「数学」多模式多尺度数据融合理论及其应用( 三 )
4.1.3 组合导航的时间系统 86
4.1.4 组合导航的坐标系统 87
4.2 数据融合技术在组合导航中的应用 91
4.2.1 小波熵对噪声的识别 91
4.2.2 线性均方估计方法 99
4.2.3 基于小波熵的数据融合理论 100
4.3 状态估计方法 102
4.3.1 最小二乘法 102
4.3.2 Kalman滤波 104
4.3.3 扩展Kalman滤波 107
4.4 Kalman滤波发散的抑制 109
4.4.1 序列滤波 109
4.4.2 UD Kalman滤波 110
4.4.3 加入渐消因子 113
4.4.4 抗差Kalman滤波 114
4.5 组合导航数据融合系统 117
4.5.1 北斗/GPS/罗兰C组合导航系统的状态估计 117
4.5.2 局部滤波器模型 120
4.6 实验研究 122
4.6.1 GPS导航系统的Kalman估计实验 123
4.6.2 组合导航系统的Kalman滤波实验 128
4.6.3 数据融合方案的实现 132
参考文献 135
第5章 组合MEMS陀螺技术 137
5.1 研究背景及意义 137
5.1.1 MEMS陀螺仪的发展 137
5.1.2 MEMS陀螺仪技术 137
5.1.3 MEMS陀螺仪数据融合 138
5.1.4 陀螺仪误差的Allan方差表示 139
5.2 组合陀螺 140
5.2.1 组合陀螺总体架构 140
5.2.2 器件选型及相关参数 141
5.2.3 硬件系统设计 142
5.3 软件设计 150
5.3.1 IIC接口 150
5.3.2 SPI接口 156
5.3.3 小波域多尺度融合算法 161
5.4 实验研究 162
5.4.1 静态实验 163
5.4.2 单轴位置速率转台实验 164
5.4.3 单轴角振动台实验 167
5.5 组合陀螺信号突变时融合方法及切换方案 169
5.5.1 信号突变检测 169
5.5.2 动态陀螺信号融合方法及切换方案融合方法 177
5.5.3 最优加权递归最小二乘融合算法 181
5.5.4 突变检测实验 187
参考文献 198
第6章 多模式多尺度数据融合模型的数学基础 200
6.1 数据融合的数学基础 200
6.1.1 平稳过程单尺度数据融合 200
6.1.2 平稳过程多尺度数据融合 202
6.1.3 非平稳过程单尺度数据融合 206
6.1.4 非平稳过程多尺度数据融合 208
6.2 多模式多尺度数据融合中关键问题 220
6.2.1 MEMS陀螺噪声特性与小波熵 220
6.2.2 常见的小波 222
6.2.3 小波基的选取 226
6.2.4 最佳小波基选取实验 227
6.3 最佳小波分解层数 236
6.4 数据融合加权因子的选择 238
6.5 多小波基数据融合 240
参考文献 242
本文插图
本文插图
本文插图
（本文编辑：王芳）
推荐阅读
- 36氪|【张朝阳：带货模式是长期营销趋势】
- 奇艺爱奇艺回应超前点播案败诉：模式并无不妥，保留上诉权利
- 右手网|Android 手机将通过 Google Clock 更新获得 “就寝模式” 等新功能
- 碧波贝贝|多专多能多模式掌控，单双柄自由切换，游戏我是专业的
- 界面新闻|虚拟主播抢食直播市场，是造噱头还是好模式？
- 1跨境电商|亚马逊无货源模式的优势有哪些？
- 定焦爱科技|自己也能拍电影？vivo X50 Pro电影大师模式，圆你“导演梦”
- 驱动之家|既是百科大全 又是儿童学前班！ 荣耀智慧屏儿童模式体验
- 商务快讯|论微商等“新型经营模式”
- 莫名也是醉了|游戏音乐双模式，网易云音乐Music Pods体验