CN112585427A - 信息处理设备、信息处理方法和程序 - Google Patents

信息处理设备、信息处理方法和程序 Download PDF

Info

Publication number
CN112585427A
CN112585427A CN201980054399.2A CN201980054399A CN112585427A CN 112585427 A CN112585427 A CN 112585427A CN 201980054399 A CN201980054399 A CN 201980054399A CN 112585427 A CN112585427 A CN 112585427A
Authority
CN
China
Prior art keywords
weight
sensors
combiner
noise
information processing
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201980054399.2A
Other languages
English (en)
Other versions
CN112585427B (zh
Inventor
武田晴登
山下功诚
镰田裕之
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sony Corp
Original Assignee
Sony Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sony Corp filed Critical Sony Corp
Publication of CN112585427A publication Critical patent/CN112585427A/zh
Application granted granted Critical
Publication of CN112585427B publication Critical patent/CN112585427B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D3/00—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups
    • G01D3/08—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups with provision for safeguarding the apparatus, e.g. against abnormal operation, against breakdown
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
    • G01C25/005—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass initial alignment, calibration or starting-up of inertial devices
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D1/00—Measuring arrangements giving results other than momentary value of variable, of general application
    • G01D1/04—Measuring arrangements giving results other than momentary value of variable, of general application giving integrated values
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D3/00—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups
    • G01D3/028—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups mitigating undesired influences, e.g. temperature, pressure
    • G01D3/036—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups mitigating undesired influences, e.g. temperature, pressure on measuring arrangements themselves
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/211—Selection of the most significant subset of features
    • G06F18/2113—Selection of the most significant subset of features by ranking or filtering the set of features, e.g. using a measure of variance or of feature cross-correlation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/251—Fusion techniques of input or preprocessed data

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Automation & Control Theory (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Indication And Recording Devices For Special Purposes And Tariff Metering Devices (AREA)

Abstract

本公开涉及一种信息处理设备、一种信息处理方法和一种程序，其使得能够根据多个传感器的噪声特性和观测值的条件来适当地合成多个传感器的观测值。本发明计算作为多个传感器中的每一个的特性的阿伦方差，指定阿伦方差的时间窗长度作为当多个传感器的观测值被合成时的条件，计算每个传感器的权重，使得指定时间窗长度中的阿伦方差的和最小化，并且通过对多个相应传感器的观测值和为相应传感器计算的权重执行乘积和运算来合成多个传感器的观测值。本公开可以应用于多个IMU。

