导读:本文包含了自主智能传感器论文开题报告文献综述及选题提纲参考文献，主要关键词:毫米波传感器,雷达传感器,传感技术
自主智能传感器论文文献综述
[1]（2019）在《尖端智能自主技术:自主决策的传感器可以让生活变得更加智能》一文中研究指出Robert每天早上开车上班,虽然路程很短,但通勤时间就在其等红灯的过程中被毫无知觉地延长了。他说:"现在是红灯,但其他方向没有人通过。在上车之前我必须冷静下来,因为我知道这种事无法避免。"我们都遇到过这样的情况,但对于TI工业雷达组的负责人来说,这是一种令人特别痛苦的经历。Robert知道,通过安装一个简单的雷达芯片,信号灯就可以为其改变颜色。我们的TI毫米波(mmWave)传感器能够让任何(本文来源于《单片机与嵌入式系统应用》期刊2019年02期）
[2]（2018）在《尖端智能自主技术:自主决策的传感器可以让生活变得更加智能》一文中研究指出尖端智能自主技术:自主决策的传感器可以让生活变得更加智能Robert每天早上开车上班,虽然路程很短,但通勤时间就在其等红灯的过程中被毫无知觉地延长了。他说:"现在是红灯,但其他方向没有人通过。在上车之前我必须冷静下来,因为我知道这种事无法避免。"(本文来源于《电源世界》期刊2018年12期）
李博[3]（2018）在《基于智能终端MEMS传感器的叁维自主室内定位系统研究》一文中研究指出近年来室内定位与导航受到了学术和工业领域的广泛研究,发展迅速。但是目前室内定位技术存在明显缺陷:需要提前布置大量辅助设备,成本高,实用性降低;亦或是建立的行人航迹推算(Pedestrian Dead Reckoning,PDR)算法中步长模型固定、步态模型单一,航迹二维显示,定位精度达不到实际使用效果。目前智能终端设备,以搭载Android、iOS操作系统的移动手机或平板电脑设备为代表,集成了加速度计、陀螺仪、磁力计、气压计等体积小、功耗低、成本低的微机电(Micro-ElectroMechanical System,MEMS)传感器以及强大智能CPU、高速大容量内存,这为室内导航定位技术提供了成熟的软硬件平台。本文针对行人使用智能设备的不确定性,研究了行人定位系统的原理和系统架构,设计了一种行人多运动状态、设备多姿态的室内定位算法,从而有效解决了行人日常室内场景导航定位的问题。首先,针对智能手机上低成本MEMS传感器建立加速度计和磁力计的误差校准模型,通过仿真分析与实验验证,该误差校准模型有效地解决了低成本传感器的误差对行人定位系统的影响,为后续定位算法提供了基础。其次,提出了基于支持向量机(Support Vector Machine,SVM)的机器学习算法有效地对行人多种模式下行走时传感器输出数据进行了分类,能够识别行人的四种运动状态和使用手机的四种姿态,实验验证了识别率达到85%以上。同时在正确判别多种模式的基础上,设计了一种全姿态下的定位算法,包括全姿态步态检测、姿态融合以及航向修正,有效地解决了不同手机姿态切换过程中的漏步以及航向突变问题。并针对行人长时间行走过程中惯性传感器累积误差发散的问题,提出了基于室内地图的虚拟地标匹配补偿算法,通过重置起始点的方法来消除累积误差。再利用气压计解算相对高度,结合运动状态,对行人所在楼层进行判断。最后,通过Android平台验证本文设计算法的可行性,通过JNI(Java Native Interface,JNI)技术将算法以共享库的形式置于系统运行层,有效保证了算法的运行效率,测试结果表明:系统可以提供准确、有效的位置信息,最终得到多种场景的室内定位误差在3%以内的达标率为85%以上,证明了该系统的性能优异。(本文来源于《重庆邮电大学》期刊2018-05-25）
邱广萍[4]（2014）在《基于激光传感器的智能车自主导航系统设计》一文中研究指出从硬件电路设计和软件设计两大方面入手,分析基于激光传感器的智能车自主导航系统的设计过程。通过分析基于激光传感器芯片制作的自主导航智能车的设计原理和方案,从机械结构设计,硬件电路设计,程序算法设计以及调试经验等四个方面全面介绍智能车的制作及调试过程。经过实验对比和竞赛,表明测速模块、电机驱动模块及激光传感器的设计和选择,软件程序的编写和算法的选择有效地实现了智能车的高速自主导航。(本文来源于《电脑知识与技术》期刊2014年07期）
师克,王洪军,李永科[5]（2012）在《基于电磁传感器的智能车自主寻迹系统设计》一文中研究指出第五届全国大学生"飞思卡尔"杯智能竞速车竞赛增加了基于电磁信号的智能车路径识别方式。文中主要介绍基于电磁检测传感器的能够自主识别道路的智能车,使其能够按照沿通有频率为20kHz,幅度为100mA交流电的导引线预先规定的路线行进。(本文来源于《信息技术》期刊2012年10期）
