图2  移动窗口算法示意图
    其中t为当前时刻，w为时间窗宽度（采样时间宽度），对ax(t)进行积分，得到指标S(t，w)，当S(t，w)超过预先设定值时，则发出点火信号。
    写成离散形式，如式(2)：
                                 （2）

n为当前时间点，k为采样点数，f为采样频率。
    加上垂直加速度之后，可以提高对路面干扰的抗干扰能力[3]，形式如式(3)：

            （3）

 S(n，k，ρ)为双向合成积分量，n，f，k如上定义；ρ为合成因数，表征两个方向加速度在合成算法中的权重。这种算法主要是考虑了汽车碰撞时的加速度因素，当加速度的积分达到一定值的时候，表示汽车的碰撞剧烈程度也到达一定值，会给乘员带来一定伤害。而且这种算法对于判断最佳点火时刻也是很有优势的，经过实验，利用这种算法得出的点火时刻离汽车碰撞的最佳点火时刻（利用摄像得出）仅差几毫秒[2]，符合要求的精度。
    但是这种算法也有其不足，例如没有考虑碰撞时的速度以及座位上有没有人的因素，这样当汽车低速运行的时候，还是有可能引起误触发。如果将速度和座位上是否有人的信号引入，则可以进一步减少误触发的机会。
2.2  利用数据融合提出的改进算法
    由上面的叙述中我们可以知道，移动窗积分算法对于气囊弹出与否进行判断主要是根据积分量S，现在我们对积分量进行一些改造，可以克服上述缺点。具体做法如下，加入以下几个观察量：
（1）汽车碰撞时的水平方向速度v，v可以反映汽车碰撞时乘客的受伤害程度。v越大，乘客的动能就越大，碰撞时受到的伤害就越大。v是判断气囊是否应该打开的最直接的指标。（2）坐位上是否有乘员的信号[5]。坐位上无人时，当发生碰撞则可以不弹出气囊，这样做可以减少误触发的几率，同时避免对其他乘员的伤害。
    引入函数，这个函数的波形为：

图3  函数波形图