发明创造名称：确定交通工具本身位置的至少一个状态参量的方法和设备
外观设计名称：
决定号：183190
决定日：2019-07-03
委内编号：1F258528
优先权日：2013-07-04
申请（专利）号：201410317411.3
申请日：2014-07-04
复审请求人：大众汽车有限公司
无效请求人：
授权公告日：
审定公告日：
专利权人：
主审员：段秋萍
合议组组长：韩黎敏
参审员：余莹洁
国际分类号：G01C21/00
外观设计分类号：
法律依据：专利法第22条第3款
决定要点
：如果一项权利要求的技术方案与最接近的对比文件之间存在区别特征，但该区别特征是本领域技术人员结合另一篇对比文件以及本领域常规技术手段易于想到的，且达到的效果也是本领域技术人员可以合理预期的，则该权利要求的技术方案不具备创造性。
全文：
本复审请求涉及申请号为201410317411.3，名称为“确定交通工具本身位置的至少一个状态参量的方法和设备”的发明专利申请（下称本申请）。本申请的申请日为2014年07月04日，优先权日为2013年07月04日，公开日为2015年01月14日，申请人为大众汽车有限公司。
经实质审查，国家知识产权局原审查部门于2018年05月04日发出驳回决定，驳回了本申请，其理由是：权利要求第1-9项不符合专利法第22条第3款有关创造性的规定。驳回决定中引用了如下2篇对比文件：
对比文件1：CN101493335A，公开日期为2009年07月29日；
对比文件3：“GPS/INS组合导航系统中卡尔曼滤波算法的研究与实现”，王欣明，《中国优秀硕士学位论文全文数据库·信息科技辑》，2012年第10期，公开日期为2012年10月15日。
驳回决定所依据的文本为申请人于申请日2014年07月04日提交的说明书摘要、摘要附图、说明书附图图1-图3，2014年10月08日提交的说明书第1-118段，2018年01月29日提交的权利要求第1-9项。驳回决定所针对的权利要求书如下：
“1. 一种用于确定交通工具的本身运动的至少一个状态参量的方法，
其中，在第一方法部分中，在第一预测步骤(9)中根据参数化的估算模型和至少一个已知的经校正的状态参量估算至少一个估算状态参量，
其中，检测或者确定至少一个基准参量，
其中，在校正步骤(11)中通过以下方式确定经校正的状态参量，即，根据所述至少一个基准参量并且根据至少一个不确定性参数(UP)校正所述至少一个估算状态参量，其中，根据所述至少一个估算状态参量重新确定所述参数化的估算模型的至少一个模型参数(MP)和/或所述至少一个不确定性参数(UP)，
其特征在于，
在另一方法部分中，在另一预测步骤(9)中根据所述参数化的估算模型和至少一个已知的未经校正的状态参量估算至少一个估算状态参量，其中，在所述另一预测步骤(9)中的估算根据所述参数化估算模型的在所述第一方法部分中重新确定的模型参数(MP)和/或所述至少一个重新确定的不确定性参数(UP)进行，其中，将未经校正的状态参量确定为所述至少一个在所述另一方法部分中估算的状态参量，其中，将本身运动的状态参量确定为所述未经校正的状态参量，
并且其中，只当配属于未经校正的状态参量的不确定性因数小于预设值时，才将本身运动的状态参量确定为所述未经校正的状态参量。
2. 按权利要求1所述的方法，其特征在于，在所述第一和另一方法部分中，还根据至少一个描述交通工具运动的参量估算所述估算状态参量。
3. 按权利要求2所述的方法，其特征在于，在所述第一和另一方法部分中，根据交通工具速度和/或车轮速度和/或走过的路程和/或交通工具加速度和/或角速度和/或角加速度估算所述估算状态参量。
4. 按权利要求2或3所述的方法，其特征在于，在所述第一和另一方法部分中，根据至少一个交通工具辅助系统的干预估算所述估算状态参量。
5. 按权利要求1至4之一所述的方法，其特征在于，根据借助GNSS装置(3)检测的信号确定所述基准参量。
6. 按权利要求1至5之一所述的方法，其特征在于，在所述第一方法部 分中对所述模型参数(MP)和/或不确定性参数(UP)的估算、校正和重新确定通过第一卡尔曼滤波器并且在所述另一方法部分中的估算通过所述第一卡尔曼滤波器或者另一卡尔曼滤波器进行。
7. 按权利要求1至6之一所述的方法，其特征在于，所述模型参数(MP)是函数的函数参数，所述函数阐明在描述交通工具运动并且通过检测装置检测的参量与所述至少一个状态参量之间的关系。
8. 按权利要求1至7之一所述的方法，其特征在于，在所述第一方法部分中，确定对描述交通工具运动的参量的检测的误差。
