現(xiàn)代傳感技術及應用

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(fā)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(tài)特性
1.3.2　傳感器的動態(tài)特性
1.3.3　不失真測試的條件分析
1.3.4　傳感器的標定
思考題與習題
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
2.3　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
　思考題與習題
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(shù)協(xié)議
　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　激光多普勒測速技術
　 3.3.2　基于熱釋電探測器的光纖比色測溫系統(tǒng)
思考題與習題
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(fā)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
4.1.5　生物芯片
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　免疫類傳感器
4.3.3　微生物傳感器
4.3.4　新型生物傳感器簡介
思考題與習題
5　無線傳感器網(wǎng)絡
5.1　無線傳感器網(wǎng)絡概述
5.1.1　無線傳感器網(wǎng)絡生成過程
5.1.2　無線傳感器網(wǎng)絡結構
5.1.3　傳感器節(jié)點構成
5.1.4　無線傳感器網(wǎng)絡特點
5.1.5　無線傳感器網(wǎng)絡應用
5.2　無線傳感器網(wǎng)絡關鍵技術
5.2.1　無線傳感器網(wǎng)絡體系
5.2.2　無線傳感器網(wǎng)絡拓撲
　　5.2.3　無線傳感器網(wǎng)絡物理協(xié)議
　 5.2.4　無線傳感器網(wǎng)絡MAC協(xié)議
　 5.2.5　無線傳感器網(wǎng)絡路由協(xié)議
　 5.2.6　無線傳感器網(wǎng)絡傳輸和應用層協(xié)議
　 5.2.7　無線傳感器網(wǎng)絡其他關鍵技術
　 5.2.8　無線傳感器網(wǎng)絡能量管理機制
　5.3　無線傳感器網(wǎng)絡的典型設計實例
　 5.3.1　設計簡介
　5.3.2　Mica 2節(jié)點設計分析
　 5.4　無線傳感器網(wǎng)絡應用實例
　 5.4.1　芯片制造廠設備監(jiān)控系統(tǒng)應用
　 5.4.2　大鴨島海燕生活習性監(jiān)測保護應用
　5.4.3　家庭及辦公智能化網(wǎng)絡應用
　 思考題與習題
6　移動機器人傳感器
6.1　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(nèi)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
6.5.5　主動嗅覺研究面臨的問題
6.6　距離傳感器測量模型
6.6.1　高斯噪聲測量模型
6.6.2　指數(shù)分布噪聲測量模型
6.6.3　點一質(zhì)量分布噪聲測量模型
6.6.4　均勻分布噪聲測量模型
6.6.5　綜合概率密度函數(shù)
6.6.6 固有模型參數(shù)的選取
6.7　基于距離傳感器的二維環(huán)境表達
6.7.1　超聲概率柵格地圖
6.7.2　二維環(huán)境幾何特征提取
思考題與習題
7　智能傳感技術
7.1　智能傳感器的體系結構與功能實現(xiàn)
7.1.1　智能傳感器的體系結構
7.1.2　智能傳感器功能的實現(xiàn)
7.2　智能傳感器系統(tǒng)集成技術
7.2.1　微系統(tǒng)加工工藝
7.2.2　微制造技術
思考題與習題
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(Kalman)濾波的基本方程
8.3.2　基于卡爾曼濾波器的數(shù)據(jù)融合方法在高溫爐檢測系統(tǒng)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 Weighted Averagin9，OWA)
8.5　Dempster—Sharer證據(jù)理論
8.5.1　證據(jù)理論基本模型和性質(zhì)
8.5.2　證據(jù)理論的組合規(guī)則
8.5.3　證據(jù)理論的進一步說明
8.6　神經(jīng)網(wǎng)絡信息融合方法
8.6.1 單個BP(Back Propagation)網(wǎng)絡的建立
8.6.2　多個BP網(wǎng)絡的集成
　　……
參考文獻