基于卡尔曼滤波的多传感器数据融合装置的制作方法

技术特征：
1.一种基于卡尔曼滤波的多传感器数据融合装置，其特征在于，包括：数据采集系统、边缘数据处理系统、网络传输系统以及上层应用系统；所述数据采集系统的输入端连接多传感器，所述数据采集系统的输出端连接所述边缘数据处理系统的输入端，所述边缘数据处理系统的输出端连接所述网络传输系统的输入端，所述网络传输系统的输出端连接所述上层应用系统的输入端。2.根据权利要求1所述的基于卡尔曼滤波的多传感器数据融合装置，其特征在于，所述数据采集系统包括数据暂存模块、数据放大器模块、a/d模块、第一电源模块以及通信模块；所述数据暂存模块的输入端连接所述多传感器，所述数据暂存模块的输出端连接所述数据放大器模块的输入端，所述数据放大器模块的输出端连接所述a/d模块的第一输入端，所述第一电源模块连接所述a/d模块的第二输入端，所述a/d模块的输出端连接所述通信模块，所述通信模块的输出端连接所述边缘数据处理系统的输入端。3.根据权利要求2所述的基于卡尔曼滤波的多传感器数据融合装置，其特征在于，所述多传感器采集环境同一变量信息，并传输至所述数据暂存模块，并通过网格的形式对不同传感器信号分别进行存储。4.根据权利要求3所述的基于卡尔曼滤波的多传感器数据融合装置，其特征在于，所述数据暂存模块能够进行时序数据流存储，将不同传感器的上传数据值按照时间戳进行排列并存储；所述数据暂存模块的暂存时间大于等于上传信号的最大上传时间间隔。5.根据权利要求4所述的基于卡尔曼滤波的多传感器数据融合装置，其特征在于，所述数据放大器模块是将暂存器中的数据进行模拟信号的方案处理，其流程是暂存器中的模拟信号按照时间戳顺序依次读取到数据放大器模块放大模拟信号。6.根据权利要求2所述的基于卡尔曼滤波的多传感器数据融合装置，其特征在于，所述边缘数据处理系统包括第二电源模块、本地服务器以及本地路由；所述本地服务器的输入端连接所述通信模块的输出端，所述第二电源模块的输出端连接所述本地服务器的输入端，所述本地服务器的输出端连接所述本地路由的输入端，所述本地路由的输出端连接所述网传传输系统的输入端。7.根据权利要求6所述的基于卡尔曼滤波的多传感器数据融合装置，其特征在于，所述网络传输系统包括用于数据传输的wifi模块、lora模块、zigbee模块以及5g模块；所述本地路由通过所述wifi模块、所述lora模块、所述zigbee模块以及所述5g模块将所述物联网多传感器数据按照时间序列传输至上层应用系统。8.根据权利要求7所述的基于卡尔曼滤波的多传感器数据融合装置，其特征在于，所述上层应用系统包括为电脑、平板以及手机。9.根据权利要求6所述的基于卡尔曼滤波的多传感器数据融合装置，其特征在于，所述本地服务器预加载卡尔曼滤波算法，对所述多传感器的数据进行卡尔曼滤波处理，并将结果数据一部分进行本地存储。10.根据权利要求9所述的基于卡尔曼滤波的多传感器数据融合装置，其特征在于，所述卡尔曼滤波器算法为：第一步，建立系统离散状态方程，由k-1时刻到k时刻，系统状态预测方程为x
k
＝ax
k-1
bu
k
w
k
系统状态观测方程为：z
k
＝hx
k
v
k
其中，a为状态转移矩阵；u
k
为系统输入向量；b为输入增益矩阵；w
k
为服从正态分布的过程噪声，均值为0，协方差矩阵为q；h为测量矩阵；v
k
服从正态分布的测量噪声，均值为0，协方差矩阵为o；第二步，预测阶段，卡尔曼滤波器使用上一状态的估计，做出对当前状态的预测：p'
k
＝ap
k-1
a
t
q其中，为预测值，为卡尔曼估计值，p'
k
为预测误差协方差矩阵，p
k
为卡尔曼估计误差协方差矩阵；第三步，校正阶段，卡尔曼滤波器利用对当前状态的观测值修正在预测阶段获得的预测值，以获得一个更接进真实值的新估计值：k
k
＝p
k
'h
t
(hp
k
h
t
o)-1
其中，为测量余量，k
k
为卡尔曼增益；第四步，更新协方差估计：p
k
＝(1-k
k
h)p
k
'。

技术总结
本发明提供了一种基于卡尔曼滤波的多传感器数据融合装置，包括：数据采集系统、边缘数据处理系统、网络传输系统以及上层应用系统；所述数据采集系统的输入端连接多传感器，所述数据采集系统的输出端连接所述边缘数据处理系统的输入端，所述边缘数据处理系统的输出端连接所述网络传输系统的输入端，所述网络传输系统的输出端连接所述上层应用系统的输入端。本发明能够有效避免多传感器数据存在系统性误差测量值失真的问题，方便地实现多传感器数据融合。据融合。据融合。


技术研发人员：孙涛 陈创 周奕飞 王罡崙
受保护的技术使用者：兴业数字金融服务(上海)股份有限公司
技术研发日：2022.10.08
技术公布日：2023/1/31