基于CSI的人体行为识别研究与实现
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题研究背景与意义 | 第9-10页 |
| 1.3 人体行为识别技术国内外研究现状 | 第10-13页 |
| 1.3.1 基于视觉的人体行为识别技术 | 第10-11页 |
| 1.3.2 基于传感器的人体行为识别技术 | 第11-12页 |
| 1.3.3 基于无线网络的人体行为识别技术 | 第12-13页 |
| 1.4 本文主要研究工作与组织结构 | 第13-16页 |
| 1.4.1 主要研究工作 | 第13-14页 |
| 1.4.2 论文的组织结构 | 第14-16页 |
| 第2章 室内人体行为识别技术理论 | 第16-25页 |
| 2.1 CSI定义及相关技术 | 第16-20页 |
| 2.1.1 无线信号传播特性 | 第16-17页 |
| 2.1.2 OFDM与MIMO技术 | 第17-18页 |
| 2.1.3 CSI基本定义与特性 | 第18-20页 |
| 2.2 人体行为识别技术简介 | 第20-24页 |
| 2.2.1 常见人体行为种类分析 | 第20页 |
| 2.2.2 人体行为识别系统结构 | 第20-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 CSI数据采集和预处理 | 第25-37页 |
| 3.1 CSI数据采集和滤波 | 第25-27页 |
| 3.2 CSI数据融合 | 第27-33页 |
| 3.3 人体行为检测算法 | 第33-36页 |
| 3.3.1 LOF算法原理 | 第33-35页 |
| 3.3.2 基于LOF的行为检测 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 CSI特征提取与行为识别 | 第37-52页 |
| 4.1 CSI特征提取 | 第37-45页 |
| 4.1.1 CSI与移动速度的关系 | 第37-39页 |
| 4.1.2 人体行为的特征 | 第39-40页 |
| 4.1.3 特征提取 | 第40-43页 |
| 4.1.4 特征值对环境变化的鲁棒性 | 第43-45页 |
| 4.2 分类和识别 | 第45-51页 |
| 4.2.1 人体行为编码 | 第46页 |
| 4.2.2 FSC-HMM模型 | 第46-48页 |
| 4.2.3 参数初始化 | 第48页 |
| 4.2.4 参数训练阶段 | 第48-50页 |
| 4.2.5 行为识别阶段 | 第50-51页 |
| 4.3 本章小结 | 第51-52页 |
| 第5章 实验结果与分析 | 第52-60页 |
| 5.1 实验平台与场景设计 | 第52-53页 |
| 5.2 评价指标 | 第53-54页 |
| 5.3 识别准确率 | 第54-55页 |
| 5.4 鲁棒性测试 | 第55-57页 |
| 5.4.1 位置无关性测试 | 第55-56页 |
| 5.4.2 人体无关性测试 | 第56-57页 |
| 5.5 算法评估 | 第57-59页 |
| 5.5.1 自适应加权融合算法 | 第57-58页 |
| 5.5.2 FSC-HMM | 第58页 |
| 5.5.3 对比实验 | 第58-59页 |
| 5.6 本章小结 | 第59-60页 |
| 第6章 总结与展望 | 第60-62页 |
| 6.1 全文工作总结 | 第60-61页 |
| 6.2 下一步工作展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间的科研成果 | 第67页 |
