第1章 绪论 1
1.1概述 1
1.1.1传感器与信息处理技术 1
1.1.2传感器数据处理与信息处理 2
1.1.3传感器信息处理的发展 2
1.2传感器数据处理 3
1.2.1数字滤波 4
1.2.2非线性校正 4
1.2.3温度补偿 4
1.2.4传感器误差处理 5
1.3传感器信息处理 5
1.3.1传感器信息处理的目的 5
1.3.2多传感器系统中检测数据的特点 5
1.3.3本书的研究内容 6
参考文献 7
第2章 基于智能理论的传感器信息处理 10
2.1基于盲源分离理论的传感器信息处理 10
2.1.1盲源分离基本理论 10
2.1.2盲源分离在传感器信息处理中的应用实例 14
2.2基于支持向量机的传感器信息处理 26
2.2.1 SVM基本原理 26
2.2.2多分类支持向量机 28
2.2.3 SVM模型参数选择 31
2.2.4最小二乘支持向量回归原理 33
2.2.5支持向量机在传感器信息处理中的应用实例 34
2.3基于粒子群优化算法的传感器信息处理 47
2.3.1 PSO基本原理 47
2.3.2 PSO的改进算法 48
2.3.3粒子群优化算法在传感器信息处理中的应用实例 49
2.4基于小波嫡理论的传感器信息处理 55
2.4.1小波分析基础 55
2.4.2小波嫡基本原理 59
2.4.3小波嫡在传感器信息处理中的应用实例 61
2.5基于粗糙集理论的传感器信息处理 66
2.5.1粗糙集理论基本概念 66
2.5.2粗糙集约简概念 67
2.5.3常用属性约简算法分析 69
2.5.4粗糙集理论在试车台系统故障诊断中的应用 70
2.6基于相关向量机的传感器信息处理 84
2.6.1 RVM基本原理 85
2.6.2 RVM决策函数复杂度分析 87
2.6.3 RVM与SVM性能比较 88
2.6.4相关向量机在传感器信息处理中的应用实例 89
2.7数据挖掘技术在多传感器信息处理系统中的应用 93
2.7.1数据挖掘的概念 93
2.7.2数据挖掘技术的功能 95
2.7.3基于分类和预测的数据挖掘技术在多传感器系统中的应用 96
2.7.4基于关联准则的数据挖掘技术在多传感器系统中的应用 96
2.7.5基于聚类分析的数据挖掘技术在多传感器系统中的应用 97
2.7.6基于时间序列分析的数据挖掘技术在多传感器系统中的应用 97
参考文献 98
第3章 基于神经网络的传感器信息处理 103
3.1人工神经网络 103
3.1.1神经网络概述 103
3.1.2基本结构 106
3.2 BP神经网络 107
3.2.1 BP神经元模型 107
3.2.2 BPP学习算法 109
3.3 RBF神经网络 114
3.3.1 RBF神经网络的结构 114
3.3.2 RBF神经网络的映射关系 115
3.3.3 RBF网络训练的准则和常用算法 116
3.3.4 RBF神经网络与BP神经网络的比较 119
3.4 SOM神经网络 120
3.4.1 Kohonen自组织映射网络结构 120
3.4.2 Kohonen自组织映射算法 121
3.5模糊神经网络 123
3.5.1模糊神经网络简介 123
3.5.2模糊神经网络实例 124
3.6遗传神经网络 129
3.6.1遗传神经网络简介 129
3.6.2遗传神经网络实例 132
3.7小波神经网络 136
3.7.1小波神经网络简介 136
3.7.2小波神经网络实例 139
3.8灰色神经网络 144
3.8.1灰色神经网络简介 144
3.8.2灰色神经网络实例 147
3.9基于人工神经网络的传感器信息处理 151
3.9.1 BP网络用于多种气体分类 151
3.9.2应用RBF神经网络对混合气体浓度进行定量测量 155
3.9.3组合PCA与BP网络混合气体浓度测量 156
3.9.4基于RBF神经网络时间序列预测器的传感器故障诊断 158
参考文献 161
第4章 传感器信息融合 166
4.1概述 166
4.1.1传感器融合技术的产生和发展 166
4.1.2传感器融合的概念 167
4.1.3传感器融合的特点 168
4.1.4传感器融合的应用 168
4.2传感器信息融合系统的结构 169
4.2.1信息融合的层次结构 169
4.2.2信息融合的体系结构 171
4.2.3传感器信息融合的算法 173
4.3基于贝叶斯理论的传感器信息融合 174
4.3.1贝叶斯条件概率公式 174
4.3.2基于贝叶斯理论的传感器信息融合 174
4.3.3贝叶斯方法在信息融合中的应用实例 176
4.4基于D-S理论的传感器信息融合 178
4.4.1 D-S证据理论 178
