首页--工业技术论文--无线电电子学、电信技术论文--无线通信论文

基于F-GRT模型的人体动作识别研究

摘要第4-6页
abstract第6-7页
第1章 绪论第11-15页
    1.1 研究背景和现状第11-12页
    1.2 研究目标第12页
    1.3 本文主要贡献第12-13页
    1.4 本文结构第13-15页
第2章 相关工作及本文的切入点第15-23页
    2.1 相关工作第15-18页
        2.1.1 基于专业化设备的人体动作识别第15-16页
        2.1.2 基于雷达的人体动作识别第16页
        2.1.3 基于无线网络的人体动作识别第16-18页
    2.2 相关工作深入分析第18-19页
    2.3 本文的切入点第19-22页
        2.3.1 无线信号的研究基础第19-21页
        2.3.2 F-GRT设计理念第21-22页
    2.4 本章小结第22-23页
第3章 F-GRT样本重新采样设计第23-30页
    3.1 数据准备第23-24页
    3.2 SAMPLEREACQUIRE算法设计第24-29页
        3.2.1 sampleReacquire简介第25-28页
        3.2.2 sampleReacquire实验效果第28-29页
    3.3 本章小结第29-30页
第4章 基于HMM-ACO参数全局优化模块设计第30-37页
    4.1 ACO蚁群算法简介第30-31页
    4.2 HMM隐马尔可夫简介第31-32页
    4.3 HMM-ACO全局优化设计第32-36页
        4.3.1 HMM-ACO算法设计及实现第32-34页
        4.3.2 HMM-ACO实验效果第34-36页
    4.4 本章小结第36-37页
第5章 F-GRT总体设计第37-47页
    5.1 F-GRT预处理第37-40页
    5.2 F-GRT特征提取第40-43页
        5.2.1 短时傅里叶变换第40-41页
        5.2.2 能量谱密度k-means聚类第41-43页
    5.3 F-GRT分类预测第43-46页
        5.3.1 分类第43-44页
        5.3.2 训练第44-45页
        5.3.3 预测第45-46页
    5.4 本章小结第46-47页
第6章 F-GRT实验及结果分析第47-54页
    6.1 F-GRT实验环境第47页
    6.2 F-GRT实验数据第47-48页
    6.3 F-GRT实验结果分析第48-53页
        6.3.1 数据预处理sampleReacquire实验结果第48-52页
        6.3.2 HMM和HMM-ACO实验结果第52-53页
    6.4 本章小结第53-54页
第7章 总结与展望第54-56页
    7.1 总结第54页
    7.2 展望第54-56页
参考文献第56-60页
作者简介及在学期间所取得的科研成果第60-61页
致谢第61页

论文共61页,点击 下载论文
上一篇:基于广义S变换和随机森林算法的癫痫脑电信号特征提取与分类研究
下一篇:无线Mesh网络多播部分重叠信道分配与路由度量算法研究