基于多速率传感器数据融合技术的最小二乘估计

doi:10.13873/j.1000-97872004.09.030

Chinese

您当前的位置：

首页 >

文章列表页 >

基于多速率传感器数据融合技术的最小二乘估计

更新时间：2025-09-11

- 基于多速率传感器数据融合技术的最小二乘估计
- Issue 9, Pages: 77-79+81(2004)
- 作者机构：
- 作者简介：
- 基金信息：
- DOI：10.13873/j.1000-97872004.09.030
  CLC： TP212
- Published：2004
- 稿件说明：
移动端阅览
[J]. 2004, (9): 77-79+81.
DOI：

[J]. 2004, (9): 77-79+81. DOI： 10.13873/j.1000-97872004.09.030.

摘要

将多速率传感器数据融合技术与传统最小二乘估计方法相结合

可以得到一种基于多速率传感器数据融合技术的最小二乘估计新方法。它通过有效地融合各个传感器的观测数据

最终获得了基于全局测量信息的在极小化估计误差方差的迹的准则下最优的无偏参数估计结果。针对具体应用实例

计算机仿真不仅说明了这种方法的实用性

而且进一步验证了其有效性。

Abstract

关键词

Keywords

references

文成林,周东华著.多尺度估计理论及其应用[M].清华大学出版社,2002.

中山大学数学力学系《概率论及数理统计》编写小组编.概率论及数理统计[M].人民教育出版社,1980.

闫莉萍,汪斌,吕锋.基于Kalman滤波的多尺度融合估计新算法[J].河南大学学报(自然科学版),2002(02).

朱庆保.传感器特性曲线的自适应分段最佳拟合及应用[J].传感器技术,2002(01).

郭建锋,归庆明.样条最小二乘拟合在估计水塔水流量中的应用[J].工科数学,2000(01).

陈明华.污染数据回归分析中估计的强相合性[J].应用概率统计,1998(01).

邓自立,祁荣宾.多传感器信息融合次优稳态Kalman滤波器[J].中国学术期刊文摘,2000(02).

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

多速率传感器数据融合及在设备监测中的应用

多传感器数据融合在Lonworks总线下的实现

数据融合与传感器建模

金-瓜氨酸传感器对邻苯二酚和对苯二酚的同时测定

基于产品模块化实现高端传感器大批量定制的研究

Related Author

闫莉萍

刘宝生

周东华

吕锋

陈美凤

吕惠萍

马心英

周博

Related Institution

清华大学自动化系

菏泽学院化学化工学院

中国电子科技集团公司第四十九研究所

上海航天技术研究院

南京工程学院自动化学院

⁰