基于多尺度随机动态模型的惯性器件数据融合估计  

Data Fusion Estimation of Inertial Sensors Based on Multiscale Stochastic Dynamic Models

作　　者：周雪梅[1] 吴简彤[1] 

机构地区：[1]哈尔滨工程大学自动化学院,黑龙江哈尔滨150001

出　　处：《中国造船》2007年第2期116-121,共6页Shipbuilding of China

基　　金：哈尔滨工程大学基础研究基金项目(编号:mzj07020)

摘　　要：结合离散小波变换、动态系统理论及随机过程理论,建立了以尺度为变量的多尺度随机动态模型,并给出状态基于多尺度随机动态模型的多尺度递归数据融合算法,实现了在状态基于全局观测信息的优化估计值。该算法可以在无状态模型情况下进行数据融合,适用于难以获得或获得的状态模型不精确的情况。将此方法用于陀螺信号处理中,通过不同尺度下陀螺观测值的融合,陀螺信号的精度有明显的提高。仿真和实验均证明该算法是一种有效的数据融合算法。In the paper, combing with discrete wavelet transform, dynamic system theory and stochastic process theory the multiscale stochastic dynamic models considering scale as variable are establised and multiscale fusion estimation algorithmis is presented in order to realize the optimum actimation of the state. The algorithm would be the method used in no state model. Using the algorithm for gyro signals processing and fusing the observation at different scales, it is shown that the accuracy of gyro signals is improved obviously. Simulation and test all prove that the algorithm is available.

关 键 词：多尺度融合估计 随机动态模型 陀螺测试 

分 类 号：U661.43[交通运输工程—船舶及航道工程]