9. 一种用于确定交通工具的本身运动的至少一个状态参量的设备，其中，所述设备包括至少一个分析装置和检测装置，其中，借助所述分析装置能够在第一方法部分中，在第一预测步骤(9)中根据参数化的估算模型和至少一个已知的经校正的状态参量估算至少一个估算状态参量，其中，根据借助所述检测装置检测的参量能够确定至少一个基准参量或者借助所述检测装置能够检测所述基准参量，其中，在校正步骤中能够通过以下方式确定经校正的状态参量，即，根据所述至少一个基准参量并且根据至少一个不确定性参数(UP)校正所述至少一个估算状态参量，其中，根据所述至少一个估算状态参量能够重新确定参数化估算模型的至少一个模型参数(MP)和/或至少一个不确定性参数(UP)，
其特征在于，
借助所述分析装置或者另一分析装置能够在另一方法部分中，在另一预测步骤(9)中根据所述参数化估算模型和至少一个已知的未经校正的状态参量估算至少一个估算状态参量，其中，在所述另一预测步骤中的估算能够根据参数化估算模型的在所述第一方法部分中重新确定的模型参数(MP)和/或所述至少一个不确定性参数(UP)进行，其中，将未经校正的状态参量确定为所述至少一个在所述另一方法部分中估算的状态参量，其中，将本身运动的状态参量确定为所述未经校正的状态参量，
并且其中，只当配属于未经校正的状态参量的不确定性因数小于预设值时，才将本身运动的状态参量确定为所述未经校正的状态参量。”
驳回决定中认为：权利要求1与对比文件1相比，区别在于，在第一方法部分和另一方法部分中的估算模型为参数化的估算模型；第一方法部分中还根据至少一个不确定性参数校正所述估算状态参量，并根据所述至少一个估算状态参量重新确定所述参数化的估算模型的至少一个模型参数和/或所述至少一个不确定性参数；在所述另一预测步骤中的估算根据所述参数化估算模型的在所述第一方法部分中重新确定的模型参数和/或所述至少一个重新确定的不确定性参数进行；只当配属于未经校正的状态参量的不确定性因数小于预设值时，才将本身运动的状态参量确定为所述未经校正的状态参量。然而上述区别是本领域技术人员结合对比文件3以及本领域常规技术手段易于想到的，因此权利要求1不具备创造性。权利要求2-8的附加特征或被对比文件1公开，或为本领域常规技术手段，因此权利要求2-8也不具备创造性。权利要求9与对比文件1相比，区别在于，在第一方法部分和另一方法部分中的估算模型为参数化的估算模型；第一方法部分中还根据至少一个不确定性参数校正所述估算状态参量，并根据所述至少一个估算状态参量重新确定所述参数化的估算模型的至少一个模型参数和/或所述至少一个不确定性参数；在所述另一预测步骤中的估算根据所述参数化估算模型的在所述第一方法部分中重新确定的模型参数和/或所述至少一个重新确定的不确定性参数进行；只当配属于未经校正的状态参量的不确定性因数小于预设值时，才将本身运动的状态参量确定为所述未经校正的状态参量。然而上述区别是本领域技术人员结合对比文件3以及本领域常规技术手段易于想到的，因此权利要求9不具备创造性。
申请人（下称复审请求人）对上述驳回决定不服,于2018年08月16日向国家知识产权局提出了复审请求，同时提交了权利要求书全文修改替换页，其中在驳回决定针对的权利要求书的基础上，将权利要求8的附加特征加入权利要求1、9，删除权利要求8并将权利要求重新编号。复审请求时提交的权利要求书内容如下：
“1. 一种用于确定交通工具的本身运动的至少一个状态参量的方法，
其中，在第一方法部分中，在第一预测步骤(9)中根据参数化的估算模型和至少一个已知的经校正的状态参量估算至少一个估算状态参量，
其中，检测或者确定至少一个基准参量，
其中，在校正步骤(11)中通过以下方式确定经校正的状态参量，即，根据所述至少一个基准参量并且根据至少一个不确定性参数(UP)校正所述至少一个估算状态参量，其中，根据所述至少一个估算状态参量重新确定所述参数化的估算模型的至少一个模型参数(MP)和/或所述至少一个不确定性参数(UP)，
其特征在于，
在另一方法部分中，在另一预测步骤(9)中根据所述参数化的估算模型和至少一个已知的未经校正的状态参量估算至少一个估算状态参量，其中，在所述另一预测步骤(9)中的估算根据所述参数化估算模型的在所述第一方法部分中重新确定的模型参数(MP)和/或所述至少一个重新确定的不确定性参数(UP)进行，其中，将未经校正的状态参量确定为所述至少一个在所述另一方法部分中估算的状态参量，其中，将本身运动的状态参量确定为所述未经校正的状态参量，
其中，只当配属于未经校正的状态参量的不确定性因数小于预设值时，才将本身运动的状态参量确定为所述未经校正的状态参量，
并且其中，在所述第一方法部分中，确定对描述交通工具运动的参量的检测的误差。
2. 按权利要求1所述的方法，其特征在于，在所述第一和另一方法部分中，还根据至少一个描述交通工具运动的参量估算所述估算状态参量。
