本书主要对黄河含沙量检测方法和多源多尺度数据融合理论进行了研究和探讨。力求做到内容详实、层次分明、简洁实用，便于读者对知识的理解、掌握和应用。本书共八章，内容有绪论、含沙量检测多源多尺度数据融合理论基础、悬浮含沙量测量原理及方法、音频共振法的含沙量检测多尺度融合模型、基于IGA-RBF的含沙量检测多传感器融合模型、基于Wavelet-Curvelet的含沙量多源多尺度融合模型、基于多模型融合的含沙量测量研究、结论与展望。本书可作为河流泥沙工程类技术人员的参考书和自学用书。

刘明堂，博士，副教授。主要从事水利、电子信息等方面的研究，发表SCI、EI期刊论文多篇。

绪 论1

1.1 研究背景和意义1

1.2 国内外研究现状3

1.2.1直接测量方法3

1.2.2 间接检测方法4

1.2.3 含沙量检测的发展动态分析9

1.3 研究内容及技术路线12

1.3.1 研究内容12

1.3.2技术路线13

1.4 论文的组织结构及章节安排14

2 含沙量检测多源多尺度数据融合理论基础17

2.1含沙量多源多尺度融合的基本性质17

2.2卡尔曼最优滤波方程18

2.3 多传感器融合理论21

2.3.1 多传感器融合模型建立21

2.3.2线性最小方差融合模型22

2.3.3 全局信息无反馈最优分布式估计融合算法24

2.3.4 有反馈最优分布式估计融合算法28

2.4 多尺度系统理论29

2.4.1 多尺度表示和二叉树系统30

2.4.2 小波多尺度分析33

2.4.3离散小波变换35

2.4.4 第二代Curvelet多尺度分析36

2.4.5 基于多尺度分析的多传感器信息融合算法研究40

2.4.6 多尺度最优融合估计算法41

2.5 本章小结44

3 悬浮含沙量测量原理及方法45

3.1 含沙量直接测量方法45

3.2 含沙量间接测量方法46

3.2.1 射线法46

3.2.2 红外线法47

3.2.3 振动法48

3.2.4 激光法48

3.2.5 电容式传感器测量法49

3.3 超声波测量含沙量的工作原理50

3.3.1 超声波简介50

3.3.2 超声波的主要物理特性52

3.3.3 超声波在含沙水中的传播机理54

3.3.4 悬浮液的衰减55

3.3.5 超声波面积比值法测量含沙量56

3.3.6 检测方法58

3.3.7 超声波含沙量传感器电路设计59

3.4 物理测沙的基本适用条件和主要影响因素61

3.4.1 物理测沙感应区的浑水体系61

3.4.2 浑水中气泡等杂质对稳定性的影响61

3.4.3 温度变化对测量结果有影响62

3.4.4 物理测沙的衡量指标62

3.5 本章小结63

4音频共振法的含沙量检测多尺度融合模型64

4.1音频共振原理的含沙量检测方法64

4.1.1 音频共振含沙量检测传感器64

4.1.2 音频共振检测含沙量的原理65

4.2 基于音频共振法的含沙量检测系统设计67

4.2.1含沙量检测系统整体架构67

4.2.2音频共振法含沙量检测硬件平台设计68

4.2.3 基于LabVIEW的含沙量检测界面设计69

4.3 音频共振传感器输出特性分析72

4.3.1 实验材料和实验数据72

3.3.2 传感器输入输出响应分析73

4.3.3传感器受温度的影响分析74

4.3.4传感器输出信号的多尺度分析76

4.4 多尺度贯序式Kalman融合模型77

4.4.1卡尔曼和温度融合模型78

4.4.2 动态测量的分块形式描述79

4.4.3 分块系统的多尺度表示81

4.4.4 测量误差定义及计算81

4.4.5基于误差最小的MSBKTF模型重构83

4.5 实验结果及误差分析84

4.5.1 小波不同尺度反演的误差分析84

4.5.2 多尺度贯序式Kalman融合处理分析86

4.5.3 Kalman滤波和一元、多元回归分析比较88

4.6 本章小结90

5 基于IGA-RBF的含沙量检测多传感器融合模型91

5.1电容式差压法检测含沙量91

5.1.1 电容式差压法检测原理91

5.1.2 电容式差压传感器94

5.1.3 基于电容式差压方法的含沙量检测系统95

5.2 环境因素影响分析及测量参数选择98

5.2.1 水温变化对测量的影响分析98

5.2.2 测点深度对测量结果的影响分析99

5.2.3流速对测量结果的影响分析100

5.2.4测量参数选择101

5.3 基于IGA-RBF的多传感器非线性融合模型101

5.3.1 基于RBF神经网络的非线性数据融合原理101

5.3.2 改进遗传算法优化RBF神经网络参数102

5.4 实验结果及误差分析105

5.4.1 实验材料和实验数据105

5.4.2 一元回归分析106

5.4.3 多元线性回归反演和BP融合分析108

5.4.4 S-RBF、AGA-RBF和DAGA-RBF的融合处理分析109

5.4.5 IGA-RBF融合分析112

5.5 本章小结114

6基于Wavelet-Curvelet的含沙量多源多尺度融合模型115

6.1 多源含沙量信息序列分析115

6.1.1 含沙量信息分解模型115

6.1.2 Curvelet含沙量信息分解模型116

6. 2含沙量多源多尺度最优融合理论及算法117

6.2.1多源数据卡尔曼滤波117

6.2.2 多源多尺度最优融合估计方程118

6.2.3 多源多尺度分段标量加权融合模型119

6.2.4多源多尺度分段标量加权融合算法流程120

6.3含沙量分布式多源多尺度融合系统设计121

6.3.1含沙量分布式检测系统整体架构121

6.3.2 实验材料和实验数据122

6.4实验结果及误差分析124

6.4.1 一元回归分析124

6.4.2 Wavelet多源多尺度标量加权融合分析128

6.4.3 Curvelet多源多尺度融合分析132

6.4.4 Wavelet-Curvelet多源多尺度融合分析135

6.5 本章小结136

7 基于多模型融合的含沙量测量研究138

7.1 基于Kalman-BP协同融合模型的含沙量测量138

7.1.1 Kalman-BP协同融合模型应用背景138

7.1.2 信息采集感知层设计139

7.1.3 kalman-BP协同融合模型设计140

7.1.4 kalman-BP协同融合误差分析143

7.2 基于曲面拟合法的含沙量检测数据融合技术146

7.2.1 曲面拟合融合方法146

7.2.2 曲面拟合的试验标定147

7.2.3 曲面拟合方程待定常数的确定147

7.2.4 曲面拟合融合处理及误差分析147

7.3 基于物联网的黄河含沙量数据融合研究149

7.3.1 物联网技术149

7.3.2 含沙量检测的物联网框架149

7.3.3 基于多元回归分析的数据融合150

7.3.4 多元回归融合处理151

7.3.5 多元回归融合处理误差分析153

7.4 基于神经网络的含沙量数据融合原理154

7.4.1基于神经网络的数据融合原理154

7.4.2 神经网络融合实验标定155

7.4.3 数据处理与误差分析156

7.5 基于云计算的黄河含沙量数据融合研究157

7.5.1 基于云计算的含沙量测量应用背景157

7.5.2 基于云计算的数据融合平台158

7.5.3主成份分析160

7.5.4 基于GM(1，N)模型的数据融合161

7.5.5 数据融合处理与误差分析161

7.6 本章小结164

8 结论与展望191

8.1 结论191

8.2 展望191

参考文献193