| 摘要:针对温室传感器采集精度低、易受时变噪声干扰等问题，提出一种基于改进自适应CKF的温室数据鲁棒融合算法。首先，使用奇异值分解代替标准CKF中的Cholesky分解；其次，构造自适应因子对协方差矩阵进行迭代修正；再次，结合温室观测模型简化容积变换过程，在保证融合性能前提下减少计算量；最后，针对时变噪声干扰，引入改进Sage-Husa算法与滑动残差窗口因子对噪声协方差阵进行双重自适应调节。选取温度作为观测量进行实测与仿真，实测数据采集器主要由STM32F103C6T6微处理器与各传感器模块组成。将传统CKF、UKF和所提算法进行融合对比实验，结果表明，所提算法具有更高融合精度与更强融合鲁棒性，具有潜在实际参考价值。 |
| 关键词: 数据融合 自适应容积卡尔曼 奇异值分解 Sage-Husa算法 温室 |
|
|
|
|
| Abstract: |
| Key words: |