吕建波[6]（2012）在《基于激光传感器的自主寻径智能车设计》一文中研究指出设计了一种基于激光传感器的自主寻径智能模型车系统,以飞思卡尔公司16位单片机MC9S12XS128为核心控制器;系统采用激光传感器阵列检测路径信息,得到智能车与路径的横向偏差,采用比例控制算法控制舵机转向,并对直流驱动电机进行增量式PID闭环调节控制,从而实现智能模型车快速稳定地自主寻径行驶。(本文来源于《现代电子技术》期刊2012年13期）
王建,张晓炜,杨锦,昝鑫,刘小勇[7]（2010）在《基于视觉传感器的自主循迹智能车的设计与实现》一文中研究指出介绍了一种基于视觉传感器的智能车控制系统。首先对系统硬件设计方案进行介绍,然后介绍了其软件设计,包括图像预处理、畸变校正以及小车控制策略,分为巡线控制和路径规划,其中巡线控制使用最优曲率算法,最后介绍了基于SD卡的调试手段。实验结果表明,该小车能在白底黑线的跑道上稳定快速地行驶,其均速可达3.3 m/s。(本文来源于《工业仪表与自动化装置》期刊2010年06期）
陈刚[8]（2005）在《卫星自主智能控制多传感器信息处理技术研究》一文中研究指出从20世纪60年代JPL实验室将自主智能控制技术应用于航天器以来,尽可能地提高航天器的自主运行水平已是航天器发展的大趋势。多传感器信息处理技术是航天器自主运行技术中的重要内容。本文针对卫星自主智能控制的特点,重点研究了多传感器信息融合技术及故障诊断理论。由于惯性系统正由框架式平台系统逐步向捷联系统过渡,因此本文还对基于光纤陀螺的捷联姿态更新算法进行了研究。本文的主要研究工作包括以下内容:1.基于信息融合估计理论,研究和总结了多传感器信息融合的结构及算法。在经典Kalman滤波估计理论的基础上,利用最优线性融合理论,分别给出了集中式Kalman滤波及各种分散式Kalman滤波的算法,并分析了各种算法的优缺点。2.研究了卫星姿态确定系统多子样旋转矢量算法。由于光纤陀螺仪输出为角速率信号,而传统的旋转矢量算法输出为角增量信号,采用角增量提取算法,旋转矢量精度会大幅大降。最后提出了一种最优旋转矢量算法,分析结果表明,该算法能够很好的克服输入角速率信号精度会降低的缺陷。3.利用联邦Kalman滤波算法分别对采用GPS、磁强计和采用惯性陀螺、红外地平仪、星敏感器的两种卫星姿态确定方案进行了建模和仿真。仿真结果表明,联合滤波算法可以有效的提高卫星姿态确定精度。4.分析和讨论了卫星多传感器故障检测技术。分别讨论了冗余多传感器故障检测技术,专用观测器故障检测技术及递阶多重模型故障检测技术。通过仿真表明递阶多重模型故障检测技术适用于传感器软故障的检测。最后介绍了基于递阶联合滤波器的系统重构策略。(本文来源于《国防科学技术大学》期刊2005-11-01）
童敏明,季宏,崔霞[9]（2004）在《全自主智能机器人多传感器融合感知方法的研究》一文中研究指出全自主智能机器人采用多超声波传感器来感知周围的环境信息,并利用卡尔曼滤波对获取的信息进行分析和融合,从而达到对前方障碍方位的准确判断,以完成机器人避障功能。(本文来源于《淮阴工学院学报》期刊2004年05期）
自主智能传感器论文开题报告
（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：
尖端智能自主技术:自主决策的传感器可以让生活变得更加智能Robert每天早上开车上班,虽然路程很短,但通勤时间就在其等红灯的过程中被毫无知觉地延长了。他说:"现在是红灯,但其他方向没有人通过。在上车之前我必须冷静下来,因为我知道这种事无法避免。"
（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。
自主智能传感器论文参考文献
[1]..尖端智能自主技术:自主决策的传感器可以让生活变得更加智能[J].单片机与嵌入式系统应用.2019
[2]..尖端智能自主技术:自主决策的传感器可以让生活变得更加智能[J].电源世界.2018
[3].李博.基于智能终端MEMS传感器的叁维自主室内定位系统研究[D].重庆邮电大学.2018
[4].邱广萍.基于激光传感器的智能车自主导航系统设计[J].电脑知识与技术.2014
[5].师克,王洪军,李永科.基于电磁传感器的智能车自主寻迹系统设计[J].信息技术.2012
[6].吕建波.基于激光传感器的自主寻径智能车设计[J].现代电子技术.2012
[7].王建,张晓炜,杨锦,昝鑫,刘小勇.基于视觉传感器的自主循迹智能车的设计与实现[J].工业仪表与自动化装置.2010
[8].陈刚.卫星自主智能控制多传感器信息处理技术研究[D].国防科学技术大学.2005
[9].童敏明,季宏,崔霞.全自主智能机器人多传感器融合感知方法的研究[J].淮阴工学院学报.2004