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！

龙图腾网恭喜兰州交通大学申请的专利一种基于图论分析的联邦EKF滤波方法及其应用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：CN111983662B 。

龙图腾网通过国家知识产权局官网在2025-01-14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：202010890779.4，技术领域涉及：G01S19/50；该发明授权一种基于图论分析的联邦EKF滤波方法及其应用是由李鹏;陈光武;闫光辉;刘射德;包成启;邢东峰;常文文;罗浩;石建强;瞿莉丽;牛宏侠设计研发完成，并于2020-08-29向国家知识产权局提交的专利申请。

本一种基于图论分析的联邦EKF滤波方法及其应用在说明书摘要公布了：本发明公开了一种基于图论分析的联邦EKF滤波方法及其应用，涉及滤波方法技术领域，所述方法包括将图论分析法引入联邦滤波模型中构建无中心迭代式数据融合模型，所述无中心迭代式数据融合模型中将联邦滤波器的各定位子系统作为图论分析中图的节点，各节点之间的相关性作为边获得无中心迭代式数据融合模型。本发明通过建立分散式联邦EKF迭代数据融合模型，将传统的“局部‑中心”模式优化为无中心迭代式数据融合模式，在某个节点出现故障或较大量测噪声时仍能提供较准确的估计结果，提高整个数据融合系统的鲁棒性，保证系统的长时间可靠。

本发明授权一种基于图论分析的联邦EKF滤波方法及其应用在权利要求书中公布了：1.一种基于图论分析的联邦EKF滤波方法，其特征在于，所述方法包括：将图论分析法引入联邦滤波模型中构建无中心迭代式数据融合模型，所述无中心迭代式数据融合模型中将所述联邦滤波器的各定位子系统作为图论分析中图的节点，各节点之间的相关性作为边获得无中心迭代式数据融合模型；所述无中心迭代式数据融合模型具体为：各子系统处理自身的位置估计，第一子系统根据各系统处理结果选择最优传输单元；第二子系统将自身位置估计与接收第一子系统的输出进行融合并将最优融合估计传至下一个子系统，通过多次迭代，最后一个子系统获得全局最优融合估计结果；通过所述无中心迭代式数据融合模型计算每个子系统的最优融合估计的具体过程为：假设在k+1时刻第i个子系统收到第j个子系统的最优融合估计，则其观测方程可分为自身观测和互观测两部分，即： 其中，表示第i个子系统的自相关量测，表示第i个子系统和第j个子系统的互相关量测，Vik表示第i个子系统的噪声，Vijk表示第i个子系统和第j个子系统的互相关噪声，xik表示子系统i在k时刻的状态值，则其线性化模型为： 其中，表示子系统i在k时刻的状态估计，表示系统i的观测噪声，表示统i的量测噪声，表示系统i与j的互相关噪声；若假设系统运动噪声和观测噪声均服从高斯分布，则其条件概率表示为： 表示子系统i的观测噪声分布，表示子系统i的量测噪声分布，则表示基于观测的传感器依赖目标函数，描述了传感器之间的互相关性；假设系统m个传感器构成集合1,2,3,...,m∈Θ，在第j个传感器对未进行融合的n个子系统进行条件概率计算，选取相关性最大的进行数据融合；若第i个传感器的时变离散线性随机系统表示为： φik表示系统状态转移矩阵，Γik表示系统状态误差转移矩阵，Hik表示系统量测转移矩阵；则其误差互协方差阵为： 则其加权系数为： trPi表示取误差互协方差阵Pi的迹；则在第i个子系统的最优融合估计和误差协方差阵为： 所述方法还包括初始最优节点的选取，所述初始最优节点通过加权质心算法选取各节点中与质心距离最小的节点作为初始最优节点；所述通过加权质心算法选取与质心距离最小的点作为初始最优节点的具体过程为：假设在k时刻有m个参与定位的传感器构成集合1,2,3,...,m∈Θ，第i个传感器的位置测量结果为Xi＝[xiyizi]，假设一虚拟节点为传感器系统的最优测量位置，即质心X＝[xyz]；假设集合Θ中各节点的加权系数分别为η1,η2,...,ηm，则系统的测量值和加权系数满足式9和式10： 则系统的总均方误差σ2见式11： 若各传感器测量值相互独立，则E[X-XiX-Xj]＝0，式11可表示为： 其中，ηi表示传感器i的权值；为保证σ2最小，则需保证最小，对式12关于求偏导，则可推出每个节点的权值为： 因此，获得初始节点的质心： 则节点到质心的欧氏距离可表示为： 遍历所有节点，选取距离最小的点为初始最优节点。

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兰州交通大学，其通讯地址为：730070 甘肃省兰州市安宁西路88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”。