基于信道状态信息的人体感知技术研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第14-20页 |
| 1.1 课题研究背景与意义 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-17页 |
| 1.2.1 基于接收信号强度方法 | 第16-17页 |
| 1.2.2 基于信道状态信息方法 | 第17页 |
| 1.3 论文研究内容和创新点 | 第17-18页 |
| 1.4 论文结构与安排 | 第18-20页 |
| 第2章 相关技术基础和实验平台 | 第20-35页 |
| 2.1 OFDM技术 | 第20-22页 |
| 2.2 信道状态信息 | 第22-29页 |
| 2.2.1 CSI的本质 | 第22-24页 |
| 2.2.2 CSI的获取 | 第24-27页 |
| 2.2.3 CSI与RSSI的区别 | 第27-29页 |
| 2.3 机器学习分类器 | 第29-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第3章 基于信道状态信息的人体朝向检测 | 第35-56页 |
| 3.1 实验原理 | 第35-47页 |
| 3.1.1 CSI相位提取 | 第37-39页 |
| 3.1.2 数据预处理 | 第39-41页 |
| 3.1.3 特征选择 | 第41-43页 |
| 3.1.4 多天线融合 | 第43-44页 |
| 3.1.5 建立分类模型及分类判决 | 第44-47页 |
| 3.2 系统设计 | 第47-49页 |
| 3.3 实验结果分析 | 第49-55页 |
| 3.3.1 不同特征的性能 | 第49-50页 |
| 3.3.2 多路天线对的性能 | 第50-51页 |
| 3.3.3 位置的影响 | 第51-53页 |
| 3.3.4 数据包的影响 | 第53-54页 |
| 3.3.5 各分类算法的时间效率 | 第54-55页 |
| 3.4 本章小结 | 第55-56页 |
| 第4章 基于信道状态信息的人体动作识别 | 第56-74页 |
| 4.1 实验原理 | 第56-69页 |
| 4.1.1 低通滤波 | 第58-60页 |
| 4.1.2 子载波降维 | 第60-63页 |
| 4.1.3 动作曲线提取 | 第63-67页 |
| 4.1.4 特征提取 | 第67-69页 |
| 4.2 实验设计 | 第69-70页 |
| 4.3 实验结果分析 | 第70-73页 |
| 4.3.1 不同特征的性能 | 第70-71页 |
| 4.3.2 距离的影响 | 第71-72页 |
| 4.3.3 存在干扰的情况 | 第72-73页 |
| 4.4 本章小结 | 第73-74页 |
| 第5章 总结与展望 | 第74-76页 |
| 5.1 总结 | 第74页 |
| 5.2 展望 | 第74-76页 |
| 参考文献 | 第76-81页 |
| 致谢 | 第81-82页 |
| 攻读学位期间参加的科研项目和成果 | 第82页 |
