基于参数估计的数据融合方法在余度捷联惯性测量装置中的应用

将数据融合方法引入到导弹制导系统,充分利用余度捷联惯性测量装置中多陀螺的重复测量信息提高导弹的制导精度。数据融合过程分为两步：首先应用分布图对传感器原始数据进行一致性检测,然后将通过检测的一致传感器数据按照参数估计的理论进行融合。     

余度捷联惯性测量装置中的数据融合方法

阐述了两种余度捷联惯性测量装置的数据融合方法;最小二乘法和最优加权平均法。对这两种数据融合方法进行了比较分析和仿真,证明它们都能对余度捷联惯性测量装置的测量数据进行融合,能提高测量精度,效果很好。     

基于参数估计的多传感器数据融合

探讨具有随机扰动的环境中同一特征的不同传感器测量值的融合问题，并在理论上给出了基于参数估计的多传感器融合算法，分析了正态分布数据的融合计算公式，并提出以数据探讨技术中的分布图方法来获得一致的传感器数据，从而提高了算法的鲁棒性。     

半捷联MEMS惯性测量装置数据硬回收系统设计

针对半捷联MEMS惯性测量系统中MIMU所测得的弹体姿态信息需经过滑环传输到信息存储仓,而滑环在传输模拟量的过程中会引进电气噪声等问题,提出一种适用于半捷联MEMS惯性测量装置的数据硬回收系统设计方法。该系统采用ADC将MIMU输出的模拟量转化为数字量,并通过FPGA模拟的串行通信口输出,然后经滑环传输到惯性信息存储仓, 最后通过FPGA模拟串行通信口接收数据并存储到FLASH中,实现对半捷联MEMS惯性测量装置中MIMU数据的实时记录。通过仿真转台试验验证,该系统能够实时地采集并存储弹体姿态信息,且具有采样率高,避免滑环电气噪声等特点。对常规弹药飞行全过程的姿态、位置信息的记录有一定的应用价值。     

半捷联惯性测量系统多路采集数据对齐方法

半捷联惯性测量系统能实时精确测量弹体的各种飞行参数,为常规弹药精确制导提供可能,半捷联惯性测量系统包含两块采集数据的采存模块,当系统运行时,由于两个采存模块采集不同步以及取点不统一导致采集的数据不是实时同步,从而无法对系统测得的数据进行解算,本文提出一个实时对齐方法,利用数据相关性,求出差的平方和的最小值即为最接近的值,实现数据对齐,为后续精确解算奠定基础.     

基于参数估计的数据融合算法研究

研究了有关分批估计、自适应加权和方差估计算法在多传感器数据融合中的有效性、准确度和实时性。通过实例在对几种算法进行仿真比较的基础上,说明了上述几种算法的有效性及其融合精度的差异,其结果表明:按测量方差值并采用自适应加权算法的融合效果最佳,有效地提高了融合精度,对考虑了环境噪声的多传感器数据采集系统较为适合。     

基于数据融合的知识发现方法在网络管理中的应用

提出用于网络管理的基于数据融合的知识发现系统框架，研究数据融合技术在知识发现的数据准备和预处理阶段的应用，研究关联规则在表达网络管理知识方面的适用性并针对网络管理数据时序性的特点，引入情景规则来表示期望发掘的知识，指出网络故障管理中关联规则和情景规则的挖掘算法以及知识增量式更新的算法，并简介了原型系统的实现方法。     

MEMS在惯性测量中的应用

对MEMS在惯性测量中的应用状况进行了总结 ,介绍了加速度计和陀螺仪的基本工作原理和商业化情况 ,提出了我国发展微机械惯性传感器的一些发展思路     

数据融合技术在光学测量中的应用

由于传统外弹道处理方法的不足,提出两两交会测量方法,根据两两交会结果采用数据融合算法求出综合交会弹道,并对试验结果进行精度分析。该方法充分利用各测站的测量信息,大大提高对空中目标的辨识精度。     

数据融合的方法及应用研究

介绍了数据融合的定义、融合层次、融合方法及其应用领域，特别是在军事上，机器人控制及图像处理上的应用。在此基础上，分析了数据融合的研究热点及发展趋势。数据融合技术是一种用途广泛的数字信号及信息处理方法，它通过对大量的数据进行处理提纯，得到一组直观有效的数据，为进一步处理和判断控制提供精确的数据依据。     

