作者：李旭,徐启敏,纵冠宇 等
页数：225
出版社：东南大学出版社
出版日期：2024
ISBN：9787576615173
电子书格式：pdf/epub/txt
网盘下载地址：下载智能感知系统设计
内容简介
本书主要介绍智能感知系统的设计原理与技术。首先结合现代科学技术的新进展，介绍了智能感知系统相关的基本概念、构成和原理以及设计新技术、新方法等，接着结合工程实际，通过具体的智能感知系统设计实例，清晰地介绍智能感知系统设计的全过程，使学习者能较系统地掌握智能感知系统的设计思路、方法和实现过程。
全书共分6章，内容包括：绪论、系统构成、数据预处理、任务及算法、设计方法、综合设计案例等。为便于组织教学，每章配有习题与思考题，帮助读者理解和掌握相关知识点。本书在内容编排上既体现了智能感知系统的系统性和新颖性，又加强了针对工程应用的实践性和创新性。
本书可作为高等学校智能感知工程、测控技术及仪器以及人工智能等相关专业“智能感知系统设计”课程的本科生教材，也可作为自动化、电子信息、机器人等相关学科本科生与研究生的参考书，同时可供有关科研人员和工程技术人员参考。
作者简介
李旭，东南大学教授、博士生导师，长期从事智能车辆与无人系统等智能动载体的环境感知、导航定位以及规划控制等方面的研究。近年来带领团队先后承担国家重大专项、重点研发等重要项目20多项；作为第1或2作者（且通讯）在国内外高水平期刊上发表学术论文60多篇，其中IEEE Trans.汇刊20多篇；指导多篇论文获得江苏省优秀博士学位论文、江苏省优秀硕士学位论文、中国仪器仪表学会优秀博士学位论文提名奖等；牵头获得教育部、江苏省以及多个全国一级行业学会或协会的科学进步一、二等奖等6项。
徐启敏，男，东南大学副教授、硕士生导师，长期从事智能环境感知、多传感融合定位相关理论与应用研究。作为负责人承担国家自然科学基金青年基金项目1项、国家重点研发计划子课题3项；以第1作者发表SCI／EI论文近20篇；以第1发明人授权国家发明专利近10项；获教育部、江苏省以及国家一级行业协会的省部级一、二等奖4项。
祝雪芬，女，东南大学教授、博士生导师，长期从事卫星导航、多源数据融合与环境感知的研究。主持国家自然科学基金、国家重点研发计划子课题，参与军科委国防科技173计划、江苏省重大成果转化基金等多个重点项目；发表SCI／EI论文20余篇，授权发明专利10余项，获省部级科研奖励4项；曾获宝钢优秀教师奖、国家级教学成果奖二等奖、江苏省教学成果奖一等奖等。
目录
1.1 概述
1.1.1 智能感知系统的概念与功能
1.1.2 智能感知系统的构成
1.1.3 智能感知系统的特点
1.1.4 智能感知系统的算法核心——人工智能算法
1.2 智能感知系统的应用
1.2.1 智能交通与自动驾驶
1.2.2 智慧城市、智慧楼宇和智能安防
1.2.3 工业物联网
1.2.4 生态环境监测
1.2.5 医疗领域
1.2.6 国防领域
1.3 智能感知系统的深入发展
1.3.1 多模态融合
1.3.2 自主智能化
1.3.3 群体网联化
习题
第2章 智能感知系统构成
2.1 智能感知传感器
2.1.1 普通传感器
2.1.2 智能传感器
2.1.3 常用的智能感知传感器
2.2 智能感知处理器
2.2.1 智能处理芯片
2.2.2 智能处理设备
2.3 智能感知通信
2.3.1 近距离无线通信技术
2.3.2 远距离无线通信技术
本章小结
习题
第3章 智能感知系统数据预处理
3.1 基本数据预处理方法
3.1.1 粗大误差处理与补偿
3.1.2 噪声误差滤波处理方法
3.2 典型数据预处理方法
3.2.1 传统数字滤波器
3.2.2 现代数字滤波器
3.3 多传感器时空同步处理方法
3.3.1 时间同步处理技术
3.3.2 空间坐标系转换
3.4 本章小结
习题
第4章 智能感知任务及算法
4.1 智能感知任务
4.1.1 机器学习简介
4.1.2 基于机器学习的智能感知任务
4.2 聚类任务
4.2.1 K-Means算法
4.2.2 DBSCAN算法
4.2.3 AGNES算法
4.3 分类任务
4.3.1 K近邻分类算法
4.3.2 决策树算法
4.3.3 卷积神经网络
4.4 回归任务
4.4.1 线性回归算法
4.4.2 支持向量回归算法
4.4.3 多层感知机
4.5 时序预测任务
4.5.1 ARIMA模型
4.5.2 简单循环神经网络
4.5.3 长短期记忆
4.6 本章小结
习题
第5章 智能感知系统设计方法
5.1 设计流程
5.2 设计需求分析
5.3 总体方案设计
5.4 技术设计及实现
5.4.1 硬件设计及开发
5.4.2 软件设计及开发
5.5 测试验证
5.6 设计总结
5.7 本章小结
习题
第6章 综合设计案例
6.1 自动驾驶领域障碍物的感知检测
6.1.1 需求分析
6.1.2 总体方案设计
6.1.3 技术设计与实现
6.1.4 测试结果
6.1.5 案例总结
6.2 机器人抓取目标的识别定位
6.2.1 需求分析
6.2.2 总体方案设计
6.2.3 技术设计及实现
6.3 惯性导航累积误差的智能预测与修正
6.4 本章小结
习题
附件I 基于K-Means的图像分割算法
附件Ⅱ 基于卷积神经网络的手写数字识别
附件Ⅲ 基于SVR的惯性导航累积误差预测
附件Ⅳ 基于ARIMA模型的雨量预测算法
附件V 基于LSTM模型的股价预测算法
附件Ⅵ 基于支持向量机的障碍物感知算法
附件Ⅶ 机器人抓取目标的识别定位
参考文献
