包邮现代传感技术及应用

1 传感器基本特性 1.1 概述 1.1.1 传感器的作用 1.1.2 传感器及传感技术 1.1.3 传感器的组成 1.1.4 传感器的分类 1.1.5 传感器的发展趋势 1.2 传感器的组成与结构 1.2.1 传感器的组成 1.2.2 传感器的结构形式 1.3 传感器的一般特性 1.3.1 传感器的静态特性 1.3.2 传感器的动态特性 1.3.3 不失真测试的条件分析 1.3.4 传感器的标定 练习题2 光纤传感器 2.1 光纤传感器的特点及分类 2.1.1 光纤传感器的特点 2.1.2 光纤传感器的分类 2.2 光纤的传光特性 2.2.1 光纤的结构及分类 2.2.2 光纤的传光原理 2.2.3 光纤的衰减机理 2.3 光纤传感器的光源与光检测器 2.3.1 光纤传感器用光源的分类及特点 2.3.2 半导体光电检测器 2.4 光纤传感器的应用 2.4.1 光纤温度传感器 2.4.2 光纤压力传感器 2.4.3 光纤流量、流速传感器 练习题3 图像传感器 3.1 电荷耦合摄像器件 3.1.1 ccd基本工作原理 3.1.2 电荷转移与电极结构 3.1.3 电荷的注入与读出 3.1.4 ccd图像传感器 3.1.5 图像传感器的主要特性参数 3.2 热成像技术 3.2.1 热像仪的组成 3.2.2 热释电摄像管的结构及原理 3.3 图像传感器的典型应用 3.3.1 固态图像传感器的应用 3.3.2 热成像无损探测 练习题4 生物传感器 4.1 生物传感器概述 4.1.1 生物传感器的应用范围 4.1.2 生物传感器的发展 4.1.3 生物传感器的基本原理及特点 4.1.4 生物传感器的分类 4.2 生物识别机理及膜固定技术 4.2.1 酶反应 4.2.2 微生物反应及检测 4.2.3 免疫学反应 4.2.4 其他类型的生物学反应 4.2.5 膜及其固定技术 4.3 生物传感器原理及应用 4.3.1 酶传感器 4.3.2 免疫传感器 4.3.3 微生物传感器 4.3.4 新型生物传感器简介 练习题5 无线传感器网络 5.1 无线传感器网络概述 5.1.1 无线传感器网络生成过程 5.1.2 无线传感器网络结构 5.1.3 传感器节点构成 5.1.4 无线传感器网络特点 5.1.5 无线传感器网络应用 5.2 无线传感器网络关键技术 5.2.1 无线传感器网络体系 5.2.2 无线传感器网络拓扑 5.2.3 无线传感器网络物理层协议 5.2.4 无线传感器网络mac协议 5.2.5 无线传感器网络路由协议 5.2.6 无线传感器网络传输和应用层协议 5.2.7 无线传感器网络其他关键技术 5.2.8 无线传感器网络能量管理机制 5.3 线传感器网络的典型设计实例 5.3.1 设计简介 5.3.2 mica2节点设计分析 5.4 无线传感器网络应用实例 5.4.1 芯片制造厂设备监控系统应用 5.4.2 大鸭岛海燕生活习性监测保护应用 5.4.3 家庭及办公智能化网络应用 练习题6 移动机器人传感器 6.1 移动机器人传感器概述 6.1.1 机器人与移动机器人 6.1.2 移动机器人感知 6.1.3 移动机器人传感器分类 6.2 移动机器人常用内部传感器 6.2.1 编码器 6.2.2 惯性传感器 6.3 移动机器人航位推算模型 6.3.1 差速驱动移动机器人 6.3.2 类车或三轮移动机器人 6.4 移动机器人常用外部传感器 6.4.1 触觉传感器 6.4.2 接近觉传感器 6.4.3 测距传感器 6.5 主动嗅觉感知 6.5.1 机器人嗅觉 6.5.2 机器人嗅觉常用气体／气味传感器 6.5.3 常用风速／风向传感器 6.5.4 气味／气体源搜寻策略 练习题7 智能传感技术 7.1 智能传感器概述 7.2 智能传感器的实现 7.2.1 非集成化结构 7.2.2 集成化结构 7.2.3 标度变换技术 7.2.4 混合实现 7.3 数据处理及软件实现 7.3.1 非线性校正 7.3.2 自校零与自校准技术 7.3.3 噪声抑制技术 7.3.4 自补偿、自检验及自诊断 7.4 微机电系统 7.4.1 微机电系统概述 7.4.2 微机电系统的关键技术 7.4.3 典型微机电传感器 7.5 网络传感器 7.5.1 网络传感器及其特点 7.5.2 网络传感器的类型 7.5.3 网络传感器通用接口标准 7.5.4 网络传感器的发展形式 练习题8 多源传感器信息融合技术 8.1 信息融合技术的基本概念和分类 8.2 贝叶斯(bayes)估计 8.2.1 bayes条件概率公式 8.2.2 基于bayes方法的信息融合原理 8.3 卡尔曼(kalman)滤波 8.3.1 卡尔曼滤波的基本方程 8.3.2 基于卡尔曼滤波器的数据融合方法在高温炉检测系统中的应用 8.4 自适应加权平均和有序加权平均算法 8.4.1 自适应加权平均 8.4.2 有序加权平均算子(ordered weighte d averaging，0wa) 8.5 dempster-shafer证据理论 8.5.1 证据理论基本模型和性质 8.5.2 证据理论的组合规则 8.5.3 证据理论的进一步说明 8.6 神经网络信息融合方法 8.6.1 单个bp(back propagation)网络的建立 8.6.2 多个bp网络的集成 8.7 数据关联的基本概念和方法 8.7.1 数据关联的概念 8.7.2 “*近邻”法 8.7.3 概率数据关联滤波器 8.7.4 模糊数据关联 8.7.5 多传感器的模糊聚类融合技术 8.8 多传感器目标检测 8.8.1 问题的描述 8.8.2 检测空间的划分与信任级别 8.8.3 分布式检测多传感器系统结构 8.9 基于案例的推理技术在数据融合中的应用 8.9.1 基于案例推理的基本原理 8.9.2 一个基于案例推理的应用实例 8.10 粗集理论与信息融合 8.10.1 粗集的基本概念 8.10.2 粗集 8.10.3 知识的约简 8.10.4 基于粗集理论的多传感器融合 8.10.5 本节小结 8.11 基于模糊积分的信息融合 8.11.1 模糊测度的基本概念 8.11.2 模糊积分的基本概念和性质 8.11.3 钢铁厂的试验 练习题参考文献