首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

大型仓储中基于无源RFID的人员与商品智能感知技术研究

摘要第5-6页
Abstract第6-7页
第1章 引言第13-27页
    1.1 研究背景第13-15页
    1.2 研究现状第15-23页
        1.2.1 仓储系统商品感知技术第15-20页
        1.2.2 基于RFID的定位与追踪技术第20页
        1.2.3 人体动作感知技术第20-23页
    1.3 研究目标和内容第23-24页
        1.3.1 研究目标第23页
        1.3.2 研究内容第23-24页
    1.4 论文组织结构第24-27页
第2章 仓储系统基于无源RFID的人员商品智能感知技术架构第27-37页
    2.1 技术框架第27-29页
    2.2 RFID技术基础第29-30页
    2.3 EPC空中接口协议第30-35页
    2.4 本章小结第35-37页
第3章 基于无源RFID标签的大规模商品流动性估计第37-73页
    3.1 流动性估计的需求分析第37-38页
    3.2 流动性估计的整体流程第38-40页
    3.3 标签流动性的理论基础第40-44页
        3.3.1 基于数理统计的估计理论第40-43页
        3.3.2 基于empty slots,collision slots,all slots信息的基数估计第43-44页
    3.4 帧长相等条件下基于部分时隙的标签流动性估计第44-51页
        3.4.1 帧等长条件下基于empty-singleton slots的标签流动性估计第44-48页
        3.4.2 帧等长条件下基于empty-collision slots的标签流动性估计第48-51页
    3.5 帧不等长条件下大规模标签流动性估计的模型第51-56页
        3.5.1 不等长帧映射第51-52页
        3.5.2 短帧扩展第52-53页
        3.5.3 扩展等长帧对应时隙状态概率第53-56页
    3.6 帧长不相等条件下基于部分时隙的标签流动性估计第56-61页
        3.6.1 帧不等长条件下基于empty slots的标签流动性估计第56-57页
        3.6.2 帧不等长条件下基于collision slots的标签流动性估计第57-59页
        3.6.3 帧长不相等条件下基于empty-collision slots的标签流动性估计第59-61页
    3.7 帧长不相等条件下基于全时隙信息的标签流动性估计第61-64页
        3.7.1 基于全时隙信息的极大似然估计模型第61-63页
        3.7.2 两段估计与梯度下降法求解极值点第63-64页
    3.8 基于全时隙信息大规模标签流动性估计的实验结果第64-71页
        3.8.1 流动性估计随加载因子的变化第64-65页
        3.8.2 三种流动性估计算法随标签集合比例的的准确率第65-67页
        3.8.3 三种估计算法随公共标签比例准确率变化第67-68页
        3.8.4 三种估计算法的协议时间第68-70页
        3.8.5 三种估计算法的实际运行时间第70-71页
    3.9 本章小结第71-73页
第4章 基于无源RFID感知标签的人员手势识别第73-93页
    4.1 仓储人员手势识别的总体流程第73-74页
    4.2 感知标签采集加速度数据第74-75页
    4.3 数据预处理第75-82页
        4.3.1 低通滤波去除抖动第76-77页
        4.3.2 软件滤波去除重力第77-78页
        4.3.3 边界分割第78页
        4.3.4 傅里叶变换去除高频噪音第78-82页
    4.4 特征提取第82-84页
        4.4.1 原始特征选择第82-84页
        4.4.2 特征筛选第84页
    4.5 提高感知标签采样率第84-86页
    4.6 基于模式识别算法的手势识别第86-87页
    4.7 手势识别实验结果第87-91页
        4.7.1 原始采样率下识别效果第88-89页
        4.7.2 提高采样率之后识别效果第89页
        4.7.3 扩展动作后识别效果第89-91页
    4.8 本章小结第91-93页
第5章 总结和展望第93-95页
    5.1 研究成果总结第93-94页
    5.2 未来工作展望第94-95页
致谢第95-97页
参考文献第97-103页
攻读硕士学位期间论文发表情况第103-105页
攻读硕士学位期间参加的科研项目第105-106页

论文共106页,点击 下载论文
上一篇:复杂场景下单目标的视觉跟踪算法研究
下一篇:基于强化学习的关系抽取系统设计与实现