一、多传感器数据的逻辑分析（论文文献综述）
杨钰琳[1]（2021）在《基于次声波的特定事件探测系统的设计与实现》文中研究指明很多自然事件和人工事件发生时都能产生次声波,例如雷电、台风、化学爆炸等。次声波作为全球禁核组织开展核查的重要效应之一,具有传播远、不易衰减的特点。因此研究次声波的信号特征和基于它的事件识别具有重要意义。本文对特定事件的异常次声波信号进行研究,综合傅立叶变换、小波变换、希尔伯特黄变换三种信号处理技术与信息熵理论,分别提取了次声波信号的时域特征、频域特征和时频域特征。同时,使用机器学习模型中的支持向量机SVM进行对比实验,验证不同特征提取算法在次声波分类识别中的有效程度。在分类识别方面,还探究了循环神经网络模型在本研究中的可行性,采用RNN的变体LSTM、GRU模型对信号数据进行分类。实验结果表明,在基于特征提取的SVM算法中,信号经希尔伯特黄变换后计算的特征分类效果最好;在基于神经网络的分类实验中,LSTM的分类结果优于GRU。为了充分利用数据,本文探究了数据融合技术在本课题中的应用,对比了不同级别数据融合的特点,并基于数据级融合提出具体实现方案,采用自适应加权平均算法求得来自多传感器次声波数据的融合曲线。除此,本文基于时延估计定位算法,进行了多传感器三角阵仿真定向实验。本文结合研究结果,根据需求分析,按功能将基于次声波的特定事件探测系统划分为系统管理、事件分析、数据融合、事件展示四个模块。针对上述模块,分别进行了业务逻辑分析、接口设计、数据库设计,并对各功能点进行编码开发。实现了对用户上传的次声波信号文件的备份存储、分析与分析结果管理,同时还考虑到系统使用中的安全性,融入了权限管理。
郑书林[2]（2021）在《屏蔽泵多传感器信号检测误差补偿及控制系统设计》文中研究说明屏蔽泵作为一种完全无密封泵,可以用来输送易燃、易腐、易爆、易挥发、剧毒性等特殊载体,在工业生产和生活领域应用极为广泛。传统的屏蔽泵故障检测主要依据TRG表,根据表的指针指向的区域来判断泵内是否存在故障,该方法较为机械且难以确定具体故障原因。为了更好的满足屏蔽泵的智能化发展,本文研究了屏蔽泵的信息传输和智能控制,设计了一种基于FPGA的屏蔽泵多传感器智能检测控制系统,并利用神经网络非线性拟合的能力,对误差进行补偿,提高了系统的鲁棒性。主要研究内容如下:（1）对传感器种类和主要器件进行选型,分析屏蔽泵的故障检测需求,在传统屏蔽泵上增加了多传感器信号采集模块。搭建了屏蔽泵多传感器采集信号的硬件平台,根据功能需求,围绕FPGA主控芯片设计模块电路,通过板级调试验证了模块功能。（2）编写FPGA信号采样和串口通信等逻辑算法,以Pt100铂电阻温度传感器为例,介绍其采集和通信过程,最终实现多传感器信号的传输与通信,在基于Qt5.0上位机界面中,可以简单直观的实时读取多传感器各参数信息。（3）对多传感器采集信号进行误差补偿。主要方式是对多传感器的标定和输出信号的非线性修正。使用随机梯度下降作为优化算法的全连接神经网络对数据进行误差补偿,最终使各传感器信号检测精度大幅提高。通过本课题的系统设计,采集多传感器数据精度和效率较高,能实时对泵内数据有效检测,确保设备运行稳定,对屏蔽泵的智能发展有重要意义。
王佳荣[3]（2020）在《面向自动驾驶的多传感器三维环境感知系统关键技术研究》文中研究说明环境感知作为自动驾驶的关键环节,是行车安全性和智能性的保障。先进的三维环境感知系统能够及时地探测到车辆、行人、障碍物、道路等影响行驶安全性的外部事物,并准确地获取其三维位置、尺寸、行驶方向、几何形状、类别等信息,为后续的决策与控制环节提供依据。单一的检测手段或传感器很难对复杂场景进行鲁棒地感知,而利用多传感器优势互补,则能获取更加全面、兼容的行驶环境信息,从而满足自动驾驶系统对可靠性、精准度的需求。近年来,深度学习在信息处理方面取得了突破性进展,基于神经网络的识别、分割、检测算法性能突出,为多传感器三维环境感知系统的研究提供了新的方法和思路。基于此,论文采用三维激光雷达和可见光单目相机,结合深度神经网络,围绕多传感器标定、3D点云与RGB图像融合、三维目标检测、三维语义分割等关键技术,开展了理论分析、方法研究、技术实现、实测验证等工作,主要研究内容如下:（1）三维环境感知系统多传感器标定方法研究针对以三维激光雷达和单目RGB相机作为传感装置的行车环境感知系统,分析异构传感器独立标定、联合标定的原理及模型;设计系列标定方案,搭建实验系统;借助Matlab、Robot Operating System、Autoware等工具,解算出激光雷达与相机的内部、外部参数矩阵,统一坐标系并构建映射模型;完成3D点云与RGB图像的空间对齐、配准,并分析标定、配准对后续算法的指导作用。（2）基于多阶段互补融合的多传感器三维目标检测方法研究针对多模态数据融合粗糙、三维目标检测鲁棒性差的问题,提出了一种基于多阶段互补融合的三维目标检测算法。以激光雷达点云和相机RGB图像为输入,采用两阶段检测框架:（预处理）、初级预测、精细回归,顺序执行数据解析、特征提取、候选框推荐和三维边界框细化任务。创新性地采用多阶段融合策略（预融合、锚框融合、候选框融合）以最大限度地利用多模态数据的优势。其中,提出了RGB-Intensity表示形式,将反射强度编码到图像上,丰富光谱信息,增强输入表征。设计了元素注意力模块,以自适应地决定不同模态特征对网络的“贡献”,突出关键信息,抑制无用干扰。提出了跳跃融合法,支持中间特征层交互的同时引入侧连接,使融合结果兼具完整性和强语义。在权威评测数据集上的实验表明,该算法优于大部分同类型算法,可准确、近乎实时地预测目标的类别、三维位置、三维尺寸、运动方向等信息。（3）级联增强型三维小目标检测方法研究针对复杂城市场景下行人、骑自行车者等小目标检测精度低的难点,提出了一种级联增强型三维小目标检测算法。创新性地应用级联迭代策略,将经典的两阶段检测框架扩展至三阶段:区域建议子网、弱检测子网、强检测子网。利用前一级子网的输出训练下一级更高质量的检测子网,配合递增的训练交并比阈值,以改善过拟合和质量不适配问题,逐级渐进地“锁定”小目标、优化边界框。同时,借鉴图像分割方法,在特征提取网络中引入空洞卷积和多孔空间金字塔池化,以生成能够充分表征小目标的高分辨率、强语义特征图。