基于RSSI的人体行为识别的研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪言 | 第12-20页 |
| 1.1 研究背景与主要问题 | 第12-13页 |
| 1.2 研究现状 | 第13-14页 |
| 1.3 技术难点与解决方案 | 第14-16页 |
| 1.4 本文工作 | 第16-18页 |
| 1.5 本文组织 | 第18-20页 |
| 第二章 相关工作 | 第20-26页 |
| 2.1 人体行为识别 | 第20-23页 |
| 2.1.1 基于RSS的人体行为识别 | 第20-21页 |
| 2.1.2 基于CSI的人体行为识别 | 第21-22页 |
| 2.1.3 基于特殊设备的人体行为识别 | 第22页 |
| 2.1.4 基于传感器的人体行为识别 | 第22-23页 |
| 2.2 Markov模型简介 | 第23-24页 |
| 2.3 SVM模型简介 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 基于RSS的人体行为识别的探索 | 第26-34页 |
| 3.1 引言 | 第26页 |
| 3.2 背景 | 第26-27页 |
| 3.3 基于RSS的细粒度信息的获取 | 第27-29页 |
| 3.4 深入理解RSS信号中的抖动 | 第29-30页 |
| 3.5 频域特征提取 | 第30-32页 |
| 3.6 本章小结 | 第32-34页 |
| 第四章 人体行为识别的建模和预测 | 第34-42页 |
| 4.1 引言 | 第34页 |
| 4.2 背景 | 第34-35页 |
| 4.3 人体行为的特征 | 第35-36页 |
| 4.4 Markov链与SVM模型的构建与应用 | 第36-40页 |
| 4.4.1 SVM模型的构建与应用 | 第36-37页 |
| 4.4.2 Markov链的构建与应用 | 第37-40页 |
| 4.4.3 SVM以及Markov链的区别 | 第40页 |
| 4.5 识别流程 | 第40-41页 |
| 4.6 本章小结 | 第41-42页 |
| 第五章 系统设计与实现 | 第42-54页 |
| 5.1 系统简介 | 第42-43页 |
| 5.2 系统设计 | 第43-44页 |
| 5.3 系统实现 | 第44-45页 |
| 5.4 系统评估 | 第45-53页 |
| 5.4.1 实验环境以及样本信息 | 第45-46页 |
| 5.4.2 SVM识别准确率以及用户体验 | 第46-47页 |
| 5.4.3 识别准确率 | 第47-49页 |
| 5.4.4 识别距离 | 第49-50页 |
| 5.4.5 鲁棒性 | 第50-51页 |
| 5.4.6 系统工作效率 | 第51-52页 |
| 5.4.7 扩展性 | 第52-53页 |
| 5.5 本章小结 | 第53-54页 |
| 第六章 基于人体行为识别系统的应用 | 第54-64页 |
| 6.1 引言 | 第54页 |
| 6.2 行为识别的创新性 | 第54-55页 |
| 6.3 RSS行为识别系统架构 | 第55-56页 |
| 6.4 基于RSS的防盗系统 | 第56-59页 |
| 6.5 基于RSS的人体医疗看护系统 | 第59-62页 |
| 6.6 本章小结 | 第62-64页 |
| 第七章 总结与展望 | 第64-68页 |
| 7.1 工作总结 | 第64页 |
| 7.2 研究展望 | 第64-68页 |
| 7.2.1 RSS信号的分辨率 | 第64-65页 |
| 7.2.2 运动的方向 | 第65-66页 |
| 7.2.3 多人的识别 | 第66-68页 |
| 致谢 | 第68-70页 |
| 简历与科研成果 | 第70-72页 |
| 参考文献 | 第72-77页 |
