基于多速率传感器数据融合技术的最小二乘估计

Chinese

您当前的位置：

首页 >

文章列表页 >

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
- 暂无标题
- 传感器与微系统 2004年第9期页码：77-79+81
- 作者机构：
- 作者简介：
- 基金信息：
  
  河北省自然科学基金资助项目(F2004000180)
- DOI：10.13873/j.1000-97872004.09.030
  中图分类号： TP212
- 纸质出版：2004
- 稿件说明：
移动端阅览
基于多速率传感器数据融合技术的最小二乘估计[J]. 传感器与微系统, 2004,(9):77-79+81.
基于多速率传感器数据融合技术的最小二乘估计[J]. 传感器与微系统, 2004,(9):77-79+81. DOI： 10.13873/j.1000-97872004.09.030.

DOI：

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。

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).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

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