研究生系列教材；智能传感器系统（第2版）

　　第1章 概述 1
　　1.1 传感器技术发展的重要性 1
　　1.2 智能传感器发展的历史背景 2
　　1.3 智能传感器的功能与特点 5
　　1.3.1 智能传感器的功能 5
　　1.3.2 智能传感器的特点 5
　　1.4 智能传感器概念与传感器系统 6
　　1.5 智能传感器实现的途径 7
　　1.5.1 非集成化实现 7
　　1.5.2 集成化实现 8
　　1.5.3 混合实现 10
　　1.5.4 智能传感器的几种形式 11
　　1.5.5 改善传感器系统性能的多传感器智能化技术 11
　　1.6 现场总线智能变送器/传感器经典实例简介 12
　　1.6.1 现场总线控制系统（FCS）中的传感器与仪表 12
　　1.6.2 经典实例简介 14
　　参考文献 20
　　第2章 智能传感器系统中的经典传感技术基础 22
　　2.1 传感器系统的基本特性与技术指标 22
　　2.1.1 静态特性与静态技术指标 23
　　2.1.2 动态特性与动态技术指标 27
　　2.2 几种变换器工作原理 33
　　2.2.1 基于压阻效应的电阻变换器 33
　　2.2.2 基于电容效应的电容变换器 35
　　2.2.3 基于固有频率变化效应的谐振式变换器 37
　　2.3 集成化压力传感器与加速度传感器 38
　　2.3.1 压阻式压力传感器 38
　　2.3.2 电容式压力传感器 44
　　2.3.3 谐振式压力传感器 46
　　2.3.4 加速度传感器 49
　　2.4 提高传感器性能的技术途径 56
　　2.4.1 合理选择结构、参数与工艺 56
　　2.4.2 基于差动对称结构的差动技术 57
　　2.4.3 补偿 66
　　2.4.4 多信号测量法 70
　　参考文献 73
　　第3章 智能传感器系统的组建与集成调理电路芯片介绍 74
　　3.1 智能传感器系统的基本组成形式 74
　　3.1.1 传感器 74
　　3.1.2 信号调理 75
　　3.1.3 数据采集与转换 75
　　3.1.4 计算机及其I/O接口设备 75
　　3.2 基于虚拟仪器平台实现数据采集与显示功能 76
　　3.2.1 数据采集卡（DAQ）的基本性能指标 76
　　3.2.2 数据采集卡的安装 77
　　3.2.3 I/O接口设备Lab PCI 6024E数据采集卡简介 77
　　3.2.4 实现数据采集卡软件驱动前的参数设置 78
　　3.2.5 [示例3-1]基于DAQ与PC实现虚拟仪器式的数据采集与显示 78
　　3.3 电阻电桥式传感器的单片集成调理电路——MAX1450芯片 80
　　3.3.1 MAX1450芯片的引脚功能与结构框图 80
　　3.3.2 MAX1450的基本功能与补偿校准功能 82
　　3.4 适配压阻式传感器的单片集成调理电路——MAX1460芯片 86
　　3.4.1 结构框图 86
　　3.4.2 功能与原理简介 86
　　3.5 适配变压器式传感器的单片集成调理电路——AD698芯片简介 88
　　3.5.1 LVDT变压器式传感器简介 89
　　3.5.2 AD698的结构框图与工作原理 89
　　3.5.3 主要参数设置与使用方法 91
　　3.6 适配电容式传感器的集成调理电路——CAV414芯片 94
　　3.6.1 CAV414的结构框图 94
　　3.6.2 工作原理与引脚连接 94
　　3.6.3 [示例3-2]基于CAV414的电容式变送器的构成 96
　　3.7 数据采集系统——单片集成接口芯片ADuC812 96
　　3.7.1 简介 96
　　3.7.2 结构框图与组成模块的功能 97
　　3.7.3 主要参数特点 100
　　3.7.4 应用举例——温度的测量与显示系统 100
　　3.8 温度传感器系统——全系统单片集成芯片MAX6625 102
　　3.8.1 MAX6625结构框图及引脚排列 102
　　3.8.2 主要功能与技术指标 104
　　3.8.3 工作原理 104
　　3.8.4 MAX6625的操作与使用 105
　　3.8.5 MAX6625器件的编程举例 106
　　3.9 XTR101 4～20mA回路变送器芯片 109
　　3.9.1 简介 109
　　3.9.2 结构框图及引脚功能 109
　　3.9.3 主要参数 110
　　3.9.4 应用方法举例 110
　　3.10 适配桥路式传感器的信号调理电路——ZMD31050芯片 111
　　3.10.1 简介 111
　　3.10.2 功能框图与引脚排列 112
　　3.10.3 主要参数 113
　　3.10.4 应用举例 113
　　3.11 双轴加速度传感器系统——全系统单片集成芯片ADXL202 114
　　3.11.1 简介 114
　　3.11.2 结构框图与功能 114
　　3.11.3 主要参数特点 116
　　3.11.4 使用说明及典型应用举例 116
　　参考文献 118
　　第4章 基本智能化功能与其软件实现 120
　　4.1 改善线性度及智能化非线性刻度转换功能 120
　　4.1.1 查表法 121
　　4.1.2 曲线拟合法 123
　　4.1.3 [示例4-1]与铂电阻配用的智能化刻度转换模块的设计（曲线拟合法） 124
　　4.2 改善静态性能提高系统精度及智能化自校零、自校准功能 126
　　4.2.1 两基准法 127
　　4.2.2 多基准法 128
