感知数据分析与应用

目录

前言

第1章 绪论 1

1.1 测量与计量 2

1.2 智能感知与计算 3

1.2.1 传感器的基本原理 4

1.2.2 智能感知系统 4

1.2.3 物联网与信息物理融合 5

1.3 传感器的性能指标 6

1.3.1 静态特性 6

1.3.2 动态特性的时域分析 8

1.3.3 动态特性的频域分析 11

1.3.4 FBG温度传感器的静态特性 13

1.4 本书主要工作 15

参考文献 16

第2章 静态数据与误差分析 18

2.1 概率 18

2.1.1 事件概率 19

2.1.2 随机变量及概率分布 21

2.1.3 随机变量的数字特征 23

2.1.4 信息熵 26

2.2 统计推断 28

2.2.1 样本与抽样分布 29

2.2.2 统计估计 31

2.2.3 假设检验 36

2.3 线性模型 39

2.3.1 *小二乘法拟合 39

2.3.2 相关分析 41

2.3.3 方差分析 41

2.3.4 CFRP-FBG加固混凝土结构的抗裂性能 43

2.4 测量误差 45

2.4.1 粗大误差 46

2.4.2 系统误差 47

2.4.3 压力约束混凝土结构的热应变响应 51

2.5 测量不确定度评估 53

2.5.1 标准测量不确定度的A类评估方法 55

2.5.2 标准测量不确定度的B类评估方法 59

2.5.3 合成不确定度评估 61

2.5.4 扩展不确定度评估 64

2.5.5 直流电子式电流互感器校验仪测试 64

参考文献 67

第3章 动态数据与信号处理 70

3.1 随机过程 70

3.1.1 随机过程的分布 71

3.1.2 随机过程的数字特征 71

3.1.3 Markov过程 72

3.1.4 平稳随机过程 75

3.1.5 GPR信号混叠的双排钢筋识别与定位 81

3.2 时间序列分析 83

3.2.1 平稳时间序列分析 83

3.2.2 自回归模型拟合 85

3.2.3 AR(p)序列预测 88

3.3 谱估计 88

3.3.1 **谱估计 90

3.3.2 参数建模 91

3.4 时频分析 92

3.4.1 短时Fourier变换 94

3.4.2 小波分析 95

3.4.3 小波包 100

3.4.4 提升小波 103

3.4.5 Wigner-Ville分布 105

3.4.6 经验模式分解 109

3.4.7 Hilbert谱分析 113

3.4.8 GPR信号振幅与相位特征的破碎带识别 116

3.4.9 基于STFT的?-OTDR多频分解相干衰落抑制算法 120

参考文献 121

第4章 统计机器学习 123

4.1 统计机器学习的基本概念 124

4.1.1 模型假设空间 125

4.1.2 模型选择准则 126

4.1.3 模型学习算法 129

4.1.4 模型评价 134

4.2 监督学习 140

4.2.1 感知器 141

4.2.2 k近邻法 142

4.2.3 logistic回归 142

4.2.4 Bayes分类器 143

4.2.5 EM算法 147

4.2.6 支持向量机 148

4.3 无监督学习 158

4.3.1 聚类 158

4.3.2 主成分分析 168

4.3.3 核主成分分析 170

4.3.4 融合TSP和GPR探测信号的裂隙水识别 171

4.4 半监督学习 175

4.4.1 Gaussian混合模型生成 176

4.4.2 转换支持向量机 177

参考文献 178

第5章 深度学习 180

5.1 神经网络 180

5.2 深度学习的基本结构 182

5.2.1 卷积神经网络 184

5.2.2 循环神经网络 188

5.2.3 长短期记忆神经网络 193

5.2.4 自编码器 195

5.2.5 基于多双*特性注意力机制的Faster R-CNN的钢筋识别 197

5.3 深度学习中的常用策略 200

5.3.1 生成对抗学习 200

5.3.2 迁移学习 202

5.3.3 元学习 207

5.3.4 终身机器学习 209

5.3.5 基于VAE-GAN抑制钢筋产生的GPR多次反射干扰信号 210

5.3.6 基于图像迁移模型的雷达数据中隧道衬砌识别与厚度估计 213

5.4 Transformer架构与大语言模型 216

5.4.1 自监督学习 217

5.4.2 注意力机制 218

5.4.3 Transformer神经网络架构 223

5.4.4 大语言模型 225

5.4.5 基于Transformer的MRI图像超分辨率 226

参考文献 229

术语对照表 233