4.4.2基于D-S证据理论的信息融合 180
4.4.3基于D-S证据理论信息融合的应用实例 181
4.5基于模糊集理论的传感器信息融合 183
4.5.1模糊集理论简介 183
4.5.2基于模糊集理论的传感器信息融合 184
4.5.3基于模糊理论进行多传感器信息融合的环境监测系统 185
4.6基于人工神经网络的传感器信息融合 189
4.6.1人工神经网络与传感器信息融合 189
4.6.2基于人工神经网络的传感器信息融合方法 189
4.6.3基于人工神经网络的传感器信息融合实例 190
参考文献 194
第5章 传感器故障诊断及数据恢复 197
5.1概述 197
5.1.1传感器故障诊断及数据恢复的意义 197
5.1.2传感器故障特性分析 197
5.1.3诊断方法综述 198
5.1.4内容简介 205
5.2基于数学模型的诊断方法 205
5.2.1基于观测器的诊断方法 205
5.2.2基于滤波器的诊断方法 209
5.3基于PCA的故障诊断与数据重构方法 213
5.3.1前言 213
5.3.2 PCA简介 214
5.3.3基于PCA的诊断模型 216
5.3.4故障诊断算法仿真验证 222
5.3.5基于PCA的传感器故障诊断新技术 227
5.4基于神经网络的故障诊断与重构方法 249
5.4.1人工神经网络传感器故障诊断原理 249
5.4.2神经网络时间序列预测器设计 250
5.4.3基于Elman人工神经网络的故障数据重构 255
5.5基于模式识别的诊断方法研究 257
5.5.1模式识别基本原理 257
5.5.2基于模式识别的传感器故障诊断原理 258
5.5.3基于小波包分解的传感器故障特征提取 259
5.5.4基于神经网络的传感器模式分类 259
5.5.5基于减法聚类的传感器新型故障辨识 262
5.5.6故障诊断算法仿真验证 263
参考文献 268
第6章 自确认传感器 277
6.1概述 277
6.2自确认传感器原理 278
6.2.1有关概念 278
6.2.2输出参数 279
6.2.3研究内容 281
6.3自确认传感器的结构 283
6.3.1 PC机+数据采集卡 283
6.3.2固定结构的专用硬件平台 284
6.3.3基于可编程硬件的通用硬件平台的开发 284
6.4自确认传感器算法 285
6.4.1自确认传感器故障诊断和信号恢复算法 285
6.4.2自确认参数计算方法 289
6.5自确认传感器举例 298
6.5.1自确认溶解氧传感器 299
6.5.2自确认差压流量计 306
6.6自确认压力传感器 311
6.6.1结构设计 312
6.6.2故障检测方法 313
6.6.3故障诊断方法 315
6.6.4自确认参数计算方法 324
6.6.5试验系统设计及试验 326
6.7多功能自确认传感器 331
6.7.1概念及其功能模型 332
6.7.2特征 333
6.7.3关键技术 334
6.7.4发展方向 335
6.7.5基于RVM的多功能自确认水质检测传感器 336
参考文献 342
第7章 无线传感器网络信息处理技术 348
7.1概述 348
7.1.1无线传感器网络介绍 348
7.1.2主要研究内容 349
7.2无线传感器网络协同信息处理技术 351
7.2.1基于移动汇聚节点组织策略的无线传感器网络协同信息获取 351
7.2.2基于动态联盟的无线传感器网络协同方法 360
7.3无线传感器网络数据融合技术 364
7.3.1基于路由的无线传感器网络数据融合 365
7.3.2基于统计特性的分布卡尔曼滤波在无线传感器网络数据融合中的应用 368
7.3.3基于组播树的无线传感器网络数据融合技术 373
7.3.4基于时间序列预测的无线传感器网络信息融合 377
7.4无线传感器网络数据压缩 384
7.4.1基于排序编码的无线传感器网络数据压缩 384
7.4.2基于管道的无线传感器网络数据压缩 386
7.4.3基于分布式数据压缩算法在无线传感器网络中的应用 387
7.4.4压缩传感思想与网络化信息获取 390
7.5无线传感器网络安全性 394
7.5.1基于数据保密性的数据融合安全方案 394
7.5.2基于数据完整性的数据融合安全方案 397
7.6智能无线传感器网络监测系统及信息处理技术 401
7.6.1无线传感器网络协同智能交通系统 401
7.6.2建筑结构无线传感器网络健康监测系统及信息处理技术 404
7.6.3农业灌区无线传感器网络监测系统及信息处理技术 407
7.6.4基于无线传感器网络的多机器人声源目标协作搜寻系统 410
参考文献 417