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！

龙图腾网恭喜洛阳理工学院申请的专利一种基于随机加权准则的最大互相关熵卡尔曼滤波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：CN114221638B 。

龙图腾网通过国家知识产权局官网在2025-03-25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：202111568689.4，技术领域涉及：H03H17/02；该发明授权一种基于随机加权准则的最大互相关熵卡尔曼滤波方法是由赵雪华;兰曼;卫一卿;王冰冰;王素芳;秦玉琨设计研发完成，并于2021-12-21向国家知识产权局提交的专利申请。

本一种基于随机加权准则的最大互相关熵卡尔曼滤波方法在说明书摘要公布了：本发明提供一种基于随机加权准则的最大互相关熵卡尔曼滤波方法，包括：构建线性系统方程和量测方程、选择合适的核宽且初始化系统状态和协方差、根据系统方程更新状态和协方差的一步预测、在固定点初始迭代时刻再次初始化状态值、根据初始系统和量测方程进行系统模型变形且计算出变形后的误差和由此计算出误差的核函数、由随机加权准则和核函数得出两个对角阵、两个对角阵来修正一步预测协方差和量测误差从而修正增益矩阵、估计出系统后验状态和协方差，本发明对于线性模型的非高斯重尾冲击噪声问题，可以获得比卡尔曼滤波和最大互相关熵卡尔曼滤波更好的性能，可广泛应用于线性系统的噪声为非高斯情况，提高非高斯噪声情形下的滤波估计精度。

本发明授权一种基于随机加权准则的最大互相关熵卡尔曼滤波方法在权利要求书中公布了：1.一种基于随机加权准则的最大互相关熵卡尔曼滤波方法，其特征在于：包括以下步骤：步骤一：构建线性系统方程和量测方程如下： 其中k-1表示第k-1时刻，xk∈Rn为第k时刻的n维系统状态向量，zk∈Rm为第k时刻的m维量测向量；Fk-1和Hk分别为已知的转移矩阵和量测矩阵，qk-1∈Rn为第k-1时刻的n维系统噪声，rk∈Rm为第k时刻的m维量测噪声；系统噪声服从高斯分布qk-1～N0,Qk-1，其中N0,Qk-1表示均值为0、方差为Qk-1的正态分布；量测噪声为非高斯服从混合高斯分布rk～λN0,Rk,1+1-λN0,Rk,2，其中N0,Rk,1表示均值为0，方差为Rk,1的正态分布；N0,Rk,2均值为0，方差为Rk,2的正态分布；qk-1和rk为不相关的过程和量测高斯噪声，满足 其中E[·]代表数学期望，δkj是克罗内克符号函数，代表混合噪声向量rj的转置向量，Rk第k时刻的量测噪声协方差矩阵，和分别代表上述的向量qj和rj的转置向量；步骤二：初始化，选择一个核宽σ，且初始化系统状态和协方差P0|0，令k＝1；步骤三：根据系统的一步预测方程，更新先验状态和协方差Pk|k-1； 步骤四：在固定点迭代时刻再次初始化状态值:令t＝1和步骤五：根据初始系统和量测方程进行系统模型变形，计算新模型的误差，由此计算出误差的核函数；首先，将状态方程与量测方程重建： 其中：E[·]代表数学期望，Pk|k-1是第k时刻的状态一步预测误差协方差矩阵，Rk是第k时刻的量测噪声协方差矩阵，BPk|k-1是对Pk|k-1进行Cholesky分解后得到的矩阵，是BPk|k-1的转置矩阵，同理BRk是Rk进行Cholesky分解后得到的矩阵，是BRk的转置矩阵，Bk是由BPk|k-1与BRk构成的新的对角矩阵；在方程的两侧同时左乘以得：Dk＝Wkxk+ek其中误差向量ek第i列元素为：eki＝dik-wikxki其中：dik是Dk的第i个元素，wik是矩阵Wk的第i行元素，xki在此处代表xk的第i个状态量，且Dk为L＝n+m维向量；步骤六：由随机加权准则和核函数得出两个对角阵；由于随机加权准则，定义新的代价函数： 其中Gσ·高斯核函数：在此取：则xki的最优解： 矩阵化形式为： 其中且得到两个对角矩阵步骤七：两个对角阵来修正一步预测协方差和量测误差协方差其中和分别为Cxk和Czk的逆矩阵；从而修正增益矩阵； 步骤八：估计出系统滤波的后验状态 和协方差 若k+1＝N，其中N为预设的算法迭代次数，则停止计算；否则继续执行上述步骤。

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洛阳理工学院，其通讯地址为：471026 河南省洛阳市洛龙区王城大道90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”。