智能傳感器中的算法應(yīng)用

傅留虎+胡欣宇

摘 要：傳感器技術(shù)作為信息領(lǐng)域的三大基礎(chǔ)之一，已被列入21世紀(jì)優(yōu)先發(fā)展的十大頂尖技術(shù)。該技術(shù)所涉及的知識(shí)領(lǐng)域非常廣泛，也越來越多地與其他學(xué)科技術(shù)的發(fā)展緊密相聯(lián)。從傳統(tǒng)傳感器到智能傳感器，無論是從材料、元器件和部件考慮，還是從系統(tǒng)研發(fā)者對(duì)傳感器進(jìn)展的關(guān)注度來看，傳感器越來越趨于智能化。文中主要介紹了智能傳感器中常用的回歸分析法、人工神經(jīng)網(wǎng)絡(luò)、遺傳算法和模擬退火算法在不同領(lǐng)域中的應(yīng)用。

關(guān)鍵詞：智能傳感器；回歸分析法；人工神經(jīng)網(wǎng)絡(luò)；遺傳算法；模擬退火算法

中圖分類號(hào)：TP212.6 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-1302（2017）02-00-03

0 引 言

隨著研究技術(shù)的不斷深入及數(shù)字化和虛擬儀器的快速發(fā)展，科技與發(fā)展更多的成為時(shí)代主旋律。在這個(gè)信息化時(shí)代，人們的社會(huì)活動(dòng)將主要依靠對(duì)各種信息資源的有效利用。為適應(yīng)社會(huì)的進(jìn)步，滿足人們的日常需求，傳感器漸漸成形，且越來越多的深入到現(xiàn)代科技和生活中。

傳感器是指對(duì)系統(tǒng)特性和性能指標(biāo)起決定作用的一種儀器。如果把計(jì)算機(jī)比喻為處理和識(shí)別信息的“大腦”，把通信系統(tǒng)比喻為傳遞信息的“神經(jīng)系統(tǒng)”，那么傳感器就是感知和獲取信息的“感覺器官”。傳感器能夠感受或響應(yīng)規(guī)定的被測(cè)量并按照一定的規(guī)律轉(zhuǎn)換為某種可用輸出信號(hào)的器件和裝置，通常由敏感元件和轉(zhuǎn)換元件組成[1]。它是人們獲取自然領(lǐng)域中信息的主要途徑與工具，是現(xiàn)代科學(xué)的中樞神經(jīng)系統(tǒng)，是信息系統(tǒng)的源頭，是現(xiàn)代科技的前沿技術(shù)，發(fā)展迅猛。傳感器技術(shù)同計(jì)算機(jī)技術(shù)與通信技術(shù)一起被稱為信息技術(shù)的三大支柱，許多國(guó)家已將其與通信技術(shù)和計(jì)算機(jī)技術(shù)放置于同等重要的位置。

現(xiàn)代傳感器技術(shù)具有巨大的應(yīng)用潛力，廣泛的開發(fā)空間和廣闊的發(fā)展前景。從最初的傳統(tǒng)傳感器逐漸發(fā)展為現(xiàn)在的智能傳感器。智能傳感器系統(tǒng)的實(shí)現(xiàn)是在傳感器技術(shù)、計(jì)算機(jī)技術(shù)、信號(hào)處理、網(wǎng)絡(luò)控制等技術(shù)的基礎(chǔ)上發(fā)展起來的，并隨這些技術(shù)的發(fā)展而發(fā)展。為了更大程度發(fā)揮傳感器的性能，并提高傳感器的精度，將多種傳感器與回歸方法、人工神經(jīng)網(wǎng)絡(luò)等計(jì)算智能方法和數(shù)據(jù)融合等信息處理方法相結(jié)合，廣泛應(yīng)用于越來越復(fù)雜的檢測(cè)中，同時(shí)還實(shí)現(xiàn)了自校準(zhǔn)等功能。