3. 按权利要求2所述的方法，其特征在于，在所述第一和另一方法部分中，根据交通工具速度和/或车轮速度和/或走过的路程和/或交通工具加速度和/或角速度和/或角加速度估算所述估算状态参量。
4. 按权利要求2或3所述的方法，其特征在于，在所述第一和另一方法部分中，根据至少一个交通工具辅助系统的干预估算所述估算状态参量。
5. 按权利要求1至4之一所述的方法，其特征在于，根据借助GNSS装置(3)检测的信号确定所述基准参量。
6. 按权利要求1至5之一所述的方法，其特征在于，在所述第一方法部 分中对所述模型参数(MP)和/或不确定性参数(UP)的估算、校正和重新确定通过第一卡尔曼滤波器并且在所述另一方法部分中的估算通过所述第一卡尔曼滤波器或者另一卡尔曼滤波器进行。
7. 按权利要求1至6之一所述的方法，其特征在于，所述模型参数(MP)是函数的函数参数，所述函数阐明在描述交通工具运动并且通过检测装置检测的参量与所述至少一个状态参量之间的关系。
8. 一种用于确定交通工具的本身运动的至少一个状态参量的设备，其中，所述设备包括至少一个分析装置和检测装置，其中，借助所述分析装置能够在第一方法部分中，在第一预测步骤(9)中根据参数化的估算模型和至少一个已知的经校正的状态参量估算至少一个估算状态参量，其中，根据借助所述检测装置检测的参量能够确定至少一个基准参量或者借助所述检测装置能够检测所述基准参量，其中，在校正步骤中能够通过以下方式确定经校正的状态参量，即，根据所述至少一个基准参量并且根据至少一个不确定性参数(UP)校正所述至少一个估算状态参量，其中，根据所述至少一个估算状态参量能够重新确定参数化估算模型的至少一个模型参数(MP)和/或至少一个不确定性参数(UP)，
其特征在于，
借助所述分析装置或者另一分析装置能够在另一方法部分中，在另一预测步骤(9)中根据所述参数化估算模型和至少一个已知的未经校正的状态参量估算至少一个估算状态参量，其中，在所述另一预测步骤中的估算能够根据参数化估算模型的在所述第一方法部分中重新确定的模型参数(MP)和/或所述至少一个不确定性参数(UP)进行，其中，将未经校正的状态参量确定为所述至少一个在所述另一方法部分中估算的状态参量，其中，将本身运动的状态参量确定为所述未经校正的状态参量，
其中，只当配属于未经校正的状态参量的不确定性因数小于预设值时，才将本身运动的状态参量确定为所述未经校正的状态参量，
并且其中，在所述第一方法部分中，确定对描述交通工具运动的参量的检测的误差。”
复审请求人认为：权利要求1与对比文件1的区别特征未被其他对比文件公开，且不是本领域公知常识，因此权利要求1具备创造性。
经形式审查合格，国家知识产权局于2018年08月22日依法受理了该复审请求，并将其转送至原审查部门进行前置审查。
原审查部门在前置审查意见书中坚持原驳回决定。
随后，国家知识产权局成立合议组对本案进行审理。
合议组于2019年03月11日向复审请求人发出复审通知书，指出：权利要求1与对比文件1相比，区别在于：第一方法部分中在校正估算状态参量时还根据至少一个不确定性参数（UP）；根据所述至少一个估算状态参量重新确定所述参数化的估算模型的至少一个模型参数（MP）和/或所述至少一个不确定性参数（UP）；在另一方法部分中的另一预测步骤中的估算根据所述参数化估算模型的在所述第一方法部分中重新确定的模型参数（MP）和/或所述至少一个重新确定的不确定性参数（UP）进行；在第一方法部分中确定对描述交通工具运动的参量的检测的误差；只当配属于未经校正的状态参量的不确定性因数小于预设值时，才将本身运动的状态参量确定为所述未经校正的状态参量。然而上述区别是本领域技术人员结合对比文件3以及本领域常规技术手段易于想到的，因此权利要求1不具备创造性。权利要求2-7的附加特征或被对比文件1公开或属于本领域常规技术的手段，因此权利要求2-7也不具备创造性。权利要求8请求保护的设备中的分析装置和检测装置执行的方法特征与权利要求1的方法特征一一对应，鉴于与权利要求1的评述相同的理由，权利要求8相比于对比文件1与对比文件3以及本领域常规技术手段的结合也不具备创造性。
复审请求人于2019年04月23日提交了意见陈述书，同时提交了权利要求书全文修改替换页，其中在独立权利要求1、8中加入了特征“如果针对特定时长不能检测或者确定基准参量，则准确地确定本身运动的状态参量”，其余权利要求未作修改。修改后的独立权利要求1、8如下：
“1. 一种用于确定交通工具的本身运动的至少一个状态参量的方法，
其中，在第一方法部分中，在第一预测步骤(9)中根据参数化的估算模型和至少一个已知的经校正的状态参量估算至少一个估算状态参量，
其中，检测或者确定至少一个基准参量，
