確立最佳整合不同速度多個感測器資訊的設計理論

（要點） ・建立了最佳整合來自不同取樣週期多個感測器的資訊的卡爾曼濾波器設計理論 ・透過線性矩陣不等式最佳化，解決了傳統標準方法無法解決的數學問題（半正定雜訊共變異數） ・在假定車載導航的驗證中，相較於單獨GPS的精度（±1 m），達成了約兩倍的估計精度（±56 m） ・預計將應用於自動駕駛、機器人、IoT等多個感測器應用的廣泛工程領域

（概要說明） 熊本大學大學院先端科學研究部副教授岡島寛，在搭載多個取樣週期不同的感測器之系統中，構建了一種最佳整合各感測器資訊以估計內部狀態的多速率穩態卡爾曼濾波器設計理論。此理論透過基於線性矩陣不等式（LMI）的最佳化方法，解決了傳統設計方法中無法在數學上處理的問題。

（展望） 本研究構建的設計理論是一個通用框架，適用於所有已知取樣週期並週期性重複的線性系統。除了自動駕駛車輛和機器人的感測器融合外，預計也將應用於化學工廠控制、電力系統監控、感測器網路等擁有不同週期感測器的廣泛工程領域。設計用的MATLAB和Python實作程式碼已在GitHub上公開，研究人員和技術人員可以立即使用。未來，我們計畫致力於系統參數存在不確定性時的穩健設計，以及擴展到非線性系統。

論文標題：LMI Optimization Based Multirate Steady-State Kalman Filter Design 論文作者：岡島寛 刊載雜誌：IEEE ACCESS（開放取用期刊） URL:<a target="_blank" rel="nofollow ugc noopener" class="pr-link" data-link-id="a91057a2-f805-4ca5-bcb1-157318f0fee9" href="https://ieeexplore.ieee.org/document/11460152">https://ieeexplore.ieee.org/document/11460152</a> DOI：10.1109/ACCESS.2026.3679647

補充資料： 部落格文章 <a target="_blank" rel="nofollow ugc noopener" class="pr-link" data-link-id="a91057a2-f805-4ca5-bcb1-157318f0fee9" href="https://blog.control-theory.com/entry/multirate-kalman-filter-lmi">https://blog.control-theory.com/entry/multirate-kalman-filter-lmi</a> 實作程式碼（GitHub） <a target="_blank" rel="nofollow ugc noopener" class="pr-link" data-link-id="a91057a2-f805-4ca5-bcb1-157318f0fee9" href="https://github.com/Hiroshi-Okajima/multirate-kalman-filter">https://github.com/Hiroshi-Okajima/multirate-kalman-filter</a>

【詳細】　<a target="_blank" rel="nofollow ugc noopener" class="pr-link" data-link-id="a91057a2-f805-4ca5-bcb1-157318f0fee9" href="https://www.kumamoto-u.ac.jp/daigakujouhou/kouhou/pressrelease/wgt3jw/release260406.pdf">新聞稿</a>（PDF390KB）

【聯絡方式】 熊本大學大學院先端科學研究部（工學部） 負責人：岡島寛（副教授） 電話：096-342-3603 電子郵件：okajima※cs.kumamoto-u.ac.jp （請將※替換為@） <a target="_blank" rel="nofollow ugc noopener" class="pr-link" data-link-id="a91057a2-f805-4ca5-bcb1-157318f0fee9" href="https://www.control-theory.com">https://www.control-theory.com</a>