基于卡尔曼滤波的IMU/GNSS融合方法、计算机设备和存储介质

AITNT
正文
推荐专利
基于卡尔曼滤波的IMU/GNSS融合方法、计算机设备和存储介质
申请号:CN202411876583
申请日期:2024-12-19
公开号:CN119335580B
公开日期:2025-03-14
类型:发明专利
摘要
本申请涉及一种基于卡尔曼滤波的IMU/GNSS融合方法、计算机设备和存储介质。所述方法包括:根据采样数据获取离散观测点;根据分组区间的完整性得到基准采样段,将正向递推和反向递推得到的正反向数据进行比对得到递推边界;通过分析卡尔曼增益矩阵得到预测状态值;根据双重积分结果和映射转换结果对IMU数据和GNSS数据进行融合,得到初始融合量;按照检验准则和变化特征得到均方误差值;通过递归优化处理修正后的递推边界得到修正融合量;根据重构后的修正融合量、IMU数据和GNSS数据的特性以及重构规则分析得到状态量;将状态量输入扩展卡尔曼滤波器,通过预测‑更新‑反馈机制,以完成IMU数据与GNSS数据的融合,有效提升了组合导航系统的定位精度和可靠性。
技术关键词
GNSS数据 融合方法 导航坐标系 窗口统计分析 扩展卡尔曼滤波器 重构 运动特征参数 状态转移模型 滑动窗口机制 加速度 积分算法 计算机设备 矩阵 基准 数据分布 组合导航系统
系统为您推荐了相关专利信息
1
BIM与测量机器人协作智能测量方法、系统、设备和介质
智能测量方法 机器人协作 实时数据 禁忌搜索优化 遗传算法
2
一种NHC噪声自适应估计方法和变分贝叶斯滤波方法
估计方法 GNSS数据 变分贝叶斯方法 协方差矩阵 观测噪声
3
一种多俯仰角被动宽带警戒的融合方法
融合方法 输出信噪比 积分器 信息融合技术 背景噪声
4
一种基于IMU/BiLSTM-Attention-DNN的零速检测行人定位方法
检测行人 DNN模型 定位方法 导航坐标系 扩展卡尔曼滤波
5
一种基于迁移学习的混合驱动模型的横向速度估计方法
LSTM神经网络 车辆横向速度 迁移学习模型 状态空间方程 估计方法
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号