| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 主要研究内容与创新点 | 第13-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 第二章 系统搭建及原始数据采集 | 第16-24页 |
| 2.1 系统场景设计与原始数据选择原理 | 第16-17页 |
| 2.2 场景搭建 | 第17-18页 |
| 2.3 原始数据瞬时接收信号强度IRSS采集 | 第18-22页 |
| 2.3.1 采集设备 | 第18-20页 |
| 2.3.2 采集原理 | 第20-22页 |
| 2.3.3 系统总体架构 | 第22页 |
| 2.4 本章小结 | 第22-24页 |
| 第三章 数据同步与数据去噪 | 第24-30页 |
| 3.1 数据同步架构 | 第24-27页 |
| 3.2 基于动态阈值离散小波分解与重组的去噪 | 第27-29页 |
| 3.3 本章小结 | 第29-30页 |
| 第四章 手势自动检测与自动分段 | 第30-46页 |
| 4.1 手势检测原理 | 第30-31页 |
| 4.2 手势自动检测与自动分段算法 | 第31-42页 |
| 4.2.1 算法总体结构 | 第31-32页 |
| 4.2.2 零均值滤波 | 第32-34页 |
| 4.2.3 最小绝对值模块 | 第34-35页 |
| 4.2.4 平滑滤波模块 | 第35-36页 |
| 4.2.5 差分数据缓冲区与动态阈值状态机 | 第36-38页 |
| 4.2.6 原始分段数据提取 | 第38-39页 |
| 4.2.7 误触发检测 | 第39-40页 |
| 4.2.8 线性缩放 | 第40-42页 |
| 4.3 自动分段时间点误差分析与改进策略 | 第42-44页 |
| 4.3.1 手势截取加长策略 | 第42-43页 |
| 4.3.2 手势截取平移策略 | 第43-44页 |
| 4.4 本章小结 | 第44-46页 |
| 第五章 基于1D-CNN的手势识别 | 第46-52页 |
| 5.1 1D-CNN介绍 | 第46-47页 |
| 5.2 基于1D-CNN的手势识别架构 | 第47-51页 |
| 5.2.1 1D-CNN网络设计原理 | 第47页 |
| 5.2.2 整体结构 | 第47-48页 |
| 5.2.3 平移不变性设计 | 第48-50页 |
| 5.2.4 1D-CNN的特征可视化 | 第50-51页 |
| 5.3 本章小结 | 第51-52页 |
| 第六章 实验验证 | 第52-66页 |
| 6.1 实验数据集采集 | 第52-55页 |
| 6.2 手势识别模块性能评估 | 第55-60页 |
| 6.2.1 不同策略下1D-CNN与传统机器学习算法的对比 | 第55-59页 |
| 6.2.2 1D-CNN与现有文献中识别算法的对比 | 第59-60页 |
| 6.3 手势自动检测模块性能评估 | 第60页 |
| 6.4 单双接收端效果对比 | 第60-61页 |
| 6.5 手势B和E线性缩放前后的波形对比 | 第61-63页 |
| 6.6 不同手势速度对识别效果的影响 | 第63-64页 |
| 6.7 本章小结 | 第64-66页 |
| 第七章 总结 | 第66-68页 |
| 7.1 论文工作总结 | 第66-67页 |
| 7.2 研究展望 | 第67-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74-75页 |
| 攻读学位期间取得的研究成果 | 第75页 |