其中，在校正步骤(11)中通过以下方式确定经校正的状态参量，即，根据所述至少一个基准参量并且根据至少一个不确定性参数(UP)校正所述至少一个估算状态参量，其中，根据所述至少一个估算状态参量重新确定所述参数化的估算模型的至少一个模型参数(MP)和/或所述至少一个不确定性参数(UP)，
其特征在于，
在另一方法部分中，在另一预测步骤(9)中根据所述参数化的估算模型和至少一个已知的未经校正的状态参量估算至少一个估算状态参量，其中，在所述另一预测步骤(9)中的估算根据所述参数化估算模型的在所述第一方法部分中重新确定的模型参数(MP)和/或所述至少一个重新确定的不确定性参数(UP)进行，其中，将未经校正的状态参量确定为所述至少一个在所述另一方法部分中估算的状态参量，其中，将本身运动的状态参量确定为所述未经校正的状态参量，
其中，只当配属于未经校正的状态参量的不确定性因数小于预设值时，才将本身运动的状态参量确定为所述未经校正的状态参量，
其中，在所述第一方法部分中，确定对描述交通工具运动的参量的检测的误差，
并且其中，如果针对特定时长不能检测或者确定基准参量，则准确地确定本身运动的状态参量。”
“8. 一种用于确定交通工具的本身运动的至少一个状态参量的设备，其中，所述设备包括至少一个分析装置和检测装置，其中，借助所述分析装置能够在第一方法部分中，在第一预测步骤(9)中根据参数化的估算模型和至少一个已知的经校正的状态参量估算至少一个估算状态参量，其中，根据借助所述检测装置检测的参量能够确定至少一个基准参量或者借助所述检测装置能够检测所述基准参量，其中，在校正步骤中能够通过以下方式确定经校正的状态参量，即，根据所述至少一个基准参量并且根据至少一个不确定性参数(UP)校正所述至少一个估算状态参量，其中，根据所述至少一个估算状态参量能够重新确定参数化估算模型的至少一个模型参数(MP)和/或至少一个不确定性参数(UP)，
其特征在于，
借助所述分析装置或者另一分析装置能够在另一方法部分中，在另一预测步骤(9)中根据所述参数化估算模型和至少一个已知的未经校正的状态参量估算至少一个估算状态参量，其中，在所述另一预测步骤中的估算能够根据参数化估算模型的在所述第一方法部分中重新确定的模型参数(MP)和/或所述至少一个不确定性参数(UP)进行，其中，将未经校正的状态参量确定为所述至少一个在所述另一方法部分中估算的状态参量，其中，将本身运动的状态参量确定为所述未经校正的状态参量，
其中，只当配属于未经校正的状态参量的不确定性因数小于预设值时，才将本身运动的状态参量确定为所述未经校正的状态参量，
其中，在所述第一方法部分中，确定对描述交通工具运动的参量的检测的误差，
并且其中，如果针对特定时长不能检测或者确定基准参量，则准确地确定本身运动的状态参量。”
复审请求人认为权利要求1与对比文件1相比的区别特征未被其他对比文件公开，且不是本领域常规技术手段，因此权利要求1具备创造性。此外，本申请的同族申请已在德国获得专利授权。
在上述程序的基础上，合议组认为本案事实已经清楚，可以依法作出审查决定。
二、决定的理由
（一）审查文本的认定
在复审程序中，复审请求人于2018年08月16日和2019年04月23日提交了权利要求书全文修改替换页，其中所作修改符合专利法第33条及专利法实施细则第61条第1款的规定。因此，本决定以复审请求人于申请日2014年07月04日提交的说明书摘要、摘要附图、说明书附图图1-图3，2014年10月08日提交的说明书第1-118段，2019年04月23日提交的权利要求第1-8项为基础作出。
（二）关于本申请是否符合专利法第22条第3款的规定
根据专利法第22条第3款的规定，发明是否具有创造性是指与现有技术相比，该发明是否具有突出的实质性特点和显著的进步。
如果一项权利要求的技术方案与最接近的对比文件之间存在区别特征，但该区别特征是本领域技术人员结合另一篇对比文件以及本领域常规技术手段易于想到的，且达到的效果也是本领域技术人员可以合理预期的，则该权利要求的技术方案不具备创造性。
1、权利要求1请求保护一种用于确定交通工具的本身运动的至少一个状态参量的方法，对比文件1公开了一种GPS/DR组合导航方法，并且具体公开了以下特征（参见说明书第2-4页）：数据采集MCU将GPS数据和DR（航位推算）数据传送给导航主控CPU；导航主控CPU存储GPS与DR的组合定位、DR航位推算两种定位机制；导航主控CPU根据GPS的信号强度选择具体的定位机制：当导航主控CPU根据内部的GPS信息无法完成定位时，导航主控CPU利用陀螺仪和车速脉冲来推算车辆的瞬时相对位置和航向，采用DR航位推算定位机制实现连续自主式定位；当导航主控CPU内部的GPS信息能够完成定位时，导航主控CPU采用GPS与DR的组合定位机制实现连续自主式定位，同时利用GPS精确的定位结果辅助DR的初始化，并且定期地用它对DR 的定位误差进行在线校正。
