龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：中山大学
摘要：本发明公开了一种重力和重力梯度数据的实时联合滤波方法，属于地球物理学技术领域。该方法包括：利用引力位将重力与重力梯度数据结合，通过泰勒公式将重力与重力梯度的关系纳入标准卡尔曼滤波器的系统方程和测量方程；利用卡尔曼滤波中预测状态与实际状态间的差异，自适应更新滤波器参数，得到卡尔曼滤波测量噪声的自适应更新过程方程；利用系统方程和测量方程，联合重力和重力梯度数据，结合卡尔曼滤波测量噪声的自适应更新过程方程，实时去除数据中的噪声，实现重力及重力梯度数据的实时联合滤波处理。本发明在滤除噪声的同时保证滤波后数据满足拉普拉斯方程约束条件，还能满足数据的实时处理要求，实现重力和重力梯度数据的实时联合滤波处理。
主权项：1.一种重力和重力梯度数据的实时联合滤波方法，其特征在于，包括如下步骤：1利用引力位将重力与重力梯度数据结合，并通过泰勒公式将重力与重力梯度的关系纳入标准卡尔曼滤波器的系统方程和测量方程；其中，利用引力位将重力与重力梯度结合的公式为： 式中：g为总的重力场矢量；为对应位置的引力位；标准卡尔曼滤波器的系统方程为：Xk＝Fk-1Xk-1+wk-1式中：Xk为k时刻的状态向量，Fk-1为k前一时刻的状态转移矩阵，Xk-1为k前一时刻的状态向量，wk-1为系统噪声，服从均值为0、协方差为Q的高斯正态分布；测量方程为：Zk＝HkXk+vk式中：Zk为观测向量，与Xk的形式相同，Hk为测量矩阵，为8阶单位阵，vk为测量噪声，服从均值为0、协方差为R的高斯正态分布；2利用卡尔曼滤波中预测状态与实际状态间的差异，自适应更新滤波器参数，得到卡尔曼滤波测量噪声协方差的自适应更新过程方程： 式中：为卡尔曼滤波自适应更新后得到的测量噪声协方差，α为权重系数，Rk-1为k前一时刻对Rk的噪声估计值，N为滑动窗口的宽度；ξj为j时刻预测值与实际值的偏差；Hk为测量矩阵，为8阶单位阵；Pk′为估计误差协方差；3利用步骤1得到的标准卡尔曼滤波器的系统方程和测量方程，联合重力和重力梯度数据，再结合步骤2得到的卡尔曼滤波测量噪声的自适应更新过程方程，实时去除数据中的噪声，实现重力及重力梯度数据的实时联合滤波处理。
全文数据：
权利要求：
百度查询： 中山大学 一种重力和重力梯度数据的实时联合滤波方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号