（要点） ・创建了最佳集成来自不同采样周期多个传感器的信息的卡尔曼滤波器设计理论 ・通过线性矩阵不等式优化，解决了传统标准方法无法解决的数学问题（半正定杂讯共变异数） ・在假定车载导航的验证中，相较於单独GPS的精度（±1 m），达成了约两倍的估计精度（±56 m） ・预计将应用于自动驾驶、机器人、IoT等多个传感器应用的广泛工程领域 （概要说明） 熊本大学大学院先端科学研究部副教授冈岛寛，在搭载多个采样周期不同的传感器之系统中，构建了一种最佳集成各传感器信息以估计内部状态的多速率稳态卡尔曼滤波器设计理论。此理论通过基于线性矩阵不等式（LMI）的优化方法，解决了传统设计方法中无法在数学上处理的问题。 （展望） 本研究构建的设计理论是一个通用框架，适用于所有已知采样周期并周期性重复的线性系统。除了自动驾驶车辆和机器人的传感器融合外，预计也将应用于化学工厂控制、电力系统监控、传感器网络等拥有不同周期传感器的广泛工程领域。设计用的MATLAB和Python实作代码已在GitHub上公开，研究人员和技术人员可以立即使用。未来，我们计划致力于系统参数存在不确定性时的稳健设计，以及扩展到非线性系统。 论文标题：LMI Optimization Based Multirate Steady-State Kalman Filter Design 论文作者：冈岛寛 刊载杂志：IEEE ACCESS（开放取用期刊） URL: https://ieeexplore.ieee.org/document/11460152 DOI：10.1109/ACCESS.2026.3679647 补充数据： 博客文章 https://blog.control-theory.com/entry/multirate-kalman-filter-lmi 实作代码（GitHub） https://github.com/Hiroshi-Okajima/multirate-kalman-filter 【详细】 新闻稿 （PDF390KB） 【联系方式】 熊本大学大学院先端科学研究部（工学部） 负责人：冈岛寛（副教授） 电话：096-342-3603 电子邮件：okajima※cs.kumamoto-u.ac.jp （请将※替换为@） https://www.control-theory.com