監(jiān)測(cè)系統(tǒng)中智能信息處理技術(shù)

前言
第1章  監(jiān)測(cè)系統(tǒng)概述
　1.1  監(jiān)測(cè)系統(tǒng)的定義與結(jié)構(gòu)
　1.2  傳感器與數(shù)據(jù)采集技術(shù)
　1.2.1  傳感器技術(shù)
　1.2.2  數(shù)據(jù)采集技術(shù)
　1.3  信號(hào)處理與特征生成
　1.3.1  信號(hào)處理
　1.3.2  特征生成
　1.4  模式分類(lèi)與預(yù)測(cè)
　1.5  智能信息處理與決策軟件
　1.6  應(yīng)用案例簡(jiǎn)介
　參考文獻(xiàn)
第2章  傳感器技術(shù)
　2.1  傳感器工作原理及分類(lèi)
　2.2  監(jiān)測(cè)系統(tǒng)中傳感器的選擇要點(diǎn)
　2.2.1  傳感器特性分析
　2.2.2  傳感器布置
　2.3  智能傳感器概述
　2.3.1  智能傳感器的結(jié)構(gòu)
　2.3.2  智能傳感器的功能
　2.3.3  智能傳感器的特點(diǎn)
　2.4  無(wú)線傳感器網(wǎng)絡(luò)
　2.4.1  基本原理
　2.4.2  無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)介紹
　2.4.3  無(wú)線傳感器網(wǎng)絡(luò)部署問(wèn)題
　2.5  應(yīng)用實(shí)例
　2.5.1  橋梁結(jié)構(gòu)健康監(jiān)測(cè)系統(tǒng)中的傳感器技術(shù)
　2.5.2  溫室環(huán)境監(jiān)測(cè)系統(tǒng)中的傳感器技術(shù)
　參考文獻(xiàn)
第3章  數(shù)據(jù)采集與獲取
　3.1  數(shù)據(jù)采集子系統(tǒng)的設(shè)計(jì)原則
　3.2  現(xiàn)場(chǎng)總線技術(shù)
　3.2.1  現(xiàn)場(chǎng)總線的產(chǎn)生與發(fā)展
　3.2.2  現(xiàn)場(chǎng)總線的定義
　3.2.3  幾種常見(jiàn)的現(xiàn)場(chǎng)總線
　3.2.4  現(xiàn)場(chǎng)總線在工業(yè)現(xiàn)場(chǎng)中的應(yīng)用
　3.3  嵌入式系統(tǒng)
　3.3.1  嵌入式系統(tǒng)的特點(diǎn)
　3.3.2   嵌入式系統(tǒng)的分類(lèi)
　3.3.3  嵌入式系統(tǒng)的選擇
　3.3.4  幾種常見(jiàn)的嵌入式操作系統(tǒng)
　3.3.5  嵌入式操作系統(tǒng)的應(yīng)用
　3.4  虛擬儀器
　3.4.1  虛擬儀器的發(fā)展
　3.4.2  虛擬儀器的硬件系統(tǒng)
　3.4.3  虛擬儀器的軟件系統(tǒng)
　3.4.4  LabVIEW簡(jiǎn)介
　3.5  應(yīng)用實(shí)例
　3.5.1  可再生能源監(jiān)測(cè)子系統(tǒng)采集節(jié)點(diǎn)設(shè)計(jì)
　3.5.2  輸油管道監(jiān)測(cè)采集節(jié)點(diǎn)設(shè)計(jì)
　參考文獻(xiàn)
第4章  時(shí)序信號(hào)處理與特征提取
　4.1  監(jiān)測(cè)系統(tǒng)中的信號(hào)特點(diǎn)分析
　4.1.1  數(shù)據(jù)的采集
　4.1.2  隨機(jī)信號(hào)的檢驗(yàn)
　4.2  信號(hào)的預(yù)處理
　4.2.1  數(shù)據(jù)剔點(diǎn)處理
　4.2.2  數(shù)據(jù)濾波處理
　4.3  信號(hào)特征提取
　4.3.1  監(jiān)測(cè)系統(tǒng)中常用的特征提取方法概述
　4.3.2  時(shí)頻信號(hào)分析的基本理論
　4.3.3  小波變換
　4.3.4  二次型時(shí)頻分布
　4.3.5  HHT-Huang變換
　4.4  多傳感器信息融合
　4.4.1  多傳感器信息融合的分類(lèi)
　4.4.2  多傳感器信息融合的系統(tǒng)結(jié)構(gòu)
　4.4.3  多傳感器信息融合的一般方法
　4.5  應(yīng)用實(shí)例
　4.5.1  橋梁結(jié)構(gòu)健康監(jiān)測(cè)系統(tǒng)中的振動(dòng)信號(hào)的處理
　4.5.2  輸油系統(tǒng)奇異點(diǎn)的獲取
　參考文獻(xiàn)
第5章  模式分類(lèi)與預(yù)測(cè)
　5.1  監(jiān)測(cè)系統(tǒng)中的分類(lèi)與預(yù)測(cè)
　5.1.1  監(jiān)測(cè)系統(tǒng)中的分類(lèi)
　5.1.2  監(jiān)測(cè)系統(tǒng)中的預(yù)測(cè)
　5.2  模式識(shí)別的基本原理
　5.2.1  模式識(shí)別的基本概念
　5.2.2  模式識(shí)別的系統(tǒng)組成
　5.2.3  模式識(shí)別方法
　5.2.4  監(jiān)測(cè)系統(tǒng)中模式識(shí)別的基本步驟
　5.3  有監(jiān)督的分類(lèi)與預(yù)測(cè)方法
　5.3.1  模糊集理論
　5.3.2  BP神經(jīng)網(wǎng)絡(luò)
　5.3.3  支持向量機(jī)
　5.4  無(wú)監(jiān)督的分類(lèi)與預(yù)測(cè)方法
　5.4.1  最大似然估計(jì)
　5.4.2  SOM網(wǎng)
　5.4.3  K近鄰法
　5.4.4  K均值法
　5.5  半監(jiān)督的分類(lèi)與預(yù)測(cè)方法
　5.6  橋梁結(jié)構(gòu)健康系統(tǒng)中的分類(lèi)與預(yù)測(cè)
　參考文獻(xiàn)
第6章  智能信息處理與決策軟件
　6.1  復(fù)雜軟件構(gòu)建方法
　6.1.1  面向?qū)ο蟮能浖椒?br /> 　6.1.2  面向服務(wù)的軟件方法
　6.1.3  面向Agent的軟件方法
　6.1.4  面向軟件人的軟件方法
　6.2  實(shí)時(shí)數(shù)據(jù)處理
　6.2.1  實(shí)時(shí)數(shù)據(jù)的定義
　6.2.2  實(shí)時(shí)數(shù)據(jù)的采集
　6.2.3  實(shí)時(shí)數(shù)據(jù)的融合
　6.2.4  實(shí)時(shí)數(shù)據(jù)的存儲(chǔ)
　6.3  異構(gòu)數(shù)據(jù)表達(dá)與管理
　6.3.1  異構(gòu)數(shù)據(jù)的特點(diǎn)
　6.3.2  異構(gòu)數(shù)據(jù)的轉(zhuǎn)換
　6.3.3  異構(gòu)數(shù)據(jù)的集成
　6.4  預(yù)測(cè)與決策
　6.4.1  預(yù)測(cè)問(wèn)題的描述
　6.4.2  常用預(yù)測(cè)方法
　6.4.3  決策分析要素與方法
　6.4.4  多目標(biāo)決策分析
　6.4.5  模糊決策
　參考文獻(xiàn)