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！

龙图腾网获悉同济大学申请的专利一种基于自适应协方差的因子图的LTE/IMU的组合导航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：CN119958548B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202510227606.7，技术领域涉及：G01C21/16；该发明授权一种基于自适应协方差的因子图的LTE/IMU的组合导航方法是由王睿;刘啸天设计研发完成，并于2025-02-27向国家知识产权局提交的专利申请。

本一种基于自适应协方差的因子图的LTE/IMU的组合导航方法在说明书摘要公布了：本发明涉及一种自适应协方差的因子图的LTEIMU的组合导航方法。该方法通过紧耦合集成因子图，将导航问题建模为全局最大后验估计问题，实现对导航位姿信息的最优估计。主要因子节点包括IMU因子与伪距因子，代价函数由观测量与估计量的差值构成，实现对状态误差值与伪距误差值的时变分析与修正。同时，构建了传感器获得信息的概率传递模型，并提供了详细的最优估计解法。此外，针对传统因子图组合导航方法中协方差矩阵不随时间变化的问题，本发明提出了一种自适应协方差的方法，能有效提高定位精度。

本发明授权一种基于自适应协方差的因子图的LTE/IMU的组合导航方法在权利要求书中公布了：1.一种基于因子图优化的LTEIMU多传感器紧耦合的定位方法，其特征在于，包括以下步骤： 步骤1：构建紧耦合因子图模型； 构建紧耦合因子图模型，计算代价函数，并推导系统状态量的最大后验估计问题； 步骤2：计算因子图的各个节点，将系统状态量的最大后验估计问题转化为非线性最小二乘NLSP问题； 步骤3：自适应调整代价函数中的协方差矩阵，使其更准确地反映当前的测量噪声和系统不确定性； 步骤4：利用非线性最小二乘问题求解步骤3自适应协方差下的NLSP问题，得到下一个时刻位置的估计值； 步骤1具体为： 所述紧耦合因子图包括两种类型的节点：变量节点和因子节点；变量节点用于表示需要估计的状态变量或参数，而因子节点则表示约束条件或观测值，变量节点和因子节点之间的连接表示了变量与约束之间的关系； 本方法变量节点包括：伪距误差变量、位姿变量、速度变量以及状态误差变量； 因子节点包括：先验位姿因子、先验速度因子和先验误差因子、INS因子节点和伪距因子节点； 定义每个因子节点对应的局部函数，令表示第个子系统，则在时刻有，表示概率，其中为测量值的集合； 将测量变量划分为两部分，分别是IMU测量值以及LTE伪距测量值； 将每一时刻的IMU状态变量分为三个部分：当前时刻载体的位姿信息、速度信息以及IMU误差信息，即；其中，位姿状态变量定义为，表示载体在定位坐标系下的姿态信息与位置信息；速度变量定义为，表示载体在定位坐标系下的三维速度；状态误差变量定义为，为载体坐标系下加速度计以及陀螺仪三维的误差值，用于对状态转移进行误差偏置的消除；LTE伪距对应的时钟误差定义为； 在定位系统中，局部函数用代价函数表示；将当前传感器测量值与上一时刻预测值之间的差异作为残差项，并将其用作代价函数的输入；在高斯噪声分布的条件下，对应最大后验估计MAP问题描述为： 其中为噪声的协方差矩阵； 令，其中，表示马氏距离的平方，代入中，上述MAP问题两边取负的自然对数值后，系统状态量的MAP问题可以转化为非线性最小二乘问题NLSP ； 步骤3中，自适应协方差步骤如下： 1将MAP问题转换成，这里假定协方差矩阵为已知量；如果协方差矩阵未知，上述问题可以转化为，将同时对进行估计； 2根据贝叶斯分析，对高斯分布的多元问题进行建模； 3对时刻的同时进行估计；解得 其中，为协方差的维度，表示矩阵的行列式，为尺度矩阵，为自由度，上式右端对求导并等于零，解得协方差的逆估计为； 4最后得到协方差矩阵，使其与当前测量值以及上一时刻的协方差矩阵相关联，实现自适应调整；根据正态逆威沙特NIW分布定义，可根据先验知识设置，可通过噪声传播方程定义，假设为对应传感器的过程噪声矩阵，表示为 对协方差自适应调整可以表示为 。

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同济大学，其通讯地址为：200092 上海市杨浦区四平路1239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”。

以上内容由龙图腾AI智能生成。