基于无线信号CSI和深度学习算法的活动识别技术研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-16页 |
| 第一章 绪论 | 第16-22页 |
| 1.1 背景及意义 | 第16-17页 |
| 1.2 研究现状及主要问题 | 第17-19页 |
| 1.3 本文研究内容及论文结构 | 第19-22页 |
| 1.3.1 本文研究内容 | 第19-20页 |
| 1.3.2 论文结构 | 第20-22页 |
| 第二章 活动感知技术理论 | 第22-32页 |
| 2.1 相关概念 | 第22页 |
| 2.2 无线活动感知技术简介与分类 | 第22-24页 |
| 2.3 RSSI与CSI技术方案对比 | 第24-27页 |
| 2.3.1 无线传输模型 | 第24-26页 |
| 2.3.2 CSI详情 | 第26-27页 |
| 2.4 深度学习 | 第27-31页 |
| 2.4.1 机器学习和深度学习概念 | 第27-29页 |
| 2.4.2 算法调参 | 第29-31页 |
| 2.5 本章小节 | 第31-32页 |
| 第三章 无线活动识别方案 | 第32-44页 |
| 3.1 无线活动识别系统概要设计 | 第32-35页 |
| 3.2 深度学习网络模型设计 | 第35-39页 |
| 3.2.1 LeNet网络模型 | 第35页 |
| 3.2.2 AlexNet网络模型 | 第35-36页 |
| 3.2.3 其他网络模型 | 第36-39页 |
| 3.3 活动识别方案设计 | 第39-43页 |
| 3.3.1 信道状态信息的影响 | 第39-41页 |
| 3.3.2 现有活动识别方案对比 | 第41页 |
| 3.3.3 已知目标活动识别方案 | 第41-42页 |
| 3.3.4 未知目标活动识别方案 | 第42-43页 |
| 3.4 本章小节 | 第43-44页 |
| 第四章 无线活动识别系统实现 | 第44-56页 |
| 4.1 数据收集 | 第44-45页 |
| 4.2 数据预处理 | 第45-49页 |
| 4.2.1 低通滤波 | 第45-46页 |
| 4.2.2 调制编码索引过滤 | 第46页 |
| 4.2.3 探测活动触发 | 第46-49页 |
| 4.3 活动学习训练 | 第49-54页 |
| 4.4 活动识别 | 第54-55页 |
| 4.5 本章小节 | 第55-56页 |
| 第五章 系统性能评价 | 第56-66页 |
| 5.1 测试环境设定 | 第56-58页 |
| 5.2 性能分析 | 第58-64页 |
| 5.3 本章小节 | 第64-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 研究总结 | 第66页 |
| 6.2 研究展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 作者简介 | 第74-75页 |
| 1. 基本情况 | 第74页 |
| 2. 教育背景 | 第74页 |
| 3. 攻读硕士学位期间的研究成果 | 第74-75页 |
| 3.1 申请（授权专利）专利 | 第74-75页 |