1 傳感器技術(shù)的發(fā)展

傳感器技術(shù)誕生于20世紀(jì)中期，與當(dāng)時(shí)的計(jì)算機(jī)技術(shù)和數(shù)字控制技術(shù)相比，傳感技術(shù)的發(fā)展呈落后趨勢(shì)，不少先進(jìn)成果仍停留在實(shí)驗(yàn)研究階段，并沒有投入到實(shí)際生產(chǎn)與應(yīng)用中。然而，隨著各國(guó)相關(guān)信息化產(chǎn)業(yè)的迅猛發(fā)展，以日本和歐美等國(guó)家地區(qū)為代表的傳感器研發(fā)及其相關(guān)技術(shù)產(chǎn)業(yè)的發(fā)展已在國(guó)際市場(chǎng)中逐步占據(jù)了較為重要的地位[2]。

我國(guó)早在20世紀(jì)60年代開始涉足傳感器制造業(yè)，由于技術(shù)基礎(chǔ)薄弱，研發(fā)水平不高，大多引用國(guó)外的芯片進(jìn)行改造和加工，自主研發(fā)的產(chǎn)品較少。經(jīng)過從“六五”到“九五”的國(guó)家攻關(guān)，我國(guó)在傳感器研究開發(fā)、設(shè)計(jì)、制造、可靠性改進(jìn)等方面獲得較為明顯的進(jìn)步，初步建立了傳感器研究、開發(fā)、生產(chǎn)和應(yīng)用的綜合體系。

一個(gè)傳統(tǒng)的傳感器測(cè)量一個(gè)物理、生物或者化學(xué)參數(shù)，例如位移、加速度、壓力、溫度、濕度、氧氣或一氧化碳含量可將其轉(zhuǎn)換成一個(gè)電壓或電流信號(hào)[3]。傳統(tǒng)意義上的傳感器的技術(shù)發(fā)展趨勢(shì)主要有以下兩方面：

（1）傳感器本身的基礎(chǔ)研究，即研究新型傳感器；

（2）和電子技術(shù)、計(jì)算機(jī)技術(shù)及通信技術(shù)組合在一起的傳感器系統(tǒng)的研究，即將新材料、新工藝與多種技術(shù)相結(jié)合，并向集成化、智能化及網(wǎng)絡(luò)化方向發(fā)展。

2 智能傳感器概述

2.1 智能傳感器定義

智能傳感器在本質(zhì)上應(yīng)定義為基于人工智能理論，利用微處理器實(shí)現(xiàn)智能處理功能的傳感器[4]。它不僅可以對(duì)信號(hào)進(jìn)行檢測(cè)、分析、處理，也在一定程度上具備了人類的記憶、思維、交流能力，它集傳統(tǒng)傳感器與微處理器于一體并賦予其智能化功能。所謂的智能包括三個(gè)層次，即生物智能、人工智能和計(jì)算機(jī)智能。

（1）生物智能由人腦的物理化學(xué)過程體現(xiàn)出來，其物質(zhì)基礎(chǔ)是有機(jī)物；

（2）人工智能則是非生物的，基礎(chǔ)是人類的知識(shí)和傳感器測(cè)量得到的數(shù)據(jù)；

（3）計(jì)算智能是由計(jì)算機(jī)軟件和現(xiàn)代數(shù)學(xué)計(jì)算方法實(shí)現(xiàn)的，其基礎(chǔ)是數(shù)值方法和傳感器測(cè)量得到的數(shù)據(jù)。

2.2 智能傳感器的優(yōu)點(diǎn)與功能

相比傳統(tǒng)傳感器，智能傳感器主要有以下基本功能：

（1）具有自校準(zhǔn)和故障自診斷功能；

（2）具有數(shù)據(jù)存儲(chǔ)、邏輯判斷和信息處理功能；

（3）具有組態(tài)功能，使用靈活；

（4）具有雙向通信和標(biāo)準(zhǔn)化數(shù)字輸出功能；

（5）人—機(jī)對(duì)話功能。

智能傳感器具有靈敏度和測(cè)量精度高、量程寬、可靠性與穩(wěn)定性高、信噪比與分辨率高、自適應(yīng)性強(qiáng)、性價(jià)比高等優(yōu)點(diǎn)，已被廣泛應(yīng)用于航天、國(guó)防、科技、生產(chǎn)等各領(lǐng)域中。

