← 返回列表
一种基于分数次幂的一致性卡尔曼滤波状态估计方法
申请人信息
- 申请人:河海大学
- 申请人地址:210024 江苏省南京市鼓楼区西康路1号
- 发明人: 河海大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于分数次幂的一致性卡尔曼滤波状态估计方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311716539.2 |
| 申请日 | 2023/12/14 |
| 公告号 | CN117713750A |
| 公开日 | 2024/3/15 |
| IPC主分类号 | H03H21/00 |
| 权利人 | 河海大学 |
| 发明人 | 卞士瑶; 王冰; 王万成; 白冬晓 |
| 地址 | 江苏省南京市江宁开发区佛城西路8号 |
摘要文本
本专利提供了一种基于分数次幂的一致性卡尔曼滤波状态估计方法。该方法包括以下步骤：S1：初始化：获取传感器网络中给定的初始状态估计值和初始误差协方差矩阵；S2：在传感器网络中，各个传感器节点从邻居节点接受新的数据，对相邻传感器节点的观测值以及协方差进行一致化预处理；S3：各传感器节点利用基于分数次幂α1的卡尔曼滤波算法，获得此刻的状态估计值；S4：各个传感器节点，与其邻居传感器节点相互交换状态估计值，采用基于分数次幂α2的一致性算法，修正当前的状态估计值；S5：各个传感器节点计算下一时刻的状态预测值和误差协方差预测值，返回步骤S2循环。本发明可以有效加快算法收敛速度，增强状态估计的稳定性以及估计精度和一致性，使得所有传感器的状态估计更加趋于一致。 来自专利查询网
专利主权项内容
1.一种基于分数次幂的一致性卡尔曼滤波的分布式状态估计方法，其特征在于：该方法包括以下步骤：S1：初始化：获取传感器网络中给定的初始状态估计值和初始误差协方差矩阵；S2：在传感器网络中，各个传感器节点从其邻居传感器节点接受新的数据，对观测值以及协方差进行一致化预处理；S3：各传感器节点利用基于分数次幂α的局部卡尔曼滤波算法，获得此刻的状态估计值；1S4：各个传感器节点，与其邻居传感器节点相互交换状态估计值，采用基于分数次幂α的一致性算法，修正当前的状态估计值；2S5：各个传感器节点计算下一时刻的状态预测值和误差协方差预测值，返回步骤S2循环至采样时刻k大于所设定的采样次数，循环结束。