气象站传感器数据融合算法实战 · 课程目录

🧪 多传感器融合 ⚙️ 卡尔曼 · 粒子 · 图神经网络 📡 从预处理到工程部署 🎯 30个实战案例

1传感器融合概述

气象站为什么需要多传感器融合？融合算法的分类与评价指标。

2数据预处理基础

时间戳对齐、异常值检测（3σ、IQR）、缺失值插补（线性插值、前向填充）。

3卡尔曼滤波入门

状态空间模型、预测与更新方程、一维温度滤波实战。

4扩展卡尔曼滤波

非线性系统线性化、雅可比矩阵计算、风速风向融合案例。

5无迹卡尔曼滤波

Sigma点选取、UT变换、与EKF的对比实验。

6粒子滤波基础

重要性采样、重采样策略、SIR滤波器实现。

7自适应卡尔曼滤波

噪声协方差在线估计、Sage-Husa算法、动态环境适配。

8联邦卡尔曼滤波

分布式架构、信息分配因子、多传感器子系统设计。

加速度计与陀螺仪融合、Mahony算法、姿态解算实战。

10加权平均融合

固定权重与自适应权重、置信度评估、温湿度融合案例。

11贝叶斯融合

先验与后验概率、贝叶斯公式应用、多源证据融合。

12D-S证据理论

基本概率分配、信任函数与似然函数、冲突证据处理。

13模糊逻辑融合

隶属度函数设计、模糊规则库构建、空气质量指数融合。

14神经网络融合

MLP与传感器数据、训练策略、过拟合防止。

15卷积神经网络融合

1D-CNN设计、特征提取、多通道气象数据融合。

16循环神经网络融合

LSTM与GRU、时序依赖建模、气象序列预测融合。

17注意力机制融合

自注意力与交叉注意力、Transformer在融合中的应用。

18图神经网络融合

传感器拓扑图构建、GCN消息传递、空间相关性融合。

19生成对抗网络融合

数据增强、缺失传感器重建、GAN融合框架。

20迁移学习融合

源域与目标域适配、领域自适应、少样本融合。

21多任务学习融合

共享表示与任务特定层、联合优化、温湿度气压同时估计。

22集成学习融合

Bagging与Boosting、随机森林融合、Stacking策略。

23高斯过程融合

核函数选择、不确定性量化、稀疏高斯过程。

信息矩阵与信息向量、逆协方差形式、分布式信息滤波。

鲁棒性设计、最坏情况优化、对抗噪声环境。

26交互式多模型

多模型切换、马尔可夫转移矩阵、机动目标跟踪。

27传感器校准融合

在线校准、互校准、偏差估计与补偿。

28时间同步融合

硬件同步与软件同步、插值对齐、延迟补偿。

29异构传感器融合

不同类型传感器（温度、湿度、气压、风速、PM2.5）统一框架。

30工程部署与优化

嵌入式平台实现、计算资源优化、实时性保障、案例总结。