仿生扑翼飞行器是一类模仿鸟及昆虫通过机翼主动运动产生升力和推力的飞行器。因具有飞行效率高，机动性强、隐蔽性好等优点，扑翼飞行器近年来受到越来越多的关注和研究。小型扑翼飞行器由于其精巧的结构和可操作性，能够适应更复杂的环境，但也限制了其飞行负载能力和电池续航时间。在许多场景中，高质量和高功耗的传感器不再适用于扑翼飞行器。自然界生物得到的信息绝大多数是通过视觉途径获取的。视觉作为一个获取信息的有效途径，在扑翼飞行器的应用中有着不可替代的作用。视觉传感器具有质量轻、功耗低、图像信息丰富等优点，因此非常适合于搭载在扑翼飞行器上。随着微电子、图像处理等技术的不断发展，以扑翼飞行器为平台的视觉感知系统也取得了重要进展。本文首先介绍了国内外几款有代表性的扑翼飞行器的视觉感知系统，分为机载视觉感知系统和外部视觉感知系统两类；然后简述了三个系统关键技术即图像消抖技术、目标检测与识别技术、目标跟踪技术的发展现状，进而总结发现扑翼飞行器的视觉感知系统研究目前还处于起步阶段；最后指出图像消抖、机载实时处理、目标检测与识别、三维重建等可以作为扑翼飞行器视觉感知系统的未来研究方向

研究了传感器敏感元件的高磁致伸缩Fe基、零磁致伸缩Co基非晶带和非晶丝的微压力探测性能、磁场与位移探测性能、Wiegand型尖锐脉冲电压性能。Fe基非晶带环形铁芯具有良好的线性度,灵敏度高达2.7V/N。Co基非晶带磁场及位移探测元件灵敏度为14mV/A·m-1,位移探测灵敏度达30mV/mm,线性探测范围达100mm左右

提出了利用神经网络自适应滤波原理解决多传感器信号处理的方法,通过对多路带噪声的数字模拟信号的滤波结果表明,该方法能快速、有效地消除主信号源的各种背景噪声

一、学会用焦利秤测量弹簧的倔强系数。 二、学会用集成霍耳传感器测量弹簧振子的振动周期,并计算弹簧的倔强系数

人工神经网络为学习实数值和向量值函数提供了一种实际的方法，对于连续值和离散值的属性都可以使用，并且对训练数据中的噪声具有很好的健壮性。反向传播算法是最常见的网络学习算法。反向传播算法考虑的假设空间是固定连接的有权网络所能表示的所有函数的空间。包含3层单元的前馈网络能够以任意精度逼近任意函数，只要每一层有足够数量的单元。即使是一个实际大小的网络也能够表示很大范围的高度非线性函数。反向传播算法使用梯度下降方法搜索可能假设的空间，迭代减小网络的误差以拟合训练数据

上海交通大学：《智能传感器系统》课程教学资源（PPT课件）传感器集成技术基础

4.1光电成像概述 4.2摄像原理 4.4电荷耦合器件(CCD，(Charge Coupled Devices) 4.6CMOS图像传感器 4.7固体图像传感器主要特性参数

苏州大学：电子信息学院《传感及微传感基础》课程教学大纲

苏州大学：电子信息学院《传感与微传感基础》课程教学大纲

提出了基于无速度传感器矢量控制的电流型变频调速系统,并介绍了负载开路时,晶闸管保护的方法,电动机侧并联LC谐波滤波器的作用