推荐星级：

多功能传感器信号采集与数字化处理研究

更新时间：2020-03-02 13:43:06 大小：6M 上传用户：zhiyao6 查看TA发布的资源 标签：传感器 下载积分：3分评价赚积分（如何评价?）打赏收藏评论(0) 举报

资料介绍

温度湿度在人们生活和工农业生产和运输过程中起着非常重要的作用，温湿度信息的获取主要依赖于温度湿度传感器，传统的温湿度传感器体积相对较大，成本较高，而且需要人工读取，满足不了现代传感器数字化、智能化、网络化的要求。MEMS传感器是利用成熟的集成电路（IC）CMOS工艺结合MEMS后处理工艺制作的，它的体积小、成本低、性能稳定、已成为国内外研究的热点。目前，实验室的MEMS温湿度传感器制作工艺已经比较成熟，但是传感器输出的电压较微弱，而且易受外界因素（如温度）的影响，本文研究的重点就是在硬件和软件上克服这些弱点，并在传感器芯片后加上传感器的控制电路和微弱信号检测电路，以及数据处理、通讯、显示等模块，使之成为数字化、智能化、网络化的温湿度传感器微系统。本文所研究的温度传感器和湿度传感器都是通过对电阻阻值的检测来感应温度和湿度的变化，所以传感器的检测电路是以能精确测量电阻的惠斯通电桥配以电压放大电路。作为智能化传感器系统的核心——微控制器（MCU）选用Silicon Laboratories公司的C8051F350，它是一款增强型单片机，有8个I/O作为专用的模拟信号输入口，片内AD为24位，集成SNBus/12C，8KB flash存储器，能满足系统多功能，高精度，即时通讯，智能编程的需要。系统软件部分以嵌入式程序和算法为主。嵌入式程序主要为系统提供必备的功能，如MCU的驱动、信号采样、通讯功能以及液晶显示等。而算法包括基于切比雪夫神经网络的非线性补偿算法和基于BP神经网络的温度补偿算法。非线性补偿算法和温度补偿算法分别用神经网络的思想来解决由传感器变化的物理量（电压）到得出环境温度和湿度值的飞跃。人工神经网络在数据处理、函数逼近以及建立模型方面体现出越来越强大的功能，并已在传感器算法领域得到了检验，切比雪夫神经网络非线性补偿算法利用切比雪夫多项式最佳一致逼近的特点，建立一个单输入三层网络，通过样本的学习，能有效逼近实际传输特性曲线，减少非线性误差影响。BP神经网络温度补偿算法则是建立一个双输入的三层网络，两个输入量分别是传感器输出电压以及干扰量温度值，通过样本的学习，完成对网络的训练，消除温度的影响，建立模型。微系统的封装采...