多尺度随机建模与分布式多传感器数据融合估计  

Multiple-Scale Stochastic Modeling and Distributed Multiple-Transducer Data Fusion Estimation

作　　者：吕锋[1] 于红[2] 文成林[2] 辛涛[1] 

机构地区：[1]河北师范大学电子系,石家庄050031 [2]河南大学信息学院,开封475001

出　　处：《自动化仪表》2004年第2期7-10,共4页Process Automation Instrumentation

基　　金：国家自然科学基金资助 (编号 :60 2 740 59;60 3740 2 0 );河北省自然科学基金资助 (编号 :F2 0 0 4 0 0 0 1 80 );河北省教育厅自然科学研究资助 (编号 :2 0 0 32 4 0 )

摘　　要：针对不同尺度上拥有不同特征的传感器对同一目标状态进行检测的多传感器单模型动态系统 ,利用小波将最细尺度上的状态方程进行有效分解 ,基于小波变换的分析、综合形式建立起以尺度为变量的动态多尺度随机模型。利用该模型将各个尺度上状态的局部估计结果进行有效综合 ,从而在最细尺度上获得目标基于全局信息的最优估计值。For the multiple transducer single model dynamic system processing different transducers at multiple scale, by using discrete wavelet transformation the state equation at the finest scale is decomposed. Based on the analysis of wavelet transformation, dynamic multiple scale stochastic model with scale as variable is established. With this model, the results of local estimations on various scales are effectively integrated. Thus the optimal estimation of the target at the finest scale based on global information is achieved. The effectiveness of the algorithm is verified by simulation.

关 键 词：数据融合 多尺度 随机模型 小波变换 传感器 多源信息 

分 类 号：TP212[自动化与计算机技术—检测技术与自动化装置]