基于无线信号的手写识别技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 前言 | 第7-13页 |
| 1.1 研究背景 | 第7页 |
| 1.2 研究目的和意义 | 第7-8页 |
| 1.3 国内外研究现状 | 第8-11页 |
| 1.3.1 绑定式手写识别研究 | 第8-9页 |
| 1.3.2 非绑定式手写识别研究 | 第9-10页 |
| 1.3.3 基于无线信号的感知技术研究 | 第10-11页 |
| 1.4 研究内容 | 第11-12页 |
| 1.5 文章结构 | 第12-13页 |
| 第二章 手写识别相关工作 | 第13-19页 |
| 2.1 手写信号源的选择 | 第13页 |
| 2.2 无线信道传播模型 | 第13-15页 |
| 2.3 RSSI与CSI | 第15-17页 |
| 2.4 手写识别相关算法 | 第17-18页 |
| 2.4.1 基于模版匹配的分类算法 | 第17-18页 |
| 2.4.2 基于时间序列的概率预测模型 | 第18页 |
| 2.5 本章小结 | 第18-19页 |
| 第三章 基于无线信号时序特征的手写识别方法 | 第19-41页 |
| 3.1 CSI数据采集 | 第20-21页 |
| 3.2 CSI数据预处理 | 第21-24页 |
| 3.2.1 基于低通滤的去噪处理 | 第21-22页 |
| 3.2.2 基于PCA算法的去噪 | 第22-24页 |
| 3.3 手写字母波形检测算法 | 第24-27页 |
| 3.3.1 相关知识 | 第24-25页 |
| 3.3.2 手写动作检测算法 | 第25-27页 |
| 3.4 基于CSI的手写字母波形特征提取 | 第27-29页 |
| 3.4.1 相关知识 | 第27页 |
| 3.4.2 特征选择 | 第27-29页 |
| 3.5 基于GMM-HMM算法 | 第29-33页 |
| 3.5.1 GMM的连续数据处理 | 第29-30页 |
| 3.5.2 EM算法在GMM中的应用 | 第30-32页 |
| 3.5.3 隐马尔可夫模型概述 | 第32-33页 |
| 3.6 实验结果与分析 | 第33-39页 |
| 3.6.1 手写规则 | 第33-34页 |
| 3.6.2 实验设备与场景 | 第34-35页 |
| 3.6.3 动作检测算法结果与分析 | 第35-36页 |
| 3.6.4 GMM-HMM建模及交叉验证结果分析 | 第36-39页 |
| 3.7 实时检测性能 | 第39-40页 |
| 3.7.1 实时识别精确度 | 第39页 |
| 3.7.2 实时识别效率 | 第39-40页 |
| 3.8 本章小结 | 第40-41页 |
| 第四章 基于动态时间规整的波形特征的手写识别研究 | 第41-52页 |
| 4.1 动作检测算法 | 第41-43页 |
| 4.2 波形特征的匹配问题 | 第43-44页 |
| 4.3 波形匹配 | 第44-47页 |
| 4.3.1 离散小波变换 | 第44-46页 |
| 4.3.2 基于动态时间规整的波形匹配 | 第46-47页 |
| 4.4 kNN算法分类 | 第47-48页 |
| 4.5 实验结果分析 | 第48-51页 |
| 4.5.1 动作检测实验结果分析 | 第48页 |
| 4.5.2 特征选择实验分析 | 第48-51页 |
| 4.6 本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52页 |
| 5.2 未来工作展望 | 第52-54页 |
| 参考文献 | 第54-59页 |
| 作者简介 | 第59-60页 |
| 致谢 | 第60页 |
