多模式多尺度数据融合理论及其应用

《多模式多尺度数据融合理论及其应用》首先针对一类不可重复测量的物理量，如时间、飞行器的位置、姿态及惯性参数等，建立多模式多尺度数据融合模型。该模型既考虑随机变量的长期特性和中期特性，也顾及随机变量的短期特性。然后，将多模式多尺度数据融合模型用于时间尺度的建立、精密定时、组合导航及飞行器姿态的测量，详细介绍相应的工程案例及实验结果。最后，从数学上证明多模式多尺度数据融合的原理，表明多模式多尺度数据融合结果优于经典的方法，可以抑制测量噪声，提高测量精度。《多模式多尺度数据融合理论及其应用》适合电子信息类专业本科生、研究生及工程技术人员参考。

前言
第1章 绪论
1.1 多模式多尺度数据融合理论及应用
1.2 多尺度数据融合概念的演变
1.2.1 多尺度数据融合模型的若干应用
1.2.2 国内相关研究
1.2.3 多尺度数据融合算法
1.3 亟待解决的核心理论问题
1.4 多模式多尺度数据融合模型
1.4.1 多尺度数据融合定理
1.4.2 多尺度数据融合模型推论
1.5 多模式多尺度数据融合有待解决的问题
参考文献
第2章 小波分解原子时算法
2.1 时间基准及其变迁
2.2 时间尺度算法的意义
2.3 AT1(NIST)算法
2.3.1 算法分析
2.3.2 权重计算
2.4 ALGOS(BIPM)算法
2.4.1 TAI的定义
2.4.2 时间改正项的选取
2.4.3 权值的选取
2.5 经典加权算法分析
2.6 原子时的小波分解算法
2.7 实验研究
参考文献
第3章 多模式多尺度组合定时
3.1 时间基准与时间同步
3.1.1 秒定义与时间基准
3.1.2 时间频率同步技术
3.1.3 多模式多尺度时间同步系统的功能
3.2 总体方案及硬件平台
3.2.1 主要技术指标
3.2.2 总体方案
3.2.3 系统内部各模块
3.2.4 守时授时功能的实现
3.2.5 小波分解原子时算法的实现
3.2.6 守时钟的校准
3.3 设备监控功能的实现
3.3.1 监控系统的结构设计
3.3.2 监控协议的设计
3.3.3 监控软件
3.3.4 测试结果
参考文献
第4章 多模式多尺度组合导航
4.1 导航系统的定位解算原理
4.1.1 北斗/GPS的定位原理
4.1.2 罗兰C双曲线定位原理
4.1.3 组合导航的时间系统
4.1.4 组合导航的坐标系统
4.2 数据融合技术在组合导航中的应用
4.2.1 小波熵对噪声的识别
4.2.2 线性均方估计方法
4.2.3 基于小波熵的数据融合理论
4.3 状态估计方法
4.3.1 最小二乘法
4.3.2 Kalman滤波
4.3.3 扩展Kalman滤波
4.4 Kalman滤波发散的抑制
4.4.1 序列滤波
4.4.2 UD Kalman滤波
4.4.3 加入渐消因子
4.4.4 抗差Kalman滤波
4.5 组合导航数据融合系统
4.5.1 北斗/GPS/罗兰C组合导航系统的状态估计
4.5.2 局部滤波器模型
4.6 实验研究
4.6.1 GPS导航系统的Kalman估计实验
4.6.2 组合导航系统的Kalman滤波实验
4.6.3 数据融合方案的实现
参考文献
第5章 组合MEMS陀螺技术
5.1 研究背景及意义
5.1.1 MEMS陀螺仪的发展
5.1.2 MEMS陀螺仪技术
5.1.3 MEMS陀螺仪数据融合
5.1.4 陀螺仪误差的Allan方差表示
5.2 组合陀螺
5.2.1 组合陀螺总体架构
5.2.2 器件选型及相关参数
5.2.3 硬件系统设计
5.3 软件设计
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 实验研究
5.4.1 静态实验
5.4.2 单轴位置速率转台实验
5.4.3 单轴角振动台实验
5.5 组合陀螺信号突变时融合方法及切换方案
5.5.1 信号突变检测
5.5.2 动态陀螺信号融合方法及切换方案融合方法
5.5.3 很优加权递归最小二乘融合算法
5.5.4 突变检测实验
参考文献
第6章 多模式多尺度数据融合模型的数学基础
6.1 数据融合的数学基础
6.1.1 平稳过程单尺度数据融合
6.1.2 平稳过程多尺度数据融合
6.1.3 非平稳过程单尺度数据融合
6.1.4 非平稳过程多尺度数据融合
6.2 多模式多尺度数据融合中关键问题
6.2.1 MEMS陀螺噪声特性与小波熵
6.2.2 常见的小波
6.2.3 小波基的选取
6.2.4 很好小波基选取实验
6.3 很好小波分解层数
6.4 数据融合加权因子的选择
6.5 多小波基数据融合
参考文献