Description

信息处理设备、信息处理方法和程序
技术领域
本公开涉及信息处理设备、信息处理方法和程序，尤其涉及一种信息处理设备、一种信息处理方法和一种程序，该信息处理设备和信息处理方法使得能够根据多个传感器的噪声特性和观测值的条件适当地组合多个传感器的观测值。
背景技术
已经提出了一种技术，其包括由例如惯性测量单元(IMU)表示的多个传感器，并且通过组合多个传感器的观测值来提高检测精度。
例如，已经提出了使用理论分析、模拟和实际测量值来验证通过组合包括离心力的多IMU的观测值来提高角速度的估计值的精度的技术，作为组合多个传感器的观测值的技术(参考非专利文献1)。
引用列表
专利文献
非专利文献
非专利文献1：Isaac Skog等人：Inertial Sensor Arrays，Maximum Likelihood和Cramér-Rao Bound，IEEE Transactions on Signal Processing 64(16)2016。
发明内容
技术问题
然而，在非专利文献1中公开的技术没有利用各个IMU之间的噪声特性的差异来执行定制或优化。
鉴于上述情况，已经实现了本公开，并且具体地，本公开使得能够根据多个传感器的噪声特性和观测值的条件来适当地组合多个传感器的观测值。
问题的解决方案
根据本公开的一个方面的信息处理设备和程序是一种信息处理设备，该信息处理设备包括权重组合器，该权重组合器：使用多个传感器的观测值和权重的乘积和来组合多个传感器的各个观测值，基于多个传感器中对应的一个的观测值和多个传感器中对应的一个的特性，为多个传感器中对应的一个计算每个权重；并且输出通过组合获得的值，作为组合观测值。
根据本公开的一个方面的信息处理方法是一种信息处理方法，包括执行权重组合处理，包括：使用多个传感器的观测值和权重的乘积和来组合多个传感器的各个观测值，基于多个传感器中对应的一个的观测值和多个传感器中对应的一个的特性，为多个传感器中对应的一个计算每个权重；并且输出通过组合获得的值，作为组合观测值。
在本公开的一个方面，使用多个传感器的观测值和权重的乘积和来组合多个传感器的各个观测值，基于多个传感器中对应的一个的观测值和多个传感器中对应的一个的特性，为多个传感器中对应的一个计算每个权重；并且输出通过组合获得的值，作为组合观测值。
附图说明
图1示出了对多个传感器的观测值进行平均的多传感器的配置示例。
图2是描述本公开的概要的示图。
图3是描述阿伦方差和噪声之间的关系的示图。
图4是示出本公开的多传感器的配置示例的硬件图。
图5示出了由图4的多传感器实现的功能的第一实施例。
图6是示出当指定时间窗长度时由图5的多传感器执行的权重计算处理(部分1-1)的流程图。
图7是示出当没有指定时间窗长度时由图5的多传感器执行的权重计算处理(部分1-2)的流程图。
图8是示出由图4的多传感器执行的权重组合处理(部分1)的流程图。
图9示出了由图4的多传感器实现的功能的第二实施例。
图10是示出由图9的多传感器执行的权重计算处理(部分2)的流程图。
图11是示出由图9的多传感器执行的权重组合处理(部分2)的流程图。
图12示出了由图4的多传感器实现的功能的第三实施例。
图13是示出由图12的多传感器执行的权重计算处理(部分3)的流程图。
图14是示出由图12的多传感器执行的权重组合处理(部分3)的流程图。
图15示出了通用个人计算机的配置示例。
具体实施方式
将参考附图详细描述本公开的优选实施例。注意，在说明书和附图中，具有基本相同功能配置的部件由相同的附图标记表示，以省略重复描述。
下面描述用于执行本技术的实施例。按以下顺序进行描述。
1.本公开的概要
2.第一实施例
3.第二实施例
4.第三实施例
5.使用软件执行一系列处理的示例
<<1.本公开的概要>>
本公开使得能够根据多个传感器的噪声特性和观测值的条件来适当地组合多个传感器的观测值。
首先，描述本公开的概要。
包括感测相同参数的多个传感器并且组合多个传感器的观测值以单个观测值的形式输出组合的观测值的设备通常被称为多传感器。
例如，用于降低白噪声的多传感器具有图1所示的配置。
换言之，图1的多传感器11包括多个传感器31-1至31-N和平均部32。
注意，当不需要特别区分传感器31-1至31-N时，传感器31-1至31-N被简单地称为传感器31，并且这同样适用于除传感器31之外的部件。
多个传感器31-1至31-N是检测例如加速度或角速度作为相同参数的多个传感器，并且每个传感器向平均部32输出相应的观测值。
平均部32对来自多个传感器31-1至31-N的观测值进行平均，并输出通过平均获得的值，作为多传感器11的观测值。
当多传感器11用作例如多IMU(惯性测量单元)时，多传感器11的输出是多IMU的输出，并且输出传感器31-1至31-N的加速度平均值和角速度平均值。
然而，尽管图1的多传感器11使得能够实现白噪声的减少，有可能图1的多传感器11不一定能够实现除了白噪声之外的噪声(例如，量化噪声、闪烁噪声和随机游走)的减少。
此外，在图1的多传感器11的情况下，不执行取决于多个传感器31-1至31-N中的每一个的噪声特性的调整。此外，不根据使用多个传感器31-1至31-N的观测值的目的执行取决于指示需要增加对哪种噪声的免疫的调整的条件的调整。
因此，在本公开的多传感器中，基于多个传感器的噪声特性和取决于观测值的使用目的的条件来设置多个传感器的观测值的权重，并且基于要输出的设置权重来适当地组合观测值。
具体地，例如，本公开的多传感器51包括传感器61-1至61-N、权重计算器62和权重组合器63。
传感器61-1至61-N观测(检测)相同的参数，并分别向权重计算器62输出观测值X1(t)至XN(t)。
权重计算器62获取各个传感器61-1至61-N的观测值，并计算每个传感器的噪声统计。然后，权重计算器62基于取决于使用目的的条件选择性地使用噪声统计，计算各个传感器61-1至61-N的权重w1至wN(0≤w1,w2,w3,···,wN≤1,w1+w2+w3+···+wN＝1)，并将计算的权重输出到权重组合器63。
权重组合器63基于由权重计算器62提供的权重w1至wN组合观测值X1(t)至XN(t)，并且输出组合的结果(Σw1Xn(t))，作为多传感器51的观测值Y(t)。
在此处，描述噪声统计。
例如，阿伦方差用作噪声统计。
阿伦方差是对应于时间窗长度τ的方差σ。注意，在图3中，纵轴表示阿伦方差的平方根σ(根阿伦方差)，横轴表示时间窗长度τ。
主要在阿伦方差σ的特定时间窗长度τ内观测噪声。
因此，如图3所示，当时间窗长度τ接近10-3时，主要观测到作为由AD转换引起的量化误差的量化噪声，当时间窗长度τ接近10-1时，主要观测到作为呈现理想平坦频率特性的噪声的白噪声。
此外，当时间窗长度τ接近100时，主要观测到闪烁噪声，该闪烁噪声是具有其中对于较高频率分量的噪声稳定地变小的频谱的噪声，当时间窗长度τ接近102时，主要观测到作为带限噪声的噪声(相关噪声)。
此外，当时间窗长度接近104时，主要观测到随机游走，而当时间窗长度接近106时，主要观测到以恒定梯度变化的漂移(线性漂移)。
如上所述，关于阿伦方差，主要观测到的噪声类型根据时间窗长度τ而不同。此外，随着阿伦方差的时间窗长度τ减小，噪声变得主要，并且随着时间窗长度τ增加，偏置稳定性变得主要。
因此，例如，为了在获得多传感器11的观测值时减少量化噪声，权重计算器62计算权重w1至wN(w1+w2+w3+···+wN＝1)中的每一个，使得作为传感器61-1至61-N中的每一个的噪声统计的接近10-3的时间窗长度τ的阿伦方差最小。
为了降低量化噪声，权重组合器63使用权重w1至wN来组合观测值X1(t)至XN(t)，权重w1至wN中的每一个是其中主要观测到量化噪声的阿伦方差最小的权重。然后，权重组合器63输出组合的结果(Σw1Xn(t))，作为多传感器51的观测值Y(t)。
同样，在其他类型噪声的情况下，计算权重，使得主要观测到特定类型噪声的时间窗长度τ的阿伦方差最小。
然后，使用所计算的权重来组合各个传感器61-1至61-N的观测值，使得取决于多传感器11的观测值的使用目的的减少目标类型的噪声减少。
该处理使得可以设置权重，利用该权重主要观测到取决于使用目的的噪声的时间窗长度τ的阿伦方差，该权重基于多传感器11中的多个传感器61-1至61-N中的每一个的噪声特性。这使得可以根据各个传感器61-1至61-N的噪声特性并根据使用通过组合传感器61-1至61-N的观测值而获得的观测值的目的，适当地组合多个传感器61-1至61-N的观测值。
当使用观测值的目的是例如将观测值与来自外部(例如，GPS或相机)的观测信号组合应用于惯性导航时，相对较长的时间窗长度τ被设置为设置权重的条件，以便减小观测信号中的偏差变化。
另一方面，当使用观测值的目的是例如简单地将观测值应用于惯性导航，而不使用来自外部(例如GPS或相机)的观测信号时，或者应用观测值，以便获得从地球旋转方向的方位角时，设置相对较短的时间窗长度τ，来设置权重。
<<2.第一实施例>>
<多传感器的配置示例>
接下来，参考图4的框图描述本公开的多传感器的硬件的配置示例。
图4的多传感器101包括控制器121、传感器122-1至122-n、输入部123、输出部124、存储器125、通信部126、驱动器127和可移动存储介质128，并且这些部件经由总线129彼此连接，并且能够发送和接收数据和程序。
控制部121包括处理器和存储器，并且控制多传感器101的整体操作。控制部121包括权重计算器151和权重组合器152。
权重计算器151对应于图2的权重计算器62。基于各个传感器122-1至122-n的观测值，权重计算器151以噪声统计的形式计算各个传感器122-1至122-n的噪声特性。在此处，传感器122-1至122-n是例如惯性测量单元(IMU)，并且分别对应于图2的传感器61-1至61-N。
然后，基于必要的噪声统计，并根据多传感器101的观测值的使用应用或使用目的，权重计算器151计算权重并将计算的权重输出到权重组合器152。
基于由权重计算器151提供的权重，权重组合器152组合由传感器122-1至122-n执行的感测的结果，并且输出组合的感测结果，作为多传感器101的感测结果。
注意，稍后将参考图5详细描述由控制器121实现的权重计算器151和权重组合器152的功能的配置示例。
输入部123包括用户用来输入操作命令的输入装置(例如，键盘和鼠标)，并且向控制器121提供各种输入信号。
输出部124由控制器121控制。输出部124向显示装置(未示出)输出所提供的操作画面和所提供的处理结果的图像，并将它们显示在显示装置上。
存储器125包括硬盘驱动器(HDD)、固态驱动器(SSD)、半导体存储器等。存储器125由控制器121控制，并且写入或读取包括内容数据和程序的各种数据。
通信部126由控制器121控制，并且通过由局域网(LAN)等代表的通信网络，通过有线(或无线(未示出))向各种设备发送/从各种设备发送接收各种数据和程序。
驱动器127从诸如磁盘(包括软盘)、光盘(包括光盘只读存储器(CD-ROM)和数字多功能盘(DVD))、磁光盘(包括迷你盘(MD))或半导体存储器等可移动存储介质128读取数据以及将数据写入其中。