基于最小二乘准则的多传感器参数估计数据融合

为了从含有加性测量噪声的线性测量数据中更加准确地估计未知的常值参数,测量噪声互不相关的多传感器测量系统得到广泛使用。在最小二乘准则下,提出了多传感器测量系统在多次同步测量时的集中式和分布式参数估计数据融合算法,两种算法完全等价,且都是全局最优的。数值仿真实验的结果表明,新算法可以明显改善传感器测量参数的估计精度。     

余度IMU精度分析与数据融合方法改进

针对现有余度IMU（inertial measurement unit）数据融合精度不高的问题,在对六单轴传感器非正交配置的余度IMU数据融合特性及测量误差与融合误差之间关系进行研究的基础上,提出了1种基于最小二乘简单、有效的余度传感器测量误差估计及数据融合方法。首先对最小二乘融合的空间矢量在测量轴上的投影与测量值之间的误差进行方差统计,统计结果作为传感器测量误差估计的依据及加权最小二乘的权值参考。然后利用加权最小二乘对传感器测量数据进行融合。仿真结果表明：该方法能有效估计传感器测量误差大小,提高余度IMU数据融合及余度惯性导航系统精度。     

基于DSP的IMU/GPS数据融合算法实现

提出了基于DSP的IMU/GPS数据融合算法的实现方案;鉴于GPS数据稳定性高、误差不随时间积累和IMU数据更新率快、在短时间内精度高的特点,采用强跟踪卡尔曼滤波算法对二者的数据进行融合处理,并且在DSP上将其实现,获取精度更高、稳定性更好的导航参数;给出了详细的设计步骤,进行了大量的静态和动态试验,并且对实验数据进行了分析与对比;结果表明,该实现方案可以获取可实用的导航参数。     

基于多特征参数的雷达数据关联及融合

在高密集多回波环境下,针对多雷达系统参照目标位置信息参数进行跟踪时可能出现关联精度较差的问题,加入多普勒频率参数,提高对目标跟踪的精度。针对数据融合过程中各雷达产生的误差不一致问题,提出一种动态分配权值的策略,将带有权值的各雷达数据送往融合中心进行融合计算。仿真结果表明,该方法能改进雷达系统的跟踪精度。     

基于非线性数据融合的设备多阶段寿命预测

为解决设备监测数据具有维数高、非线性且退化过程中存在多阶段的问题,提出了一种基于非线性数据融合和多阶段退化的设备寿命预测模型.首先,利用神经网络理论中的自编码器对表征设备退化的多维参数进行了融合,构建出设备的退化指示量;然后,利用CUSUM算法提取出设备退化过程中的分段点;最后,构建了多阶段维纳退化模型,从而实现对设备寿命的预测.利用航空发动机状态监测数据对所提模型进行了验证,剩余寿命预测的平均误差为0.254 5,低于传统的基于线性数据融合方法和基于单阶段维纳过程退化模型的寿命预测方法.结果证明,基于非线性数据融合的多阶段退化模型具有很好的鲁棒性,对设备的寿命预测更加精准.     

基于数据融合和数据挖掘的DIDS设计

本文介绍了分布式入侵检测系统的重要性和现有分布式入侵检测系统的局限性,提出了一种基于数据融合和数据挖掘的分布式入侵检测系统模型(DIDSFM),叙述了数据融合和数据挖掘应用于分布式入侵系统的意义,并详细说明了系统的体系结构和工作原理。     

基于FADS/IMU信息融合的大气数据测量方法研究

对飞行器大气数据进行估计是获取飞行状态的重要一环,是实现飞行器控制和稳定飞行的基础。通过研究嵌入式大气数据传感(FADS)系统,提出了基于容积卡尔曼滤波的惯性测量元件(IMU)数据和FADS数据融合算法。该算法对飞行器运动状态建立高阶滤波模型,使用容积点加权求和逼近的方法估计非线性运动模型,滤波输出值经处理后得到马赫数、攻角、侧滑角等大气数据。经仿真实验,算法计算的大气数据较为准确,马赫数误差小于0.01,攻角和侧滑角的误差小于0.1°。     

基于多传感器数据融合的转向参数测量仪设计

针对目前场（厂）内机动车方向盘转向参数测量仪装夹机构复杂、测量结果误差大的问题，提出一种基于多传感器技术的转向参数测量仪方法。通过加速度传感器、地磁计对陀螺仪角速度进行补偿，采用四元数融合算法对9轴MEMS传感器采样数据进行融合，修正因方向盘倾角对转向角测量结果的影响。通过设计转向参数测量仪硬件平台验证算法的可行性，实验结果表明融合算法能够提高转向角的精度。