摘要 | 第4-5页 |
ABSTRACT | 第5页 |
1 绪论 | 第8-13页 |
1.1 研究背景及意义 | 第8-9页 |
1.2 国内外研究现状 | 第9-11页 |
1.2.1 土壤呼吸监测仪国内外研究动态 | 第9-10页 |
1.2.2 多传感器融合国内外发展现状 | 第10-11页 |
1.2.3 卡尔曼滤波研究现状 | 第11页 |
1.3 论文研究目标 | 第11-12页 |
1.4 本文的主要工作和安排 | 第12-13页 |
2 相关理论研究 | 第13-25页 |
2.1 土壤扩散基本原理-Fick定律 | 第13-16页 |
2.2 多源信息融合 | 第16-18页 |
2.3 卡尔曼滤波 | 第18-21页 |
2.3.1 基本卡尔曼滤波器 | 第18-21页 |
2.4 联邦卡尔曼滤波 | 第21-24页 |
2.4.1 简介 | 第21-22页 |
2.4.2 联邦卡尔曼滤波结构与功能 | 第22-24页 |
2.5 实验点选择 | 第24页 |
2.6 本章小结 | 第24-25页 |
3 土壤呼吸监测仪对单气室通量值处理研究 | 第25-33页 |
3.1 单气室模型CO2浓度单位换算 | 第25-27页 |
3.2 菲克定律算法在单气室模型中的应用 | 第27-29页 |
3.2.1 传感器浓度采集 | 第27页 |
3.2.2 扩散系数D求解 | 第27-29页 |
3.3 单气室模型搭建 | 第29-32页 |
3.3.1 模型搭建现状 | 第29-30页 |
3.3.2 模型搭建实验设计 | 第30-32页 |
3.4 本章小结 | 第32-33页 |
4 基于联邦卡尔曼滤波算法多气室融合的研究 | 第33-48页 |
4.1 多气室模型 | 第33-34页 |
4.2 单气室模型预处理 | 第34-37页 |
4.2.1 卡尔曼滤波在土壤监测仪中的应用 | 第34-35页 |
4.2.2 初始值参数设置 | 第35-37页 |
4.3 基于联邦卡尔曼滤波算法在多气室模型中的应用 | 第37-39页 |
4.4 分位图法离异值检测法 | 第39页 |
4.5 实验分析 | 第39-47页 |
4.5.1 基于分位图法后的各气室通量实验对比 | 第39-40页 |
4.5.2 多气室融合模型的实现与性能比较 | 第40-42页 |
4.5.3 多气室融合后不同时间段稳定性分析 | 第42-44页 |
4.5.4 融合后LI-8100对比分析 | 第44-47页 |
4.6 本章小结 | 第47-48页 |
5 联邦卡尔曼滤波算法与其它融合算法对比 | 第48-53页 |
5.1 加权平均算法 | 第48-49页 |
5.2 最大似然法 | 第49页 |
5.3 贝叶斯法 | 第49-50页 |
5.4 算法对比 | 第50-52页 |
5.5 本章小结 | 第52-53页 |
6 结论与展望 | 第53-54页 |
参考文献 | 第54-57页 |
个人研究成果 | 第57-58页 |
致谢 | 第58页 |