导航主控CPU部分主要完成数据滤波、微型惯性测量元件的误差补偿及初始校准、卡尔曼滤波和导航参数解算等功能。将GPS/DR技术有机结合，采用了多传感器数据融合，具有接收和处理里程计信息、惯性测量单元IMU以及GPS的信息的功能。数据采集MCU采集GPS数据和DR组合导航数据，导航主控CPU完成数据的融合处理，GPS与DR的结合，提高了系统的有效性、完整性和定位精度。
GPS/DR组合导航系统的工作流程可以分成以下5个主要步骤：（1）通过GPS接收系统接收卫星的定位数据；（2）通过陀螺仪对车辆转角进行推算；（3）通过加速度传感器对路面坡度进行推算；（4）通过车速脉冲1对车辆行驶距离进行推算；（5）数据采集MCU将上述信息发送给导航主控CPU，对所有数据进行筛选、滤波，推算出车辆行驶的具体位置。
对比文件1利用GPS/DR组合导航来获取车辆（相当于交通工具）的位置，其中位置相当于交通工具的本身运动的状态参量，因而对比文件1公开了一种用于确定交通工具的本身运动的至少一个状态参量的方法。对比文件1的GPS/DR组合导航系统通过GPS接收系统接收卫星的定位数据、通过陀螺仪对车辆转角进行推算、通过加速度传感器对路面坡度进行推算、通过车速脉冲1对车辆行驶距离进行推算，将这些数据发送给导航主控CPU，对数据进行卡尔曼滤波，推算出车辆行驶的具体位置；在上述车辆行驶的具体位置的推算过程中，自然是通过上一时刻的位置估计以及获取的传感器信息来推算下一时刻的位置估计，这相当于预测步骤，上一时刻的位置估计相当于已知的状态参量，所推算出来的位置相当于估算状态参量，在预测过程中必然要依赖诸如交通工具的运动模型之类的参数模型，相当于参数化的估算模型；因而对比文件1公开了预测步骤中根据参数化的估算模型和至少一个已知的状态参量估算至少一个估算状态参量。
对比文件1中通过GPS接收系统接收卫星的定位数据，当导航主控CPU根据GPS信息能够完成定位时，导航主控CPU采用GPS与DR的组合定位机制实现连续自主式定位，利用GPS精确的定位结果对DR的定位误差进行在线校正，其中该GPS定位结果即为检测或确定的至少一个基准参量，利用GPS定位结果校正DR推算出的位置（即估算状态参量），即相当于校正步骤，根据至少一个基准参量校正至少一个估算状态参量；由GPS定位结果校正后的位置信息（即已知的经校正的状态参量）自然会用于DR推算系统对下一时刻位置的估计，也就是预测步骤中已知的状态参量采用上述经校正的状态参量；因此对比文件1在GPS信号较好时采用的GPS与DR的组合定位，相当于第一方法部分，对比文件1也公开了“在第一方法部分中，在第一预测步骤中根据参数化的估算模型和至少一个已知的经校正的状态参量估算至少一个估算状态参量，检测或确定至少一个基准参量，在校正步骤中根据至少一个基准参量校正至少一个估算状态参量”。
对比文件1中当GPS信号不够好时，采用DR航位推算定位机制实现自主式定位，也就是说不利用GPS定位结果进行校正，这样在航位推算的预测步骤中采用的已知的状态参量使用的是未经校正的状态参量，因而，对比文件1中在GPS信号不够好时采用的DR航位推算自主定位，相当于另一方法部分，对比文件1也公开了在另一方法部分中，在另一预测步骤中根据参数化的估算模型和至少一个已知的未经校正的状态参量估算至少一个估算状态参量；对比文件1中采用DR航位推算定位机制实现连续自主式定位时，不采用GPS定位结果进行DR定位误差校正，自然是将DR航位推算估计的状态参量即未经校正的状态参量作为自身运动的状态参量，因而，对比文件1公开了“将未经校正的状态参量确定为所述至少一个在所述另一方法部分中估算的状态参量”以及“将本身运动的状态参量确定为所述未经校正的状态参量”。
权利要求1请求保护的技术方案与对比文件1相比，区别在于：第一方法部分中在校正估算状态参量时还根据至少一个不确定性参数（UP）；根据所述至少一个估算状态参量重新确定所述参数化的估算模型的至少一个模型参数（MP）和/或所述至少一个不确定性参数（UP）；在另一方法部分中的另一预测步骤中的估算根据所述参数化估算模型的在所述第一方法部分中重新确定的模型参数（MP）和/或所述至少一个重新确定的不确定性参数（UP）进行；在第一方法部分中确定对描述交通工具运动的参量的检测的误差；只当配属于未经校正的状态参量的不确定性因数小于预设值时，才将本身运动的状态参量确定为所述未经校正的状态参量；如果针对特定时长不能检测或者确定基准参量，则准确地确定本身运动的状态参量。基于上述区别特征，权利要求1实际解决的技术问题为如何提高导航状态参量估计的准确性。