该算法在KITTI基准上取得了先进的结果,在面对特征较少、外形缺失的目标时表现尤佳。（4）基于点云密度增强和多重注意力引导的三维目标分割和检测方法研究针对点云稀疏、非均匀,特征提取难,且无法表达相似形状物体差异和小、远目标轮廓等问题,提出了一种基于点云密度增强和多重注意力引导的分割、检测算法。其以点云为主要输入,可选择性地添加图像作为补充,由前景分割和候选框生成（Part-1）、点云密度增强（Part-2）、语义分割和边界框细化（Part-3）三部分组成。多任务共享大部分参数,互相监督和辅助。其中,创新性地设计了轻量型逐点注意力模块和通道注意力模块,以自适应地强化“骨架”和“可辨别性”信息,帮助特征提取网络生成更具代表性、针对性的表征。提出了一种新颖的点云密度增强组件,采用距离优先策略,结合K-means聚类算法,基于单目图像生成包含目标信息的伪点云,隐式地利用图像的颜色和纹理信息来平衡点云密度分布、丰富稀疏目标特征。在公开数据集上的大量实验表明,该算法先进、有效,近乎实时,具有出色的远距离、小目标检测性能和良好的可扩展性。
杨佳现[4]（2020）在《基于智能手机多传感器融合技术的人体活动识别研究》文中提出人体活动识别（Human Activity Recognition,HAR）是普适计算中重要的研究领域,广泛应用于人机交互、医疗诊断和异常行为识别等领域。基于环境感知的HAR,其传感器（如摄像机、红外传感器）部署环境受限,仅适用于特定场景。基于视觉感知的HAR技术监控范围受限,并且容易暴露用户隐私,导致该技术很难应用推广。基于可穿戴感知的HAR技术可运行在室内和室外环境,但在身体上部署多个传感器存在成本高以及会给穿戴者带来不适等问题。近年来智能手机日益融入人们的日常生活,成为人们生活的必备品。随着机械电子技术发展,各类高精度传感器日益小型化,使得智能手机在计算能力、存储空间快速增强的同时,集成了越来越多的传感器,例如3轴加速度计、陀螺仪、磁力计、温度计和气压计等。对此,本文利用智能手机强大的运算功能和感知能力,研究基于智能手机多传感器数据融合的HAR技术。主要工作和成果如下:（1）采用笛卡尔坐标系建立了基于3轴加速度、角速度和磁力计的人体活动模型,并提出了人体活动识别框架。该框架通过数据过滤、归一化和滑动窗口实现多模态人体活动感知数据的预处理和特征提取。（2）针对智能手机采集的人体活动多模态数据,首先从时域、频域进行特征提取,并通过主成分分析方法进行特征选择;其次,通过设计Stacking集成算法对采集的多模态数据进行训练,得到了较优的人体活动识别模型。（3）设计实现了多传感器数据融合的HAR系统,并采用Mobi Act公开人体识别数据集进行实验测试,并与其他算法的实验结果进行了对比分析。实验证明,本文算法能准确识别站立、走路、慢跑、上楼、下楼和骑车等日常活动,系统平均准确率达到99.0%,平均敏感度和平均特异性分别达到99.0%和99.8%。其识别准确率高于Adaboost、随机森林、支持向量机、k-NN等算法。本文利用智能手机的3轴加速度计、陀螺仪、磁力计和气压计,设计实现了人体活动识别系统。该系统具有使用方便、识别准确率高等优点,具有良好的应用前景。
颜旗铭[5]（2020）在《履带式煤矿救援机器人运动控制系统设计》文中研究表明随着机器人技术的发展,机器人已经在各行各业得到了应用,在此次新冠肺炎的疫情中,各类室内消杀机器人为室内环境的消毒杀菌都起到了至关重要的作用,避免了医护人员的感染风险。同样在煤矿环境中,机器人同样有很大的应用前景,我国是一个煤炭大国,对于煤炭资源的需求十分巨大,但我国煤炭开采普遍难度大且事故频发,因此迫切需要一款在灾后辅助救援的机器人,该类机器人通常需要在恶劣的煤矿环境中工作,因此机器人环境构建与路径规划是其核心技术,课题以履带机器人为实验平台,设计其软件及硬件控制系统以达到导航要求。本文以ROS系统为开发框架,主要分为建图与导航两大块对救援机器人进行总体设计,其硬件系统主要分为IMU单元、MCU控制单元、串口驱动、ADC采样以及动力驱动单元;其软件系统主要分为机器人底盘闭环控制、全局与局部路径规划、未知环境建图。通过ROS分布式通讯的方式使得各个功能模块化,实现松耦合的控制方式,便于功能的扩展,主要研究内容如下:（1）主要分析运动学模型、姿态模型、以及地图模型,实现机器人运动闭环控制以及矿井环境的建模。针对SLAM部分,分别理论分析了基于粒子滤波、高斯牛顿法、以及图优化的建图方法,并基于以上算法移植了Gmapping、Hectorslam、cartographer,并针对此三种算法在GAZEBO物理仿真平台上加以验证,结果表明Gmapping算法过于依赖里程计;Hector-slam对硬件要求较高;cartographer在复杂的大环境建图效果最优,适合煤矿环境下的复杂环境。（2）分析了机器人的路径规划算法,该算法分为全局路径规划以及基于DWA局部路径规划算法,针对全局路径规划主要分析了基于Dijkstra与基于A*的两种方法,并在matlab仿真后明确A*算法在运算效率上更具有优势;针对局部路径规划算法采用动态窗格的方法,并经matlab仿真后验证此算法能够解决救援机器人的局部避障问题,最终验证避障算法的整体性能,将机器人模型在开源机器人模拟器Autolabor Simulator进行仿真,实际效果证明该算法能够完成复杂环境下的煤矿救援任务。（3）完成救援机器人的电路搭建与程序编写逻辑分析,并在GAZEBO物理引擎的仿真下测试了其有效性,为了便于机器人性能实验,以便得出关于其运动扭矩特性,设计了一个基于Labview的人机交互界面,可以动态检测机器人运动的扭矩特性,便于机器人的各类实验;另外基于RVIZ的交互界面,是为了便于机器人操作与其运行的状态检测,可以在机器人运行的过程中得到其路径轨迹、姿态变化以及建图模型,并结合最新开源YOLOv4识别井下人员,以便简化操作人员对机器人的控制。综上,本课题样机搭载Cartographer算法适合煤矿环境的地图搭建,采用A*以及DWA的路径规划可以完成机器人路径导航任务。该论文有图66幅,表5个,参考文献99篇。
