| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号说明 | 第11-12页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 研究现状 | 第13-17页 |
| 1.3 本文的研究目标 | 第17-19页 |
| 1.4 论文结构安排 | 第19-20页 |
| 第二章 系统搭建 | 第20-28页 |
| 2.1 软硬件介绍 | 第20-21页 |
| 2.1.1 软件无线电设备 | 第20-21页 |
| 2.1.2 信号处理软件 | 第21页 |
| 2.2 场景搭建 | 第21-26页 |
| 2.2.1 协议选择 | 第21-22页 |
| 2.2.2 RSSI定义 | 第22-23页 |
| 2.2.3 通信系统搭建 | 第23-26页 |
| 2.3 场景框架 | 第26页 |
| 2.4 本章小结 | 第26-28页 |
| 第三章 数据处理与截取算法 | 第28-44页 |
| 3.1 数据预处理 | 第29-32页 |
| 3.1.1 去除异常值 | 第30-31页 |
| 3.1.2 插值并降采样 | 第31-32页 |
| 3.2 数据截取算法 | 第32-38页 |
| 3.2.1 相关知识 | 第32-33页 |
| 3.2.2 基于MAD的自适应手写数据截取算法 | 第33-38页 |
| 3.3 平均归一化 | 第38页 |
| 3.4 实验与分析 | 第38-42页 |
| 3.4.1 实验场景介绍 | 第39-40页 |
| 3.4.2 实验结果 | 第40-41页 |
| 3.4.3 对比实验 | 第41-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第四章 特征提取与分类算法 | 第44-64页 |
| 4.1 特征提取 | 第44-50页 |
| 4.1.1 统计特征提取 | 第44-46页 |
| 4.1.2 基于CNN的特征提取 | 第46-48页 |
| 4.1.3 基于DWT的波形提取 | 第48-50页 |
| 4.2 分类算法 | 第50-57页 |
| 4.2.1 权重K近邻算法 | 第51-52页 |
| 4.2.2 动态时间规整 | 第52-54页 |
| 4.2.3 使用多维导数动态时间规整优化权重k近邻 | 第54-57页 |
| 4.3 实验与分析 | 第57-63页 |
| 4.3.1 十折交叉验证 | 第58-59页 |
| 4.3.2 算法效果 | 第59-61页 |
| 4.3.3 接收端数量对识别准确率的影响 | 第61-62页 |
| 4.3.4 类别数对识别率的影响 | 第62-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 论文工作总结 | 第64页 |
| 5.2 问题与展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 附录1 手写数据截取算法 | 第70-72页 |
| 致谢 | 第72-74页 |
| 攻读学位期间发表的学术论文目录 | 第74页 |