2.3 智能算法及其在智能傳感器中的應(yīng)用

某些傳感器的特性可以預(yù)先用數(shù)學(xué)模型表示，但很多傳感器特性卻無法明確表達(dá)。在這種情況下，與其通過經(jīng)驗(yàn)對(duì)電路網(wǎng)絡(luò)作復(fù)雜的調(diào)整，不如對(duì)傳感器特性作數(shù)學(xué)描述。就目前研究而言，基于計(jì)算智能方法的智能信息處理主要包括回歸方法、人工神經(jīng)網(wǎng)絡(luò)、進(jìn)化計(jì)算、模糊邏輯等計(jì)算智能方法和小波分析、數(shù)據(jù)融合等信息處理方法。各種智能算法具有以下共同特點(diǎn)：

（1）具有不確定性，因?yàn)榇蠖嗫紤]了隨機(jī)因素，不少計(jì)算過程實(shí)際是在計(jì)算機(jī)上做隨機(jī)過程的模擬；

（2）大多具有自適應(yīng)機(jī)制的動(dòng)力體系或隨機(jī)動(dòng)力體系，有時(shí)在計(jì)算過程中體系結(jié)構(gòu)還在進(jìn)行不斷的調(diào)整；

（3）不具有特殊性，針對(duì)通用的一般目標(biāo)而設(shè)計(jì)；

（4）不少算法在低維或簡(jiǎn)單的情況下顯得“笨”，但到了高維復(fù)雜情形中就具有很強(qiáng)的適應(yīng)性[5]。

高敏[6]等建立了二位回歸方程，應(yīng)用回歸分析設(shè)計(jì)了硬件系統(tǒng)，實(shí)現(xiàn)了對(duì)電流傳感器的實(shí)時(shí)溫度補(bǔ)償。史麗萍[7]等利用最小二乘法和切比雪夫不等式對(duì)傳感器數(shù)據(jù)進(jìn)行回歸分析，得出了這兩種方法誤差較小且分布均勻，可被應(yīng)用于傳感器測(cè)試的結(jié)論。趙敏[8]等在設(shè)定溫度下對(duì)傳感器進(jìn)行數(shù)據(jù)輸入，并標(biāo)定輸出數(shù)據(jù)，采用神經(jīng)網(wǎng)絡(luò)算法對(duì)輸出數(shù)據(jù)進(jìn)行分析，得出了神經(jīng)網(wǎng)絡(luò)算法可對(duì)標(biāo)定的溫度數(shù)據(jù)和非標(biāo)定的數(shù)據(jù)進(jìn)行處理的結(jié)論。郝云芳[9]等運(yùn)用遺傳算法對(duì)傳感器自校正方程中的待定常數(shù)進(jìn)行計(jì)算，可準(zhǔn)確反映出傳感器的設(shè)計(jì)和實(shí)際信息的測(cè)定要求。陳華根[10]等對(duì)模擬退火算法的定位原理和定位應(yīng)用進(jìn)行了分析，得出模擬退火算法可以較好地應(yīng)用于GPS定位的結(jié)論。

2.3.1 回歸分析法

回歸分析是以概率論與數(shù)理統(tǒng)計(jì)為基礎(chǔ)，主要對(duì)隨機(jī)現(xiàn)象統(tǒng)計(jì)資料進(jìn)行分析和推斷，用來確定兩種或兩種以上變量間相互依賴的定量關(guān)系，是數(shù)理統(tǒng)計(jì)中常用的方法之一。按照設(shè)計(jì)自變量的多少，可以分為一元回歸和多元回歸分析；按照自變量和因變量之間的關(guān)系類型，可以分為線性回歸分析和非線性回歸分析。

在一元線性回歸中，假定因變量y是隨機(jī)變量，自變量x是可以精確觀察或嚴(yán)格控制的一般變量，建立回歸方程y=β0+β1x+ε，其中β0、β1為回歸系數(shù)，ε為隨機(jī)變量，也稱為剩余誤差。一元線性回歸問題的主要問題是依據(jù)（x，y）的n組觀測(cè)數(shù)據(jù)（xi，yi）（i=1，2，…，n）給出回歸系數(shù)β0、β1的估計(jì)值b0、b1，同時(shí)對(duì)β1做統(tǒng)計(jì)檢驗(yàn)，以便指出這些估計(jì)的可靠程度，并在此基礎(chǔ)上進(jìn)行預(yù)測(cè)與控制等。

