传感器技术是信息科学的基础,传感器技术是现代信息技术的重要支柱之一,人类通过视觉、嗅觉、听觉及触觉等感官来感知外界的信息,感知的信息输入大脑进行分析判断(即人的思维)和处理,再指挥人做出相应的动作,这是人类认识世界和改造世界具有的最基本的本能。如果说计算机是人类大脑的扩展,那么传感器就是人类五官的延伸。这篇文章改进一般的采用随机算法训练的小波神经网络,采用了二进离散小波来构造小波神经网络。同时改进训练算法,给出了快速收敛的离散二进小波神经网络的初始化,构造和权值确定的详细方法。通过一个完整的非线性函数逼近实验充分讨论这种小波神经网络的逼近能力、泛化能力极其相关的性质。之后,将这类小波神经网络应用于传感器的非线性校正,并给出了仿真实验结果。相对使用随机贪心算法训练的神经网络,快速收敛小波神经网络利用离散二进小波变换的便利,采用启发式的构造算法;具有构造过程复杂度低,构造完成后高度接近目标模型,训练次数少,并可有效避免陷入局部极小点的优点。有效解决了小波神经网络尺度和平移系数在训练时需对小波函数进行求导而影响网络收敛速度的问题。这篇文章通过逼近一个高度非线性函数仿真实例分析了该网络的逼近能力与泛化能力,并给出了误差分析。在获得了良好逼近效果后,将这一种神经网络应用于热电偶校正表的逆向建模和学习热电偶参考端温度非0时修正曲线,并给出了网络逼近热电偶校正表与网络泛化热电偶校正表数据的效果。这篇文章还详细讨论了小波神经网络的FPGA实现问题。详细讨论了包括计算数制表达,神经元传递函数的实现,以及小波函数平移实现在内的硬件实现问题。并联合Matlab与Modelsim对神经网络对设计模型进行VHDL功能仿真并给出结果。