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：燕山大学
摘要：本发明涉及一种噪声自适应强跟踪扩展卡尔曼滤波器四旋翼姿态解算方法，属于无人机技术领域，包括构建状态方程和观测方程，初始化系统噪声和量测噪声初值；计算下一时刻的一次预测状态；计算新息，更新强跟踪滤波器，将次优渐消因子拆分；计算得到改进的一步预测误差协方差矩阵对下一时刻的噪声方差及噪声均值重新估计，将估计值引入EKF公式；计算卡尔曼增益矩阵、状态的二次估计和误差协方差的二次估计，判断是否循环结束；输出结果。本发明引入强跟踪滤波器，解决了传统扩展卡尔曼滤波器因泰勒展开近似线性化等问题导致的跟踪能力弱的问题，通过改进次优渐消因子引入形式，保证了协方差矩阵计算结果的对称性，提高了系统跟踪速度。
主权项：1.一种噪声自适应强跟踪扩展卡尔曼滤波器四旋翼姿态解算方法，其特征在于，包括如下步骤：S1：通过状态转移矩阵构建系统状态方程和观测方程，初始化系统噪声Q和量测噪声初值S2：将本时刻二次估计值与状态转移矩阵相乘得到下一时刻的一次预测状态S3：计算新息，更新强跟踪滤波器计算过程的变量Vk+1、Mk+1、Nk+1，然后计算次优渐消因子λk+1，并将次优渐消因子拆分成两个开平方的形式；S4：将步骤S3拆分形式的次优渐消因子分别乘在在一步预测协方差矩阵Pk+1|k的两侧，得到改进的一步预测误差协方差矩阵Pk+1|k；S5：对下一时刻的噪声方差及噪声均值重新估计，并将估计值引入EKF公式中；S6：计算卡尔曼增益矩阵Kk+1、状态的二次估计和误差协方差Pk+1|k+1的二次估计，判断是否循环结束，若循环结束转至步骤S7；若未结束则循环转回至步骤S2；S7：输出实验结果。
全文数据：
权利要求：
百度查询： 燕山大学 噪声自适应强跟踪扩展卡尔曼滤波器四旋翼姿态解算方法
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