多元線性回歸分析主要有以下幾個(gè)主要步驟：

（1）根據(jù)研究的目的和內(nèi)容確定被解釋變量和解釋變量，正確選擇分析變量是得出正確結(jié)論的前提和基礎(chǔ)；

（2）模型的設(shè)定，模型設(shè)定根據(jù)研究的對(duì)象與相應(yīng)的理論加以確定；

（3）參數(shù)估計(jì)；

（4）模型的檢驗(yàn)和修正；

（5）模型的運(yùn)用。

回歸分析方法可以與智能傳感器數(shù)學(xué)模型結(jié)合使用，以傳感器測(cè)得的輸入值或輸出值作為擬合多項(xiàng)式的自變量，通過建立包括待消除的非目標(biāo)參量在內(nèi)的函數(shù)解析式，來消除非目標(biāo)參量對(duì)傳感器的影響，這樣就可對(duì)數(shù)據(jù)進(jìn)行需要的處理，實(shí)現(xiàn)非線性補(bǔ)償[11]。高敏等[6]在測(cè)溫系統(tǒng)中，用溫度傳感器對(duì)霍爾電流傳感器的工作溫度進(jìn)行實(shí)時(shí)監(jiān)測(cè)，用二維回歸分析法建立起被測(cè)電流、霍爾電流傳感器輸出電壓和其工作溫度三者之間的函數(shù)關(guān)系，并存儲(chǔ)于單片機(jī)中，結(jié)合外圍電路實(shí)現(xiàn)對(duì)該電流傳感器的實(shí)時(shí)補(bǔ)償，構(gòu)成一個(gè)具有溫度補(bǔ)償功能的電流傳感測(cè)試系統(tǒng)，在一定程度上提高了傳感器的測(cè)量精度和自適應(yīng)能力。同時(shí)，在一個(gè)受限的測(cè)試系統(tǒng)中，與其對(duì)電路網(wǎng)絡(luò)做復(fù)雜的調(diào)整，不如對(duì)傳感器特性做數(shù)學(xué)描述，如回歸分析等[7]。

2.3.2 人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)起源于生物學(xué)上的重大發(fā)現(xiàn)，是由簡(jiǎn)單的處理單元（神經(jīng)元）大量并行分布而組成的處理機(jī)。它使用大量神經(jīng)元處理信息，而神經(jīng)元按層次結(jié)構(gòu)的形式組織，每層神經(jīng)元以加權(quán)的方式與其它層神經(jīng)元聯(lián)接，采用并行結(jié)構(gòu)和并行處理機(jī)制，因而網(wǎng)絡(luò)具有很強(qiáng)的容錯(cuò)性以及自學(xué)習(xí)、自組織及自適應(yīng)能力，能夠模擬復(fù)雜的非線性映射，具有多種典型的人工神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。在BP神經(jīng)網(wǎng)絡(luò)中，信息是前向傳播的，而誤差是反向傳播的，即誤差的調(diào)整過程是從最后的輸出層依次向之前各層逐漸進(jìn)行。神經(jīng)網(wǎng)絡(luò)的這些特性和強(qiáng)大的非線性處理能力，恰好滿足了多傳感器數(shù)據(jù)融合技術(shù)處理的要求，故近年來得到了較快的發(fā)展和一定應(yīng)用[8，12]。