对于上述区别特征，对比文件3公开了一种应用于GPS和INS组合导航系统的卡尔曼滤波方法，并具体公开了以下内容（正文第2、6-7、31-43、48页）：在GPS/INS组合导航系统中利用卡尔曼滤波去估计系统的各种状态，并用状态的估计值去校正系统。基本的卡尔曼滤波算法思想是：为信号和噪声建立状态空间模型，使用前一时刻的估计值与现在这一时刻的观测值更新估计值，求出这一时刻估计值。这是一种递推的估计算法，通过处理一组有误差的测量数据得到物理参数最佳的估算值（参加正文第2页）。GPS/INS组合的导航系统，使用卡尔曼滤波最终的目的是得到更精确导航的参数，如飞机位置（如经纬度、高度）、飞机姿态角（航向、俯仰角）和地面速度，但是卡尔曼滤波器状态选取是可以不同的，可以以导航的参数为估计的状态，也可以以某一种的导航系统（如INS）输出导航的参数误差作为滤波器估计的状态（参见正文第6-7页）。随机线性离散系统的卡尔曼滤波方程为(3.17)。当给定初值与，根据k时刻观测值，就能够递推得到k时刻的状态的估计值，式(3.17a)说明根据k-1时刻状态来预测出k时刻的状态的方法，式(3.17d)对这种预测质量的优劣做了定量描述，公式(3.17)的其余诸式是计算时间的更新的修正量，描述了Kalman滤波观测更新的过程（参见正文第18-20页）。
INS的系统误差的状态方程为 (4.32) 式。GPS状态方程形式为(4.34)式。GPS/INS组合系统状态的变量，应由INS误差状态的变量和GPS误差状态的变量组成。是否需要增加和需要增加哪种类型GPS的误差状态的变量，取决于GPS与INS的组合方式，以及选择哪种GPS观测信息作为INS滤波器的量测输入信息。对于分布式组合方式，有两个卡尔曼滤波器分别处理INS和GPS数据。将位置的量测矢量(4.43)式与速度的量测矢量(4.49)式合并在一起，得到的GPS和INS的位置和速度的组合系统的量测方程(4.50)。利用GPS的接收机与INS输出位置、速度的信息差值当做量测的信息，经过组合的卡尔曼滤波器的估计的惯导系统误差，对惯导的系统校正。卡尔曼滤波器滤波的方程可分为两类：一类是预测方程，另一类是修正方程。状态向量的预测值状态向量的预测值方程与状态向量的预测值的协方差方程,被称作是预测方程。它根据所求的参数X动态的变化规律(即系统的动态方程),由当前时刻参数值来预测出下一时刻参数值。可见,假如系统的状态方程的建模误差比较大,不能够正确地反映出系统的状态动态的变化规律,基于这个模型的计算，预测的结果就产生比较大误差,甚至会使滤波器产生发散,结果会完全失真。当外部的修正信息被提供时,能够在状态向量的预测值基础之上得到状态的向量最优的滤波值。在滤波的方程中,求取最优的估计方程、描述滤波增益的方程和滤波值的协方差方程都被称为外部的信息观测方程。这是基于某些参数和其泛函外部观测方程的结果，对其预测值修正,给出了最优的滤波值,估计出相应的结果的协方差阵。卡尔曼滤波是个递推的计算过程,如果给出系统状态参数的初始值,则可以递推算出任一时刻的估计结果。图4.3给出了 GPS/INS组合卡尔曼滤波器中的数据流程（参见正文第39-43页）。
GPS与INS信息融合的技术能够消除掉INS误差的累积问题；当GPS不能够正常的定位时，INS系统就会继续独立地工作，经过卡尔曼滤波处理后的轨迹比原始轨迹更平滑，在GPS中断的情况下，轨迹的连续性得到了保证（参见正文第48页）。
由上述内容可见，对比文件3公开了在GPS/INS组合导航系统中利用卡尔曼滤波去估计系统的各种状态，并用状态的估计值去校正系统，并且公开了卡尔曼滤波的具体滤波方程及执行流程，在滤波过程中递推更新状态向量以及协方差，然后进行量测修正，得到最优的滤波输出。其中卡尔曼滤波器的方程即为参数化的估算模型，阐明了通过检测装置检测的描述交通工具的运动的参量与状态参量之间的函数关系，上述函数中的参数即为模型参数，协方差描述了估算状态参量的不确定性，相当于权利要求1中的不确定性参数。对比文件3中将GPS与INS数据利用卡尔曼滤波进行融合，在卡尔曼滤波过程中利用GPS接收机的数据，经过组合的卡尔曼滤波器对惯导系统进行校正，GPS接收机的数据即为基准参量，卡尔曼滤波过程中需要使用协方差（即不确定性参数），因而对比文件3实际上也公开了根据至少一个基准参量并且根据至少一个不确定性参数校正至少一个估算状态参量。对比文件3中使用的卡尔曼滤波器是一个递推的过程，在递推过程中模型参数和不确定性参数自然要随之更新，因而对比文件3实际上公开了根据估算状态参量重新确定参数化的估算模型的模型参数和不确定性参数。