传感器信息处理及应用PDF|Epub|txt|kindle电子书版本网盘下载

传感器信息处理及应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

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