01传感器专题
点击进入对应的交互式科普页面。
02进阶学习专题
从原理到体系：系统化学习路径、算法实战与工业合规标准。
03传感器学习路径 → 查看完整页面
从零基础到算法落地，按阶段循序渐进。
1
物理基础与测量理论
掌握压力 / 流量 / 液位等物理量定义、单位换算、精度与误差理论（系统误差、随机误差、迟滞、重复性）。
单位换算 Pa/MPa/PSI误差理论测量链分析
2
敏感元件与传感原理
理解各类换能原理：应变片与惠斯通电桥、压阻扩散、电容极板、压电晶体、涡轮叶轮、超声波换能器。
惠斯通电桥压阻/电容/压电MEMS 工艺
3
信号调理与采集
微弱信号放大（仪表放大器）、模拟滤波、ADC 采样率与分辨率、恒流 / 恒压激励、参考源与噪声抑制。
仪表放大器抗混叠滤波ADC 与采样定理
4
数字滤波与数据处理算法
限幅滤波、滑动平均、中值滤波、卡尔曼滤波；标定曲线拟合（最小二乘）、线性化与温度补偿。
滑动平均中值滤波卡尔曼滤波最小二乘标定
5
接口协议与系统组网
模拟输出 4-20mA / 0-10V、数字接口 I²C / SPI、现场总线 RS485-Modbus / CAN / HART、无线 LoRa / NB-IoT。
4-20mA 电流环I²C/SPIModbus无线传感网
6
系统集成与智能应用
数据采集网关、边缘计算、多传感器融合、云端监控、数字孪生与预测性维护。
边缘计算传感器融合数字孪生预测性维护
04传感器核心算法库 → 查看算法详解页
传感器数据上云前的"必经之路"。
✂️
限幅滤波
相邻采样差值超过阈值视为野值，用上次值替代。剔除突变干扰，实现简单。
if |x[n]-x[n-1]| > Δ → x[n]=x[n-1]
〰️
滑动平均
对最近 N 个采样取平均，平滑随机噪声。窗口越大越平滑、延迟越大。
y[n] = Σ(x[n-N+1..n]) / N
🎯
中值滤波
取窗口内排序后的中间值，对脉冲噪声（毛刺）极有效，保留阶跃。
y[n] = median(x[n-N+1..n])
🧠
卡尔曼滤波
结合系统模型与测量进行最优估计，动态调整增益，噪声与响应兼顾。
K=P/(P+R); x+=K(z-x); P*=(1-K)
📈
最小二乘标定
用标准压力源多点采样，拟合电压-物理量直线/多项式，消除非线性与偏置。
P = a·V + b （OLS 求解）
🌡️
温度补偿
内置温度传感，用多项式或查表修正零点与灵敏度温漂，提升全温区精度。
P_c = P / (1 + α·(T - T₀))
🔀
多传感器融合
互补滤波 / 加权平均融合多源数据，如压力+温度、液位+流量联合估计。
ẑ = Σ wᵢ·zᵢ，Σwᵢ=1
🚨
故障诊断
超限报警、漂移检测、断线识别（电流环 0/∞ 判断），保障系统可靠运行。
|y - μ| > k·σ → 故障
05滤波算法实时对比
同一路含噪声的传感器信号（真实值 + 高斯噪声 + 脉冲毛刺），对比各滤波算法效果。点击图例可开关曲线。
原始信号
滑动平均 N=10
中值滤波 N=7
卡尔曼滤波
噪声 35%