<权重计算器和权重组合器的功能的第一配置示例>
接下来，参考图5描述由图4的多传感器101的控制器121实现的权重计算器151和权重组合器152的功能的第一配置示例。
权重计算器151包括阿伦方差计算器171和权重确定部172。
阿伦方差计算器171基于每个离线的传感器122-1至122-n的观测值，不同地改变时间窗长度τ，以计算阿伦方差，作为噪声统计信息，并且在其中存储计算的阿伦方差，作为每个传感器122-1至122-n的噪声特性。
基于作为每个传感器122-1至122-n的噪声特性的阿伦方差，并且基于由用户指定的条件，权重确定部172确定传感器122-1至122-n的观测值的权重w1至wn，并将确定的权重输出到权重组合器152。稍后将详细描述根据条件的权重确定方法。
权重组合器152包括权重组合计算器191。
权重组合计算器191使用下述公式(1)计算传感器122-1至122-n的观测值X1(t)至Xn(t)与权重确定部172提供的权重w1至wn的乘积和(加权和)，作为多传感器101的观测值Y(t)。
[公式1]
Figure BDA0002944933320000111
换言之，权重组合计算器191使用公式(1)执行计算，以使用由权重确定部172提供的权重w1至wn来组合传感器122-1至122-n的观测值X1(t)至Xn(t)，并且输出通过组合获得的值，作为多传感器101的观测值Y(t)。
注意，权重计算器151可以被实现为通过网络连接到多传感器101的云服务器等中的功能，而不是被实现为多传感器101本身的功能。换言之，在这种情况下，权重组合器152的权重组合计算器191通过网络获取云服务器中的权重计算器151中的权重w1至wn，根据各个传感器122-1至122-n的特性来计算权重w1至wn。然后，权重组合计算器191可以使用公式(1)执行计算，以使用从云服务器获取的权重w1至wn来组合传感器122-1至122-n的观测值X1(t)至Xn(t)，并且可以输出通过组合获得的值，作为多传感器101的观测值Y(t)。
(指定时间窗长度τ时的权重确定方法)
接下来，描述当操作输入部123并且时间窗长度τ被指定为条件时的权重确定方法。
当时间窗长度τ被指定为条件时，虚拟地指定要调整的噪声类型，如参考图3所述。
换言之，当指定噪声类型时，可以认为指定了相应的时间窗长度τ。
当指定时间窗长度τ时，权重确定部172基于下面指示的公式(2)确定用于获得作为使用上述公式(1)执行的权重组合计算的结果的观测值Y(t)的权重w1至wn，权重w1至wn是当指定时间窗长度τ的阿伦方差σ最小时的权重。
[公式2]
f(w)＝minτσ(τ：Y)...(2)
在此处，f(w)是使用当时间窗长度τ的观测值Y(t)的阿伦方差σ(τ；Y)最小时的权重w1至wn表示的函数，观测值Y(t)是组合传感器122-1至122-n的观测值X1(t)至Xn(t)的结果。
此外，关于时间窗长度τ的观测值Y(t)的阿伦方差σ(τ；Y)由下面所示的公式(3)表示。
[公式3]
Figure BDA0002944933320000121
在此处，wn是传感器122-n的权重，Xn(t)是传感器122-n的观测值。
换言之，使用基于时间窗长度τ的阿伦方差计算的权重wn的观测值Y(t)的阿伦方差σ(τ；Y)是关于时间窗长度τ的传感器122-n的阿伦方差σ(τ；X)的权重wn的平方和，观测值Y(t)是组合传感器122-1至122-n的观测值X1(t)至Xn(t)的结果。
换言之，权重确定部172计算权重w1至wn，使得关于时间窗长度τ的相应传感器122的阿伦方差σ(τ；X)与权重wn的平方的乘积和最小。
使用上述确定的权重w1至wn组合各个传感器122-1至122-n的观测值X1(t)至Xn(t)，这导致观测值Y(t)的阿伦方差σ(τ；Y)最小，并且观测值Y(t)是关于时间窗长度τ的组合结果。
根据各个传感器122-1至122-n的噪声特性，这导致能够减小由时间窗长度τ指定的类型的噪声特性的影响。
此外，条件可以包括传感器122-1至122-n中要操作的传感器的数量。
换言之，例如，假设在操作期间，仅操作(作为总共100个传感器122的一半的)50个传感器122，并且停止其他50个传感器122，以实现电力节省。
在这种情况下，根据基于所有100个传感器122的阿伦方差的噪声特性，权重确定部172将要停止的50个传感器122的观测值的权重设置为零，并且计算如何将权重分配给要操作的其他50个传感器122的观测值。
具体地，从所有100个传感器122在指定时间窗长度τ的阿伦方差中，权重确定部172确定50个最大阿伦方差的传感器122将被停止，并且将要停止的传感器122的权重设置为零。然后，关于要操作的其他50个传感器122，权重确定部172计算权重，使得要操作的其他50个传感器122的阿伦方差和权重的平方的乘积和最小。
因此，可以通过停止权重被设置为零的50个传感器122的操作来实现电力节省，并且由于要操作的其他50个传感器122的传感器特性而执行最佳权重组合。
注意，关于存在100个传感器122，停止50个传感器122，并且操作其他50个传感器122的示例，传感器122的总数、要停止的传感器122的数量或者要操作的传感器122的数量不限于该示例，并且可以采用其他数量。
(未指定时间窗长度τ时的权重确定方法)
接下来，描述当时间窗长度τ未被指定为条件时的权重确定方法。如参考图3所述，当时间窗长度τ未被指定为条件时，实际上未指定要调整的噪声类型。
换言之，当没有指定噪声类型时，需要确定权重以及用于设置权重的最佳时间窗长度τ。
当未指定时间窗长度τ时，权重确定部172使用利用基于噪声模型的噪声参数来表示的阿伦方差的公式来确定权重w1至wn，如由下面指示的公式(4)所表示的。
[公式4]
Figure BDA0002944933320000141
在此处，g(τ；Θ)是使用基于噪声模型(噪声理论)的噪声参数θ表示的阿伦方差，噪声参数θ是用于时间窗长度τ的噪声参数。
在公式(4)中，第一项表示量化噪声的阿伦方差，其中，σQ是量化噪声的噪声参数。
此外，第二项表示白噪声的阿伦方差，其中，σν是白噪声的噪声参数。
此外，第三项表示闪烁噪声的阿伦方差(1/f噪声)，其中，σf是闪烁噪声的噪声参数。
此外，第四项表示相关噪声BBN的阿伦方差，其中，σn和TB是相关噪声BBN的噪声参数。
此外，第五项表示随机游走的阿伦方差，其中，σu是随机游走的噪声参数。
此外，第六项表示线性漂移的阿伦方差，其中，R是线性漂移的噪声参数。
注意，在公式(4)的每个项中表示的噪声类型的阿伦方差对应于取决于图3中的时间窗长度τ的噪声类型的阿伦方差，在图中从左起依次示出取决于时间窗长度τ的噪声类型。进一步，噪声参数θ为(σQ,σν,σf,σn,TB,σu,R)。
权重确定部172定义由下面指示的公式(5)表示的函数F(θ)，并且计算使函数F(θ)最小的噪声参数θ，函数F(θ)是传感器122-1至122-n的每个观测值X1(t)至Xn(t)的阿伦方差与使用基于噪声模型的噪声参数θ表示的阿伦方差之间的差值。
[公式5]
Figure BDA0002944933320000151
在此处，括号中的第一项中的σk是时间窗长度τ的阿伦方差，其由在静止状态下的传感器122-n的观测值Xn(t)计算，第二项中的g(τκ；Θ)是时间窗长度τκ的阿伦方差，其使用基于噪声模型的噪声参数θ来表示。
换言之，公式(5)是最小二乘估计的一般解，其用于通过将从传感器122的观测值获得的阿伦方差拟合到使用基于由非线性函数形成的噪声模型的噪声参数θ表示的阿伦方差来获得噪声参数θ。
因此，权重确定部172固定时间窗长度τ，获得阿伦方差g(τ；Θ)，并使用获得的阿伦方差g(τ；Θ)获得权重。
接下来，权重确定部172固定所获得的权重，以获得最小时间窗长度τ。
权重确定部172再次固定所获得的最小时间窗长度τ，获得阿伦方差g(τ；Θ)，并使用获得的阿伦方差g(τ；Θ)获得权重。
然后，权重确定部172再次固定所获得的权重，并获得最小时间窗长度τ。
使用所谓的Newton-Rapson方法，权重确定部172重复执行上述处理，直到关于时间窗长度τ执行收敛，并因此计算收敛时间窗长度τ和对应于收敛时间窗长度τ的权重w1至wn，以输出计算的时间窗长度和权重。注意，计算方法不仅可以是Newton-Rapson方法，也可以是另一种方法，只要是一般的数值计算方法。例如，该方法可以是Levenberg-Marquardt。
即使当未指定时间窗长度τ时，上述处理也使得能够根据传感器122的噪声特性计算适当的时间窗长度τ和对应于适当的时间窗长度τ的权重w1至wn。
注意，同样在这种情况下，可以指定要使用的传感器122的数量，作为条件。
此外，上面已经描述了以下示例，其中，当未指定时间窗长度τ时，使用阿伦方差获得时间窗长度τ和权重，使用基于模型的噪声参数θ来表示该阿伦方差。然而，理论上，也可以使用常用的阿伦方差公式来获得时间窗长度τ和权重。
此外，在上述公式(2)中，可以通过添加关于权重的正则化项来设置稀疏约束，并且可以估计权重。
<指定时间窗长度时执行的权重计算处理(部分1-1)>
接下来，参考图6的流程图描述当指定时间窗长度时执行的权重计算处理。
注意，假设权重计算处理是在与传感器122输出观测值的时间不同的时间执行的离线处理。原因是需要对足够长时间的观测值进行统计，以计算用于计算权重的阿伦方差。然而，在权重计算处理中，还可以通过基于通过执行在线处理(实时处理)计算的动态阿伦方差来计算权重，从而根据传感器122中的时间变化来更新最佳权重。对于对阿伦方差进行的在线处理(实时处理)，见L.Galleani等人：Interpretation of the Dynamic AllanVariance of Nonstationary Clock Data，In Proceedings of the IEEE InternationalFrequency Control Symposium，2007年，第992-997页。
在步骤S11中，权重计算器151的权重确定部172接收由操作输入部123的用户执行的条件的输入。在此处，假设输入时间窗长度τ和要使用的传感器122的数量，作为条件。
在步骤S12中，权重计算器151的阿伦方差计算器171测量处于静止状态的所有传感器122-1至122-n的观测值。
在步骤S13中，权重计算器151的阿伦方差计算器171基于测量的观测值计算各个传感器122-1至122-n的阿伦方差。
在步骤S14中，权重计算器151的权重确定部172基于条件计算权重w1至wn，使得传感器122-1至122-n的阿伦方差和权重的乘积和最小。
在此处，当要使用的传感器122的数量有限时，权重确定部172计算关于有限数量的传感器122的权重，使得有限数量的传感器122的阿伦方差和权重的乘积和最小。
在这种情况下，基于阿伦方差来确定选择哪个传感器122作为有限数量的传感器122中传感器122以及不使用哪个传感器122，然后为要使用的每个传感器122设置权重。