董竹林[6]（2020）在《无人旋翼飞行器光流/惯性组合导航系统的设计与实现》文中认为在室内或者有遮挡的环境下,GPS信号容易丢失。光流传感器不需与外界通讯,通过摄像头采集到的信息就可以提供导航信息。光流设备多数为内部集成IMU模块,模块体积大、价格高且融合算法闭源。飞控自带IMU模块没有充分利用,造成资源冗余浪费。研究光流/惯性组合导航算法为无人旋翼飞行器提供导航数据显得格外重要。论文设计了基于光流和惯性组合导航算法,并且进行了组合导航系统的软件实现。首先,设计光流/惯性组合导航算法。光流/惯性组合导航算法包含基于光流/惯性传感器的速度解算算法和基于惯性传感器的姿态解算算法。单一传感器无法获知准确且可靠的状态,需要引入多个传感器进行状态测量,互补滤波,获取更为准确的状态信息。其次,进行组合导航系统的软件实现。软件实现主要包括传感器驱动层设计和融合算法应用层设计。为保证传感器数据的实时性,以及实现传感器驱动层和融合算法应用层的线程剥离,引入实时操作系统管理系统软件。论文按照以下顺序展开:首先,进行组合导航系统算法设计,依次提出通过光流和惯导进行速度解算的算法和通过惯导和磁力计数据进行姿态解算的算法。接着,进行组合导航系统软件的实现,内容包括驱动层数据流向设计和驱动线程运行整体流程设计。然后,从软件代码的角度介绍姿态解算算法和速度位移解算算法的实现流程,同时分析应用线程的运行逻辑。最后,针对本文提出姿态、速度解算算法,进行四旋翼参考平台试飞实验,对比实验输出数据和参考数据,验证算法的有效性,预期实验数据和参考数据相吻合。
倪波波[7]（2019）在《多传感器温度采集系统设计与数据处理研究》文中研究表明空间环境模拟设备是为了在地面模拟太空的冷黑、真空、太阳辐射等环境而建造的一种多功能综合试验设备。作为航天产品开展各种热真空与热平衡试验的关键大型实验设备,较宽范围与较高精度的温度测量技术是其优化与发展的重点之一。本文研究了国内外空间环模设备测温技术的发展现状,分析了该领域主流测温仪器的不足。采用嵌入式系统技术,设计了以FPGA芯片和stm32芯片为核心的多传感器温度采集电路系统,实现了多达96个通道的温度及其它物理量的数据采集。为配置该电路系统相关参数并以图形化方式呈现数据,采用C#语言编写了上位机软件,实现了采集系统的校准、参数配置、数据存储、数据呈现等功能。为解决该系统中数量众多、种类不同的温度传感器带来的数据一致性问题,采用BP神经网开展了初步的数据融合算法研究。将系统测得的样本数据作为输入,输出结果表明该算法在一定程度上降低了单一传感器自身的测量误差,修正了不同类型传感器量程交替时的跃变,提高了系统输出数据的可信度。为验证电路系统的真空耐受性、温度耐受性及相关技术指标,将多传感器温度采集系统置于空间环模设备中,开展了各种综合试验。试验结果与测试数据表明,该系统不仅达到了设计目标,同时具有运行稳定、功耗低、接线简单等特点。本文的设计与研究工作对空间环模设备的技术提升具有一定的借鉴价值。
朱勇[8]（2019）在《车辆自适应巡航控制系统的优化研究》文中研究表明伴随着社会经济的快速发展和人们生活水平的提高,汽车保有量持续增长,人们对汽车在安全性和舒适性方面的要求也日益提高。车辆自适应巡航系统作为车辆定速巡航系统的进化版,其依旧是通过调节车辆节气门开度和制动压力来改变车辆巡航时的纵向加速度,并以此来实现车辆在无前车状态下的定速巡航和有前车状态下的随速跟车巡航。车辆自适应巡航系统能在一定程度上减轻驾驶员的驾驶负担,提升车辆巡航过程中的主动安全性和舒适性。相较于车辆定速巡航系统,自适应巡航系统有更强的鲁棒性,更高的主动安全性和舒适性以及对巡航道路更强的适应性。本文针对现有自适应巡航系统技术上所存在的一些不足,在经典PID控制理论的基础上,同时兼顾车辆巡航时的道路环境因素及驾乘人员安全性和舒适性要求,对车辆自适应巡航控制系统进行了研究。本论文重点做了以下工作:（1）车辆巡航时的环境状况感知。针对车辆在巡航状态下会出现的一般行车状况,借助于车载毫米波雷达和摄像机及其图像处理形成的机器视觉技术,实现多传感器探测优势的互补,能够对行车环境实现类似于人类驾驶员的感知效果,为准确判断行车环境及辅助驾驶提供保障。（2）多传感器数据的融合。本系统选择的融合方式分为空间上和时间上两种:空间上数据融合是通过矩阵变换把不同传感器坐标系所获得的数据汇总到同一个世界坐标系中;时间上数据融合则是通过把不同采样频率的传感器有序触发并形成循环的方式来实现的。（3）车辆自适应巡航系统的总体逻辑阐述及其控制器设计。针对本系统的设计目的,对总体方案思路进行分析和逻辑判断;构建不同工况及其对应的安全距离和速度模型;同时完成分层控制结构中上下位控制器的设计及其实现不同控制层之间平滑过渡。（4）系统仿真及其结果分析。首先通过系统不同子模块之间的连接构建系统的总体仿真模型,对不同工况进行仿真验证,主要包括:定速巡航、自适应跟随、防超速和追尾预警。仿真结果表明:本系统在满足驾乘人员安全性和舒适性要求的前提下,能实现各种工况下的巡航控制,能较好的保证整个系统的稳定性,对减轻驾驶员的驾驶负担和提高车辆整体安全性有一定意义。
高歌[9]（2018）在《基于多传感器数据采集系统的存储与传输设计研究》文中研究指明在现如今的社会生活中,信息扮演着越来越重要的角色,因此对信息的获取就显得尤为重要,而数据采集便是信息获取的一种重要手段。所谓的数据采集就是将各种传感器信号转换为电子设备可以接收的电信号再经过A/D转换后送入数据处理系统进行后续处理或送入数据存储系统进行存储。并且随着科学与电子信息技术的不断发展,数据采集系统目前已经发展到了较为成熟的阶段,广泛应用于航空航天、医疗设备以及电子测量等领域,在我们的生活中也发挥着至关重要的作用。可编程逻辑门阵列（FPGA）芯片技术的发展使得数据采集系统的应用更加广泛。FPGA具有硬件资源丰富、集成度高、工作频率高、内部延时小等一系列优点,使得其相较于传统的单片机和DSP在数据采集方面具有无可比拟的优势。本论文设计了一种基于FPGA的多传感器数据采集系统,采用QuartusⅡ13.1为开发平台,硬件设计语言VHDL进行逻辑设计。数据采集系统以FPGA为核心控制部分,通过对AD7671的时序控制实现传感器数据的采集,利用双端口RAM对数据进行缓存,串行422接口作为数据传输的转接口,其中串行422数据分为上行422数据帧和下行422异步指令两部分,然后采用高速大容量存储设备FLASH对数据存储,最终利用NiosⅡ软核处理器对以太网芯片W5300配置后将完整的数据帧通过以太网接口传送到上位机软件进行观测与处理。论文中首先对数据采集系统的总体设计方案进行介绍,然后对系统的硬件和软件部分进行详细设计,硬件部分主要是对数据采集系统的前端调理、A/D转换、RS422接口、电源、时钟以及FPGA配置部分的相关硬件电路进行设计,软件部分主要是对FPGA的核心控制逻辑（包括A/D转换部分、异步同帧频串行数据接收与转发部分、FLASH存储部分以及以太网传输部分等）进行设计,重点对异步同帧频串行数据的接收与转发以及大容量存储设备FLASH控制器的FPGA设计进行介绍,并且利用ModelSim进行时序仿真。通过软硬件部分联合调试,完成传感器信号的调理、采集、缓存、传输以及实时存储,上位机软件的实测结果验证了系统设计的正确性,实现多传感器数据实时采集系统的整体设计工作。最后,对系统设计进行总结,指出设计过程中的不足之处和需要改进的地方。
