| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 目录 | 第6-9页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 嵌入式低功耗研究现状 | 第11-13页 |
| 1.2.2 情景感知研究现状 | 第13-14页 |
| 1.2.3 基于情景感知的嵌入式低功耗研究现状 | 第14-15页 |
| 1.2.4 研究现状小结 | 第15页 |
| 1.3 本文的主要工作 | 第15-16页 |
| 1.4 论文组织结构 | 第16-17页 |
| 第二章 相关技术研究 | 第17-31页 |
| 2.1 情景感知基础理论 | 第17-24页 |
| 2.1.1 情景感知基本概念 | 第17-20页 |
| 2.1.2 情景感知处理流程 | 第20-22页 |
| 2.1.3 情景感知框架与系统结构 | 第22-24页 |
| 2.2 机器学习基础理论 | 第24-30页 |
| 2.2.1 机器学习概念 | 第24-25页 |
| 2.2.2 机器学习系统模型和结构 | 第25-26页 |
| 2.2.3 机器学习方法 | 第26-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第三章 基于背景扫描的WiFi网络切换功耗优化研究 | 第31-43页 |
| 3.1 WiFi网络切换中的功耗分析 | 第31-39页 |
| 3.1.1 IEEE802.11系列标准和工作方式 | 第31-33页 |
| 3.1.2 WiFi网络特点总结 | 第33-34页 |
| 3.1.3 切换过程介绍 | 第34-37页 |
| 3.1.4 切换触发方式 | 第37-38页 |
| 3.1.5 切换时延分析 | 第38-39页 |
| 3.2 功耗优先切换算法设计 | 第39-42页 |
| 3.2.1 二级预测扫描 | 第39页 |
| 3.2.2 动态切换策略 | 第39-41页 |
| 3.2.3 接入点选取 | 第41-42页 |
| 3.3 本章小结 | 第42-43页 |
| 第四章 基于用户行为识别的嵌入式低功耗策略研究 | 第43-53页 |
| 4.1 用户行为与使用习惯 | 第43-45页 |
| 4.1.1 用户行为分析 | 第43-44页 |
| 4.1.2 智能手机使用习惯分析 | 第44-45页 |
| 4.2 基于用户行为识别的功耗优化策略 | 第45-48页 |
| 4.2.1 功耗优化策略库 | 第45-47页 |
| 4.2.2 动态交互优化策略 | 第47-48页 |
| 4.3 用户行为预测 | 第48-52页 |
| 4.3.1 数据采集 | 第48-50页 |
| 4.3.2 构建分类器 | 第50-51页 |
| 4.3.3 行为识别 | 第51页 |
| 4.3.4 迁移学习 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 实验分析和系统设计 | 第53-63页 |
| 5.1 功耗优先的WiFi网络切换实验 | 第53-55页 |
| 5.1.1 实验设备与环境 | 第53-54页 |
| 5.1.2 实验内容及方案 | 第54页 |
| 5.1.3 实验结果分析 | 第54-55页 |
| 5.2 基于用户行为识别的功耗优化实验 | 第55-59页 |
| 5.2.1 实验设备与环境 | 第55-56页 |
| 5.2.2 实验内容及方案 | 第56-57页 |
| 5.2.3 实验结果分析 | 第57-59页 |
| 5.3 基于情景感知的功耗优化原型系统 | 第59-61页 |
| 5.3.1 需求分析和设计目标 | 第60-61页 |
| 5.3.2 系统框架 | 第61页 |
| 5.3.3 开发环境 | 第61页 |
| 5.4 本章小结 | 第61-63页 |
| 总结与展望 | 第63-65页 |
| 总结 | 第63-64页 |
| 展望 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 攻读硕士学位期间取得的研究成果 | 第71-73页 |
| 致谢 | 第73页 |