换言之，根据噪声特性，不使用的传感器122的权重被设置为零，并且设置要使用的有限数量的传感器122中的传感器122的权重。
这使得对于用户关注的噪声类型，用户能够根据单个传感器122的噪声特性，组合适当的观测值。
<未指定时间窗长度时执行的权重计算处理(部分1-2)>
接下来，参考图7的流程图描述当未指定时间窗长度τ时执行的权重计算处理。
在步骤S31，权重计算器151的权重确定部172接收用户执行的条件的输入。在此处，假设只输入要使用的传感器122的数量，作为条件。
在步骤S32中，权重计算器151的阿伦方差计算器171测量处于静止状态的所有传感器122-1至122-n的观测值。
在步骤S33中，权重计算器151的阿伦方差计算器171基于测量的观测值计算各个传感器122-1至122-n的阿伦方差。
在步骤S34中，权重确定部172初始化时间窗长度τ。
步骤S35中，权重确定部172固定时间窗长度τ，指定噪声参数θ，利用该噪声参数θ，使用观测值获得的阿伦方差和使用噪声参数θ获得并参考公式(4)描述的阿伦方差之间的差值最小，并且根据由指定的噪声参数θ建模的阿伦方差计算权重w1至wn中的每一个。
在步骤S36中，权重确定部172固定获得的权重w1至wn，并且获得最小时间窗长度τ。
在步骤S37中，与最先获得的最小时间窗长度τ的情况相比，权重确定部172使用例如牛顿法确定是否已经针对获得的最小时间窗长度τ执行了收敛。
当在步骤S37中已经确定没有执行收敛时，处理进行到步骤S38。
在步骤S38中，权重确定部172固定所获得的最小时间窗长度τ，指定噪声参数θ，利用该噪声参数θ，使用观测值获得的阿伦方差和使用噪声参数θ获得的阿伦方差之间的差值最小，并且根据由指定的噪声参数θ建模的阿伦方差来计算权重w1至wn中的每一个。然后，处理返回到步骤S36。
换言之，重复步骤S36至S38的处理，直到确定已经对于时间窗长度τ执行了收敛。重复以下处理：包括固定所获得的权重w1至wn并获得最小时间窗长度τ的处理，以及包括指定噪声参数θ并且使用由指定噪声参数θ建模的阿伦方差来计算权重w1至wn中的每一个的处理，其中，利用该噪声参数θ，使用观测值获得的阿伦方差和使用噪声参数θ获得的阿伦方差之间的差值最小。
然后，当在步骤S37中已经确定已经对于时间窗长度τ执行了收敛时，处理进行到步骤S39。
在步骤S39中，权重确定部172向权重组合器152输出通过指定噪声参数θ计算的权重w1至wn，利用该噪声参数θ，利用观测值获得的阿伦方差和利用噪声参数θ获得的阿伦方差之间的差值最小，在固定时间窗长度τ时指定使用观测值获得阿伦方差，对于该时间窗长度τ，由于计算，已经确定要执行收敛。
即使当未指定时间窗长度τ时，上述处理也使得可以指定噪声参数θ，并且可以计算权重w1至wn，其中，利用该噪声参数θ，使用观测值获得的阿伦方差和使用噪声参数θ获得的阿伦方差之间的差值最小。
因此，即使当未指定时间窗长度τ(即，噪声类型)时，也指定其中阿伦方差最小的噪声类型，并且对于指定的噪声类型计算取决于传感器122-1至122-n的噪声特性的权重。
注意，同样在这种情况下，指定要使用的传感器122的数量，并且这使得可以基于使用指定数量的传感器122时的传感器特性来选择要使用的传感器122，并且与上述情况一样，可以根据所选择的有限数量的传感器122的噪声特性来计算权重。
此外，上面已经描述了针对指定时间窗长度τ的情况和未指定时间窗长度τ的情况中的每一种情况执行权重计算处理的示例。然而，可以确定时间窗长度τ是否已经被指定为条件，并且基于确定的结果，可以在图6的权重计算处理和图7的权重计算处理之间执行切换，使得当指定时间窗长度τ时执行图6的权重计算处理，并且当未指定时间窗长度τ时执行图7的权重计算处理。
<权重组合处理(部分1)>
接下来，参考图8的流程图描述权重组合处理。
注意，在执行上述图6或图7的权重计算处理的假设下执行该处理，并且这导致权重计算器151计算权重w1至wn，并且导致计算的权重提供给权重组合器152的权重组合计算器191。
在步骤S51中，权重组合计算器191测量所有传感器122-1至122-n的观测值X1(t)至Xn(t)。
在步骤S52中，权重组合计算器191获得观测值X1(t)至Xn(t)和权重w1至wn的乘积和，并输出获得的值，作为多传感器11的观测值Y(t)。
上述处理使得可以使用基于多个传感器122噪声特性的和条件计算的权重来适当地组合多个传感器122的观测结果。
<<3.第二实施例>>
上面已经描述了使用传感器122的观测值而没有任何改变地根据传感器122的噪声特性和条件来设置权重并且对观测值执行权重组合的示例。然而，可以将观测值分成高频分量和低频分量，以设置权重并对高频分量和低频分量中的每一个执行权重组合，然后可以组合高频分量和低频分量。
图9示出了多传感器11的配置示例，其中，针对高频分量和低频分量中的每一个设置权重并执行权重组合，然后组合高频分量和低频分量。
注意，在图9的多传感器11中，与包括在图5的多传感器11中的部件具有相同功能的部件由与图5相同的附图标记表示，并且适当地省略其描述。
换言之，图9的多传感器11在以下几点上不同于图5的多传感器11。
首先，图9的多传感器11与图5的多传感器11的不同之处在于，高通滤波器(HPF)211和低通滤波器(LPF)212新包括在权重计算器151中，并且高通滤波器(HPF)231和低通滤波器(LPF)232新包括在权重组合器152中。
此外，图9的多传感器11与图5的多传感器11的不同之处在于，代替阿伦方差计算器171和权重确定部172，包括用于处理高频分量的阿伦方差计算器171-1和权重确定部172-1，以及用于处理低频分量的阿伦方差计算器171-2和权重确定部172-2。
此外，图9的多传感器11与图5的多传感器11的不同之处在于，代替权重组合计算器191，包括用于处理高频分量的权重组合计算器191-1和用于处理低频分量的权重组合计算器191-2。
此外，图9的多传感器11与图5的多传感器11的不同之处在于，新包括输出组合器233，该输出组合器233组合由权重组合计算器191-1执行的权重组合的结果和由权重组合计算器191-2执行的权重组合的结果。
换言之，HPF 211对各个传感器122-1至122-n的观测值执行HPF处理，以提取高频分量，并将高频分量输出到阿伦方差计算器171-1。
然后，阿伦方差计算器171-1和权重确定部172-1确定传感器122-1至122-n的噪声特性的高频分量的权重，并将权重输出到权重组合器152的权重组合计算器191-1。
此外，LPF 212对各个传感器122-1至122-n的观测值执行LPF处理，以提取低频分量，并将低频分量输出到阿伦方差计算器171-2。
然后，阿伦方差计算器171-2和权重确定部172-2确定传感器122-1至122-n的噪声特性的低频分量的权重，并将权重输出到权重组合器152的权重组合计算器191-2。
此外，HPF 231对各个传感器122-1至122-n的观测值执行HPF处理，以提取高频分量，并将高频分量输出到权重组合计算器191-1。
然后，权重组合计算器191-1使用由权重计算器151的权重确定部172-1提供的权重，对传感器122-1至122-n的观测值中的高频分量执行权重组合，并将获得的值输出到输出组合器233。
此外，LPF 232对各个传感器122-1至122-n的观测值执行LPF处理，以提取低频分量，并将低频分量输出到权重组合计算器191-2。
然后，权重组合计算器191-2使用由权重计算器151的权重确定部172-2提供的权重，对传感器122-1至122-n的观测值中的低频分量执行权重组合，并将获得的值输出到输出组合器233。
输出组合器233组合由权重组合计算器191-1提供的观测值和由权重组合计算器191-2提供的观测值，以输出通过组合获得的值，通过对来自传感器122-1至122-n的观测值中的高频分量执行权重组合而获得由权重组合计算器191-1提供的观测值，通过对来自传感器122-1至122-n的观测值中的低频分量执行权重组合而获得由权重组合计算器191-2提供的观测值。
这样的配置使得可以根据用户的条件和传感器122-1至122-n的噪声特性，对传感器122-1至122-n的观测值的高频分量适当地执行权重组合并且对传感器122-1至122-n的观测值的低频分量适当地执行权重组合，并且可以组合所获得的观测值。
这导致对高频分量适当地执行权重组合，对低频分量适当地执行权重组合。因此，可以适当地组合观测值。
<权重计算处理(部分2)>
接下来，描述由图9的多传感器11使用LPF和HPF执行的权重计算处理。
在步骤S71中，权重计算器151的权重确定部172-1和172-2分别从用户接收条件输入。在这种情况下，权重确定部172-1和172-2可以分别接收针对高频分量的条件的输入和针对低频分量的条件的输入，针对高频分量的条件和针对低频分量的条件彼此独立。
在步骤S72中，权重计算器151的HPF 211和LPF 212中的每一个测量处于静止状态的传感器122-1至122-n的观测值。
在步骤S73中，HPF 211对静止状态下的观测值执行HPF处理，以提取高频分量，并将高频分量输出到阿伦方差计算器171-1。
在步骤S74中，阿伦方差计算器171-1和权重确定部172-1对高频分量执行权重计算处理，以基于测量的观测值计算各个传感器122-1至122-n对于高频分量的权重，并将权重输出到权重组合计算器191-1。
注意，针对高频分量的权重计算处理是为了获得针对各个传感器122-1至122-n的高频分量的权重而执行的权重计算处理，并且实际上对应于图6的步骤S13和S14的处理或者图7的步骤S33至S39的处理。因此，省略其描述。
在步骤S75中，LPF 212对静止状态下的观测值执行LPF处理，以提取低频分量，并将低频分量输出到阿伦方差计算器171-2。
在步骤S76中，阿伦方差计算器171-2和权重确定部172-2对低频分量执行权重计算处理，以基于测量的观测值计算各个传感器122-1至122-n对于低频分量的权重，并将权重输出到权重组合计算器191-2。
注意，针对低频分量的权重计算处理是为了获得针对各个传感器122-1至122-n的低频分量的权重而执行的权重计算处理，并且实际上对应于图6的步骤S13和S14的处理或者图7的步骤S33至S39的处理。因此，省略其描述。
在这种情况下，权重确定部172-1和172-2可以执行设置，以限制要使用的传感器122的数量。此外，关于传感器122-1至122-n中要使用的传感器122的数量的限制，要用于高频分量的传感器122的数量和要用于低频分量的传感器122的数量可以彼此不同。
这使得用户能够根据单个传感器122的噪声特性，对于在指定时间窗长度τ的条件下用户关注的噪声类型，或者相对于在未指定时间窗长度τ的条件下用户不知道的噪声，来组合适当的观测值。
此外，可以根据高频分量的噪声特性对高频分量执行权重组合，并且根据低频分量的噪声特性对低频分量执行权重组合，高频分量的噪声特性和低频分量的噪声特性彼此独立。
<权重组合处理(部分2)>