严伟[10]（2017）在《线控转向系统（SBW）多传感器数据采集与处理》文中研究说明转向系统是汽车的重要车载系统之一,为改善转向系统的性能,国内外的研究者对此做了大量研究。线控转向系统（Steering-By-Wire System,SBW）取消了转向盘和转向执行机构之间的机械连接,采用电子控制系统控制转向电机实现转向操作。线控转向系统执行转向任务时需要读取车载传感器数据来监测车辆运行状态,保证转向系统的稳定运行。监测车辆实时数据必须对车辆状态实时信息进行数据采集,为转向操作提供决策依据。论文首先介绍了线控转向系统中多传感器,主要包括转角传感器、电压电流传感器、温湿度传感器、车速传感器、倾角传感器以及它们的结构和工作原理,并对传感器的型号、特性和数据输入输出方式进行了详细分析;其次,基于STM32为控制ECU搭建线控转向系统的多传感器数据采集系统的总体框架,并对系统各模块的功能进行了论述。通过相对应的传感器对方向盘转角、车速、转向电机电压、转向电机电流、温湿度、车身方位角等信息进行数据采集,使用中值滤波及最小二乘曲线拟合等算法对数据进行处理。最后,针对多传感器数据采集系统设计了虚拟界面,实现数据在串口屏上显示和人机信息交互功能,并且搭建了SBW多传感器数据采集系统实验台架用于系统实验。根据实验台架的现场调试,本课题设计的SBW多传感器数据采集系统能够将线控转向系统相关的物理量以数据传输的方式与主板通信。SBW多传感器数据采集系统安装于自主搭建的实验台架上进行数据采集实验,并对数据采集系统的误差进行了分析,验证了SBW多传感器数据采集系统的有效性,达到了系统设计的预期目标,为系统优化做了前期准备。
二、多传感器数据的逻辑分析（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、多传感器数据的逻辑分析（论文提纲范文）
（1）基于次声波的特定事件探测系统的设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外相关研究 |
| 1.3 本文研究内容 |
| 1.4 本文组织架构 |
| 第二章 次声信号特定事件探测分析相关理论 |
| 2.1 信号处理 |
| 2.1.1 傅立叶变换介绍 |
| 2.1.2 小波变换介绍 |
| 2.1.3 希尔伯特黄变换介绍 |
| 2.2 分类识别 |
| 2.2.1 支持向量机 |
| 2.2.2 循环神经网络 |
| 2.3 Web系统开发 |
| 2.3.1 Java和Spring Boot框架 |
| 2.3.2 Python和Flask框架 |
| 2.3.3 Vue.js框架 |
| 2.4 本章小结 |
| 第三章 次声信号的特征提取与分类算法研究 |
| 3.1 数据格式分析 |
| 3.2 基于次声波信号的特征提取 |
| 3.2.1 时域特征提取 |
| 3.2.2 频域特征提取 |
| 3.2.3 时频域特征提取 |
| 3.3 分类识别算法模型 |
| 3.3.1 基于支持向量机的分类算法模型 |
| 3.3.2 基于循环神经网络变体LSTM、GRU的分类算法模型 |
| 3.4 本章小结 |
| 第四章 数据融合的探究 |
| 4.1 数据融合 |
| 4.1.1 各级别数据融合方案 |
| 4.1.2 基于加权平均算法的数据级融合 |
| 4.2 多传感器时延定位 |
| 4.2.1 多传感器时延定位算法 |
| 4.2.2 多传感器时延定向仿真实验 |
| 4.3 本章小结 |
| 第五章 基于次声波的特定事件探测系统的设计 |
| 5.1 需求分析 |
| 5.1.1 需求概述 |
| 5.1.2 系统用户角色与总体用例图 |
| 5.1.3 功能性需求 |
| 5.1.4 非功能性需求 |
| 5.2 系统设计 |
| 5.2.1 系统管理模块设计 |
| 5.2.2 事件分析模块设计 |
| 5.2.3 数据融合模块设计 |
| 5.2.4 历史事件展示模块设计 |
| 5.3 接口设计 |
| 5.4 数据库设计 |
| 5.5 本章小结 |
| 第六章 基于次声波的特定事件探测系统的实现 |
| 6.1 功能模块实现 |
| 6.1.1 系统管理模块实现 |
| 6.1.2 特定事件分析模块实现 |
| 6.1.3 数据融合模块实现 |
| 6.1.4 历史事件展示模块实现 |
| 6.2 系统测试 |
| 6.3 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
（2）屏蔽泵多传感器信号检测误差补偿及控制系统设计（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 屏蔽泵国内外研究现状 |
| 1.3 课题来源及研究目的 |
| 1.4 论文各部分主要内容简介 |
| 第二章 屏蔽泵传感器智能检测原理及关键器件选择 |
| 2.1 屏蔽泵各系统工作原理 |
| 2.2 多传感器数据采集 |
| 2.2.1 数据采集原理 |
| 2.2.2 多参量采集原理 |
| 2.3 相关器件选型 |
| 2.3.1 FPGA选型和功能 |
| 2.3.2 ADC选型和功能 |
| 2.4 本章小结 |
| 第三章 屏蔽泵多传感器信号状态检测系统设计 |
| 3.1 屏蔽泵多传感器检测系统总体设计 |
| 3.2 FPGA电源模块设计 |
