[发明专利]基于小波神经网络与EKF的姿态解算方法及系统在审
| 申请号： | 201810790258.4 | 申请日： | 2018-07-18 |
| 公开（公告）号： | CN108981694A | 公开（公告）日： | 2018-12-11 |
| 发明（设计）人： | 杨菊花;陈光武;樊子燕;李文元;程鉴皓;张琳婧;刘昊;于月 | 申请（专利权）人： | 兰州交通大学 |
| 主分类号： | G01C21/16 | 分类号： | G01C21/16;G01C21/20 |
| 代理公司： | 北京智客联合知识产权代理事务所(特殊普通合伙) 11700 | 代理人： | 李戍 |
| 地址： | 730000 甘肃*** | 国省代码： | 甘肃;62 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于小波神经网络与EKF的姿态解算方法及系统，其中基于小波神经网络与EKF的姿态解算方法，包括：获取IMU传感器的数据；将所述IMU传感器的数据经过扩展卡尔曼滤波器进行信息融合和姿态解算，得到校准前的姿态信息；将所述IMU传感器的数据和所述校准前的姿态信息作为小波神经网络的输入进行训练和预测，从而得到校准后的姿态信息。采用小波神经网络结合卡尔曼滤波来进行姿态解算，小波神经网络补偿卡尔曼滤波自身存在的模型误差，减小模型以及滤波参数对最优估计值的影响，使其具有自适应能力应付动态环境的扰动，并提高其精度。 | ||
| 搜索关键词： | 小波神经网络 姿态解算 姿态信息 校准 传感器 卡尔曼滤波 扩展卡尔曼滤波器 自适应能力 动态环境 滤波参数 模型误差 信息融合 最优估计 扰动 减小 预测 | ||
【主权项】：
1.一种基于小波神经网络与EKF的姿态解算方法，其特征在于，包括：获取IMU传感器的数据；将所述IMU传感器的数据经过扩展卡尔曼滤波器进行信息融合和姿态解算，得到校准前的姿态信息；将所述IMU传感器的数据和所述校准前的姿态信息作为小波神经网络的输入进行训练和预测，从而得到校准后的姿态信息。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于兰州交通大学，未经兰州交通大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810790258.4/，转载请声明来源钻瓜专利网。