接下来，描述由图9的多传感器11使用LPF和HPF执行的权重计算处理。
在步骤S91中，权重组合器152的HPF 231和LPF 232测量处于静止状态的传感器122-1至122-n的观测值。
在步骤S92中，HPF 231对观测值执行HPF处理，以提取高频分量，并将高频分量输出到权重组合计算器191-1。
在步骤S93中，权重组合计算器191-1对高频分量执行权重组合处理，以使用高频分量的权重对测量的观测值执行权重组合，通过执行上述权重计算处理获得每个权重，并且将权重组合的结果输出到输出组合器233。
注意，对于高频分量，步骤S93的处理实际上对应于图8的步骤S52的处理。因此，省略其描述。
在步骤S94中，LPF 232对观测值执行LPF处理，以提取低频分量，并将低频分量输出到权重组合计算器191-2。
在步骤S95中，权重组合计算器191-2对低频分量执行权重组合处理，以使用低频分量的权重对测量的观测值执行权重组合，通过执行上述权重计算处理获得每个权重，并且将权重组合的结果输出到输出组合器233。
注意，对于高频分量，步骤S95的处理实际上对应于图8的步骤S52的处理。因此，省略其描述。
在步骤S96中，输出组合器233组合由权重组合计算器191-1提供的权重组合结果和由权重组合计算器191-2提供的权重组合结果，以输出通过组合获得的值，作为多传感器11的观测值，通过对来自传感器122-1至122-n的观测值中的高频分量执行权重组合而获得由权重组合计算器191-1提供的权重组合结果，通过对来自传感器122-1至122-n的观测值中的低频分量执行权重组合而获得由权重组合计算器191-2提供的权重组合结果。
这使得用户能够根据单个传感器122的噪声特性，对于在指定时间窗长度τ的条件下用户知道的噪声类型，或者对于在未指定时间窗长度τ的条件下用户不知道的噪声，来组合适当的观测值。
此外，可以根据高频分量的噪声特性对高频分量执行权重组合，并且根据低频分量的噪声特性对低频分量执行权重组合，高频分量的噪声特性和低频分量的噪声特性彼此独立。
<<4.第三实施例>>
上面已经描述了以下示例，其中，使用HPF和LPF将传感器122-1至122-n的观测结果分别分成高频分量和低频分量；获得阿伦方差，根据条件设置权重，并对每个分量执行权重组合；然后，对高频分量执行的权重组合的结果和对低频分量执行的权重组合的结果进行组合。
然而，可以使用滤波器组(FB)而不是使用HPF和LPF将频带分成更多的频带；可以获得阿伦方差，可以根据条件计算权重，并且可以针对更多的频带中的每一个执行权重组合；然后可以针对在所有频带上执行的权重组合的结果来执行频带组合。
图12示出了多传感器11的配置示例，其中，使用滤波器组(FB)将频带分成更多的频带；获得阿伦方差，根据条件设置权重，并且针对更多的频带中的每一个执行权重组合；然后对在所有更多的频带上执行的权重组合的结果执行频带组合。
注意，在图12的多传感器11中，与图5或图9的多传感器11中包括的部件具有相同功能的部件由与图5或图9相同的附图标记表示，并且适当地省略其描述。
代替图9的HPF 211和HPF 231以及LPF 212和LPF 232，图12的多传感器11包括滤波器组(以下也简称为FB)251-1至251-n和261-1至261-n。
此外，每个FB 251将频带分成N个频带。FB 251向阿伦方差计算器171-1输出最高频带B1，向阿伦方差计算器171-2输出第二最高频带B2，…，并向阿伦方差计算器171-n输出第n频带BN。
注意，作为FB 251针对各个频带的输出的频带B1、B2、···和BN在图中仅针对FB251-1示出，而没有针对FB 251-2和251-n示出。然而，仅省略其图示，并且同样适用于FB251-2和251-n。
然后，阿伦方差计算器171-1至171-n中的每一个计算传感器122-1至122-n在对应的一个频带中的观测值的阿伦方差，并将计算出的阿伦方差输出到权重确定部172-1至172-n中对应的一个。
权重确定部172-1至172-n中的每一个基于对应频带的条件并基于各个传感器122-1至122-n的噪声特性，针对对应频带设置传感器122-1至122-n的权重，并将权重输出到权重组合部152的权重组合计算部191-1至191-n中对应的一个。
此外，每个FB 261将频带分成对应于各个FB 251的N个频带。FB 261向权重组合计算器191-1输出最高频带B1，向权重组合计算器191-2输出第二最高频带B2，···，并向权重组合计算器191-n输出第n频带BN。
注意，作为FB 261针对各个频带的输出的频带B1、B2、…、和BN在图中仅针对FB261-1示出，而没有针对FB 261-2和261-n示出。然而，仅省略其图示，并且同样适用于FB261-2和261-n。
权重组合计算器191-1至191-n中的每一个基于由权重确定部172-1至172-n中的相应一个提供的权重，对传感器122-1至122-n在对应的一个频带中的观测值执行权重组合，并将权重组合的结果输出到频带组合器262。
频带组合器262对权重组合的结果执行频带组合，通过对传感器122-1至122-n在对应一个频带中的观测值执行权重组合而获得权重组合的每个结果，并且由权重组合计算器191-1至191-n对应的一个提供。然后，频带组合器262输出获得的值，作为多传感器11的观测值。
根据这样的配置，针对多个频带中的每一个适当地设置权重，并且执行权重组合。这使得可以根据各个传感器122-1至122-n针对每个频带的条件和噪声特性来执行权重组合。
注意，上面已经描述了使用HPF和LPF执行组合的示例。然而，当传感器122-1至122-n中的每一个具有特定的频率特性时，陷波滤波器、带通滤波器(BPF)等的使用使得可以实现最佳的偏置稳定性或低噪声。换言之，例如，当传感器122-1至122-n中的特定传感器122仅在特定频带中精度降低时，滤波器也可以用作互补滤波器，使得除特定传感器之外的至少一个传感器补偿精度降低的特定频带。
例如，讨论存在三个传感器122-1至122-3并且传感器122-1中的检测精度由于某种原因仅对于频带A的范围降低的情况，作为具体示例。
在这种情况下，当传感器122-1至122-3执行的检测结果对于频带A组合时，类似于频带A以外的频带的情况，这可能导致由于传感器122-1执行的检测的精度降低而导致组合的检测结果的精度降低。
在这种情况下，仅对于频带A中的检测结果，传感器122-1的权重减小，并且传感器122-2和122-3中的至少一个的权重增加。然后，组合各个检测结果。
这使得可以用由传感器122-2和122-3中的至少一个执行的检测的结果来覆盖由传感器122-1在频带A中执行的检测的精度的降低，从而可以抑制由于组合由传感器122-1至122-3执行的检测的结果而导致的检测精度的降低。
<权重计算处理(部分3)>
接下来，描述由图12的多传感器11使用FB执行的权重计算处理。
在步骤S111中，权重计算器151的权重确定部172-1至172-n分别从用户接收条件输入。在这种情况下，权重确定部172-1至172-n中的每一个可以接收FB 251中的频带B1至BN的条件的输入，频带B1至BN的条件彼此独立。
在步骤S112中，权重计算器151的FB 251-1至251-n分别测量处于静止状态的各个传感器122-1至122-n的观测值。
在步骤S113中，权重计算器151将计数频带的计数器C初始化为1。
在步骤S114中，FB 251-1至251-n中的每一个执行从静止状态下的观测值中提取第C频带分量的处理，并将提取的第C频带分量BC输出到阿伦方差计算器171-1。
在步骤S115中，阿伦方差计算器171-1和权重确定部172-1对第C频带分量执行权重计算处理，以基于测量的观测值计算对于第C频带分量BC的各个传感器122-1至122-n的权重，并将权重输出到权重组合计算器191-1。
注意，针对第C频带分量的权重计算处理是为了从各个传感器122-1至122-n获得各个传感器122-1至122-n对于第C频带分量BC的权重而执行的权重计算处理，并且实际上对应于图6的步骤S13和S14的处理或者图7的步骤S33至S39的处理。因此，省略其描述。
在步骤S116中，权重计算器151确定计数器C是否为N(其是频带的数量)，并且当不满足C＝N时，处理进行到步骤S117。
在步骤S117中，权重计算器151将计数器C递增1，并且处理返回到步骤S114。
换言之，重复步骤S114至S117的处理，直到为N个频带中的每一个设置权重。
然后，当设置了N个频带中的每一个的权重并且在步骤S116中确定满足计数器C＝N时，处理终止。
在这种情况下，权重确定部172-1至172-n可以执行设置，以限制要使用的传感器122的数量。此外，关于传感器122-1至122-n中要使用的传感器122的数量的限制，要使用的传感器122的数量对于每个频带可以不同。
这使得用户能够对于在指定时间窗长度τ的条件下用户知道的噪声类型，或者对于在未指定时间窗长度τ的条件下用户不知道的噪声，根据单个传感器122的噪声特性，组合适当的观测值。
此外，可以根据多个频带的每个分量的独立噪声特性来执行权重组合。
<权重组合处理(部分3)>
接下来，描述由图12的多传感器11使用FB执行的权重计算处理。
在步骤S131中，权重组合器152的FB 261-1至261-n分别测量传感器122-1至122-n的观测值。
在步骤S132中，权重组合器152将计数频带的计数器C初始化为1。
在步骤S133中，FB 261-1至261-n中的每一个执行从静止状态下的观测值中提取第C频带分量的处理，并将提取的第C频带分量BC输出到权重组合计算器191-n。
在步骤S134中，权重组合计算器191-n对第C频带分量执行权重组合处理，以使用关于第C频带分量BC的权重对测量的观测值执行权重组合，通过执行上述权重计算处理获得每个权重，并且将权重组合的结果输出到频带组合器262。
注意，对于第C频带分量BC，步骤S134的处理实际上对应于图8的步骤S52的处理。
在步骤S135中，权重组合器152确定计数器C是否为N(其是频带的数量)，并且不满足当C＝N时，处理进行到步骤S136。
在步骤S136中，权重组合器152将计数器C递增1，并且处理返回到步骤S133。
换言之，重复步骤S133至S136的处理，直到为N个频带中的每一个设置权重。
然后，当设置了N个频带中的每一个的权重并且在步骤S135中确定满足计数器C＝N时，处理进行到步骤S137。
在步骤S137中，频带组合器262组合来自传感器122-1至122-n的观测值的各个频带分量的权重组合结果，以输出通过组合获得的值，作为多传感器11的观测值，分别由权重组合计算器191-1至191-n提供权重组合结果。
这使得用户能够对于在指定时间窗长度τ的条件下用户知道的噪声类型，或者对于在未指定时间窗长度τ的条件下用户不知道的噪声，根据单个传感器122的噪声特性，组合适当的观测值。
此外，可以根据多个频带的每个分量的独立噪声特性来执行权重组合。
<<5.使用软件执行一系列处理的示例>>
