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！

龙图腾网获悉河海大学申请的专利基于因子图优化的整周模糊度固定方法及存储设备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：CN121634172B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202610160645.4，技术领域涉及：G01S19/44；该发明授权基于因子图优化的整周模糊度固定方法及存储设备是由朱家明;章浙涛;汤文雅;李雪珍设计研发完成，并于2026-02-04向国家知识产权局提交的专利申请。

本基于因子图优化的整周模糊度固定方法及存储设备在说明书摘要公布了：本发明公开了基于因子图优化的整周模糊度固定方法及存储设备。本发明的方法根据所能获得的GNSS观测数据、广播星历数据和选择的其他传感器的观测数据，分别基于不同的观测模型得到观测因子；基于所选GNSS载波相位观测值处理形式，构建模糊度单节点图优化模型，并加入观测因子；基于模糊度函数模型，创建多元模糊度惩罚因子，由模糊度协方差阵确定模糊度惩罚因子权重，并加入模糊度单节点图优化模型中；构建图优化求解器，通过迭代优化与动态定权对待估参数进行优化问题求解，即可实现基于因子图优化的整周模糊度固定方法。本发明的方法提升了定位精度与稳定性，同时简化了计算流程，提高了计算效率。

本发明授权基于因子图优化的整周模糊度固定方法及存储设备在权利要求书中公布了：1.一种基于因子图优化的整周模糊度固定方法，其特征在于，该方法包括如下步骤： S1.收集GNSS观测数据与各类传感器的观测信息，并对这些数据进行预处理；预处理完成后，根据所选传感器类型，构建多类型观测模型，通过收集和对比观测数据，基于观测模型建立基本的观测因子； S2.建立模糊度单节点模型，随后根据模糊度类型建立模糊度惩罚因子；在对各观测因子和模糊度惩罚因子定权后，完成模糊度固定图优化模型构建；具体地，首先建立模糊度单节点模型，对每个需要估计的模糊度，建立一个图优化节点，对于整个系统，将模糊度状态变量的集合记作，表示因子图中的全部模糊度状态变量，每一个模糊度变量都定义在一个值域中，其中表示该节点的维度； 对所有模糊度变量的估值记为，模糊度状态变量的集合和相应的估值是图优化过程中的核心变量； 若考虑模糊度的整数性质，那么单因子图优化模型为： ， 其中，代表模糊度状态变量，代表包括位置、钟差、姿态角的状态变量；和分别代表在第一步中构建的观测因子和对应的信息矩阵；代表整体待优化变量；代表总历元数；代表的维数；代表在第历元下，信息矩阵为的观测因子，观测因子内包含这两类待估参数； 采用一种基于松弛的策略，首先将整数约束从松弛为，从而得到能在图优化中处理的连续模型；为在连续因子图框架内构建模糊度的整数特性，引入额外的惩罚函数，将惩罚函数视为最大后验概率MAP公式中的负对数先验，通过将模糊度先验定义为： ， 其中γ代表系数，代表模糊度状态变量的先验概率分布；代表模糊度惩罚函数；代表指数函数；与此同时，观测模型似然估计为： ， 其中，代表观测数据；代表给定参数的前提下，观测数据出现的概率； 由此形成联合后验： ， 代表给定观测数据的前提下，参数出现的概率； 最大后验概率估计为： ， 代表模糊度状态变量的MAP估计值；代表其他代估状态变量的MAP估计值；代表和的联合最大后验估计；代表取使目标函数达到最大值的自变量的优化算子； 因此得到图优化目标函数模型： ， 对于第个连接节点数量不固定的模糊度惩罚因子，定义其作用变量集合，即作用域集合为，表示该模糊度惩罚因子仅作用于集合中的变量，即该模糊度惩罚因子仅与列出的变量相关； S3.对步骤S2构建的图优化模型进行迭代优化与动态定权，联合各类因子逐步获得模糊度与其他待估变量的优化浮点解，最后只在模型中保留模糊度惩罚因子，优化得到模糊度固定解； S4.对步骤S3得到的固定解进行有效性检验，检验未通过则重新进行定权与优化，检验通过则输出最终的最优固定解。

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河海大学，其通讯地址为：210024 江苏省南京市鼓楼区西康路1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。