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！

龙图腾网获悉江苏拓邮信息智能技术研究院有限公司申请的专利一种基于误差状态卡尔曼网络的多模态融合感知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：CN121030693B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202511570477.8，技术领域涉及：G06F18/25；该发明授权一种基于误差状态卡尔曼网络的多模态融合感知方法是由聂友军;韩敏设计研发完成，并于2025-10-30向国家知识产权局提交的专利申请。

本一种基于误差状态卡尔曼网络的多模态融合感知方法在说明书摘要公布了：本申请属于多模态融合感知技术领域，公开了一种基于误差状态卡尔曼网络的多模态融合感知方法，包括：步骤1、采集智能设备的多模态数据，并对其进行预处理，生成全局状态矩阵；步骤2、基于全局状态矩阵，构建状态空间模型，定义误差状态矩阵及误差动力学方程；步骤3、计算所述状态空间模型的不确定度；步骤4、采用RNN模型动态求解卡尔曼增益；步骤5、循环查验图像、文本、激光雷达、全球导航卫星系统的数据是否满足融合感知需求，若满足，则更新误差状态矩阵，若不满足，不做融合处理；步骤6、利用不确定度和卡尔曼增益，校准误差状态矩阵，实现多模态融合感知。本申请显著提升多模态融合感知的效果，为多模态融合感知提供了支持。

本发明授权一种基于误差状态卡尔曼网络的多模态融合感知方法在权利要求书中公布了：1.一种基于误差状态卡尔曼网络的多模态融合感知方法，其特征在于：所述多模态融合感知方法应用于智能设备，具体的所述多模态融合感知方法包括以下步骤： 步骤1、采集智能设备的多模态数据，并对采集的多模态数据进行预处理，生成与智能设备目标任务相关的全局状态矩阵，其中，所述多模态数据包括图像数据、文本数据、激光雷达数据、全球导航卫星系统数据、惯性测量单元传感器数据； 步骤2、基于步骤1生成的全局状态矩阵，构建状态空间模型，对所述状态空间模型实施局部线性化处理，定义误差状态矩阵及误差动力学方程； 步骤3、运用多模态数据中的惯性测量单元传感器数据计算所述状态空间模型的不确定度； 步骤4、采用有限复杂度的紧凑RNN模型，动态求解卡尔曼增益； 步骤5、循环查验步骤1的图像数据、文本数据、激光雷达数据、全球导航卫星系统数据是否满足融合感知需求，若满足，则更新所述误差状态矩阵，若不满足，不做融合处理； 步骤6、利用步骤3得到的状态空间模型的不确定度和步骤4得到的卡尔曼增益，校准误差状态矩阵，实现多模态融合感知，其中， 步骤2具体包括如下步骤： 步骤2.1、状态空间模型被形式化为： ； ； 其中，和分别表示智能设备在时隙和时隙处的全局状态矩阵，表示非线性演化函数，表示在时隙处的噪声驱动矩阵，表示加性高斯白噪声，表示高斯分布，表示状态噪声协方差矩阵，表示在时隙处的观测矩阵，表示非线性观测函数，表示具有观测噪声协方差矩阵的加性高斯白噪声； 步骤2.2、定义用于度量状态偏差的误差状态矩阵： ； 其中，表示标称状态矩阵，用于表征不考虑加性高斯白噪声下的智能设备状态； 步骤2.3、采用泰勒展开法对非线性演化函数和非线性观测函数实施局部线性化处理： ；； 其中，表示在时隙处的演化矩阵，表示在时隙处的观测矩阵； 将步骤2.2的误差状态矩阵带入上式，进而求得误差动力学方程： ；； 其中，表示误差观测矩阵，表示标称观测矩阵。

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江苏拓邮信息智能技术研究院有限公司，其通讯地址为：210012 江苏省南京市雨花台区凤信路6号金证南京科技园6号楼401室；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”。

以上内容由龙图腾AI智能生成。