注意，可以使用硬件或软件来执行上述一系列处理。当使用软件执行一系列处理时，软件中包括的程序从记录介质安装在计算机上。计算机的示例包括包含到专用硬件中的计算机以及能够通过安装在其上的各种程序来执行各种功能的计算机，例如，通用计算机。
图15示出了通用计算机的配置示例。该个人计算机包括中央处理单元(CPU)1001。输入/输出接口1005经由总线1004连接到CPU 1001。只读存储器(ROM)1002和随机存取存储器(RAM)1003连接到总线1004。
输入部1006、输出部1007、存储器1008和通信部1009连接到输入/输出接口1005。输入部1006包括用户用来输入操作命令的输入装置，例如，键盘和鼠标。输出部1007向显示装置输出处理操作画面和处理结果的图像。存储器1008包括例如在其中存储程序和各种数据的硬盘驱动器。通信部1009包括例如局域网(LAN)适配器，并且通过由因特网代表的网络执行通信处理。此外，驱动器1010连接到输入/输出接口1005。驱动器1010从可移动介质1011读取数据并将数据写入其中，例如，磁盘(包括软盘)、光盘(包括光盘只读存储器(CD-ROM)和数字多功能盘(DVD))、磁光盘(包括迷你盘(MD))或半导体存储器。
CPU 1001根据存储在ROM 1002中的程序，或者根据从诸如磁盘、光盘、磁光盘或半导体存储器等可移动介质1011读取的程序，执行各种处理，以安装在存储器1008上，并从存储器1008加载到RAM 1003中。必要时，CPU 1001执行各种处理所需的数据也存储在RAM1003中。
在具有上述配置的计算机中，通过CPU 1001将例如存储在存储器1008中的程序加载到RAM 1003中，并经由输入/输出接口1005和总线1004执行该程序，来执行上述一系列处理。
例如，可以通过存储在用作例如封装介质的可移动介质1011中来提供由计算机(CPU 1001)执行的程序。此外，可以经由有线或无线传输介质，例如，局域网、互联网或数字卫星广播，来提供程序。
在计算机中，程序可以通过安装在驱动器1010上的可移动介质1011经由输入/输出接口1005安装在存储器1008上。此外，可以由通信部1009经由有线或无线传输介质接收程序，以安装在存储器1008上。此外，程序可以预先安装在ROM 1002或存储器1008上。
注意，由计算机执行的程序可以是按照本文的描述的顺序按时间顺序执行处理的程序，或者可以是并行执行处理或者在必要时间(例如，在调用时)执行处理的程序。
注意，图4的控制器121的功能由图15的CPU 1001实现。
此外，本文使用的系统是指多个部件(例如，设备和模块(部件))的集合，并且所有部件是否在单个壳体中并不重要。因此，容纳在单独壳体中并经由网络彼此连接的多个设备以及多个模块容纳在单个壳体中的单个设备都是系统。
注意，本公开的实施例不限于上述示例，并且在不脱离本公开的范围的情况下，可以对其进行各种修改。
例如，本公开还可以具有云计算的配置，其中，单个功能共享，以由多个设备经由网络协同处理。
此外，除了由单个设备执行之外，使用上述流程图描述的相应步骤可以由多个设备共享，来执行。
此外，当单个步骤包括多个过程时，除了由单个设备执行之外，单个步骤中包括的多个过程可以共享，以由多个设备执行。
注意，本公开也可以采取以下配置。
<1>一种信息处理设备，包括
权重组合器，
所述权重组合器使用多个传感器的观测值和权重的乘积之和，组合所述多个传感器的各个观测值，基于所述多个传感器中对应的一个传感器的观测值和所述多个传感器中所述对应的一个传感器的特性，针对所述多个传感器中所述对应的一个传感器计算权重，并且
所述权重组合器输出通过所述组合获得的值，作为组合观测值。
<2>根据<1>所述的信息处理设备，还包括
权重计算器，基于所述多个传感器中的每一个所述传感器的所述特性计算每一个所述传感器的所述权重，其中，
所述权重组合器使用所述多个传感器的观测值与所述权重计算器计算出的针对所述多个传感器中对应的一个传感器的权重的乘积之和，组合所述多个传感器的各个观测值，并输出通过组合获得的值，作为所述组合观测值。
<3>根据<2>所述的信息处理设备，其中，
所述权重计算器还包括
阿伦方差计算器，计算所述多个传感器中的每一个传感器的观测值的阿伦方差，作为所述传感器的所述特性，以及
权重确定部，基于由所述阿伦方差计算器计算的阿伦方差，计算并确定所述传感器的所述权重。
<4>根据<3>所述的信息处理设备，其中，
所述权重确定部计算并确定所述多个传感器中的每一个传感器的权重，利用所述权重，所述多个传感器的各个观测值的阿伦方差的加权和是最小的。
<5>根据<4>所述的信息处理设备，其中，
所述权重确定部基于使用基于噪声模型的噪声参数表示的阿伦方差，计算和确定所述多个传感器中的每一个传感器的权重，基于所述噪声模型的噪声参数是以下噪声参数：具有该噪声参数的差值和是最小的，其中，每个差值是所述传感器的观测值的阿伦方差和使用基于所述噪声模型的噪声参数表示的阿伦方差之间的差值。
<6>根据<5>所述的信息处理设备，其中，
所述权重确定部计算所述多个传感器中的每个的观测值的阿伦方差与使用基于所述噪声模型的所述噪声参数的阿伦方差的差值和最小的时间窗长度、和所述时间窗长度的使用基于所述噪声模型的噪声参数表示的阿伦方差的所述噪声参数，并且
所述权重确定部基于使用根据所述噪声模型的噪声参数所表示的并且由所计算的时间窗长度和噪声参数所指定的阿伦方差来计算和确定所述传感器的权重。
<7>根据<3>所述的信息处理设备，还包括
输入部，接收针对所述组合观测值的条件的输入，其中，
所述权重确定部计算并确定所述多个传感器中的每一个传感器的权重，利用该所述多个传感器中的每一个传感器的权重，取决于所述条件的阿伦方差的加权和最小，所述取决于条件的阿伦方差来自所述多个传感器的各个观测值的阿伦方差。
<8>根据<3>所述的信息处理设备，其中，
针对所述组合观测值的条件包所述括多个传感器中的每一个传感器的观测值的阿伦方差的时间窗长度，并且
所述权重确定部计算所述传感器的权重，利用该传感器的权重，针对所述时间窗长度的阿伦方差的加权和最小，所述时间窗长度的阿伦方差来自所述多个传感器的各个观测值的阿伦方差。
<9>根据<8>所述的信息处理设备，其中，
针对所述组合观测值的所述条件包括所述多个传感器中要被操作的传感器的数量，并且
基于所述多个传感器的各个观测值的阿伦方差，所述权重确定部计算并确定每个要被操作的传感器的权重，每个要被操作的传感器的权重是以下权重：利用该权重，用于所述时间窗长度的阿伦方差的加权和最小，所述加权和是当不被操作的传感器的权重被设置为零时的加权和。
<10>根据<2>所述的信息处理设备，其中，
所述权重计算器包括
第一高频分量提取部，提取所述多个传感器的各个观测值的高频分量，
第一低频分量提取部，提取所述多个传感器的各个观测值的低频分量，
高频分量权重确定部，计算并确定由所述第一高频分量提取部提取的所述高频分量的权重，以及
低频分量权重确定部，计算并确定由所述第一低频分量提取部提取的所述低频分量的权重，
所述权重组合器包括
第二高频分量提取部，提取所述多个传感器的各个观测值的高频分量，
第二低频分量提取部，提取所述多个传感器的各个观测值的低频分量，
高频分量组合器，使用由所述第二高频分量提取部提取的所述多个传感器的观测值的高频分量和均由所述高频分量权重确定部为所述多个传感器中对应的一个传感器确定的权重的乘积和，组合所述多个传感器的各个观测值的高频分量，并输出通过组合获得的值，作为高频分量组合值，以及
低频分量组合器，使用由所述第二低频分量提取部提取的所述多个传感器的观测值的低频分量和均由所述低频分量权重确定部为所述多个传感器中对应的一个传感器确定的权重的乘积和，组合所述多个传感器的各个观测值的低频分量，并输出通过组合获得的值，作为低频分量组合值，并且
所述信息处理设备还包括输出组合器，组合所述高频分量组合值和所述低频分量组合值，并输出通过组合获得的值，作为所述组合观测值。
<11>根据<2>所述的信息处理设备，其中，
所述权重计算器包括
第一频带分量提取部，提取所述多个传感器的每个观测值的多个频带的分量，以及
针对所述第一频带分量提取部提取的多个所述频带的每个分量设置的频带分量权重确定部，所述频带分量权重确定部计算并确定所述多个传感器相对于所述多个频带的分量中对应的一个分量的权重，
所述权重组合器包括
第二频带分量提取部，提取所述多个传感器的每个观测值的多个频带的分量，以及
针对所述第二频带分量权重确定部提取的所述多个频带的每个分量设置的频带分量组合器，所述频带分量组合器使用所述多个频带中对应的一个频带的分量和针对所述多个频带中对应的一个频带设置的所述频带分量权重确定部确定的所述多个传感器的权重的乘积和，组合所述多个频带中对应的一个频带的分量，所述多个频带中对应的一个频带的分量是来自所述多个传感器的各个观测值的所述多个频带中对应的一个频带的分量，所述频带分量组合器输出通过组合获得的值，作为所述多个频带中对应的一个频带的分量的频带分量组合值，并且
所述信息处理设备还包括频带组合器，所述频带组合器对自所述多个传感器的各个观测值的所述多个频带的分量的值进行组合，并输出通过组合获得的值，作为所述组合观测值。
<12>根据<1>至<11>中任一项所述的信息处理设备，其中，
所述权重组合器
从云服务器获取所述多个传感器中的每一个传感器的权重，所述权重组合器通过网络与所述云服务器通信，在所述云服务器中基于所述传感器的特性计算所述权重，
使用所述多个传感器的观测值和均从所述云服务器针对所述多个传感器中对应的一个传感器获取的权重的乘积和，组合所述多个传感器的各个观测值，并且
输出通过组合获得的值，作为所述组合观测值。
<13>根据<1>至<12>中任一项所述的信息处理设备，其中，
所述传感器是惯性测量单元(IMU)。
<14>一种信息处理方法，包括
执行权重组合处理，包括
使用多个传感器的观测值和权重的乘积之和，组合所述多个传感器的各个观测值，基于所述多个传感器中对应的一个传感器的观测值和所述多个传感器中所述对应的一个传感器的特性，针对所述多个传感器中所述对应的一个传感器计算每个权重，并且
输出通过所述组合获得的值，作为组合观测值。
<15>一种程序，其促使计算机作为权重组合器操作，所述权重组合器
使用多个传感器的观测值和权重的乘积之和，组合所述多个传感器的各个观测值，基于所述多个传感器中对应的一个传感器的观测值和所述多个传感器中所述对应的一个传感器的特性，针对所述多个传感器中所述对应的一个传感器计算每个权重，并且
输出通过所述组合获得的值，作为组合观测值。
附图标记列表
101 多传感器
121 控制器
122、122-1至122-n 传感器
151 权重计算器
152 权重组合器
171、171-1至171-n 阿伦方差计算器
172、172-1至172-n 权重确定部
191、191-1至191-n 权重组合计算器
211 HPF
212 HPF
231 HPF
232 LPF
232 输出组合器
251、251-1至251-n、261、261-1至261-n 滤波器组(FB)
262 频带组合器。

