| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 课题背景和出现的问题 | 第15-17页 |
| 1.1.1 研究背景 | 第15-16页 |
| 1.1.2 出现的问题 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-19页 |
| 1.3 研究内容和组织结构 | 第19-20页 |
| 1.3.1 研究内容 | 第19-20页 |
| 1.3.2 组织结构 | 第20页 |
| 1.4 本章小结 | 第20-21页 |
| 第二章 研究基础 | 第21-31页 |
| 2.1 引言 | 第21页 |
| 2.2 室内人体行为识别理论 | 第21-23页 |
| 2.3 室内人体行为识别方式 | 第23-25页 |
| 2.3.1 显式感知 | 第23-24页 |
| 2.3.2 隐式感知 | 第24-25页 |
| 2.4 无线传感器网络节点定位技术 | 第25-26页 |
| 2.5 基于RSS隐式感知人体行为识别技术 | 第26-28页 |
| 2.5.1 RSS技术相关理论 | 第26-27页 |
| 2.5.2 无线信号传播方式 | 第27-28页 |
| 2.5.3 其他干扰因素 | 第28页 |
| 2.6 室内人体行为识别模型 | 第28-30页 |
| 2.7 本章小结 | 第30-31页 |
| 第三章 针对人体行为隐式识别的传感器节点部署优化理论 | 第31-41页 |
| 3.1 引言 | 第31页 |
| 3.2 传感器节点部署优化问题描述 | 第31-33页 |
| 3.2.1 研究前提 | 第31-32页 |
| 3.2.2 节点筛选衡量标准 | 第32-33页 |
| 3.3 遗传算法 | 第33-36页 |
| 3.3.1 遗传算法概念 | 第33页 |
| 3.3.2 遗传算法组成部分 | 第33-36页 |
| 3.3.3 遗传算法收敛性分析 | 第36页 |
| 3.4 多分类算法 | 第36-40页 |
| 3.4.1 k近邻算法 | 第36-38页 |
| 3.4.2 支持向量机算法 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 数据采集和处理 | 第41-47页 |
| 4.1 引言 | 第41页 |
| 4.2 数据采集 | 第41-43页 |
| 4.2.1 硬件设备介绍 | 第41-42页 |
| 4.2.2 数据采集方式 | 第42页 |
| 4.2.3 数据报文格式 | 第42-43页 |
| 4.2.4 数据采集算法 | 第43页 |
| 4.3 数据预处理 | 第43-46页 |
| 4.3.1 丢包处理 | 第43-44页 |
| 4.3.2 时域特征提取 | 第44-45页 |
| 4.3.3 丢包处理算法 | 第45-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 针对人体行为隐式识别的传感器节点部署优化实验 | 第47-58页 |
| 5.1 引言 | 第47页 |
| 5.2 行为指纹识别技术 | 第47-48页 |
| 5.2.1 基本原理 | 第47页 |
| 5.2.2 工作流程 | 第47-48页 |
| 5.3 实验设计 | 第48-52页 |
| 5.3.1 实验环境 | 第48-51页 |
| 5.3.2 行为识别匹配算法的选择 | 第51-52页 |
| 5.3.3 数据链路与传感器节点的关系 | 第52页 |
| 5.4 节点筛选的实验结果与分析 | 第52-56页 |
| 5.5 本章小结 | 第56-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 工作总结 | 第58-59页 |
| 6.2 未来展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第64-65页 |