对比文件3中GPS/INS组合系统状态方程中包括INS误差状态的变量和GPS误差状态的变量，其中INS误差涉及平台误差、速度误差、位置误差以及惯性仪表误差，即描述了对交通工具运动的参量的检测的误差，因而对比文件3公开了确定对描述交通工具运动的参量的检测的误差。且上述技术特征在对比文件3中所起的作用与其在本申请中所起的作用相同，都是为了提高导航状态参量估计的准确性，也就是说对比文件3给出了将上述技术特征应用到对比文件1以解决其技术问题的启示。对比文件1公开了导航主控CPU对GPS、陀螺仪、加速度传感器等获得的数据进行筛选、滤波，推算出车辆行驶的具体位置，并根据GPS系统信号强度选择采用GPS与DR的组合定位、DR航位推算两种定位机制中的一种；对比文件3公开了GPS与INS信息融合的技术能够消除掉INS误差的累积问题，当GPS不能够正常的定位时，INS系统就会继续独立地工作，经过卡尔曼滤波处理后的轨迹更平滑，对比文件3也公开了可以采用分布式滤波，即采用两个卡尔曼滤波器分别处理INS和GPS数据；并且本领域技术人员熟知，卡尔曼滤波作为一种通用的信息融合滤波方法，传感器的种类与个数仅仅是影响状态参量与测量矩阵，对比文件1、3虽然未具体描述在航位推算/INS独立工作时是否采用卡尔曼滤波，但是INS系统中依然存在加速度计、陀螺仪等多个传感器数据，本领域技术人员易于想到在不利用GPS数据，而仅采用航位推算/INS独立实现导航时，仍然采用卡尔曼滤波进行状态滤波估计实现多个传感器信息的最优融合，而在滤波过程中自然是采用最近更新的模型参数和不确定性参数以使得状态估计更加准确，如果当前从GPS与航位推算/INS组合导航方式（即第一方法部分）切换到航位推算/INS（即另一方法部分）单独工作，那么在航位推算/INS单独工作（即另一方法部分）中采用的最近更新的参数自然是采用先前GPS/INS组合导航（即第一方法部分）滤波过程中重新确定的模型参数和不确定性参数。另外，在不能检测或者确定GPS基准参量时，采用航位推算独立工作（即另一方法），避免引入不准确的校正，并且在航位推算的卡尔曼滤波中选择最新的模型参数和不确定性参数（即先前GPS/INS组合导航（即第一方法部分）滤波过程中重新确定的），由此能够较为准确地确定本身运动的状态参量，这是本领域技术人员可以合理预期的。
此外，本领域技术人员熟知，在航位推算/INS独立工作（即另一方法部分）时，状态参量未经GPS校正，其状态估计准确性难以保证；而卡尔曼滤波中的不确定性参数是衡量估算状态参量的不确定性或精度的参量，不确定性参数越大，估算状态参量的估算就越不确定，不确定性参数越小，估算状态参量越确定；因此为了保证运动状态参量的准确性，本领域技术人员易于想到在航位推算/INS独立工作（即另一方法部分）时，将配属于未经校正的状态参量的不确定性因数与预设值进行比较，只当小于预设值时，将运动的状态参量确定为未经校正的状态参量。
复审请求人认为，复审请求人认为权利要求1与对比文件1相比的区别特征未被其他对比文件公开，且不是本领域常规技术手段，因此权利要求1具备创造性。此外，本申请的同族申请已在德国获得专利授权。
对此，合议组认为，本申请在背景技术中（参见说明书第[0008]-[0011]段）描述了现有技术中根据真实检测的位置（比如卫星定位数据）校正估算的位置（如通过卡尔曼滤波器），并且指出尽管校正能够改善定位精度，但是在较长时间不能检测到交通工具的真实位置（例如行驶穿过隧道期间）的情况下，可能由于校正使得交通工具真实进行的本身运动发生错误；针对上述问题，本申请采用了在能够确定GNSS基准参量时，利用基准参量对估算状态参量进行校正，并在GNSS信号不能使用时，根据未经校正的状态参量确定本身运动，由此更准确地确定本身运动，避免显示错误的轨迹。
对比文件1中提供了GPS/DR组合导航系统，其中GPS是一种常见的GNSS系统，在对比文件1的组合导航系统中，当根据GPS信息能够完成定位时，采用GPS与DR的组合定位机制实现连续自主式定位，利用GPS精确的定位结果对DR的定位误差进行在线校正，当GPS信号不够好时，采用DR航位推算定位机制实现自主式定位，也就是说不利用GPS定位结果进行校正，由此也避免了在GPS定位结果错误时导致校正的轨迹错误，起到更准确地确定本身运动的效果，因而本申请的基本发明构思已经被对比文件1公开。
