1 傳感器基本特性 1.1 概述 1.1.1 傳感器的作用 1.1.2 傳感器及傳感技術 1.1.3 傳感器的組成 1.1.4 傳感器的分類 1.1.5 傳感器的發展趨勢 1.2 傳感器的組成與結構 1.2.1 傳感器的組成 1.2.2 傳感器的結構形式 1.3 傳感器的一般特性 1.3.1 傳感器的靜態特性 1.3.2 傳感器的動態特性 1.3.3 不失真測試的條件分析 1.3.4 傳感器的標定 練習題2 光纖傳感器 2.1 光纖傳感器的特點及分類 2.1.1 光纖傳感器的特點 2.1.2 光纖傳感器的分類 2.2 光纖的傳光特性 2.2.1 光纖的結構及分類 2.2.2 光纖的傳光原理 2.2.3 光纖的衰減機理 2.3 光纖傳感器的光源與光檢測器 2.3.1 光纖傳感器用光源的分類及特點 2.3.2 半導體光電檢測器 2.4 光纖傳感器的應用 2.4.1 光纖溫度傳感器 2.4.2 光纖壓力傳感器 2.4.3 光纖流量、流速傳感器 練習題3 圖像傳感器 3.1 電荷耦合攝像器件 3.1.1 ccd基本工作原理 3.1.2 電荷轉移與電極結構 3.1.3 電荷的注入與讀出 3.1.4 ccd圖像傳感器 3.1.5 圖像傳感器的主要特性參數 3.2 熱成像技術 3.2.1 熱像儀的組成 3.2.2 熱釋電攝像管的結構及原理 3.3 圖像傳感器的典型應用 3.3.1 固態圖像傳感器的應用 3.3.2 熱成像無損探測 練習題4 生物傳感器 4.1 生物傳感器概述 4.1.1 生物傳感器的應用范圍 4.1.2 生物傳感器的發展 4.1.3 生物傳感器的基本原理及特點 4.1.4 生物傳感器的分類 4.2 生物識別機理及膜固定技術 4.2.1 酶反應 4.2.2 微生物反應及檢測 4.2.3 免疫學反應 4.2.4 其他類型的生物學反應 4.2.5 膜及其固定技術 4.3 生物傳感器原理及應用 4.3.1 酶傳感器 4.3.2 免疫傳感器 4.3.3 微生物傳感器 4.3.4 新型生物傳感器簡介 練習題5 無線傳感器網絡 5.1 無線傳感器網絡概述 5.1.1 無線傳感器網絡生成過程 5.1.2 無線傳感器網絡結構 5.1.3 傳感器節點構成 5.1.4 無線傳感器網絡特點 5.1.5 無線傳感器網絡應用 5.2 無線傳感器網絡關鍵技術 5.2.1 無線傳感器網絡體系 5.2.2 無線傳感器網絡拓撲 5.2.3 無線傳感器網絡物理層協議 5.2.4 無線傳感器網絡mac協議 5.2.5 無線傳感器網絡路由協議 5.2.6 無線傳感器網絡傳輸和應用層協議 5.2.7 無線傳感器網絡其他關鍵技術 5.2.8 無線傳感器網絡能量管理機制 5.3 線傳感器網絡的典型設計實例 5.3.1 設計簡介 5.3.2 mica2節點設計分析 5.4 無線傳感器網絡應用實例 5.4.1 芯片制造廠設備監控系統應用 5.4.2 大鴨島海燕生活習性監測保護應用 5.4.3 家庭及辦公智能化網絡應用 練習題6 移動機器人傳感器 6.1 移動機器人傳感器概述 6.1.1 機器人與移動機器人 6.1.2 移動機器人感知 6.1.3 移動機器人傳感器分類 6.2 移動機器人常用內部傳感器 6.2.1 編碼器 6.2.2 慣性傳感器 6.3 移動機器人航位推算模型 6.3.1 差速驅動移動機器人 6.3.2 類車或三輪移動機器人 6.4 移動機器人常用外部傳感器 6.4.1 觸覺傳感器 6.4.2 接近覺傳感器 6.4.3 測距傳感器 6.5 主動嗅覺感知 6.5.1 機器人嗅覺 6.5.2 機器人嗅覺常用氣體/氣味傳感器 6.5.3 常用風速/風向傳感器 6.5.4 氣味/氣體源搜尋策略 練習題7 智能傳感技術 7.1 智能傳感器概述 7.2 智能傳感器的實現 7.2.1 非集成化結構 7.2.2 集成化結構 7.2.3 標度變換技術 7.2.4 混合實現 7.3 數據處理及軟件實現 7.3.1 非線性校正 7.3.2 自校零與自校準技術 7.3.3 噪聲抑制技術 7.3.4 自補償、自檢驗及自診斷 7.4 微機電系統 7.4.1 微機電系統概述 7.4.2 微機電系統的關鍵技術 7.4.3 典型微機電傳感器 7.5 網絡傳感器 7.5.1 網絡傳感器及其特點 7.5.2 網絡傳感器的類型 7.5.3 網絡傳感器通用接口標準 7.5.4 網絡傳感器的發展形式 練習題8 多源傳感器信息融合技術 8.1 信息融合技術的基本概念和分類 8.2 貝葉斯(bayes)估計 8.2.1 bayes條件概率公式 8.2.2 基于bayes方法的信息融合原理 8.3 卡爾曼(kalman)濾波 8.3.1 卡爾曼濾波的基本方程 8.3.2 基于卡爾曼濾波器的數據融合方法在高溫爐檢測系統中的應用 8.4 自適應加權平均和有序加權平均算法 8.4.1 自適應加權平均 8.4.2 有序加權平均算子(ordered weighte d averaging,0wa) 8.5 dempster-shafer證據理論 8.5.1 證據理論基本模型和性質 8.5.2 證據理論的組合規則 8.5.3 證據理論的進一步說明 8.6 神經網絡信息融合方法 8.6.1 單個bp(back propagation)網絡的建立 8.6.2 多個bp網絡的集成 8.7 數據關聯的基本概念和方法 8.7.1 數據關聯的概念 8.7.2 “*近鄰”法 8.7.3 概率數據關聯濾波器 8.7.4 模糊數據關聯 8.7.5 多傳感器的模糊聚類融合技術 8.8 多傳感器目標檢測 8.8.1 問題的描述 8.8.2 檢測空間的劃分與信任級別 8.8.3 分布式檢測多傳感器系統結構 8.9 基于案例的推理技術在數據融合中的應用 8.9.1 基于案例推理的基本原理 8.9.2 一個基于案例推理的應用實例 8.10 粗集理論與信息融合 8.10.1 粗集的基本概念 8.10.2 粗集 8.10.3 知識的約簡 8.10.4 基于粗集理論的多傳感器融合 8.10.5 本節小結 8.11 基于模糊積分的信息融合 8.11.1 模糊測度的基本概念 8.11.2 模糊積分的基本概念和性質 8.11.3 鋼鐵廠的試驗 練習題參考文獻