原始层数据融合

定义与定位

原始层数据融合（又称数据层融合）是在对传感器原始观测进行特征提取之前实施的融合。其流程为：关联 → 数据层融合 → 特征提取 → 属性判断。与之对比，特征层融合在特征提取之后、属性判决之前进行关联与融合；决策层融合则在每个传感器完成局部属性判决之后，再对判决结果进行关联与融合。

原始观测的配准条件

参与原始层融合的观测必须首先完成关联与配准。配准的核心要求是统一物理量：在直接求和（例如角位移）的融合中，不同传感器输出的原始数据应转换为同一物理量，并统一时间基准与坐标基准，否则无法在求和节点直接叠加；若采用观测模型融合异质原始观测，则不受此直接求和条件的限制。

互补滤波重构角位移

以加速度计和陀螺仪融合重构角位移为例：

• 加速度计路径：原始信号作为角位移输入，其中包含高频噪声。经低通滤波器处理后，保留低频分量，输出低频角位移估计。
• 陀螺仪路径：原始信号作为角速度输入，其中包含低频噪声。先经积分器转换为角位移，再经高通滤波器处理后，保留高频分量，输出高频角位移估计。
• 信号重构：两条路径的输出在求和节点叠加，得到完整的重构角位移信号。

频域互补关系

加速度计路径的低通输出保留低频段，陀螺仪路径经积分和高通后保留高频段，两者在频域上互补，在有效频带内合并后可近似覆盖完整信号频谱。因此，角速度必须先积分到角位移，再进行互补滤波中的高通处理，以保证两条路径输出量纲一致、可直接求和。

符号与单位说明

设加速度计输出角位移为 ${\theta }_a$（单位：rad 或 °），陀螺仪输出角速度为 ${\omega }_g$（单位：rad/s 或 °/s）。积分后角位移为 ${\theta }_g=\int {\omega }_{g}dt$（单位：rad 或 °）。低通滤波输出记为 ${\theta }_{a,LP}$，高通滤波输出记为 ${\theta }_{g,HP}$，重构角位移为 $\theta ={\theta }_{a,LP}+{\theta }_{g,HP}$。

适用范围

原始层融合适用于传感器原始观测可直接配准到同一物理量的情形，能保留最多原始信息，但对配准精度和传感器一致性要求较高。互补滤波适用于加速度计与陀螺仪频域特性互补的角位移重构场景。

加速度计提供重力主导条件下的倾斜参考，可估计俯仰与横滚，不能单独确定航向；明显平动加速度会干扰该参考。互补滤波须保证坐标、符号、量纲和时间一致，一阶滤波在规定模型和有效频带内近似组合信息，不保证覆盖任意运动的完整频谱。