| 3.2.1 DC-DC和 LDO工作原理比较 |
| 3.2.2 电源转换芯片选择和电源电路设计 |
| 3.3 时钟电路设计 |
| 3.4 多路开关电路设计 |
| 3.5 光耦隔离电路设计 |
| 3.6 数据存储模块设计 |
| 3.7 阈值报警电路设计 |
| 3.8 FPGA管脚电路设计 |
| 3.9 本章小结 |
| 第四章 多传感器信号检测及误差补偿 |
| 4.1 多传感器信号采集系统设计 |
| 4.1.1 温度传感器信号采集 |
| 4.1.2 基于FPGA的 AD采样 |
| 4.2 多传感器通信模块设计 |
| 4.2.1 FPGA测试通信接口电路设计 |
| 4.2.2 FPGA上位机通信设计 |
| 4.3 多传感器信号误差补偿 |
| 4.4 本章小结 |
| 第五章 实验及测试结果 |
| 5.1 多传感器信号检测仿真与实验 |
| 5.1.1 ADC采样和串口时序仿真 |
| 5.1.2 串口命令调试实验 |
| 5.2 多传感器神经网络误差补偿仿真与实验 |
| 5.3 屏蔽泵多传感器信号检测结果 |
| 5.3.1 进出口压力流量检测结果 |
| 5.3.2 系统上位机界面显示 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文工作总结 |
| 6.2 论文的不足与展望 |
| 参考文献 |
| 附录1 |
| 攻读硕士学位期间的学术活动及成果情况 |
（3）面向自动驾驶的多传感器三维环境感知系统关键技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 三维环境感知技术研究现状 |
| 1.2.1 基于激光雷达的环境感知方法 |
| 1.2.2 基于视觉的环境感知方法 |
| 1.2.3 基于多传感器的环境感知方法 |
| 1.3 课题面临的问题 |
| 1.4 研究内容和组织结构 |
| 第2章 三维环境感知系统多传感器标定方法研究 |
| 2.1 感知系统介绍 |
| 2.1.1 感知系统架构 |
| 2.1.2 传感器组成 |
| 2.2 单目相机标定 |
| 2.2.1 透视成像模型 |
| 2.2.2 相机内部参数标定 |
| 2.3 激光雷达与相机联合标定 |
| 2.3.1 平面靶联合标定模型 |
| 2.3.2 联合标定实验设计与实现 |
| 2.4 3D点云与RGB图像配准 |
| 2.4.1 配准实现 |
| 2.4.2 效果分析与讨论 |
| 2.5 本章小结 |
| 第3章 基于多阶段互补融合的多传感器三维目标检测方法研究 |
| 3.1 研究思路 |
| 3.1.1 问题概述 |
| 3.1.2 相关概念和方法 |
| 3.2 MCF3D框架和创新点 |
| 3.2.1 框架与流程 |
| 3.2.2 算法创新点 |
| 3.3 MCF3D算法描述 |
| 3.3.1 预处理 |
| 3.3.2 初级预测 |
| 3.3.3 精细回归 |
| 3.3.4 实现与训练 |
| 3.4 实验结果及分析 |
| 3.4.1 算法通用评价标准 |
| 3.4.2 实验设置 |
| 3.4.3 定量评估与比较 |
| 3.4.4 定性分析与讨论 |
| 3.5 本章小结 |
| 第4章 级联增强型三维小目标检测方法研究 |
| 4.1 研究思路 |
| 4.1.1 问题概述 |
| 4.1.2 相关概念和方法 |
| 4.2 CE3D框架和创新点 |
| 4.2.1 框架与流程 |
| 4.2.2 算法创新点 |
| 4.3 CE3D算法描述 |
| 4.3.1 基于“分割迁移”的特征提取网络 |
| 4.3.2 基于锚机制的3D先验框生成 |
| 4.3.3 基于级联策略的多子网检测器 |
| 4.3.4 实现与训练 |
| 4.4 实验结果及分析 |
| 4.4.1 实验设置 |
| 4.4.2 定量评估与比较 |
| 4.4.3 定性分析与讨论 |
| 4.5 本章小结 |
| 第5章 基于点云密度增强和多重注意力引导的三维目标分割和检测方法研究 |
| 5.1 问题概述 |
| 5.2 KDA3D框架和创新点 |
| 5.2.1 框架与流程 |
| 5.2.2 算法创新点 |
| 5.3 算法描述 |
| 5.3.1 前景分割和候选框生成 |
| 5.3.2 点云密度增强 |
| 5.3.3 语义分割和边界框细化 |
| 5.3.4 实现与训练 |
| 5.4 实验结果及分析 |
| 5.4.1 实验设置 |
| 5.4.2 定量评估与比较 |
| 5.4.3 定性分析与讨论 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 6.1 研究成果总结 |
| 6.2 论文创新性 |
| 6.3 未来研究工作展望 |
| 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 |
（4）基于智能手机多传感器融合技术的人体活动识别研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 人体活动识别技术概要 |
| 1.3.2 基于环境感知的人体活动识别技术 |
| 1.3.3 基于视觉感知的人体活动识别技术 |
| 1.3.4 基于可穿戴计算的人体活动识别技术 |
| 1.4 研究内容 |
| 1.5 论文结构 |
| 第2章 人体活动识别理论与技术基础 |
| 2.1 人体活动感知的空间坐标转换 |
| 2.2 智能手机传感器 |
| 2.2.1 传感器概述 |
| 2.2.2 传感器类型 |
| 2.3 多传感器融合技术 |
| 2.4 方法性能评估技术 |
| 2.5 机器学习方法 |
| 2.6 本章小结 |
| 第3章 人体活动数据采集与预处理 |
| 3.1 人体活动建模 |
| 3.2 人体活动识别框架 |
| 3.3 人体活动数据采集 |
| 3.3.1 数据采集功能 |
| 3.3.2 数据采集流程 |
| 3.4 人体活动数据预处理 |
| 3.4.1 数据过滤 |
| 3.4.2 数据归一化 |
| 3.4.3 数据分割 |
| 3.5 本章小结 |