Claims (15)

1.一种信息处理设备，包括
权重组合器，
所述权重组合器使用多个传感器的观测值和权重的乘积之和，组合所述多个传感器的各个观测值，基于所述多个传感器中对应的一个传感器的观测值和所述多个传感器中所述对应的一个传感器的特性，针对所述多个传感器中所述对应的一个传感器计算权重，并且
所述权重组合器输出通过所述组合获得的值，作为组合观测值。
2.根据权利要求1所述的信息处理设备，还包括
权重计算器，基于所述多个传感器中的每一个传感器的所述特性计算每一个所述传感器的所述权重，其中，
所述权重组合器使用所述多个传感器的观测值与所述权重计算器计算出的针对所述多个传感器中对应的一个传感器的权重的乘积之和，组合所述多个传感器的各个观测值，并输出通过组合所获得的值，作为所述组合观测值。
3.根据权利要求2所述的信息处理设备，其中，
所述权重计算器还包括
阿伦方差计算器，计算所述多个传感器中的每一个传感器的观测值的阿伦方差，作为所述传感器的所述特性，以及
权重确定部，基于由所述阿伦方差计算器计算的阿伦方差，
计算并确定所述传感器的所述权重。
4.根据权利要求3所述的信息处理设备，其中，
所述权重确定部计算并确定所述多个传感器中的每一个传感器的权重，利用所述权重，所述多个传感器的各个观测值的阿伦方差的加权和是最小的。
5.根据权利要求4所述的信息处理设备，其中，
所述权重确定部基于使用基于噪声模型的噪声参数表示的阿伦方差，计算并确定所述多个传感器中的每一个传感器的权重，基于所述噪声模型的噪声参数是以下噪声参数：利用该噪声参数，差值和是最小的，其中，每个差值是所述传感器的观测值的阿伦方差和使用基于所述噪声模型的噪声参数表示的阿伦方差之间的差值。
6.根据权利要求5所述的信息处理设备，其中，
所述权重确定部计算所述多个传感器中的每个传感器的观测值的阿伦方差与使用基于所述噪声模型的所述噪声参数表示的阿伦方差之间的差值和最小的时间窗长度、以及关于所述时间窗长度的基于所述噪声模型的噪声参数，其中，关于所述时间窗长度的基于所述噪声模型的噪声参数是使用关于所述时间窗长度的基于所述噪声模型的噪声参数表示的阿伦方差的噪声参数，并且
所述权重确定部基于使用根据所述噪声模型的噪声参数所表示的并且由所计算的时间窗长度和噪声参数所指定的阿伦方差来计算和确定所述传感器的权重。
7.根据权利要求3所述的信息处理设备，还包括
输入部，接收针对所述组合观测值的条件的输入，其中，
所述权重确定部计算并确定所述多个传感器中的每一个传感器的权重，利用该所述多个传感器中的每一个传感器的权重，取决于所述条件的阿伦方差的加权和最小，取决于所述条件的阿伦方差来自所述多个传感器的各个观测值的阿伦方差。
8.根据权利要求3所述的信息处理设备，其中，
针对所述组合观测值的条件包括所述多个传感器中的每一个传感器的观测值的阿伦方差的时间窗长度，并且
所述权重确定部计算所述传感器的权重，利用该传感器的权重，针对所述时间窗长度的阿伦方差的加权和最小，所述时间窗长度的阿伦方差来自所述多个传感器的各个观测值的阿伦方差。
9.根据权利要求8所述的信息处理设备，其中，
针对所述组合观测值的所述条件包括所述多个传感器中要被操作的传感器的数量，并且
基于所述多个传感器的各个观测值的阿伦方差，所述权重确定部计算并确定每个要被操作的传感器的权重，每个要被操作的传感器的权重是以下权重：利用该权重，用于所述时间窗长度的阿伦方差的加权和最小，所述加权和是当不被操作的传感器的权重被设置为零时的加权和。
10.根据权利要求2所述的信息处理设备，其中，
所述权重计算器包括
第一高频分量提取部，提取所述多个传感器的各个观测值的高频分量，
第一低频分量提取部，提取所述多个传感器的各个观测值的低频分量，
高频分量权重确定部，计算并确定由所述第一高频分量提取部提取的所述高频分量的权重，以及
低频分量权重确定部，计算并确定由所述第一低频分量提取部提取的所述低频分量的权重，
所述权重组合器包括
第二高频分量提取部，提取所述多个传感器的各个观测值的高频分量，
第二低频分量提取部，提取所述多个传感器的各个观测值的低频分量，
高频分量组合器，使用由所述第二高频分量提取部提取的所述多个传感器的观测值的高频分量和均由所述高频分量权重确定部为所述多个传感器中对应的一个传感器确定的权重的乘积和，组合所述多个传感器的各个观测值的高频分量，并输出通过组合获得的值，作为高频分量组合值，以及
低频分量组合器，使用由所述第二低频分量提取部提取的所述多个传感器的观测值的低频分量和均由所述低频分量权重确定部为所述多个传感器中对应的一个传感器确定的权重的乘积和，组合所述多个传感器的各个观测值的低频分量，并输出通过组合获得的值，作为低频分量组合值，并且
所述信息处理设备还包括输出组合器，组合所述高频分量组合值和所述低频分量组合值，并输出通过组合获得的值，作为所述组合观测值。
11.根据权利要求2所述的信息处理设备，其中，
所述权重计算器包括
第一频带分量提取部，提取所述多个传感器的每个观测值的多个频带的分量，以及
针对所述第一频带分量提取部提取的多个所述频带的每个分量设置的频带分量权重确定部，所述频带分量权重确定部计算并确定所述多个传感器相对于所述多个频带的分量中对应的一个分量的权重，
所述权重组合器包括
第二频带分量提取部，提取所述多个传感器的每个观测值的多个频带的分量，以及
针对所述第二频带分量权重确定部提取的所述多个频带的每个分量设置的频带分量组合器，所述频带分量组合器使用所述多个频带中对应的一个频带的分量和针对所述多个频带中对应的一个频带设置的所述频带分量权重确定部确定的所述多个传感器的权重的乘积和，组合所述多个频带中对应的一个频带的分量，所述多个频带中对应的一个频带的分量是来自所述多个传感器的各个观测值的所述多个频带中对应的一个频带的分量，所述频带分量组合器输出通过组合获得的值，作为所述多个频带中对应的一个频带的分量的频带分量组合值，并且
所述信息处理设备还包括频带组合器，所述频带组合器对自所述多个传感器的各个观测值的所述多个频带的分量的值进行组合，并输出通过组合获得的值，作为所述组合观测值。
12.根据权利要求1所述的信息处理设备，其中，
所述权重组合器
从云服务器获取所述多个传感器中的每一个传感器的权重，所述权重组合器通过网络与所述云服务器通信，在所述云服务器中基于所述传感器的特性计算所述权重，
使用所述多个传感器的观测值和均从所述云服务器针对所述多个传感器中对应的一个传感器获取的权重的乘积和，组合所述多个传感器的各个观测值，并且
输出通过组合获得的值，作为所述组合观测值。
13.根据权利要求1所述的信息处理设备，其中，
所述传感器是惯性测量单元(IMU)。
14.一种信息处理方法，包括
执行权重组合处理，包括
使用多个传感器的观测值和权重的乘积之和，组合所述多个传感器的各个观测值，基于所述多个传感器中对应的一个传感器的观测值和所述多个传感器中所述对应的一个传感器的特性，针对所述多个传感器中所述对应的一个传感器计算每个权重，并且
输出通过所述组合获得的值，作为组合观测值。
15.一种使计算机作为权重组合器操作的程序，所述权重组合器
使用多个传感器的观测值和权重的乘积之和，组合所述多个传感器的各个观测值，基于所述多个传感器中对应的一个传感器的观测值和所述多个传感器中所述对应的一个传感器的特性，针对所述多个传感器中所述对应的一个传感器计算每个权重，并且
输出通过所述组合获得的值，作为组合观测值。
CN201980054399.2A 2018-08-28 2019-08-15 信息处理设备、信息处理方法和程序 Active CN112585427B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201862723937P 2018-08-28 2018-08-28
US62/723,937 2018-08-28
PCT/JP2019/032013 WO2020045099A1 (ja) 2018-08-28 2019-08-15 情報処理装置および情報処理方法、並びにプログラム