BP神經(jīng)網(wǎng)絡(luò)被用于傳感器技術(shù)中，對(duì)多傳感器數(shù)據(jù)進(jìn)行融合，在一定程度上提高了傳感器的穩(wěn)定性和準(zhǔn)確性[13]。有時(shí)為了滿足不同的測(cè)量需要，也提出了多種改進(jìn)基于BP 神經(jīng)網(wǎng)絡(luò)的校正方法。例如用于檢測(cè)瓦斯?jié)舛鹊耐咚箓鞲衅?，其輸入與輸出之間存在著較嚴(yán)重的非線性，實(shí)際應(yīng)用中一般采用分段線性化校正的方法，這在一些檢測(cè)精度要求較高的場(chǎng)合中往往達(dá)不到實(shí)際需求，因此必須進(jìn)行高精度的線性化校正。劉剛[14]提出了一種基于改進(jìn)型BP神經(jīng)網(wǎng)絡(luò)的瓦斯傳感器的非線性校正方法，利用神經(jīng)網(wǎng)絡(luò)良好的非線性映射能力，通過實(shí)驗(yàn)數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，使網(wǎng)絡(luò)逐步調(diào)節(jié)層間的連接權(quán)，逼近反非線性函數(shù)，利用該函數(shù)傳感器可實(shí)現(xiàn)按非線性特性輸出系統(tǒng)的被測(cè)量值。在位移傳感系統(tǒng)中，為了提高精度與穩(wěn)定性，有效抑制溫度漂移，可以把位移傳感器的輸出與溫度傳感器的輸出進(jìn)行數(shù)據(jù)融合。朱海梅[15]提出一種基于RBF網(wǎng)絡(luò)（徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)）的多傳感器數(shù)據(jù)融合方法，把位移傳感器和溫度傳感器的輸出送入融合中心，通過RBF網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練，得到穩(wěn)定的位移輸出。

2.3.3 遺傳算法

遺傳算法是一種概率性自適應(yīng)迭代尋優(yōu)過程。它從某一隨機(jī)產(chǎn)生的或是特定的初始群體（父體）出發(fā)，按照一定的操作規(guī)則，如選擇、交叉、變異等，不斷進(jìn)行迭代計(jì)算，并根據(jù)不同個(gè)體的適應(yīng)度保留優(yōu)良淘汰次品，即便所定義的適應(yīng)值函數(shù)是不連續(xù)的、非規(guī)則的，也能引導(dǎo)搜索過程向最優(yōu)解逼近。

目前，最小二乘法作為一種較為成熟的軟件校正，為了克服它得不到全局最優(yōu)解且有可能造成矩陣方程出現(xiàn)病態(tài)而破壞其方法有效性的特點(diǎn)[16]，郝云芳等[9]把遺傳算法應(yīng)用于擬合傳感器的特性方程，求解智能傳感器自校正系統(tǒng)中的待定常數(shù)值，它可以很好地解決當(dāng)噪音存在時(shí)，傳統(tǒng)自校正系統(tǒng)求解過程中方程遇到矩陣的病態(tài)問題，從而實(shí)現(xiàn)傳感器特性的線性化。對(duì)于輸入輸出關(guān)系是本質(zhì)非線性的傳感器，沈毅等[17]提出了一種基于人工神經(jīng)網(wǎng)絡(luò)的紙漿濃度傳感器非線性估計(jì)和動(dòng)態(tài)標(biāo)定方法，錢光耀等[18]采用混合遺傳算法模型擬合其輸出特性，這些均表明，當(dāng)環(huán)境條件發(fā)生變化時(shí)，只要測(cè)量幾組數(shù)據(jù)對(duì)，該方法可自動(dòng)重新訓(xùn)練網(wǎng)絡(luò)，獲得新的多項(xiàng)式系數(shù)，實(shí)現(xiàn)濃度傳感器的非線性估計(jì)和在線動(dòng)態(tài)標(biāo)定。

在理想情況下，多傳感器、多目標(biāo)靜態(tài)數(shù)據(jù)關(guān)聯(lián)選用遺傳算法也是可行的，很有應(yīng)用前景。王寧等[19]采用多傳感器對(duì)數(shù)目未知的目標(biāo)進(jìn)行檢測(cè)，并通過遺傳算法來解決靜態(tài)數(shù)據(jù)關(guān)聯(lián)問題，且關(guān)聯(lián)成功率較高。因此，遺傳算法是一種能在復(fù)雜空間中進(jìn)行魯棒搜索的方法，可以解決許多傳統(tǒng)優(yōu)化方法難以解決的問題。

2.3.4 模擬退火算法

模擬退火算法是模擬物理熱力學(xué)中固體退火原理的一種全局優(yōu)化算法。在對(duì)固體退火過程研究的啟示下，以組合優(yōu)化問題和固體退火過程之間存在的相似性為基礎(chǔ)，把Metropolis接受準(zhǔn)則引入優(yōu)化過程中，通過恰當(dāng)控制被稱為溫度參數(shù)的下降過程實(shí)現(xiàn)模擬退火，從而得到全局的近似最優(yōu)解，該算法適用于解大型組合優(yōu)化問題的技術(shù)。