　　4.3 改善稳定性抑制交叉敏感及智能化多传感器数据融合功能 130
　　4.3.1 单传感器系统 130
　　4.3.2 交叉敏感与传感器系统的稳定性 131
　　4.3.3 多传感器技术改善传感器系统性能的基本方法 132
　　4.4 改善动态性能扩展频带及智能化频率自补偿功能 134
　　4.4.1 数字滤波器的数学基础——Z变换简介 135
　　4.4.2 扩展频带的数字滤波法 142
　　4.4.3 扩展频带的频域校正法 145
　　4.4.4 [示例4-2]采用数字滤波法将测温传感器（一阶系统）频带扩展A≥10倍 146
　　4.5 提高信噪比与分辨力及智能化信号提取与消噪功能 147
　　4.5.1 数字滤波技术 147
　　4.5.2 相关 159
　　4.5.3 频域谱分析法 167
　　4.5.4 [示例4-3]交流电桥调幅波解调器中滤波器参数的确定 168
　　4.5.5 [示例4-4]设计一个巴特沃斯低通数字滤波器 170
　　4.5.6 [示例4-5]设计一个巴特沃斯高通数字滤波器Hg(z) 172
　　4.5.7 [示例4-6][WB]二阶带通数字滤波器在LabVIEW平台上的实现、检验及向MPU移植与复现 173
　　4.6 增强自我管理与自适应能力及智能化控制功能 178
　　4.6.1 模拟PID控制器的传递函数 178
　　4.6.2 数字PID控制器脉冲传递函数 179
　　参考文献 181
　　第5章 多元回归分析法及其在智能传感器系统中的应用 182
　　5.1 多元回归分析法与定常系数多元回归方程 182
　　5.1.1 二传感器数据融合——二元回归分析法 182
　　5.1.2 三传感器数据融合——三元回归分析法 185
　　5.2 回归分析法与可变系数回归方程 187
　　5.2.1 工作原理 187
　　5.2.2 回归方程可变系数A0(T)～ A5(T)的确定 187
　　5.3 应用举例 190
　　5.4 示例 191
　　5.4.1 [示例5-1]基于回归分析模型法降低一个干扰量影响的智能化软件模块设计 191
　　5.4.2 [示例5-2]基于回归分析法模型降低两个干扰量影响的智能化软件模块设计 195
　　参考文献 200
　　第6章 神经网络技术与其在智能传感器系统中的应用 201
　　6.1 概述 201
　　6.2 神经网络基础知识 202
　　6.2.1 神经网络结构 202
　　6.2.2 神经元模型 203
　　6.2.3 神经元作用函数 203
　　6.2.4 BP神经网络 206
　　6.2.5 径向基（RBF）神经网络 209
　　6.3 示例 211
　　6.3.1 [示例6-1]基于神经网络模型法温度自补偿智能化模块的设计 211
　　6.3.2 [示例6-2]基于RBF神经网络法抗两个干扰量影响的智能化软件模块的设计 219
　　参考文献 224
　　第7章 支持向量机技术在智能传感器系统中的应用 225
　　7.1 统计学习理论与支持向量机的基础知识 225
　　7.1.1 统计学习理论 225
　　7.1.2 支持向量机 230
　　7.2 支持向量机的训练、检验与测量 240
　　7.2.1 训练样本及检验样本的制备 240
　　7.2.2 支持向量机的训练 240
　　7.2.3 支持向量机的检验 241
　　7.2.4 测量 241
　　7.2.5 移植 241
　　7.3 基于SVM方法的三传感器数据融合原理 241
　　7.3.1 三传感器数据融合的智能传感器系统的组成 241
　　7.3.2 [示例7-1]降低两个干扰量影响的SVM智能化软件模块的设计 243
　　7.3.3 [示例7-2]使用SVC（支持向量分类）对两组分混合气体进行定性识别 249
　　参考文献 255
　　第8章 粒子群优化算法与其在智能传感器系统中的应用 257
　　8.1 粒子群优化算法发展与应用概况 257
　　8.1.1 群智能 257
　　8.1.2 群智能的主要算法 258
　　8.1.3 群智能算法的特点 258
　　8.2 粒子群优化算法的基础知识 258
　　8.2.1 基本粒子群优化算法 259
　　8.2.2 标准粒子群优化算法 260
　　……
　　第9章 主成分分析及其在智能传感器系统中的应用 278
　　第10章 小波分析及其在智能传感器系统中的应用 291
　　第11章 线性相位滤波器与自适应滤波器 315
　　第12章 模糊智能传感器系统 342
　　第13章 无线传感器网络 372
　　参考文献 395

　　《智能传感器系统（第2版）》在第一版的基础上对智能传感器系统及相应智能化技术进行了与时俱进的全面阐述，重点突出三个方面：一是概述智能传感器系统硬件的两种实现形式，即传感器（经典的或现代的）经不同集成度调理电路芯片与CPU相结合的虚拟仪器形式以及与MPU相结合的微计算机/微处理器形式；二是全面概述了基本智能化功能软件模块的实现技术，并依次介绍了多种经典和新兴的信息处理技术作为智能化技术工具的原理与方法，同时又注意介绍其软件模块在两种形式智能传感器系统中的实现；三是介绍新型的模糊与无线网络智能传感器系统。
　　《智能传感器系统（第2版）》内容丰富、新颖，反映了该领域前沿的最新技术，既具先进性又具实用性；文字简洁、深入浅出，避免了深奥的理论阐述与生涩的数学推导，但不失说理性，便于自学。《智能传感器系统（第2版）》可作为高等院校研究生教材，也可作为进行科学研究、工程实验的科研工作者及工程技术人员的参考书。