对比文件1公开了导航主控CPU采用卡尔曼滤波，对比文件3中公开了组合导航卡尔曼滤波状态方程与观测方程的具体递推过程，公开了参数化估算模型中的不确定性参数以及模型参数的更新；而且卡尔曼滤波也是本领域所广泛采用的信息融合与状态估计方式；实际上，在本申请优先权日之前，无论是GPS/DR组合导航系统还是DR独立导航系统中使用卡尔曼滤波进行信息融合与状态估计已为本领域广泛采用的手段；由此本领域技术人员易于想到在GPS/DR组合导航时采用卡尔曼滤波，而在切换到仅采用航位推算/INS独立实现导航时，仍然采用卡尔曼滤波进行状态滤波估计实现多个传感器信息的最优融合。并且，本领域技术人员熟知，在卡尔曼滤波过程中模型参数和不确定性参数是不断更新的，在每一次递推迭代中自然是采用最近更新的值以使得状态估计更加准确，如果当前从GPS与航位推算/INS组合导航方式（即第一方法部分）切换到航位推算/INS（即另一方法部分）单独工作，那么在航位推算/INS单独工作（即另一方法部分）中采用的最近更新的参数自然是采用先前GPS/INS组合导航（即第一方法部分）滤波过程中重新确定的模型参数和不确定性参数，所达到的使得状态参数估计更加准确的效果也是本领域技术人员可以合理预期的。
此外，对于中国专利申请的审查，是在中国专利法及其实施细则的规定下进行的独立审查，本申请最终能否获得授权与其同族申请的审查结论无必然联系。
因此复审请求人认为的本申请具备创造性的理由不能成立。
由此可见，在对比文件1的基础上结合对比文件3以及本领域常规技术手段，得到该权利要求的技术方案对本领域技术人员来说是显而易见的，因而权利要求1不具有突出的实质性特点和显著的进步，不具备专利法第22条第3款规定的创造性。
2、权利要求2-4直接或间接引用权利要求1，对比文件1公开了导航主控CPU利用陀螺仪和车速脉冲来推算车辆的瞬时相对位置和航向，采用DR航位推算定位机制实现连续自主式定位（参见说明书第2页第1段）；组合导航系统除了要完成大量运算处理工作外，还要实现惯性测量单元（陀螺仪和加速度计）和GPS等传感器的数据采集（参见说明书第3页最后一段）；将GPS/DR技术有机结合，采用了多传感器数据融合，具有接收和处理里程计信息、惯性测量单元IMU以及GPS信息的功能（参见说明书第4页第1段）。其中车速、陀螺仪测量的角速度、加速度计测量的加速度、里程计测量的里程均为描述交通工具运动的参量。此外，车轮速度、角加速度等也是常用的描述交通工具的参量，诸如ABS等车辆辅助系统也能够描述车辆运动情况，本领域技术人员易于想到在组合导航卡尔曼滤波状态参量估计过程中选用上述参量或者更多的描述运动情况的参数中的一者或多者进行状态参量估算。因此，当其引用的权利要求不具备创造性时，上述从属权利要求均不具备专利法第22条第3款规定的创造性。
3、权利要求5引用权利要求1至4之一，其附加特征已被对比文件1公开（参见说明书第2页第1段）：利用GPS精确的定位结果对DR的定位误差进行在线校正。其中GPS信号即为GNSS装置检测的信号，由GPS信息对DR进行校正，即公开了根据借助GNSS装置检测的信号确定所述基准参量。因此，当其引用的权利要求不具备创造性时，上述从属权利要求也不具备专利法第22条第3款规定的创造性。
4、权利要求6引用权利要求1-5之一，对比文件1已经公开了（参见说明书第2页）：导航主控CPU部分主要完成数据滤波、微型惯性测量元件的误差补偿及初始校准、卡尔曼滤波和导航参数解算等功能。对比文件3也公开了采用分布式组合方式，有两个卡尔曼滤波器分别处理INS和GPS数据。对于第一和第二方法，本领域技术人员也易于想到根据实际需要选择相同或者不同的卡尔曼滤波器。因此，当其引用的权利要求不具备创造性时，上述从属权利要求也不具备专利法第22条第3款规定的创造性。
5、权利要求7引用权利要求1-6之一，对比文件1已经公开了对比文件1的GPS/DR组合导航系统通过对GPS数据、加速度计、陀螺仪等数据进行卡尔曼滤波，推算出车辆行驶的具体位置。在此推算过程中，必然要依赖交通工具的运动模型，卡尔曼滤波的公式即描述了检测装置检测的描述交通工具运动的参量与至少一个状态参量之间的关系，滤波模型中必然阐明上述关系的模型参数。因此，当其引用的权利要求不具备创造性时，上述从属权利要求也不具备专利法第22条第3款规定的创造性。
6、权利要求8请求保护一种用于确定交通工具的本身运动的至少一个状态参量的设备，包括分析装置和检测装置，其中分析装置和检测装置执行的方法特征与权利要求1的方法特征一一对应。鉴于与权利要求1的评述相同的理由，权利要求8相比于对比文件1与对比文件3以及本领域常规技术手段的结合也不具备创造性，不符合专利法第22条第3款的规定。
综上所述，本申请权利要求第1-8项不具备专利法第22条第3款规定的创造性。
依据上述事实和理由，合议组依法作出如下审查决定。
三、决定
维持国家知识产权局于2018年05月04日对本申请作出的驳回决定。
如对本复审请求审查决定不服，根据专利法第41条第2款的规定，请求人自收到本决定之日起三个月内向北京知识产权法院起诉。
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