| 第4章 多传感器融合的人体活动识别算法 |
| 4.1 特征提取 |
| 4.1.1 基于时域特征提取 |
| 4.1.2 基于频域特征提取 |
| 4.2 特征选择 |
| 4.3 Stacking算法实现 |
| 4.3.1 算法流程 |
| 4.3.2 算法伪代码 |
| 4.4 本章小结 |
| 第5章 多传感器融合的人体活动识别系统分析设计 |
| 5.1 系统分析 |
| 5.1.1 系统运行架构 |
| 5.1.2 系统功能需求 |
| 5.1.3 用例分析 |
| 5.2 系统设计 |
| 5.2.1 系统功能模块设计 |
| 5.2.2 Android端设计 |
| 5.2.3 Web端设计 |
| 5.3 系统实现 |
| 5.3.1 系统开发环境 |
| 5.3.2 关键算法实现 |
| 5.4 系统性能优化 |
| 5.4.1 Android端优化 |
| 5.4.2 服务器端优化 |
| 5.5 本章小结 |
| 第6章 系统实验与测试 |
| 6.1 实验平台搭建 |
| 6.1.1 测试软硬件 |
| 6.1.2 实验数据集构建 |
| 6.1.3 基分类器选择 |
| 6.2 模型训练 |
| 6.3 实验结果分析 |
| 6.4 系统测试 |
| 6.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
（5）履带式煤矿救援机器人运动控制系统设计（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 选题研究背景及意义 |
| 1.2 矿用救援机器人研究现状 |
| 1.3 机器人运动规划算法研究现状 |
| 1.4 主要研究内容及安排 |
| 2 履带式煤矿救援机器人系统建模分析 |
| 2.1 履带式机器人运动模型 |
| 2.2 履带式机器人姿态模型描述 |
| 2.3 传感器模型 |
| 2.4 环境地图模型 |
| 2.5 传感器噪声模型和系统噪声模型 |
| 2.6 本章小结 |
| 3 履带式机器人建图算法研究 |
| 3.1 煤矿环境下SLAM技术架构及概率模型 |
| 3.2 基于Gmapping算法分析与仿真 |
| 3.3 基于Hector SLAM算法分析与仿真 |
| 3.4 基于Cartographer算法分析与仿真 |
| 3.5 本章小结 |
| 4 履带式机器人路径规划算法研究 |
| 4.1 全局路径规划 |
| 4.2 局部路径规划 |
| 4.3 AMCL定位 |
| 4.4 路径规划算法仿真 |
| 4.5 本章小结 |
| 5 矿用履带式机器人系统设计与搭建 |
| 5.1 机载硬件与控制系统设计 |
| 5.2 基于ROS的节点设计与导航算法实现 |
| 5.3 人机交互界面设计 |
| 5.4 基于YOLOv4的伤员识别 |
| 5.5 本章小结 |
| 6 履带式救援机器人建图与导航实验 |
| 6.1 实验环境搭建 |
| 6.2 建图效果对比 |
| 6.3 路径规划效果验证 |
| 6.4 本章小结 |
| 7 展望与总结 |
| 7.1 论文总结 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（6）无人旋翼飞行器光流/惯性组合导航系统的设计与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景和目的 |
| 1.1.1 相关背景 |
| 1.1.2 研究目的 |
| 1.2 导航技术研究现状 |
| 1.2.1 惯性导航 |
| 1.2.2 光流导航 |
| 1.2.3 光流/惯性组合导航 |
| 1.3 关键技术 |
| 1.3.1 多传感器数据融合技术 |
| 1.3.2 嵌入式软件及软件模块化技术 |
| 1.4 论文研究内容和创新点 |
| 1.5 论文主要结构 |
| 第二章 测试系统硬件构成及初始配置 |
| 2.1 引言 |
| 2.2 系统软硬件需求分析 |
| 2.3 系统硬件选型及参数介绍 |
| 2.3.1 处理器选型及参数介绍 |
| 2.3.2 传感器选型及参数介绍 |
| 2.4 图形化配置MCU |
| 2.4.1 最小系统配置 |
| 2.4.2 串口配置和DMA使能 |
| 2.4.3 SPI接口配置 |
| 2.4.4 IIC接口配置 |
| 2.5 实时操作系统配置 |
| 2.5.1 实时操作系统设计模式 |
| 2.5.2 FreeRTOS移植 |
| 2.5.3 FreeRTOS裁剪和配置 |
| 2.6 本章小结 |
| 第三章 光流/惯性组合导航的系统设计 |
| 3.1 引言 |
| 3.2 导航坐标系介绍 |
| 3.3 惯性测量原理 |
| 3.3.1 陀螺仪和磁力计原理 |
| 3.3.2 加速度计原理 |
| 3.4 姿态解算原理 |
| 3.4.1 欧拉角和四元数 |
| 3.4.2 姿态初始化 |
| 3.4.3 互补滤波姿态解算 |
| 3.5 光流测量原理 |
| 3.5.1 Lucas-Kanade光流法 |
| 3.5.2 光流模型的建立 |
| 3.6 速度和位移解算原理 |
| 3.6.1 角速度旋转补偿 |
| 3.6.2 高度方向尺度恢复 |
| 3.6.3 速度互补滤波 |
| 3.7 本章小结 |
| 第四章 光流/惯性组合导航系统的软件实现 |
| 4.1 引言 |
| 4.2 系统软件总体设计 |
| 4.2.1 总体架构设计 |
| 4.2.2 消息队列和任务线程设计 |
| 4.2.3 线程周期运行方法设计 |
| 4.3 驱动层设计与实现 |
| 4.3.1 惯导配置与有效数据计算 |
| 4.3.2 惯导驱动线程设计 |
| 4.3.3 光流配置与数据解包 |
| 4.3.4 光流驱动线程设计 |
| 4.4 应用层设计与实现 |
| 4.4.1 应用层总体设计 |
| 4.4.2 姿态解算算法实现流程 |
| 4.4.3 姿态解算线程设计 |
| 4.4.4 速度解算算法实现流程 |
| 4.4.5 速度解算线程设计 |
| 4.5 本章小结 |
| 第五章 系统模块集成及功能测试 |
| 5.1 引言 |
| 5.2 QGC上位机通信 |
| 5.3 系统软件模块集成 |
