本文介绍了一款扩展板模块-温湿度传感器V1.0的原理图，该模块包含了DHT11温湿度传感器、AMS1117-3.3稳压芯片等元件。其中，DHT11温湿度传感器通过1-Wire总线与单片机通信，实现对环境温湿度的检测。AMS1117-3.3稳压芯片则为模块提供了3.3V的电源稳定输出。该模块可广泛应用于各种温湿度检测场合。

针对寻峰算法不能自适应检测光纤布拉格光栅(FBG)多峰值光谱的问题，提出了一种多峰自适应寻峰算法。采用滑动均值滤波法对光谱信号进行去噪预处理，并结合希尔伯特变换对多峰光谱自适应峰值区域分割；分析了谱峰的不对称特性，对单峰光谱采用基于非对称广义高斯模型的峰值修正策略，实现了峰值的精确定位。实验结果表明，与对比算法相比所提算法寻峰精度最高，稳定性最好，检测误差在1 pm 以下，对分布式传感网络中的多峰值检测具有借鉴意义。

以MSC-51单片机为核心，结合温度传感器、模数转换器件ADC0809设计温度采集控制系统。利用单片机的内部中断源产生中断，处理采集到的数据，并能实现定时刷新。系统功能均由按键控制实现，测量结果实时显示，可节省CPU资源且有效地提高CPU的利用率。

功能说明GY906的相关说明以及使用，并配有C51代码，十分全面，非常值得拥有，希望得到认可

针对猴群算法中的重要步骤“爬过程”搜索盲目、效率较低的问题,提出了一种用于传感器优化布置的异步爬猴群算法。采用双重编码的方式,克服了原猴群算法只能解决连续变量优化问题的缺陷;利用猴群在搜索过程中的全局最优解和个体历史最优解的信息改进了爬过程的搜索模式,同时将异步变化学习因子引入到搜索模式中,通过调整猴子自身经验和社会群体经验在爬过程中所起的作用,来保持全局搜索和局部搜索的平衡,大幅提高了算法的搜索效率。文末以广州新电视塔为例,进行了参数敏感性分析以及传感器优化布置方案的选择。结果表明,异步爬猴群算法能较好

基于EKF的雷达与红外数据融合，通过状态向量融合与量测融合两种方法对多目标进行跟踪-EKF-based data fusion and infrared radar, through state vector fusion and measurement fusion of two methods for multi-target tracking

TN901非接触式传感器，传感器资料，使用说明，参看代码。

STM32 HAL库驱动BMP3990L气压传感器

对于带未知互协方差的两传感器系统, 提出一种协方差交叉(CI) 融合鲁棒稳态Kalman 滤波器, 它关于未知
互协方差具有鲁棒性. 严格证明了该滤波器的实际精度高于每个局部滤波器的精度, 但低于带已知互协方差的最优
融合Kalman 滤波器的精度. 基于协方差椭圆给出了精度关系的几何解释. 进一步将上述结果推广到一般多传感器情
形. 一个跟踪系统的Monte-Carlo 仿真例子表明, 其实际精度接近于带已知互协方差的最优融合器的精度.

针对多传感器融合系统的非线性和不确定性，将小波分析与神经网络相结合，提出一种基于小波神经网络的多传感器自适应融合算法.融合系统包括扩展卡尔曼滤波器、小波神经网络、融合知识库以及航迹融合算法.该算法以分布式融合结构为基础，利用环境信息理论和测量方差归一化方法构建小波神经网络，并且通过数值样本训练小波神经网络，使其在融合过程中实时估计各传感器的信任度，再由融合知识库根据各传感器信任度来选择适合的航迹融合算法，最终得到全局状态估计.实验结果表明，提出的融合算法可以根据环境变化在线自适应融合来自多传感器的测量值，