数据融合是一个多层次、多层次的数据处理过程，其主要功能是地磅自动检测、关联、关联、估计和组合多个数据源的数据。基于动态车辆衡的原理，分析了两个道路称重传感器在不同时间的输出数据，提出了一种基于贝叶斯估计的数据融合方法。实验验证表明，该方法的动态车辆衡遥控器误差较小。

    它克服了车辆振动、路面粗糙度、传感器灵敏度、传感器色散线性误差等因素对地磅称重结果的影响，具有较高的精度。通过对称重信号的数据波形分析，不难发现数据中含有大量的噪声信号，这在很大程度上影响了称重结果。常用的滤波方法是在一定范围内消除噪声信号，但由于道路和车辆的不均匀振动因素，其结果是不稳定的。本文介绍了一种小波神经网络算法在称重控制器信号处理中去噪。

    通过实验和仿真结果，与传统的去噪滤波方法相比，小波神经网络处理的地磅称重信号可以达到更理想的波形，获得更准确的称重结果，称重结果与实际值的误差在±2%以内。通过将自动车号识别系统与局域网（LAN）和远程控制相结合，对火力发电厂轨道衡称重系统进行了技术改造，以提高轨道衡称重数据的准确性，提高工作效率，减轻负责称重和测量的工人的劳动强度，减少了人工记录车次的误差，加强了煤炭质量和数量的控制和管理，最终无线遥控器实现了轨道衡自助服务。