1传感器基本特性 1
1.1概述 1
传感器的作用 1
传感器及传感技术 1
传感器的组成 2
传感器的分类 2
传感器的发展趋势 2
1.2传感器的组成与结构 3
传感器的组成 3
传感器的结构形式 3
1.3传感器的一般特性 7
传感器的静态特性 8
传感器的动态特性 13
不失真测试的条件分析 20
传感器的标定 23
思考题与习题 25
2光纤传感器 26
2.1光纤传感器的特点及分类 26
光纤传感器的特点 26
光纤传感器的分类 27
2.2光纤的传光特性 27
光纤的结构及分类 27
光纤的传光原理 30
2.3光纤传感器的光源与光检测器 34
光纤传感器用光源的分类及特点 34
半导体光电检测器 36
2.4光纤传感器的应用 40
光纤温度传感器 40
光纤压力传感器 44
光纤流量、流速传感器 46
思考题与习题 48
3图像传感器 50
3.1电荷耦合摄像器件 50
CCD基本工作原理 51
电荷转移与电极结构 54
电荷的注入与读出 57
CCD图像传感器 60
图像传感器的主要特性参数 61
3.2热成像技术 67
热像仪的组成 67
热释电摄像管的结构及原理 69
3.3图像传感器的典型应用 75
激光多普勒测速技术 75
基于热释电探测器的光纤比色测温系统 81
思考题与习题 85
4生物传感器 87
4.1生物传感器概述 87
生物传感器的应用范围 87
生物传感器的发展 89
生物传感器的基本原理及特点 90
生物传感器的分类 92
生物芯片 93
4.2生物识别机理及膜固定技术 94
酶反应 94
微生物反应及检测 94
免疫学反应 96
其他类型的生物学反应 97
膜及其固定技术 99
4.3生物传感器原理及应用 102
酶传感器 102
免疫类传感器 104
微生物传感器 106
新型生物传感器简介 108
思考题与习题 115
5无线传感器网络 116
5.1无线传感器网络概述 116
无线传感器网络生成过程 116
无线传感器网络结构 116
传感器节点构成 117
无线传感器网络特点 118
无线传感器网络应用 119
5.2无线传感器网络关键技术 121
无线传感器网络体系 121
无线传感器网络拓扑 122
无线传感器网络物理层协议 127
无线传感器网络MAC协议 127
无线传感器网络路由协议 132
无线传感器网络传输和应用层协议 137
无线传感器网络其他关键技术 138
无线传感器网络能量管理机制 146
5.3无线传感器网络的典型设计实例 147
设计简介 147
Mica2节点设计分析 147
5.4无线传感器网络应用实例 150
芯片制造厂设备监控系统应用 150
大鸭岛海燕生活习性监测保护应用 151
家庭及办公智能化网络应用 151
思考题与习题 152
6移动机器人传感器 153
6.1概述 153
机器人与移动机器人 153
移动机器人感知 153
移动机器人传感器分类 154
6.2移动机器人常用内部传感器 155
编码器 155
惯性传感器 158
6.3移动机器人航位推算模型 162
差速驱动移动机器人 163
类车或三轮移动机器人 163
6.4移动机器人常用外部传感器 164
触觉传感器 164
接近觉传感器 165
测距传感器 165
6.5主动嗅觉感知 168
机器人嗅觉 168
机器人嗅觉常用气体／气味传感器 168
常用风速／风向传感器 172
气味／气体源搜寻策略 174
主动嗅觉研究面临的问题 174
6.6距离传感器测量模型 175
高斯噪声测量模型 176
指数分布噪声测量模型 176
点质量分布噪声测量模型 177
均匀分布噪声测量模型 177
综合概率密度函数 177
固有模型参数的选取 177
6.7基于距离传感器的二维环境表达 178
超声概率栅格地图 178
二维环境几何特征提取 180
思考题与习题 182
7智能传感技术 183
7.1智能传感器的体系结构与功能实现 184
智能传感器的体系结构 184
智能传感器功能的实现 186
7.2智能传感器系统集成技术 197
微系统加工工艺 197
微制造技术 205
思考题与习题 214
8多源传感器信息融合技术 215
8.1信息融合技术的基本概念和分类 215
8.2贝叶斯估计 216
Bayes条件概率公式 216
基于Bayes方法的信息融合原理 217
8.3卡尔曼（Kalman）滤波 218
卡尔曼（Kalman）滤波的基本方程 218
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 220
8.4自适应加权平均和有序加权平均算法 221
自适应加权平均 222
有序加权平均算子（OrderedWeighted Averaging,OWA） 222
8.5 Dempster-Shafer证据理论 223
证据理论基本模型和性质 224
证据理论的组合规则 225
证据理论的进一步说明 226
8.6神经网络信息融合方法 230
单个BP （Back Propagation）网络的建立 231
多个BP网络的集成 231
8.7数据关联的基本概念和方法 233
数据关联的概念 233
“最近邻”法 234
概率数据关联滤波器 234
模糊数据关联 236
8.8多传感器目标检测 237
问题的描述 237
检测空间的划分与信任级别 239
分布式检测多传感器系统结构 240
8.9基于案例的推理技术在数据融合中的应用 242
基于案例推理的基本原理 242
一个基于案例推理的应用实例 244
8.10粗集理论与信息融合 246
粗集的基本概念 246
粗集 247
知识的约简 248
基于粗集理论的多传感器融合 249
本节小结 252
思考题与习题 252
参考文献 254