Publications (2)

Publication Number Publication Date
CN112585427A true CN112585427A (zh) 2021-03-30
CN112585427B CN112585427B (zh) 2024-01-30

Family

ID=69644955

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980054399.2A Active CN112585427B (zh) 2018-08-28 2019-08-15 信息处理设备、信息处理方法和程序

Country Status (5)

Country Link
US (1) US11874138B2 (zh)
EP (1) EP3845863B1 (zh)
JP (1) JP7347431B2 (zh)
CN (1) CN112585427B (zh)
WO (1) WO2020045099A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022004375A1 (ja) * 2020-06-30 2022-01-06 ソニーグループ株式会社 駆動制御装置、および駆動制御方法
CN116209948A (zh) * 2020-06-30 2023-06-02 索尼集团公司 固态成像元件、成像装置、用于操作成像装置的方法、移动对象装置、用于操作移动对象装置的方法以及程序
JP2022158236A (ja) * 2021-04-01 2022-10-17 セイコーエプソン株式会社 センサーモジュールおよび計測システム
JPWO2023007789A1 (zh) 2021-07-28 2023-02-02

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030187623A1 (en) * 2002-03-06 2003-10-02 Bayard David S. High accuracy inertial sensors from inexpensive components
US20050160211A1 (en) * 2004-01-19 2005-07-21 Mitutoyo Corporation Signal processor, signal processing method, signal processing program, recording medium with the signal processing program recorded therein and measuring instrument
JP2011108111A (ja) * 2009-11-19 2011-06-02 Chugoku Electric Power Co Inc:The 制御方法及び制御システム
CN106342175B (zh) * 2010-01-14 2013-11-13 西北工业大学 一种提高陀螺精度的数据融合方法
US20140005975A1 (en) * 2011-02-23 2014-01-02 Nederlandse Organisatie Voor Toegepast- Natuurwetenschappelijk Onderzoek Tno Measurement Device and Method for Measuring
CN104199061A (zh) * 2014-08-22 2014-12-10 北京无线电计量测试研究所 一种建立gps系统和bds系统载波相位频率标准的方法
CN104280047A (zh) * 2014-09-10 2015-01-14 天津航天中为数据系统科技有限公司 一种多传感器融合的陀螺漂移滤波系统及方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5072060B2 (ja) 2005-11-15 2012-11-14 学校法人東京電機大学 シャフト型リニアモータの位置検出装置
US9891054B2 (en) 2010-12-03 2018-02-13 Qualcomm Incorporated Inertial sensor aided heading and positioning for GNSS vehicle navigation
EP3754381A1 (en) * 2013-12-10 2020-12-23 SZ DJI Technology Co., Ltd. Sensor fusion
EP3165877B1 (en) * 2015-11-04 2020-03-25 Tata Consultancy Services Limited Systems and methods for fusing inertial and bluetooth low energy sensor data for localization

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030187623A1 (en) * 2002-03-06 2003-10-02 Bayard David S. High accuracy inertial sensors from inexpensive components
US20050160211A1 (en) * 2004-01-19 2005-07-21 Mitutoyo Corporation Signal processor, signal processing method, signal processing program, recording medium with the signal processing program recorded therein and measuring instrument
JP2011108111A (ja) * 2009-11-19 2011-06-02 Chugoku Electric Power Co Inc:The 制御方法及び制御システム
CN106342175B (zh) * 2010-01-14 2013-11-13 西北工业大学 一种提高陀螺精度的数据融合方法
US20140005975A1 (en) * 2011-02-23 2014-01-02 Nederlandse Organisatie Voor Toegepast- Natuurwetenschappelijk Onderzoek Tno Measurement Device and Method for Measuring
CN104199061A (zh) * 2014-08-22 2014-12-10 北京无线电计量测试研究所 一种建立gps系统和bds系统载波相位频率标准的方法
CN104280047A (zh) * 2014-09-10 2015-01-14 天津航天中为数据系统科技有限公司 一种多传感器融合的陀螺漂移滤波系统及方法

Also Published As

Publication number Publication date
CN112585427B (zh) 2024-01-30
WO2020045099A1 (ja) 2020-03-05
JP7347431B2 (ja) 2023-09-20
US20210270635A1 (en) 2021-09-02
EP3845863A1 (en) 2021-07-07
JPWO2020045099A1 (ja) 2021-09-02
US11874138B2 (en) 2024-01-16
EP3845863B1 (en) 2023-06-14
EP3845863A4 (en) 2021-10-20

Similar Documents

Publication Publication Date Title
CN112585427B (zh) 信息处理设备、信息处理方法和程序
US9846811B2 (en) System and method for video-based determination of queue configuration parameters
WO2016116961A1 (ja) 情報処理装置および情報処理方法
US8903164B2 (en) Disparity calculating apparatus and disparity calculating method
JP6636214B1 (ja) 診断装置、診断方法及びプログラム
KR101522385B1 (ko) 반도체 제조 공정에서의 이상 감지 방법, 장치 및 기록매체
US20150012255A1 (en) Clustering based continuous performance prediction and monitoring for semiconductor manufacturing processes using nonparametric bayesian models
CN112187870B (zh) 一种带宽平滑方法及装置
EP3744601B1 (en) Computing system with driver behavior detection mechanism and method of operation thereof
CN113516185A (zh) 模型训练的方法、装置、电子设备及存储介质
CN115834859A (zh) 一种四目立体视觉摄像机5g软件标定方法及系统
US10467750B2 (en) Display control apparatus, display control method, and recording medium
EP4170982A1 (en) Electronic control device and determination method
US20230069018A1 (en) Image processing apparatus, imaging apparatus, image processing system, image processing method, and non-transitory computer readable medium
KR101615346B1 (ko) 반도체 제조 공정에서의 이상 감지 방법, 장치 및 기록매체
CN114450696A (zh) 数据同化框架中的物理传感器的集成
CN114578341A (zh) 雷达追踪方法、噪声消除方法、装置和设备
TWI826907B (zh) 任務分配方法以及任務分配設備
JP6922999B2 (ja) 情報処理装置、情報処理方法およびプログラム
JP2018190281A (ja) データ処理装置、データ処理方法およびプログラム
JPWO2019239607A1 (ja) 診断装置、診断方法及びプログラム
US20230385755A1 (en) Methods, systems, articles of manufacture and apparatus to regress independent and dependent variable data
US20230292014A1 (en) Method for multi-sensor white balance synchronization and electronic device using the same
EP4350382A1 (en) Detection system, sensor system, detection method, and program
US20230206689A1 (en) Methods and apparatus to measure facial attention

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant