一、智能传感器系统非线性校正的神经网络法（论文文献综述）
刘柱[1]（2021）在《离轴望远镜失调误差检测技术研究》文中认为在光学系统中,反射式系统相对于折射式系统,它具有更紧凑的光路,更大的视场,更宽的谱段以及更易于轻量化设计等一系列优点,因而逐渐发展起来。又因为离轴反射式光学系统相对于轴对称反射式系统,它不存在中心遮拦,同时具有高光能利用率以及没有中低频衍射极限限制等优势,所以在空间光通信、天文探测以及空间遥感领域得到广泛的应用。但由于光学元件装配后的残余误差、系统外界环境的变化（例如温度变化、气流扰动以及重力影响等）以及系统机械结构工作时的自身抖动都会引起光学镜片相对空间位置与理想相对位置的不同而降低光学系统整体的成像质量。虽然镜片面型以及系统光路构造也会影响像质,但随着加工工艺的发展,它们不再成为限制光学系统像质的首要决定性因素,失调误差检测反而成为影响离轴反射式光学系统成像质量的主要因素之一。本论文针对这一具体的工程问题展开相应的研究,着重围绕基于传统灵敏度矩阵法、二阶灵敏度矩阵法、全连接神经网络法以及卷积神经网络法对离轴反射式望远镜系统进行失调误差检测来进行展开,其主要研究工作包括以下四个方面:（一）阐述了离轴望远镜的应用背景、光学系统初调的流程以及精调技术的发展历程。利用矢量波像差理论,由共轴系统的像差分布情况推导至离轴系统的像差分布情况,其后又对离轴系统存在失调误差时的像差分布进行了理论推导。此外,对于当前主流的失调误差检测法也进行了原理的介绍,并总结了各自的优缺点。（二）针对灵敏度矩阵法在失调误差较大时精度下降的情况,利用建立的离轴望远镜模型对灵敏度矩阵发生病态的原因进行了探讨。结果发现其原因是因为部分失调误差与泽尼克多项式系数成非线性关系。针对这一问题,提出二阶灵敏度矩阵法。为探究该方法的可行性,分别利用灵敏度矩阵法以及二阶灵敏度矩阵法进行了仿真实验。由实验结果发现,在系统存在较大失调误差的前提下,二阶灵敏度矩阵法具有更高的精度和更广的适用范围。（三）针对二阶灵敏度矩阵法在处理多种失调量互相耦合方面存在的不足,同时基于神经网络具有强大的非线性拟合能力,因而提出基于全连接神经网络的失调误差检测法。利用该方法进行仿真实验,实验结果证明该方法可以将视场角也作为预测值,对系统不同视场角下相应的失调量进行预测,同时有令人满意的精度。初步推测,该方法在离轴式望远镜系统的装调领域具有较大的应用前景。（四）对全连接神经网络、二阶灵敏度矩阵以及灵敏度矩阵法共有的缺陷进行了总结,即需要借助额外的波前探测器来获取泽尼克系数。并针对该问题,提出了卷积神经网络失调误差检测法,该方法可以直接利用系统散斑图进行失调误差的预测。之后设计相应的实验对该方法进行原理验证。借助于Stewart六自由度平台组建出一个次镜位移台,并基于该次镜位移台搭建实验光路平台,然后利用采集的系统散斑图对卷积神经网络进行训练,最终的训练结果显示该卷积网络能够收敛,最后利用测试数据集对训练完成后的网络进行验证,其测试结果证明该方法具有可行性。
丁子璇[2]（2020）在《基于蓝牙5.0 Beacon的室内定位技术研究》文中研究说明近几年,蓝牙技术的飞速发展催生了各种物联网应用的落地,其中基于蓝牙的室内定位技术以设备的体积小、易实现、普适性高等特点越来越受到广泛的关注。蓝牙室内定位技术大多通过测量接收信号强度指示（received signal strength indicator,RSSI）进行测距定位,但是RSSI的不稳定性等问题会影响定位的精度。本论文立足于基于蓝牙的RSSI测距定位技术,结合蓝牙最新发展趋势,设计并实现了基于蓝牙5.0 Beacon的室内定位系统。在测量RSSI阶段,论文提出了一种加权KGMM混合滤波算法,有效地平滑了数据。在测距阶段,论文提出了一种基于深度多隐藏层神经网络的测距模型,有效地降低了测距的误差。在定位阶段,论文改进了传统的三点定位算法,提出了一种基于引导聚集和k最近邻（Bootstrap aggregating-k-Nearest Neighbor,Bagging-k NN）的n点定位算法,显着地提高了室内环境下的定位精度。论文的主要工作如下:（1）简单介绍了低功耗蓝牙5.0与蓝牙Beacon技术原理,并讨论了常用的信号衰减模型,在此基础上对现有的蓝牙室内定位技术进行了详细地对比介绍。（2）改进了测量RSSI阶段的滤波算法与测距阶段的测距模型,提出了基于RSSI的融合加权混合滤波和神经网络的测距方法。首先针对RSSI采样值波动和不稳定等问题对数据进行各种滤波处理并进行对比实验,提出了一种改进的KGMM混合滤波算法。接着引入了机器学习算法中的深度多隐藏层神经网络来构建RSSI和锚节点到信号接收器距离的非线性映射关系。实验结果表明,该测距方法能够有效地降低室内测距误差。（3）针对定位阶段的定位算法,提出了基于Bagging-k NN的n点定位算法。首先研究了传统的三点定位算法,并针对该算法的不足进行了优化,提出了基于距离加权k最近邻（k-Nearest Neighbor,k NN）的n点定位算法并进行实验分析。然后提出了基于Bagging-k NN的n点定位算法,将机器学习算法中的引导聚集（Bootstrap aggregating,Bagging）算法与k NN分类算法相结合,以提升定位的精度。实验结果表明,该算法定位的平均定位误差约为7.35cm,具有较高的稳定性和精确性。（4）搭建了基于Beacon技术的室内定位系统,验证了提出的混合滤波算法、测距方法与定位算法在实际生产环境中落地的可行性。系统包括基于蓝牙5.0射频芯片的蓝牙Beacon锚节点、IOS系统的移动客户端和上位机。Beacon锚节点利用Code Composer Studio（CCS）集成开发环境实现了Beacon广播的功能;移动客户端利用Xcode开发了IOS客户端APP,实现了检测蓝牙信号、RSSI信号的实时采集和处理等功能;上位机主要完成了对数据的滤波处理、测距以及定位算法模块的实现。该系统可以提供较为准确的定位功能并将定位结果展示出来,能够满足大多数室内定位场景的需求。
马跃[3]（2020）在《油水两相电容层析成像流型辨识方法研究》文中指出在现代工业中,多相流技术更多地应用在石油、化工、润滑油、轻工业等各行业中,并且这些行业均是国民经济的主导行业。研究多相流技术的本质就是对多相流的流型进行识别。一般情况下,多相流主要分为固、液、气三种状态。本文针对油和水两相状态进行研究。例如:在石油领域中,多相流检测技术对井下原油的开采起到很重要的作用。本文主要对电容层析成像技术的测量原理进行了简要的阐述,分别对该系统三大组成结构进行了介绍。以麦克斯韦方程组为基础,并结合测量原理,进而介绍了电容层析成像（Electrical Capacitance Tomography）系统的正问题和反问题。即对该系统的正向模拟和反向演变过程进行理论研究,得出求解电容值的数学模型以及介绍反演过程中重建图像的方法和流型识别的常用方法。针对于传统的流型识别方法,分别介绍了最邻近识别法、特征提取法、神经网络法和压缩感知法等。通过COMSOL仿真软件建立电容传感器,设置基准传感器的尺寸,根据采用单一控制的方式对传感器的极板个数,管壁厚度以及极板覆盖率等参数进行仿真研究。进一步的优化传感器的结构参数,进而确定了本文中所应用的16极板的传感器的参数。并通过对该传感器的COMSOL with MATLB的仿真,得到实验中各个流型的数据。根据仿真研究得到的流型数据,针对传统的电容层析成像（ECT）流型识别方法识别度低的问题,提出一种基于集成学习理论的ECT流型识别方法。将ECT系统获得的大量流型数据进行归一化处理,并将样本数据的60%随机分配给训练数据,40%作为测试数据。在现有随机森林分类器的基础上进行改进,通过对单独一小类流型进行识别,获取各类流型的识别标签,并通过组合策略的原则将多个小类别得到的标签结果进行重组,最终获取多种流型分类结果。对8种典型流型的仿真实验结果表明,该方法继承了传统的随机森林的分类特点。在5～40d B信噪比的情况下,识别度有明显的提升,而且识别度最高可达99.93%,表明了这种方法抗噪声干扰能力强,是一种适用于工业检测的方法。通过实验对基于集成学习理论的ECT流型识别方法的研究,并与常用识别方法的学习进行对比。首先,通过人工神经网络对各流型的识别做出分析。其次,通过特征提取的方法进行预处理,再对其结果进行神经网络法,从其结果中分别对五种神经网络方法进行分析,得出RNN神经网络的识别效果最好,识别度均在80%以上,最高可达100%。又通过结合Kmeans聚类、ANN、贝叶斯、集成学习等方法,在20-40d B的噪声条件下,对流型的总体识别度进行实验并分析,验证了集成学习方法的识别度均在其他方法之上。
杨立财[4]（2020）在《GNSS/INS融合定位滤波方法研究及应用》文中进行了进一步梳理无人驾驶、人工智能已经成为了当今人们研究的前沿技术,在智能车感知层面,定位的重要性不言而喻,智能车需要知道自己相对于外界环境的精确位置,才能准确的在道路上行驶。全球定位系统（GNSS）和惯性导航系统（INS）的组合,可以提供高精度的导航定位信息,是智能车在定位中的最佳方案之一,而在传感器融合时,选取合适的滤波算法也至关重要。因此,在智能车技术的发展过程中,能够提高定位精度的研究都具有很重要的意义。针对智能车定位,论文围绕GNSS/INS传感器融合滤波方法及其在北斗智能车中的应用展开了研究,取得了以下成果:（1）阐述全球卫星导航系统的组成以及卫星轨道模型,分析了卫星定位的三个主要误差来源及其误差特性。同时也介绍了用户接收机的PVT信息解算方法以及坐标转换方法。（2）系统的介绍了各种GNSS定位方法,包括常用的PPP、RTK和RTD定位技术。梳理了惯性导航系统的基本原理和误差来源;阐述了基于GNSS/INS组合系统的定位原理,选取松组合模型为传感器组合方式,实现了不同传感器的融合定位。同时介绍了传感器融合的原理和常用的传感器数据融合方法。（3）通过分析KF、EKF、UKF三种滤波模型的滤波理论及其适用范围,分别构建了EKF滤波模型和UKF滤波模型;并研究了相关的滤波算法,设定实验场景模拟复杂环境下的道路,利用实车数据对算法进行验证。GNSS/INS组合滤波后位置误差在1m以内,速度误差维持在0.5m/s左右,相较于滤波前位置误差提升了75.10%,速度误差提升了51.60%,与滤波前相比,位置、速度精度都得到了提高。（4）使用北斗智能小车搭载的GNSS传感器和INS传感器获取实测数据,将EKF和UKF滤波算法应用于GNSS/INS融合定位中,通过将两种滤波结果进行对比分析,UKF滤波结果相比EKF滤波,东方向、北方向标准差分别减小了0.062m和0.188m,水平方向位置误差提升了25.51%。可以得出在智能小车传感器融合中UKF滤波效果优于EKF滤波,证明了UKF滤波算法在GNSS/INS传感器融合的有效性和可靠性。
韩小雨[5]（2019）在《基于二维PSD液体浓度在线检测系统及关键技术研究》文中提出液体浓度是溶液重要特征之一,浓度检测在工业生产中也占有重要地位,液体的浓度检测在医药、化工、环保等方面已进入大规模应用阶段,传统检测方法需要人工采样、误差较大且不能实现在线检测,目前国内液体浓度在线检测技术尚未发展成熟。在现有液体检测方法的基础上,本文提出了一种将双透射隔离窗水槽应用于液体浓度检测的方法,设计了基于二维光电位置敏感器件（2D-PSD）的液体浓度检测系统,同时针对二维PSD非线性误差问题,提出了一种基于神经网络算法的校正方法,从而提高系统测量精度。本文研究主要内容如下:（1）整体技术方案的研究。通过对众多传感器的特性分析与比较,在此基础上,确立将二维PSD传感器应用于液体浓度的在线检测系统。该系统主要由光学系统、传感器系统、数模转换和显示电路组成。（2）提出一种将双透射隔离窗水槽应用于液体浓度检测的方法。该方法采用双透射隔离窗水槽对待测液体进行检测,利用水槽内两个透射隔离窗、两个互相垂直平面镜对光线进行折射及反射,使得出射光线平行射出水槽,且与入射光线在水槽同一端,从而有利于传感器检测到光斑。（3）提出基于神经网络二维PSD校正方法。该方法针对二维PSD非线性误差问题,利用神经网络对隐含层权值不断进行调整,从而得到理想误差,当权值达到要求的条件时,训练就会自动结束;使用MATLAB仿真,通过神经网络对数据进行训练,仿真图显示该方法收敛速度快、数据训练速度快、误差小,在同样误差的情况下,数据训练速度显着提高。（4）整体系统硬件部分及软件部分研究。系统硬件部分包括:设计双透射隔离窗水槽使得传感器更容易检测到光斑,设计双t陷波电路减少电路干扰,搭建电源电路、电压转换电路、单片机及其连接电路、A/D转换器及其外接电路等。软件部分包括:设计A/D转换程序、数据转换程序及数据处理程序等。（5）基于二维PSD液体浓度在线检测系统仿真研究。利用仿真软件建立液体浓度在线检测系统模型,验证所研究技术方案的正确性、系统整体结构以及电路搭建的合理性;同时配置不同浓度的NaCl溶液进行实验,对激光在不同液体折射后,在二维PSD光敏面上产生的不同位移量进行测量,将所得数据与理论数据进行比较,分析产生误差的原因。基于二维PSD液体浓度检测系统具有光斑信号易检测、系统误差小、操作简单等优点,可广泛应用于液体浓度检测领域。
申天宇[6]（2019）在《面向下假肢的磁流变阻尼器及其控制仿真研究》文中进行了进一步梳理随着汽车已越来越普及,带来的交通事故也越来越多。加之其他的原因如意外事故和局部战争等,致使身体残疾的人口数量巨大,下肢残疾者又占截肢者中的大部分。下假肢可以在一定程度上恢复下肢截肢者的行动能力,是下肢截肢者的重要辅助工具。磁流变下假肢（Magnetorheological damper based lower prosthesis,MDLP）具有响应速度快,出力范围广且阻尼力连续可控,耗能低和结构稳定等优点,越来越多的学者已经开始了对MDLP的研究。本文进行了健康人行走实验,推导了假肢在摆动期的运动学和动力学本构方程,对下假肢进行了动力学分析,对磁流变阻尼器（Magnetorheological damper,MRD）进行了结构设计和磁路设计,为MRD设计了超前校正电路,建立了MRD的系统模型,建立了下假肢的虚拟样机并进行了联合仿真,具体研究内容如下:（1）进行了正常人行走实验,获得正常人髋、膝、踝关节的运动规律。建立了下假肢摆动期的运动学和动力学方程,并结合动力学分析软件对下假肢进行动力学仿真分析,得到下假肢在水平行走时的摆动期的MRD的期望阻尼力。（2）根据期望阻尼力设计了一种工作在纯剪切模式下的多节线圈式双出杆MRD。根据假肢应用背景下对阻尼器提出的轻量化要求,提出了一种将阻尼器结构设计和磁路设计合二为一的优化设计方法,确定了阻尼器的结构尺寸,利用有限元分析软件ANSYS对MRD进行了磁场有限元分析,验证了MRD结构的合理性。（3）对MRD分别进行了稳态磁场分析和瞬态磁场分析,分析了线圈电感和磁路涡流对电流响应时间和磁场响应时间的影响,结果表明涡流对磁场响应时间的影响更大。分别分析了多节线圈串联和并联对电流响应时间的影响。为MRD设计了超前校正电路来改善阻尼器的时滞,分别利用解析法和BP神经网络方法建立了MRD的系统模型,对两种模型进行了比较和评价。（4）建立了MDLP的仿真平台,设计了利用PID控制策略和级联switch结构反馈控制策略两种仿真方案对MDLP样机进行联合仿真。仿真结果表明,基于MRD的BP神经网络模型的级联switch结构反馈控制仿真具有更高的精度,因此,使用该MRD模型和控制策略下的下假肢虚拟样机性能更好。
陈佳雷[7]（2019）在《基于压电陶瓷智能垫片的海洋结构螺栓松动监测研究》文中进行了进一步梳理近年来大型土木工程项目越来越多,超高层建筑、大型跨海桥梁、新型大跨度体育场馆、展览会馆,海洋平台等结构中广泛应用了钢结构。螺栓连接是钢结构连接形式中使用频率最高的形式,同时面临着各种极端环境的影响,一旦使用的时间达到一定程度,很容易发生螺栓松动、螺栓开裂等情况。如果关键部位的螺栓松动没能及时发现,进行维护和更新,轻则导致部分结构的失效,重则导致灾难性后果。所以对钢结构关键节点的螺栓进行实时监测是非常必要的措施,它能够有效的避免结构的破坏,以及不必要的经济损失和灾害危险。研发了一种新智能垫片传感器。该传感器基于压电陶瓷,被做成智能垫片用来取代普通的螺栓垫圈,同时施加合适的金属外壳隔绝环境腐蚀。并且设计了一套实验装置来验证压电陶瓷在不同应力情况下压电性能会改变的实验。实验表明随着压电陶瓷受到的压力增加,最终接收器接收到的能量增加,可以间接表明压电陶瓷所受应力增加会导致其压电效应增强,可以用于优化传感器的性能。研究了新型传感器监测螺栓松动的适用性。设计一个验证新传感器性能的实验。通过螺母连接的两块钢板来模拟简单的螺栓结构,并且对新智能垫片传感器和旧垫片传感器两种情况进行对比实验。螺栓预紧力在5N·m至120N·m扭矩的范围内进行测试。引用小波能量分析方法来提取信号的能量,作为松动指标。基于粗糙接触面理论和压力下压电效应增强的影响,可以建立螺栓松动指标与预紧力之间的关系。实验结果表明,新传感器具有更好的监控范围和灵敏度。改进了监测海洋结构螺栓松动时排除环境噪声影响的方法。通过研究现有排除环境因素影响方法和去噪方法的文献,总结出适合于本文的理论方法,本文采用传感器接收的信号能量作为松动指标,所以有别于基于结构动力参数损伤识别方法使用的数据规整方法,考虑采用把环境因素看成噪声影响的思路,基于神经网络和小波去噪方法改进,进行了海洋平台结构螺栓松动监测的数值仿真实验。得到的结论是当需要比较高精度的结果时采用改进的BP神经网络更有效,而需要更快速简单获得结果,对精度要求较低时采用小波变换阈值去噪法更有效。证明了新型传感器在改进的去噪方法下,能有效的用于海洋平台的螺栓松动实时监测。
杨秀梓[8]（2019）在《基于UWB与惯性技术的室内定位方法研究与实现》文中研究说明为解决室内环境下的定位问题,出现了基于蓝牙、超声波和RFID的定位技术,但几种定位技术无论在定位精度还是系统成本等方面并无法令人满意。在此背景下,本文研究了基于超宽带（Ultra Wide Band,UWB）和基于惯性技术的定位技术,并对两种技术进行组合。通过整合两者的优点,互相弥补缺点,进而获得更稳定可靠的室内定位效果。具体的研究内容如下:（1）研究了基于UWB的定位技术。针对室内环境下到达时间（TOA）测距存在随机噪声干扰与非视距路径（NLOS）误差的问题,采用了线性卡尔曼滤波器来平滑TOA测距值,并在滤波器中引入新息判别措施,提高滤波器的抗NLOS误差性能。在位置估计算法方面,本文结合定点定位实验结果对比分析了几种定位算法,最终选取具有定位精度高、运算周期短等特点的最小二乘算法。最后,由UWB动态定位实验验证了UWB定位在视距环境下具有较高的精度,但也存在易受环境干扰的缺点。（2）研究了基于行人航迹推算（PDR）的室内定位技术。针对步伐检测问题,基于行人行走过程中加速度数据会周期性变化的规律,设计了一种多参数约束的步伐检测算法。针对步长估计问题,通过分析常用步长估算模型优缺点与适用范围,设计了一款基于运动状态的步长估计模型。针对航向检测问题,通过研究直线步行时航向采样值与行走姿态的对应关系,采取了航向自矫正措施。实验结果表明:优化的PDR算法,计步准确,适用于不同运动状态下的步长估计,定位效果具有短时精度较高的特点,但仍存在PDR固有的累积误差问题。（3）为结合UWB与PDR两者优点,互相弥补缺点,本文设计了一套UWB/PDR组合定位方法。一方面,利用PDR辅助UWB测距定位的方法,解决了UWB定位方式易受环境干扰的问题。由于新息判别法难以在起步、急转等运动状态突变阶段对NLOS误差进行有效识别,故本文设计了一种基于PDR区域估计的NLOS误差识别方法。同时在该阶段,针对滤波模型与实际运动模型之间存在误差进而影响状态量收敛的问题,引入了渐消因子阵,提高滤波器在状态变量突变处的跟踪能力;针对UWB定位存在中断区域的问题,采用PDR递推预测值取代观测量的方法,保证了定位结果连续输出。另一方面,由于UWB定位是一种绝对位置定位,因此利用UWB的定位结果修正了PDR的累积误差。实验结果表明:UWB/PDR组合定位方法与单独的UWB或PDR定位方法相比,具有更高的定位精度及稳定性。（4）为配合基于UWB与惯性技术的组合定位方法的实现,组建了硬件开发平台,并设计了定位软件和Web服务端,实现了行人的实时位置解算刷新和远程监控的功能。
倪愿[9]（2018）在《中国陆域地表水体信息遥感提取与评价》文中提出地表水体是人类赖以生存和社会发展中不可替代的战略资源,对其信息的获取有助于全面掌握其空间分布特征,监测各区域差异,推动水循环研究,也对合理利用水资源,实施战略措施具有重要意义。随着遥感技术被广泛应用于国民经济和社会发展等多个领域,其已成为高效准确监测地表水体的有效手段。过去由于大量训练数据选取的困难以及高精度计算能力的限制,遥感技术主要集中在利用单一传感器对小范围水体进行高精度提取,难以满足大数据时代多源数据在大尺度上对水体进行的高效提取。随着技术的发展以及研究的深入,各种神经网络法层出不穷,机器学习方法被广泛应用。故论文以当前应用较广泛的30m分辨率Landsat资源卫星遥感影像为主,辅助国产卫星遥感影像,利用机器学习语言下的多层神经网络法进行中国陆域地表水体信息的遥感提取,主要的研究内容和结论如下:（1）综述了大尺度水体信息产品,总结了水体提取方法,并分析其方法的优缺点。详细介绍了多源遥感影像数据的预处理步骤以及水体信息后处理方法,为中国陆域多源遥感数据地表水体提取研究奠定基础。（2）通过对比水体指数法、最大似然分类法、多层神经网络法提取水体在影像上的运行时间、存储空间、产品精度等方面的差异,选取出适用于大尺度水体提取的方法--多层神经网络法。该方法不受卫星传感器限制,能够直接通过修改参与计算的波段来提取水体。其多隐层的学习算法充分挖掘原始数据信息,不断将低层特征抽象到高层进行提取,不仅加速了大数据的运算速度,也提高了样本的识别率和预测的准确性。该方法精度的提高在于样本的选取,通过增加与水体光谱相似的地物作为非水体样本进行迭代计算,可以在一定程度上提升水体提取精度。（3）通过多层神经网络法提取中国陆域地表水体专题并进行了结果评价和分析。利用Landsat系列影像以及国产GF卫星影像,实现了 2015年的中国陆域30m分辨率地表水体的有效提取,水体专题提取总体精度达90.56%。中国陆域水体空间分布可以用水域率和水域面积进行表征,中国陆域地表水体水域面积主要集中在降水量800mm-1600mm（49966km2）区间、内陆河流域（51883km2）和西藏自治区（33534 km2）,最大水域率分布在降水量1600mm-4050mm（2.42%）区间、淮河流域（3.74%）以及江苏省（10.74%）。根据空间分布可以定位到降水量较多的东南沿海和拥有大量雪水的青藏高原区域。因此,综合应用需求和前沿发展技术,利用国内外多源中高分辨率卫星遥感影像开展中国陆域地表水体信息专题提取方法研究,大尺度水体能够有效揭示我国地表水体分布规律,为我国乃至全球水资源和环境变化研究提供数据支撑。
杨吉语[10]（2018）在《基于IEEE1451.5标准网络传感器的研发》文中研究表明无线传感网是集数据采集、数据传输、数据处理于一体的智能控制系统,有着巨大的应用范围和实用价值。IEEE1451标准提供了无线传感器的接口标准,此标准使得传感器配置简单、通用性强、可靠性高,解决了各类现场总线的智能传感器接口不统一的问题。本文在IEEE1451.5标准协议下搭建具有即插即用功能的无线智能传感网,目的是实现传感节点的无线接入和智能化识别。本文在IEEE1451.5协议基础上,分别搭建WTIM的模块框架和NCAP的模块框架。智能变送器（WTIM）采用STM32F103处理器为核心进行软硬件开发,配置TEDS表格,扩展外围电路。同时采用基于ZigBee技术的无线单片机CC2530芯片,设计以称重传感器为核心的采集模块,并将采集后的数据通过无线传输到网络适配器中,实现了在整体框架下基于IEEE1451.5标准的无线传感器接口模块的设计,完成了数据采集、信号调理、模数转换、数据存储和无线传输的功能。系统设计的网络适配器（NCAP）模块主要实现的功能有协调器的组网、接收和存储数据的功能。同时针对传感器的非线性化输出搭建了校正引擎,结合三次样条插值法、最小二乘法和神经网络算法分析校正引擎,采用了一种改进的神经网络算法作为系统校正模型,将实验采集的数据进行分析对比,改进后的算法满足系统的整体需求,实现了网络传感器的智能化。最后,将采集处理过的信号通过串口的方式输入到计算机中,采用基于LabVIEW软件的远程面板技术,将实验数据发送到网络中,经实验验证,采集到的数据可以上传到网络中,实现了对传感器的管理和监控。
二、智能传感器系统非线性校正的神经网络法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、智能传感器系统非线性校正的神经网络法（论文提纲范文）
（1）离轴望远镜失调误差检测技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景 |
| 1.2 课题研究意义 |
| 1.3 初始装调基本流程 |
| 1.3.1 光学基准的建立 |
| 1.3.2 光学镜片初始装配 |
| 1.4 失调误差检测技术研究现状 |
| 1.4.1 解析模型装调技术 |
| 1.4.2 数值模型装调技术 |
| 1.5 课题研究内容及论文结构 |
| 第2章 光学系统像差理论研究 |
| 2.1 引言 |
| 2.2 失调误差概述 |
| 2.3 像质评价方法 |
| 2.4 共轴系统像差特性 |
| 2.4.1 轴向失调误差对像差的影响 |
| 2.4.2 横向失调误差对像差的影响 |
| 2.5 离轴系统像差特性 |
| 2.5.1 矢量波像差理论 |
| 2.5.2 光瞳坐标变换 |
| 2.5.3 未失调离轴系统像差特性 |
| 2.5.4 失调离轴系统像差特性 |
| 2.5.5 像差特性总结 |
| 2.6 本章小结 |
| 第3章 传统失调误差检测技术 |
| 3.1 引言 |
| 3.2 基于理论解析模型的失调误差检测法 |
| 3.2.1 基于矢量波像差理论的失调误差检测法 |
| 3.3 基于数值拟合模型的失调误差检测法 |
| 3.3.1 评价函数回归检测法 |
| 3.3.2 微分波前采样检测法 |
| 3.3.3 基于人工神经网络检测法 |
| 3.3.4 灵敏度矩阵检测法 |
| 3.4 本章小结 |
| 第4章 基于二阶灵敏度矩阵的失调误差检测法 |
| 4.1 引言 |
| 4.2 灵敏度矩阵病态化研究 |
| 4.2.1 离轴模型建立 |
| 4.2.2 模型仿真结果 |
| 4.2.3 仿真结果分析 |
| 4.3 基于二阶灵敏度矩阵的失调误差检测法 |
| 4.3.1 二阶灵敏度矩阵法原理 |
| 4.3.2 二阶灵敏度矩阵法精度仿真实验 |
| 4.3.3 二阶灵敏度矩阵法适用范围仿真实验 |
| 4.4 失调误差耦合关系研究 |
| 4.4.1 离轴系统耦合关系仿真 |
| 4.4.2 二阶灵敏度矩阵法对耦合问题的探讨 |
| 4.5 小结 |
| 第5章 基于神经网络的失调误差检测法 |
| 5.1 引言 |
| 5.2 神经网络基本原理 |
| 5.3 基于全连接神经网络的失调误差检测法 |
| 5.3.1 全连接神经网络基本原理 |
| 5.3.2 全连接神经网络法有效性仿真实验 |
| 5.3.3 全连接神经网络法精度仿真实验 |
| 5.4 基于卷积神经网络的失调误差检测法 |
| 5.4.1 卷积神经网络基本原理 |
| 5.4.2 实验系统描述 |
| 5.4.3 实验结果分析 |
| 5.5 小结 |
| 第6章 总结与展望 |
| 6.1 研究内容概括 |
| 6.2 个人工作创新点 |
| 6.3 后续工作展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（2）基于蓝牙5.0 Beacon的室内定位技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略语 |
| 第1章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 室内定位技术研究现状 |
| 1.3 论文研究内容与章节安排 |
| 1.3.1 论文主要研究工作 |
| 1.3.2 论文各章节安排 |
| 第2章 基于蓝牙定位的关键技术 |
| 2.1 蓝牙技术概述 |
| 2.1.1 低功耗蓝牙技术简介 |
| 2.1.2 蓝牙5.0 新特性 |
| 2.1.3 蓝牙Beacon技术原理 |
| 2.2 无线信号传播模型 |
| 2.2.1 确定性模型 |
| 2.2.2 经验模型 |
| 2.3 蓝牙室内定位方法分类 |
| 2.3.1 基于信号到达时间测量的定位方法 |
| 2.3.2 基于信号到达时间差测量的定位方法 |
| 2.3.3 基于信号到达角度测量的定位方法 |
| 2.3.4 基于方向和距离测量的定位方法 |
| 2.3.5 基于RSSI测量的定位方法 |
| 2.3.6 常见室内定位方法比较 |
| 2.4 本章小结 |
| 第3章 基于RSSI的融合加权混合滤波和神经网络的测距方法 |
| 3.1 常见的滤波算法 |
| 3.1.1 卡尔曼滤波 |
| 3.1.2 高斯滤波 |
| 3.1.3 均值滤波 |
| 3.1.4 中值滤波 |
| 3.1.5 各种滤波方法实验与分析 |
| 3.2 改进的加权KGMM混合滤波算法 |
| 3.2.1 加权KGMM混合滤波算法原理 |
| 3.2.2 实验结果与分析 |
| 3.3 基于深度多隐藏层神经网络的信号距离拟合模型 |
| 3.3.1 基于RSSI测距原理 |
| 3.3.2 基于机器学习的回归算法 |
| 3.3.2.1 k最近邻算法 |
| 3.3.2.2 支持向量机回归算法 |
| 3.3.2.3 神经网络算法及其优势 |
| 3.3.3 深度多隐藏层神经网络拟合模型 |
| 3.3.4 防止过拟合的方法 |
| 3.3.5 实验结果与分析 |
| 3.4 本章小结 |
| 第4章 基于Bagging-kNN的 n点室内定位算法 |
| 4.1 传统三点定位算法及其优化 |
| 4.1.1 三点定位算法原理 |
| 4.1.2 改进的三点定位算法 |
| 4.1.3 算法实验与分析 |
| 4.2 基于距离加权kNN的n点定位算法 |
| 4.2.1 基于距离加权kNN的n点定位算法原理 |
| 4.2.2 算法实验与分析 |
| 4.3 基于Bagging-kNN的 n点定位算法 |
| 4.3.1 引导聚集算法 |
| 4.3.2 基于Bagging-kNN的 n点室内定位算法原理 |
| 4.3.3 算法实验与分析 |
| 4.4 实验结果对比与分析 |
| 4.4.1 定位算法评价指标 |
| 4.4.2 实验结果对比与分析 |
| 4.5 本章小结 |
| 第5章 基于Beacon技术的室内定位系统设计与实现 |
| 5.1 基于Beacon技术室内定位系统整体架构 |
| 5.1.1 系统框图 |
| 5.1.2 系统数据流图 |
| 5.2 Beacon锚节点选型及程序设计 |
| 5.2.1 蓝牙5.0 射频芯片CC2640R2F |
| 5.2.2 蓝牙Beacon广播功能的程序实现 |
| 5.3 IOS客户端蓝牙功能实现 |
| 5.3.1 蓝牙信号检测功能 |
| 5.3.2 RSSI数据实时采样与处理功能 |
| 5.4 基于beacon技术的室内定位系统实现与展示 |
| 5.4.1 蓝牙Beacon广播功能的测试 |
| 5.4.2 蓝牙定位APP界面功能展示 |
| 5.5 本章小结 |
| 第6章 总结和展望 |
| 6.1 研究工作总结 |
| 6.2 未来研究展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间的研究成果 |
| 1 学术论文 |
| 2 专利 |
| 3 参与的科研项目 |
（3）油水两相电容层析成像流型辨识方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 创新点摘要 |
| 第一章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 多相流检测技术 |
| 1.2.1 多相流检测技术的目的和意义 |
| 1.2.2 多相流检测技术发展趋势 |
| 1.3 电容层析成像技术的国内外研究现状及发展趋势 |
| 1.3.1 电容层析成像技术国内外研究现状 |
| 1.3.2 电容层析成像技术的发展趋势 |
| 1.3.3 流型辨识的研究现状 |
| 1.4 课题主要研究内容 |
| 第二章 ECT系统的原理及研究方法 |
| 2.1 引言 |
| 2.2 电容层析成像系统结构 |
| 2.2.1 电容传感器系统 |
| 2.2.2 数据采集系统 |
| 2.2.3 图像重建系统 |
| 2.3 电容层析成像系统的理论原理 |
| 2.4 电容层析成像技术的正问题与反问题 |
| 2.4.1 ECT系统的正问题 |
| 2.4.2 ECT系统的逆问题 |
| 2.5 常见的流型辨识方法 |
| 2.5.1 最近邻识别法 |
| 2.5.2 特征提取法 |
| 2.5.3 神经网络法 |
| 2.5.4 压缩感知法 |
| 2.6 本章小结 |
| 第三章 电容传感器的优化设计及分析 |
| 3.1 基于COMSOL的正问题求解 |
| 3.1.1 COMSOL Multiphysics软件简介 |
| 3.1.2 模型建立及仿真 |
| 3.2 传感器结构参数对性能影响 |
| 3.2.1 传感器管道厚度对性能的影响 |
| 3.2.2 传感器电极数目对性能的影响 |
| 3.2.3 传感器电极覆盖率对性能的影响 |
| 3.3 本章小结 |
| 第四章 基于集成学习的油水两相识别方法研究 |
| 4.1 引言 |
| 4.2 机器学习 |
| 4.2.1 常用的机器学习算法 |
| 4.2.2 随机森林算法 |
| 4.3 集成学习 |
| 4.4 集成学习在流型识别中的应用 |
| 4.5 仿真分析 |
| 4.6 本章小结 |
| 第五章 数据实验分析 |
| 5.1 常用方法的实验分析 |
| 5.1.1 神经网络法实验分析 |
| 5.1.2 基于压缩感知的ECT流型识别方法 |
| 5.2 方法对比实验分析 |
| 5.3 本章小结 |
| 结论 |
| 参考文献 |
| 发表文章目录 |
| 致谢 |
（4）GNSS/INS融合定位滤波方法研究及应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外的研究现状 |
| 1.2.1 GNSS/INS传感器融合研究现状 |
| 1.2.2 滤波理论研究现状 |
| 1.3 主要研究内容及技术路线 |
| 1.3.1 主要研究内容 |
| 1.3.2 技术路线 |
| 1.4 本章小结 |
| 第2章 全球导航卫星系统基本理论 |
| 2.1 全球卫星导航系统 |
| 2.1.1 全球卫星导航系统概述 |
| 2.1.2 卫星坐标计算 |
| 2.2 卫星定位误差模型 |
| 2.2.1 卫星定位的误差源 |
| 2.2.2 误差特性 |
| 2.3 PVT解算方法 |
| 2.3.1 用户位置信息计算 |
| 2.3.2 坐标变换 |
| 2.4 本章小结 |
| 第3章 GNSS/INS组合导航定位系统 |
| 3.1 GNSS定位技术 |
| 3.1.1 PPP定位 |
| 3.1.2 RTK定位技术 |
| 3.1.3 RTD定位技术 |
| 3.2 惯性导航系统基本理论 |
| 3.2.1 惯性导航原理 |
| 3.2.2 惯性定位的误差源 |
| 3.3 多传感器数据融合 |
| 3.3.1 多传感器信息融合简介 |
| 3.3.2 常用多传感器数据融合的方法 |
| 3.4 基于GNSS/INS组合导航的定位系统 |
| 3.4.1 传感器组合定位方式 |
| 3.4.2 不同传感器的定位融合实现 |
| 3.5 本章小结 |
| 第4章 多传感器数据融合滤波方法研究 |
| 4.1 卡尔曼滤波 |
| 4.2 扩展卡尔曼滤波 |
| 4.2.1 非线性系统模型 |
| 4.2.2 扩展卡尔曼滤波 |
| 4.3 无损卡尔曼滤波及其算法研究 |
| 4.3.1 无损卡尔曼滤波算法原理 |
| 4.3.2 无损卡尔曼滤波算法流程 |
| 4.4 实验研究 |
| 4.4.1 实验数据来源及实验方案 |
| 4.4.2 实验设备介绍 |
| 4.4.3 实验分析 |
| 4.5 本章小结 |
| 第5章 基于GNSS/INS融合滤波算法的北斗智能小车定位应用 |
| 5.1 硬软件平台组成介绍 |
| 5.1.1 智能小车传感器设置 |
| 5.1.2 软件平台设计方案 |
| 5.2 实车实验 |
| 5.2.1 数据采集 |
| 5.2.2 定位效果 |
| 5.3 GNSS/INS组合滤波方法在智能小车定位中的应用 |
| 5.3.1 实验环境及小车运行轨迹 |
| 5.3.2 研究分析 |
| 5.4 本章小结 |
| 结论与展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间取得的学术成果 |
（5）基于二维PSD液体浓度在线检测系统及关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.1.1 课题来源及研究背景 |
| 1.1.2 课题研究意义 |
| 1.2 液体浓度检测发展与研究现状 |
| 1.2.1 液体浓度检测国外发展现状 |
| 1.2.2 液体浓度检测国内发展现状 |
| 1.3 位置敏感器件(PSD)发展与研究现状 |
| 1.3.1 PSD国外发展现状 |
| 1.3.2 PSD国内发展现状 |
| 1.3.3 PSD非线性误差校正发展现状 |
| 1.4 本文主要研究内容 |
| 第二章 液体浓度在线检测系统设计研究 |
| 2.1 液体浓度检测原理 |
| 2.1.1 检测原理 |
| 2.1.2 液体浓度与折射率关系 |
| 2.2 液体浓度在线检测系统研究 |
| 2.2.1 系统组成 |
| 2.2.2 整体系统示意图 |
| 2.2.3 系统技术方案及其性能指标 |
| 2.3 小结 |
| 第三章 液体浓度在线检测系统硬件设计研究 |
| 3.1 光学系统设计 |
| 3.1.1 光学系统光源选择 |
| 3.1.2 滤光片选择 |
| 3.2 双隔离窗水槽设计 |
| 3.2.1 双隔离窗水槽结构设计 |
| 3.2.2 双隔离窗水槽基本原理 |
| 3.3 位置敏感传感器PSD线性优化研究 |
| 3.3.1 一维PSD结构原理 |
| 3.3.2 二维PSD结构原理 |
| 3.3.3 二维PSD性能及误差 |
| 3.3.4 二维PSD优化方法 |
| 3.3.5 基于神经网络二维PSD优化方法研究 |
| 3.4 传感器外接电路 |
| 3.4.1 放大电路 |
| 3.4.2 陷波电路 |
| 3.4.3 电路干扰与消除 |
| 3.5 单片机与A/D电路 |
| 3.5.1 单片机系统 |
| 3.5.2 A/D模块与单片机 |
| 3.5.3 显示模块 |
| 3.6 本章小结 |
| 第四章 液体浓度在线检测系统软件设计 |
| 4.1 软件系统总体设计 |
| 4.1.1 软件系统概述 |
| 4.1.2 软件系统设计流程 |
| 4.2 数模转换模块与显示模块 |
| 4.2.1 传感器检测及数据发送模块 |
| 4.2.2 A/D模块程序及显示模块程序设计 |
| 4.2.3 8051单片机程序设计 |
| 4.3 数据处理模块 |
| 4.3.1 数据处理流程 |
| 4.3.2 数据编码处理 |
| 第五章 仿真与实验 |
| 5.1 建模与仿真 |
| 5.1.1 二维PSD线性优化仿真 |
| 5.1.2 整体电路建模仿真 |
| 5.2 实验与误差分析 |
| 5.2.1实测实验 |
| 5.2.2 误差分析 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 在读期间公开发表的论文 |
| 致谢 |
（6）面向下假肢的磁流变阻尼器及其控制仿真研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题的研究背景与意义 |
| 1.2 下假肢国内外研究现状 |
| 1.2.1 下假肢国外研究现状 |
| 1.2.2 下假肢国内研究现状 |
| 1.3 磁流变阻尼器的研究现状 |
| 1.3.1 磁流变阻尼器介绍 |
| 1.3.2 磁流变阻尼器的发展和应用 |
| 1.4 磁流变下假肢的现状分析 |
| 1.5 本文主要研究内容 |
| 第2章 健康人行走实验及下假肢运动学与动力学分析 |
| 2.1 引言 |
| 2.2 人体步态描述 |
| 2.3 健康人行走实验及下肢各关节运动规律分析 |
| 2.4 下假肢运动学建模 |
| 2.5 下假肢动力学分析 |
| 2.5.1 下假肢动力学建模 |
| 2.5.2 下假肢的ADAMS动力学分析 |
| 2.6 本章小结 |
| 第3章 磁流变阻尼器的设计 |
| 3.1 引言 |
| 3.2 磁流变阻尼器的本构模型选择和力学模型确定 |
| 3.3 磁流变阻尼器的设计 |
| 3.4 MRD的磁场有限元分析 |
| 3.5 本章小结 |
| 第4章 磁流变阻尼器的时滞分析及其模型的建立 |
| 4.1 引言 |
| 4.2 MRD的稳态磁场分析和瞬态磁场分析 |
| 4.2.1 MRD的稳态磁场分析 |
| 4.2.2 MRD的瞬态磁场分析 |
| 4.3 超前校正电路纠正法 |
| 4.3.1 MRD响应时间 |
| 4.3.2 超调校正电路的设计 |
| 4.4 MRD系统模型的建立 |
| 4.4.1 解析法建立MRD的系统模型 |
| 4.4.2 BP神经网络法建立磁流变阻尼器系统模型 |
| 4.5 本章小结 |
| 第5章 下假肢虚拟样机联合仿真分析 |
| 5.1 引言 |
| 5.2 下假肢仿真平台的搭建 |
| 5.3 下假肢的联合仿真 |
| 5.3.1 基于公式法MRD模型的下假肢PID控制方案仿真 |
| 5.3.2 基于BP神经网络法MRD模型的下假肢模型仿真 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（7）基于压电陶瓷智能垫片的海洋结构螺栓松动监测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 结构健康监测概述 |
| 1.2.1 结构健康检测系统的组成 |
| 1.3 国内外研究现状 |
| 1.3.1 结构健康监测技术的应用现状 |
| 1.3.2 螺栓松动监测的研究现状 |
| 1.3.3 环境因素干扰去除方法研究现状 |
| 1.4 本文研究主要内容 |
| 2 压电材料及螺栓监测基本原理 |
| 2.1 引言 |
| 2.2 压电材料特性 |
| 2.2.1 压电材料分类及特点 |
| 2.2.2 压电材料物理性能 |
| 2.2.3 压电材料主要性能参数 |
| 2.2.4 压电方程及压电常数 |
| 2.3 小波分析、粗糙接触理论及损伤指标 |
| 2.3.1 小波分析的发展 |
| 2.3.2 小波分析 |
| 2.3.3 粗糙接触面和经典赫兹接触理论 |
| 2.3.4 损伤指标 |
| 2.4 本章小结 |
| 3 新智能垫片传感器设计及性能试验 |
| 3.1 引言 |
| 3.2 现有传感器性能研究 |
| 3.2.1 PZT贴片式传感器 |
| 3.2.2 PZT植入式传感器 |
| 3.3 新智能传感器设计 |
| 3.3.1 新智能垫片传感器设计原理 |
| 3.3.2 新智能垫片传感器设计原图 |
| 3.4 压电陶瓷的压力特性 |
| 3.4.1 压电常数和压力的关系 |
| 3.5 压电陶瓷压压力特性实验设计及研究 |
| 3.5.1 实验目的 |
| 3.5.2 实验方案设计 |
| 3.5.3 实验步骤 |
| 3.5.4 实验数据处理及结果分析 |
| 3.6 传感器性能验证试验 |
| 3.6.1 实验目的 |
| 3.6.2 实验方案设计 |
| 3.6.3 实验步骤 |
| 3.6.4 实验数据处理及结果分析 |
| 3.7 本章小结 |
| 4 海洋平台结构螺栓松动监测去噪仿真模拟 |
| 4.1 引言 |
| 4.2 环境因素干扰去除方法选取及其优化 |
| 4.2.1 神经网络 |
| 4.2.2 小波去噪 |
| 4.2.3 方法优化 |
| 4.3 海洋平台螺栓松动监测仿真研究 |
| 4.3.1 仿真实验目的 |
| 4.3.2 实验过程及结果分析 |
| 4.4 本章小结 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（8）基于UWB与惯性技术的室内定位方法研究与实现（论文提纲范文）
| 摘要 |
| abstract |
| 缩略词 |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外发展现状 |
| 1.2.1 室内定位技术发展现状 |
| 1.2.2 典型室内定位方案分析 |
| 1.3 研究内容与章节安排 |
| 第二章 基于UWB的无线定位技术研究 |
| 2.1 UWB概述 |
| 2.2 基于UWB的测距技术研究 |
| 2.2.1 UWB常用测距方法分析 |
| 2.2.2 基于TOA测距技术的误差分析 |
| 2.2.3 基于新息判别的抗NLOS误差滤波算法 |
| 2.3 UWB位置估计算法分析 |
| 2.3.1 位置估计算法分析 |
| 2.3.2定点位置估计实验 |
| 2.4 UWB动态定位性能分析 |
| 2.5 本章小结 |
| 第三章 基于惯性技术的室内定位技术研究 |
| 3.1 概述 |
| 3.2 步伐检测算法研究 |
| 3.2.1 常用定位坐标系 |
| 3.2.2 步伐数据分析 |
| 3.2.3 数据预处理 |
| 3.2.4 步伐识别算法设计 |
| 3.3 步长估计模型研究 |
| 3.3.1 常用步长估计模型 |
| 3.3.2 本文步长估计模型 |
| 3.3.3 步长估计实验 |
| 3.4 航向自矫正 |
| 3.5 走廊区域定位实验 |
| 3.6 本章小结 |
| 第四章 UWB与惯性技术组合的定位方法研究 |
| 4.1 概述 |
| 4.2 基于PDR辅助的UWB测距定位 |
| 4.2.1 基于PDR区域估计的NLOS误差鉴别 |
| 4.2.2 基于运动状态的滤波器性能优化 |
| 4.2.3 基于PDR的 NLOS中断区域补偿 |
| 4.3 基于UWB矫正PDR的累计误差 |
| 4.4 实验结果及分析 |
| 4.4.1 测距实验 |
| 4.4.2 定位实验 |
| 4.5 本章小结 |
| 第五章 组合定位系统构建 |
| 5.1 系统概述 |
| 5.2 UWB与惯性导航定位硬件平台 |
| 5.2.1 UWB定位系统 |
| 5.2.2 高精度惯性导航模块JY901 及无线通信模块 |
| 5.3 定位软件设计 |
| 5.3.1 软件需求分析 |
| 5.3.2 Qt简介 |
| 5.3.3 定位软件实现 |
| 5.3.4 程序运行结果 |
| 5.4 web服务端软件设计 |
| 5.4.1 云服务器和LAMP架构介绍 |
| 5.4.2 系统搭建 |
| 5.4.3 服务器实现 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（9）中国陆域地表水体信息遥感提取与评价（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 引言 |
| 1.1 研究意义 |
| 1.2 国内外研究进展 |
| 1.2.1 大尺度水体产品国内外现状 |
| 1.2.2 水体提取方法研究进展 |
| 1.2.3 非水体排除方法研究进展 |
| 1.2.4 阈值选取方法研究进展 |
| 1.3 研究内容和技术路线 |
| 1.3.1 研究目标 |
| 1.3.2 主要研究内容 |
| 1.3.3 技术路线 |
| 1.4 论文结构 |
| 第二章 数据的获取与处理 |
| 2.1 研究区域概况 |
| 2.2 数据获取 |
| 2.2.1 主要数据 |
| 2.2.2 辅助数据 |
| 2.3 数据预处理 |
| 2.3.1 Landsat8遥感影像预处理 |
| 2.3.2 GF-1遥感影像预处理 |
| 2.4 数据后处理 |
| 2.4.1 精度评价 |
| 2.4.2 镶嵌处理 |
| 2.4.3 影像制图 |
| 2.5 小结 |
| 第三章 资源卫星地表水体专题提取方法比较研究 |
| 3.1 水体提取方法研究 |
| 3.1.1 水体指数法研究 |
| 3.1.2 最大似然分类法研究 |
| 3.1.3 多层神经网络法研究 |
| 3.2 样区水体提取分析 |
| 3.2.1 样本区域概况 |
| 3.2.2 福建省水体提取结果比较分析 |
| 3.2.3 典型影像水体提取结果比较分析 |
| 3.3 小结 |
| 第四章 基于多层神经网络法的中国陆域水体提取分析 |
| 4.1 中国陆域水体信息提取 |
| 4.1.1 样本选取 |
| 4.1.2 水体信息提取 |
| 4.1.3 分类后处理 |
| 4.2 基于格网的精度验证 |
| 4.2.1 验证点选择 |
| 4.2.2 验证精度评估 |
| 4.3 水体专题成图 |
| 4.4 中国陆域水体专题空间分布特征分析 |
| 4.4.1 降水量分区分布特征 |
| 4.4.2 流域分区分布特征 |
| 4.4.3 省级分区分布特征 |
| 4.4.4 经纬度分区分布特征 |
| 4.5 小结 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间的研究成果及发表的学术论文 |
（10）基于IEEE1451.5标准网络传感器的研发（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 国内外研究现状及发展 |
| 1.3 课题的主要研究内容 |
| 1.4 本章小结 |
| 2 IEEE1451标准和Zigbee协议主要的内容 |
| 2.1 IEEE1451标准体系 |
| 2.2 基于IEEE1451.5的ZigBee协议主要内容 |
| 2.3 ZigBee协议和IEEE802.15.4构架 |
| 2.4 本章小结 |
| 3 无线智能网络传感器硬件设计 |
| 3.1 无线网络传感器硬件总体设计 |
| 3.2 无线智能变送器WTIM硬件电路设计 |
| 3.3 无线智能变送器NCAP硬件电路设计 |
| 3.4 本章小结 |
| 4 无线网络传感器软件模块设计 |
| 4.1 软件系统整体模块介绍 |
| 4.2 电子数据表格TEDS |
| 4.3 无线传感器即插即用 |
| 4.4 即插即用性能提高方法 |
| 4.5 网络拓扑的选择 |
| 4.6 ZigBee网络技术的实现 |
| 4.7 本章小结 |
| 5 传感器校正与校正引擎的搭建 |
| 5.1 IEEE1451智能传感器校正引擎概述 |
| 5.2 校正方法的研究 |
| 5.3 实验数据标定和校正多项式的求解 |
| 5.4 本章小结 |
| 6 系统整体测试与WEB实现 |
| 6.1 基于LABVIEW上位机的选择 |
| 6.2 基于LABVIEW上位机设计 |
| 6.3 基于LABVIEW的WEB发布实现 |
| 6.4 本章小结 |
| 7 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间主要成果 |
四、智能传感器系统非线性校正的神经网络法（论文参考文献）
- [1]离轴望远镜失调误差检测技术研究[D]. 刘柱. 中国科学院大学(中国科学院光电技术研究所), 2021(08)
- [2]基于蓝牙5.0 Beacon的室内定位技术研究[D]. 丁子璇. 东南大学, 2020(01)
- [3]油水两相电容层析成像流型辨识方法研究[D]. 马跃. 东北石油大学, 2020(03)
- [4]GNSS/INS融合定位滤波方法研究及应用[D]. 杨立财. 成都理工大学, 2020(04)
- [5]基于二维PSD液体浓度在线检测系统及关键技术研究[D]. 韩小雨. 山东理工大学, 2019(03)
- [6]面向下假肢的磁流变阻尼器及其控制仿真研究[D]. 申天宇. 哈尔滨工业大学, 2019(02)
- [7]基于压电陶瓷智能垫片的海洋结构螺栓松动监测研究[D]. 陈佳雷. 大连理工大学, 2019(02)
- [8]基于UWB与惯性技术的室内定位方法研究与实现[D]. 杨秀梓. 南京航空航天大学, 2019(02)
- [9]中国陆域地表水体信息遥感提取与评价[D]. 倪愿. 福州大学, 2018(03)
- [10]基于IEEE1451.5标准网络传感器的研发[D]. 杨吉语. 山东科技大学, 2018(03)