度，从而影响整个组合导航系统的效果。在城市交通中存在较多峡谷环境极大地影响了车辆的定位精度，因此需要研究一种兼具抗差性能和估计精度的组合导航方法。对此提出了一种基于自适应MCMC的鲁棒因子图组合导航方法。首先，基于先验和后验两阶段将自适应MCMC引入因子图优化框架，以精确估计GNSS时变量测噪声协方差；其次，引入新息χ2检测算法来检测和剔除粗差。所提方法在减小粗差干扰的同时能有效估计GNSS时变量测噪声，相比基于M估计的鲁棒自适应因子图算法和基于变分贝叶斯的鲁棒因子图组合导航算法在定位精度上有明显提升。

本发明授权基于自适应MCMC的鲁棒因子图优化组合导航方法在权利要求书中公布了：1.基于自适应MCMC的鲁棒因子图组合导航方法，其特征在于，所述方法包括以下步骤： 步骤1：在车辆上安装IMU、GNSS、RTK传感器，用于采集相关数据，步骤2：将IMU和GNSS获取到的数据输入基于自适应MCMC的鲁棒因子图组合导航算法中，在算法中包含IMU预测的先验更新、GNSS量测的后验更新以及新息χ2检测算法，步骤3：基于自适应MCMC的鲁棒因子图组合导航算法输出组合后的结果，并与RTK采集到的二维平面定位数据对比，验证所提算法的有效性和精度，评价指标包括均方根误差RMSE和标准差STD，具体过程为将因子图优化后的所有历元epoch的东、北、天位置数据与RTK对应的转化为东、北、天的位置数据求RMSE和STD； 根据先验概率和似然概率的乘积定义一个新的分布，这里记作Mine分布，则后验概率pRk|z1:k‑1也服从Mine分布，基于M‑H采样算法的改进MCMC采样步骤如下： 输入：任意选定马尔科夫链的状态转移矩阵Q，目标平稳分布Mine分布，设定状态转移次数阈值为n1，所需样本个数为n2，1、从任意简单的概率分布采样得到初始值2、t取值范围：[0，n1+n2‑1]，a从条件概率分布中采样得到样本b从均匀分布采样u～U[0,1],U[0,1]代表在0～1上的均匀分布，c如果则接受转移即d否则不接受转移，即输出：样本集即为需要的目标平稳分布Mine分布对应的样本集，在M‑H框架的基础上，利用历史采样信息动态调整条件概率分布以提高采样效率，具体的自适应策略如下： 1、动态调整步长ε根据接受率调整条件概率分布的步长ε，其中0.23～0.44是目标接受率区间，2、使用采样的协方差矩阵更新条件概率分布： a通过历史样本计算协方差矩阵Ctb将条件概率分布调整为： c在更新Ct时，引入正则化以确保数值的稳定性： Ct'＝1‑λCt+λI其中，λ是较小的正值，取λ＝0.01，I是单位矩阵，3、采样完成后，计算马尔科夫链的自相关性和有效样本数量，验证采样质量，通过引入M‑H采样算法和自适应策略，得到MCMC采样后的样本集通过计算样本集的统计特性，即可得到后验概率pRk|z1:k‑1满足的数学特性，GNSS量测的后验更新：通过IMU预测的先验更新，可计算联合后验概率pxk,Rk|z1:k，联合后验概率pxk,Rk|z1:k近似为高斯分布与Mine分布的乘积，高斯分布表示为Nxk，Mine分布表示为MineRk，pxk,Rk|z1:k≈NxkMineRk其中MineRk＝MineRk|α,β,η，Pk分别是k时刻的后验状态估计值和后验状态协方差矩阵，采用KL散度衡量真实后验pxk,Rk|z1:k与近似后验NxkMineRk的匹配程度，通过最小化上述KL散度即求出Rk的最优估计值，后验状态估计值通过非线性优化算法经迭代收敛后获得： 其中x是在因子图滑动窗口内的所有状态，Δx是状态的增量，[x+Δx]k表示选取tk时刻的状态，后验状态估计值及后验状态协方差矩阵Pk是在使用IMU因子做先验更新的基础上，再添加GNSS因子进行优化求解后获得，上述的雅各比矩阵J和协方差矩阵W定义为： 其中下标k‑s:k|k‑1表示因子图在tk‑1时刻添加了IMU因子做预测，下标k‑s:k表示因子图在tk时刻添加了GNSS因子做更新，粗差检测与剔除：量测粗差的存在会极大影响量测值的准确性，进而影响到对系统状态的估计，因此，选用合适的方法对粗差进行检测与剔除十分必要，这里引入新息χ2检测算法对粗差进行筛选，根据量测向量和预测向量构建新息Vk及其协方差矩阵其中，Zk为量测向量，是GNSS输出的位置与IMU机械编排推算的位置之差，Hk为观测矩阵，为k时刻的先验误差状态向量，Pk|k‑1为先验状态协方差矩阵，已在IMU预测的先验更新阶段得到，Rk为量测噪声的协方差矩阵，Vk为新息向量，为新息向量的协方差矩阵，新息为白噪声序列，服从均值为零的正态分布： 当量测值没有出现异常时，新息是均值为零的白噪声序列；当量测值出现异常时，新息的均值便不再为零，将上述检测条件转化为假设检验问题： 其中，H0表示原假设，表示量测值没有出现异常；H1为备择假设，表示量测值出现异常，取假设检验统计量为： Tk服从自由度为t的χ2分布，根据χ2分布的定义，有如下假设检验： 式中，λ为非中心化参数，取显著性水平为α0，则判断是否出现量测异常的边界条件为： TD为量测异常边界值，若Tk≤TD，则认为没有量测异常，若Tk＞TD，则认为此时有量测异常出现，将此异常判定为量测粗差进行剔除。

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东南大学，其通讯地址为：211102 江苏省南京市江宁区东南大学路2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”。