模擬退火的實(shí)質(zhì)是進(jìn)行兩次循環(huán)運(yùn)算，內(nèi)循環(huán)是在同一溫度下的多次擾動(dòng)產(chǎn)生不同模型狀態(tài)，并按照Metropolis概率接受準(zhǔn)則接收新模型，因此內(nèi)循環(huán)以模型擾動(dòng)次數(shù)控制。外循環(huán)包括溫度下降的模擬退火、算法迭代次數(shù)的遞增和算法停止的條件，因此外循環(huán)基本是由迭代次數(shù)控制的[10]。

模擬退火算法的應(yīng)用廣泛，而無線傳感器網(wǎng)絡(luò)在國(guó)防、環(huán)境監(jiān)測(cè)、空間探索、醫(yī)療衛(wèi)生、精細(xì)農(nóng)業(yè)、交通管理、制造業(yè)、反恐抗災(zāi)等領(lǐng)域具有廣闊的應(yīng)用前景[20]。有學(xué)者巧妙地將二者結(jié)合使用，取得了良好的效果。李玉增等[21]提出一種新的無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位算法，并通過仿真驗(yàn)證了該算法具有良好的效果。趙仕俊等[22]在對(duì)無線傳感器網(wǎng)絡(luò)定位的基礎(chǔ)上采用模擬退火算法作為后期優(yōu)化，提高了定位精度，且設(shè)計(jì)簡(jiǎn)單、計(jì)算量小，適用性較好。在壓力傳感器的測(cè)控系統(tǒng)中，為了消除非目標(biāo)參量對(duì)壓力傳感器輸入—輸出特性的影響，樊曉宇等[23]采用遺傳模擬退火算法對(duì)壓力傳感器非線性特性進(jìn)行了改善，實(shí)現(xiàn)了智能抑制干擾和溫度補(bǔ)償，因此其可靠性好、測(cè)量精度高。

3 結(jié) 語(yǔ)

智能傳感器已廣泛應(yīng)用于電子產(chǎn)品加工、精密儀器制造、高科技產(chǎn)品生產(chǎn)等行業(yè)，例如機(jī)器人的研發(fā)就與高科技傳感器密不可分，智能傳感器可以收集周圍環(huán)境信息并發(fā)送指令給機(jī)器人，從而控制它的活動(dòng)；在工業(yè)生產(chǎn)領(lǐng)域，智能傳感器可控制商品的各類指標(biāo)，以提高產(chǎn)品質(zhì)量；在醫(yī)學(xué)領(lǐng)域，傳感器已被應(yīng)用于各類醫(yī)學(xué)儀器中，用以測(cè)量人體血液、內(nèi)臟、骨骼、神經(jīng)等各方面的指標(biāo)，為醫(yī)生確診提供依據(jù)，使廣大患者受益，提高人們的健康水平；在日常生活中，各種由智能傳感器制造的先進(jìn)家用電器不斷問世，更加方便了人們的生活。當(dāng)代智能傳感器技術(shù)正在向著虛擬化、網(wǎng)絡(luò)化、信息化方面發(fā)展，并與計(jì)算機(jī)技術(shù)和芯片技術(shù)緊密結(jié)合，應(yīng)用于各個(gè)方面，目前研發(fā)適用于各種特殊條件下的智能傳感器將仍是學(xué)術(shù)界一項(xiàng)重要的任務(wù)。

參考文獻(xiàn)

[1]孫寶元，楊寶清.傳感器及其應(yīng)用手冊(cè)[M].北京：機(jī)械工業(yè)出版社，2004：307-374.

[2]李建壯，楊彥濤.傳感器技術(shù)的應(yīng)用與發(fā)展趨勢(shì)展望[J].中國(guó)科技信息，2011 （17）：120，126.

[3] Lee K. Sensor Networking and Interface Stardardization [C].In：Proceedings of the Instrumentation and Measurement Conference （IMTC） 2001，Budapest，Hungary，May 21-23，2001：147-152.

[4]孫圣和.現(xiàn)代傳感器發(fā)展方向[J].電子測(cè)量與儀器學(xué)報(bào)，2009，23 （1）：1-10.

