01课程导论 · TPMS概述
胎压监测系统概述、为什么需要异常检测算法、信号处理在TPMS中的角色。
02信号基础
采样定理、量化与编码、时域与频域的基本概念。
03传感器原理
压阻式、电容式、SAW式胎压传感器的工作原理与选型。
05滤波技术 (上)
移动平均滤波、中值滤波、高斯滤波。
06滤波技术 (下)
IIR与FIR滤波器设计、巴特沃斯与切比雪夫滤波器。
07频域分析
FFT原理、频谱泄露与窗函数、功率谱密度估计。
08时频分析
短时傅里叶变换 (STFT)、小波变换基础。
09特征工程 (上)
时域特征：均值、方差、峰值、峭度等。
10特征工程 (下)
频域特征：频谱峰值、重心频率、频带能量等。
11异常检测基础
统计方法 (Z-score、IQR)、阈值设定策略。
12机器学习入门
特征向量构建、训练集与测试集划分、交叉验证。
13分类算法 (上)
K近邻 (KNN)、逻辑回归。
14分类算法 (下)
支持向量机 (SVM)、决策树与随机森林。
15聚类算法
K-means、DBSCAN在胎压异常模式发现中的应用。
16时序异常检测
滑动窗口技术、指数加权移动平均 (EWMA)。
17深度学习基础
感知机、多层感知机 (MLP)、激活函数。
18循环神经网络
RNN、LSTM在胎压时序预测中的应用。
19自编码器
用于无监督异常检测的Autoencoder模型。
20集成方法
Bagging、Boosting、Stacking在胎压检测中的实战。
21实时处理架构
数据流处理、FIFO缓冲区设计、低延迟策略。
22嵌入式优化
定点数运算、查表法加速、内存管理技巧。
23多传感器融合
温度补偿、加速度辅助、多源数据对齐。
24故障模式分析
慢漏气、快速爆胎、传感器失效、干扰噪声。
25算法评估指标
准确率、召回率、F1-score、ROC曲线、混淆矩阵。
27边缘计算部署
模型压缩、量化、ONNX/TensorRT Lite实践。
28实战项目 (一)
基于Python的胎压数据清洗与可视化流水线。
29实战项目 (二)
构建端到端的胎压异常检测系统。
30课程总结与前沿展望
联邦学习、数字孪生、车路协同下的胎压监测趋势。