| 5.4 实验平台的搭建 |
| 5.5 姿态解算效果验证 |
| 5.5.1 传感器校准结果 |
| 5.5.2 姿态解算效果 |
| 5.6 速度解算效果验证 |
| 5.6.1 旋转补偿效果验证 |
| 5.6.2 互补滤波效果验证 |
| 5.7 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 不足与展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（7）多传感器温度采集系统设计与数据处理研究（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 国内外发展现状 |
| 1.3 论文主要研究内容 |
| 1.4 论文组织结构 |
| 1.5 本章小结 |
| 第2章 多传感器温度采集系统前端设计 |
| 2.1 系统整体结构介绍 |
| 2.2 硬件电路设计 |
| 2.2.1 微处理器选型以及最小系统电路 |
| 2.2.2 以太网通信电路设计 |
| 2.2.3 Profibus-Dp通信电路设计 |
| 2.2.4 SPI通信电路设计 |
| 2.2.5 USB电路和EEPROM电路设计 |
| 2.2.6 供电电路设计 |
| 2.2.7 PCB设计 |
| 2.3 程序流程设计 |
| 2.3.1 工作状态与模式设计 |
| 2.3.2 程序主流程设计 |
| 2.3.3 中断流程设计 |
| 2.3.4 数据上报模式下的流程设计 |
| 2.3.5 配置状态下的任务流程 |
| 2.4 程序设计 |
| 2.4.1 SPI通信程序设计 |
| 2.4.2 以太网通信程序设计 |
| 2.4.3 Profibus-DP通信程序设计 |
| 2.4.4 USB通信和AT24C256 读写程序设计 |
| 2.5 本章小结 |
| 第3章 多传感器温度采集系统的上位机软件设计 |
| 3.1 软件功能介绍 |
| 3.2 开发语言和环境 |
| 3.3 软件数据流图 |
| 3.4 软件工作主流程 |
| 3.5 数据协议设计 |
| 3.6 部分界面展示 |
| 3.7 线性参数与偏移参数修正界面设计 |
| 3.7.1 A型采集卡修正方法 |
| 3.7.2 B型采集卡修正方法 |
| 3.7.3 参数修正界面的编写 |
| 3.8 本章小结 |
| 第4章 多传感器数据融合算法研究 |
| 4.1 多传感器数据融合的意义 |
| 4.2 多传感器数据融合的形式 |
| 4.3 数据融合常用的方法 |
| 4.4 基于BP神经网络实现数据融合 |
| 4.5 本章小结 |
| 第5章 多传感器温度采集系统测试 |
| 5.1 硬件测试 |
| 5.2 上位机软件测试 |
| 5.3 系统联调测试 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读学位期间的研究成果 |
| 致谢 |
（8）车辆自适应巡航控制系统的优化研究（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 课题研究背景 |
| 1.1.2 课题研究意义 |
| 1.2 国内外研究动态 |
| 1.2.1 国外研究动态 |
| 1.2.2 国内研究动态 |
| 1.3 本文主要研究内容 |
| 第二章 巡航环境感知 |
| 2.1 图像处理技术 |
| 2.1.1 图像预处理 |
| 2.1.2 图像形态学处理 |
| 2.2 基于OpenCV的道路限速标志提取及OCR图像处理字符识别 |
| 2.2.1 基于OpenCV的道路限速标志牌的提取 |
| 2.2.2 OCR图像处理字符识别 |
| 2.3 雷达信号收集与处理 |
| 2.3.1 雷达型号选择 |
| 2.3.2 雷达信号处理 |
| 第三章 多传感器信号数据融合 |
| 3.1 传感器信号数据分类 |
| 3.2 摄像机标定 |
| 3.3 传感器信号数据融合 |
| 3.3.1 雷达坐标系同世界坐标系之间的转换 |
| 3.3.2 毫米波雷达坐标系与车体坐标系的转换 |
| 3.3.3 多坐标系到世界坐标系的统一 |
| 3.4 多传感器数据在时间上的融合 |
| 第四章 系统逻辑判断与分层控制器设计 |
| 4.1 系统总体逻辑判断 |
| 4.2 自适应巡航车速与安全距离判定 |
| 4.2.1 有前车时的安全距离和车速判定 |
| 4.2.2 有后车时的安全距离和车速判定 |
| 4.3 上、下位控制器设计 |
| 4.3.1 下位控制器设计 |
| 4.3.2 上位控制器设计 |
| 4.4 模式切换控制逻辑 |
| 第五章 自适应巡航系统的仿真及其结果分析 |
| 5.1 仿真软件介绍 |
| 5.2 车辆动力学建模及仿真工况设计 |
| 5.2.1 车辆动力学建模 |
| 5.2.2 仿真工况及其道路设置 |
| 5.3 仿真结果及其分析 |
| 5.3.1 仿真工况一条件下的仿真结果分析 |
| 5.3.2 仿真工况二条件下的仿真结果分析 |
| 第六章 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 不足与展望 |
| 致谢 |
| 参考文献 |
| 附件A 限速标志牌抓取程序代码 |
| 附件B OCR法识别数字程序代码 |
| 在学期间发表的论文和取得的学术成果 |
（9）基于多传感器数据采集系统的存储与传输设计研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 本论文主要研究内容及章节安排 |
| 1.3.1 本论文的主要研究内容 |
| 1.3.2 本论文的章节安排 |
| 第二章 系统开发平台及总体方案介绍 |
| 2.1 系统开发平台 |
| 2.1.1 硬件开发平台 |
| 2.1.2 软件开发平台 |
| 2.2 数据采集传输系统指标分析 |
| 2.3 多传感器数据采集传输系统总体设计方案 |
| 2.3.1 多传感器数据采集系统硬件部分设计方案 |
| 2.3.2 多传感器数据采集系统软件部分设计方案 |
| 2.4 本章小结 |