[5]何金田，劉曉文.智能傳感器原理，設(shè)計(jì)與應(yīng)用[M].北京：電子工業(yè)出版社，2012.

[6]高敏，盧文科，孫仁濤.基于二維回歸分析法的霍爾電流傳感器溫度補(bǔ)償[J].電子測(cè)量與儀器學(xué)報(bào)，2009，23（2）：100-104.

[7]史麗萍，孫寶元，于浩洋.多項(xiàng)式回歸分析在傳感器測(cè)試中的應(yīng)用[J].河北工業(yè)大學(xué)學(xué)報(bào)，2003，32（3）：41-44.

[8]趙敏，潘衛(wèi)明，楊燦軍.基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)融合技術(shù)在諧振式密度傳感器中的運(yùn)用[J].傳感技術(shù)學(xué)報(bào)， 2000，13（3）：187-192.

[9]郝云芳，馮曉明，黃天祿.遺傳算法在傳感器非線性自校正中的應(yīng)用[J].傳感器技術(shù)，2003，22（6）：56-57，61.

[10]陳華根，李麗華，許惠平.模擬退火定位算法研究[J].同濟(jì)大學(xué)學(xué)報(bào)（自然科學(xué)版），2005，33（9）：1240-1243.

[11]杜西亮，孫慧明.多項(xiàng)式回歸在智能傳感器線性化中的應(yīng)用[J].傳感技術(shù)學(xué)報(bào)，2005，18（1）：212-214.

[12]蔡兵.基于神經(jīng)網(wǎng)絡(luò)的半導(dǎo)體壓力傳感器數(shù)據(jù)融合技術(shù)[J].湖北文理學(xué)院學(xué)報(bào)，2002，23（2）： 16-18.

[13]張荷芳，薛靜云.壓力傳感器溫度補(bǔ)償?shù)腂P神經(jīng)網(wǎng)絡(luò)算法[J].西安工業(yè)大學(xué)學(xué)報(bào)，2013，33（2）：163-167.

[14]劉剛.基于改進(jìn)型BP神經(jīng)網(wǎng)絡(luò)的瓦斯傳感器的非線性校正[J].電氣自動(dòng)化，2007，29（3）：61-63.

[15]朱海梅.神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合在位移傳感系統(tǒng)中的應(yīng)用[J].南京師范大學(xué)學(xué)報(bào)（工程技術(shù)版），2006，6（1）：28-32.

[16]陳國(guó)良.遺傳算法及應(yīng)用[M].北京：國(guó)防工業(yè)出版社，1995：12-30.

[17]沈毅，張建秋，王世忠，等.紙漿濃度傳感器非線性估計(jì)和動(dòng)態(tài)標(biāo)定的一種新方法[J].儀器儀表學(xué)報(bào)，1997，18（1）：1-6，13.

[18]錢光耀，趙光興，韓華明.基于混合遺傳算法的濃度傳感器的非線性估計(jì)和動(dòng)態(tài)標(biāo)定[J].中國(guó)儀器儀表，2006 （9）：44-47.

[19]王寧，郭立，金大勝，等.遺傳算法在多傳感器多目標(biāo)靜態(tài)數(shù)據(jù)關(guān)聯(lián)中的應(yīng)用[J].數(shù)據(jù)采集與處理，1999，14（1）：18-21.

[20] Akyildiz LF， Su WL， Sankarasubramaniam Y， et al.A survey on sensor networks[J].IEEE Communications Magazine， 2002，40（8）： 102-114.

[21]李玉增，張雪凡，施惠昌，等.模擬退火算法在無線傳感器網(wǎng)絡(luò)定位中的應(yīng)用[J].通信技術(shù)，2009，42（1）：211-213.

[22]趙仕俊，孫美玲，唐懿芳.基于遺傳模擬退火算法的無線傳感器網(wǎng)絡(luò)定位算法[J].計(jì)算機(jī)應(yīng)用與軟件，2009，26（10）：189-192.

[23]樊曉宇，王玉寶，盧國(guó)偉，等.基于遺傳模擬退火算法的壓力傳感器溫度補(bǔ)償系統(tǒng)[J].傳感技術(shù)學(xué)報(bào)，2008，21（9）：1532-1535.