●前言
章 緒論
1.1 多模式多尺度數據融合理論及應用
1.2 多尺度數據融合概念的演變
1.2.1 多尺度數據融合模型的若干應用
1.2.2 國內相關研究
1.2.3 多尺度數據融合算法
1.3 亟待解決的核心理論問題
1.4 多模式多尺度數據融合模型
1.4.1 多尺度數據融合定理
1.4.2 多尺度數據融合模型推論
1.5 多模式多尺度數據融合有待解決的問題
參考文獻
第2章 小波分解原子時算法
2.1 時間基準及其變遷
2.2 時間尺度算法的意義
2.3 AT1(NIST)算法
2.3.1 算法分析
2.3.2 權重計算
2.4 ALGOS(BIPM)算法
2.4.1 TAI的定義
2.4.2 時間改正項的選取
2.4.3 權值的選取
2.5 經典加權算法分析
2.6 原子時的小波分解算法
2.7 實驗研究
參考文獻
第3章 多模式多尺度組合定時
3.1 時間基準與時間同步
3.1.1 秒定義與時間基準
3.1.2 時間頻率同步技術
3.1.3 多模式多尺度時間同步繫統的功能
3.2 總體方案及硬件平臺
3.2.1 主要技術指標
3.2.2 總體方案
3.2.3 繫統內部各模塊
3.2.4 守時授時功能的實現
3.2.5 小波分解原子時算法的實現
3.2.6 守時鐘的校準
3.3 設備監控功能的實現
3.3.1 監控繫統的結構設計
3.3.2 監控協議的設計
3.3.3 監控軟件
3.3.4 測試結果
參考文獻
第4章 多模式多尺度組合導航
4.1 導航繫統的定位解算原理
4.1.1 北鬥/GPS的定位原理
4.1.2 羅蘭C雙曲線定位原理
4.1.3 組合導航的時間繫統
4.1.4 組合導航的坐標繫統
4.2 數據融合技術在組合導航中的應用
4.2.1 小波熵對噪聲的識別
4.2.2 線性均方估計方法
4.2.3 基於小波熵的數據融合理論
4.3 狀態估計方法
4.3.1 最小二乘法
4.3.2 Kalman濾波
4.3.3 擴展Kalman濾波
4.4 Kalman濾波發散的抑制
4.4.1 序列濾波
4.4.2 UD Kalman濾波
4.4.3 加入漸消因子
4.4.4 抗差Kalman濾波
4.5 組合導航數據融合繫統
4.5.1 北鬥/GPS/羅蘭C組合導航繫統的狀態估計
4.5.2 局部濾波器模型
4.6 實驗研究
4.6.1 GPS導航繫統的Kalman估計實驗
4.6.2 組合導航繫統的Kalman濾波實驗
4.6.3 數據融合方案的實現
參考文獻
第5章 組合MEMS陀螺技術
5.1 研究背景及意義
5.1.1 MEMS陀螺儀的發展
5.1.2 MEMS陀螺儀技術
5.1.3 MEMS陀螺儀數據融合
5.1.4 陀螺儀誤差的Allan方差表示
5.2 組合陀螺
5.2.1 組合陀螺總體架構
5.2.2 器件選型及相關參數
5.2.3 硬件繫統設計
5.3 軟件設計
5.3.1 IIC接口
5.3.2 SPI接口
5.3.3 小波域多尺度融合算法
5.4 實驗研究
5.4.1 靜態實驗
5.4.2 單軸位置速率轉臺實驗
5.4.3 單軸角振動臺實驗
5.5 組合陀螺信號突變時融合方法及切換方案
5.5.1 信號突變檢測
5.5.2 動態陀螺信號融合方法及切換方案融合方法
5.5.3 最優加權遞歸最小二乘融合算法
5.5.4 突變檢測實驗
參考文獻
第6章 多模式多尺度數據融合模型的數學基礎
6.1 數據融合的數學基礎
6.1.1 平穩過程單尺度數據融合
6.1.2 平穩過程多尺度數據融合
6.1.3 非平穩過程單尺度數據融合
6.1.4 非平穩過程多尺度數據融合
6.2 多模式多尺度數據融合中關鍵問題
6.2.1 MEMS陀螺噪聲特性與小波熵
6.2.2 常見的小波
6.2.3 小波基的選取
6.2.4 最佳小波基選取實驗
6.3 最佳小波分解層數
6.4 數據融合加權因子的選擇
6.5 多小波基數據融合
參考文獻
內容簡介
《多模式多尺度數據融合理論及其應用》首先針對一類不可重復測量的物理量，如時間、飛行器的位置、姿態及慣性參數等，建立多模式多尺度數據融合模型。該模型既考慮隨機變量的長期特性和中期特性，也顧及隨機變量的短期特性。然後，將多模式多尺度數據融合模型用於時間尺度的建立、精密定時、組合導航及飛行器姿態的測量，詳細介紹相應的工程案例及實驗結果。很後，從數學上證明多模式多尺度數據融合的原理，表明多模式多尺度數據融合結果優於經典的方法，可以抑制測量噪聲，提高測量精度。《多模式多尺度數據融合理論及其應用》適合電子信息類專業本科生、研究生及工程技術人員參考。