| 第三章 数据采集传输系统硬件设计 |
| 3.1 多传感器数据采集部分设计 |
| 3.1.1 模拟前端调理 |
| 3.1.2 模拟开关部分 |
| 3.1.3 放大部分电路设计 |
| 3.1.4 多传感器数据采集部分A/D转换电路 |
| 3.2 同步RS422接口电路部分 |
| 3.3 电源电路设计 |
| 3.4 时钟电路设计 |
| 3.5 FPGA配置电路 |
| 3.6 本章小结 |
| 第四章 基于FPGA的核心控制系统设计 |
| 4.1 多传感器数据采集部分FPGA设计 |
| 4.2 同帧频异步串行数据接收与转发模块设计 |
| 4.2.1 UART协议简介 |
| 4.2.2 UART同帧频异步串行数据接收模块设计 |
| 4.2.3 同帧频异步串行数据的转发模块设计 |
| 4.3 数据实时存储模块设计 |
| 4.3.1 FLASH存储芯片简介 |
| 4.3.2 FLASH工作原理介绍 |
| 4.3.3 FLASH实时存储模块设计 |
| 4.4 数据预处理模块设计 |
| 4.5 以太网发送模块设计 |
| 4.6 本章小结 |
| 第五章 系统调试与结果分析 |
| 5.1 核心系统整体调试 |
| 5.1.1 系统硬件调试结果分析 |
| 5.1.2 采集系统软件调试分析 |
| 5.2 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（10）线控转向系统（SBW）多传感器数据采集与处理（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究的背景与意义 |
| 1.2 国内外发展现状及趋势 |
| 1.2.1 汽车线控转向系统发展概述 |
| 1.2.2 多传感器数据采集系统发展概述 |
| 1.2.3 多传感器数据融合概述 |
| 1.3 论文的主要研究内容 |
| 1.4 本章小结 |
| 第二章 线控转向系统基础 |
| 2.1 转向系统概述 |
| 2.2 线控转向系统结构及原理 |
| 2.2.1 线控转向系统的结构 |
| 2.2.2 线控转向系统的工作原理 |
| 2.3 线控转向系统的关键技术 |
| 2.4 SBW多传感器数据采集系统中传感器介绍 |
| 2.5 本章小结 |
| 第三章 多传感器数据采集系统硬件设计 |
| 3.1 测试系统总体设计 |
| 3.2 中央处理器及核心板 |
| 3.2.1 中央处理器选择 |
| 3.2.2 STM32核心板外围电路 |
| 3.2.3 STM32核心板外设 |
| 3.3 系统采集模块硬件设计 |
| 3.3.1 电源模块研究与实现 |
| 3.3.2 串口通信模块 |
| 3.3.3 RS485通信模块 |
| 3.3.4 存储模块 |
| 3.4 传感器检测模块 |
| 3.4.1 温湿度测试模块 |
| 3.4.2 电机电流电压,转角测试模块 |
| 3.4.3 车速测试模块 |
| 3.4.4 倾角测试模块 |
| 3.4.5 串口屏模块 |
| 3.5 系统信号处理电路设计 |
| 3.5.1 电压衰减跟随电路设计 |
| 3.5.2 滤波电路设计 |
| 3.5.3 脉冲信号稳压整形电路 |
| 3.6 采集电路抗干扰设计 |
| 3.7 本章小结 |
| 第四章 多传感器数据采集系统软件设计 |
| 4.1 软件程序开发工具 |
| 4.1.1 Keil MDK5 介绍及开发流程 |
| 4.1.2 Altium Designer |
| 4.2 数据采集模块软件流程图 |
| 4.2.1 主控芯片采集控制流程 |
| 4.2.2 副控芯片采集流程 |
| 4.2.3 车速信号采集程序设计 |
| 4.2.4 温湿度传感器采集程序设计 |
| 4.2.5 姿态传感器数据采集程序设计 |
| 4.2.6 电压电流传感器数据采集程序设计 |
| 4.2.7 转角传感器数据采集程序设计 |
| 4.3 控制芯片与串口屏通信程序设计 |
| 4.3.1 串口屏概述 |
| 4.3.2 控制芯片与串口屏通信协议设计 |
| 4.3.3 显示界面设计 |
| 4.4 本章总结 |
| 第五章 传感器数据信号处理 |
| 5.1 电压信号滤波算法 |
| 5.1.1 中值滤波[52] |
| 5.1.2 中值滤波算法+最小二乘曲线拟合 |
| 5.2 轮速采集算法 |
| 第六章 数据采集系统实验及数据分析 |
| 6.1 数据采集系统实验平台搭建 |
| 6.2 实验内容与结果 |
| 6.3 系统通信实验 |
| 6.4 串口屏显示部分测试 |
| 6.4.1 串口屏控件测试 |
| 6.4.2 串口屏功能界面测试 |
| 6.5 实验台架优化 |
| 6.6 本章小结 |
| 第七章 结束语 |
| 7.1 全文总结 |
| 致谢 |
| 参考文献 |
| 附录 |
| 攻读硕士学位期间发表的学术论文 |
四、多传感器数据的逻辑分析（论文参考文献）
- [1]基于次声波的特定事件探测系统的设计与实现[D]. 杨钰琳. 北京邮电大学, 2021(01)
- [2]屏蔽泵多传感器信号检测误差补偿及控制系统设计[D]. 郑书林. 合肥工业大学, 2021
- [3]面向自动驾驶的多传感器三维环境感知系统关键技术研究[D]. 王佳荣. 中国科学院大学(中国科学院长春光学精密机械与物理研究所), 2020(01)
- [4]基于智能手机多传感器融合技术的人体活动识别研究[D]. 杨佳现. 北京工业大学, 2020(06)
- [5]履带式煤矿救援机器人运动控制系统设计[D]. 颜旗铭. 中国矿业大学, 2020(01)
- [6]无人旋翼飞行器光流/惯性组合导航系统的设计与实现[D]. 董竹林. 南京航空航天大学, 2020(07)
- [7]多传感器温度采集系统设计与数据处理研究[D]. 倪波波. 西北师范大学, 2019(06)
- [8]车辆自适应巡航控制系统的优化研究[D]. 朱勇. 重庆交通大学, 2019(06)
- [9]基于多传感器数据采集系统的存储与传输设计研究[D]. 高歌. 西安电子科技大学, 2018(05)
- [10]线控转向系统（SBW）多传感器数据采集与处理[D]. 严伟. 广西科技大学, 2017(03)