| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 注释表 | 第12-13页 |
| 第1章 引言 | 第13-20页 |
| 1.1 研究背景及意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.2.1 基于传感器的人体行为识别 | 第15-16页 |
| 1.2.2 基于视觉的人体行为识别 | 第16-17页 |
| 1.2.3 基于无线信号的人体行为识别 | 第17-18页 |
| 1.3 本文研究内容及章节安排 | 第18-20页 |
| 第2章 基于CSI的人体行为识别系统方案设计 | 第20-34页 |
| 2.1 基于CSI的人体行为识别基本原理 | 第20-22页 |
| 2.1.1 信道状态信息 | 第20-21页 |
| 2.1.2 人体行为识别体系框架 | 第21-22页 |
| 2.2 行为识别算法 | 第22-30页 |
| 2.2.1 基于DTW的人体行为识别算法 | 第22-24页 |
| 2.2.2 基于SVM的人体行为识别算法 | 第24-30页 |
| 2.3 基于CSI人体行为识别系统方案设计 | 第30-31页 |
| 2.4 性能评价指标 | 第31-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第3章 基于最佳检测门限的行为提取 | 第34-53页 |
| 3.1 引言 | 第34-35页 |
| 3.2 基于滑窗的特征提取 | 第35-37页 |
| 3.2.1 CSI信号分析 | 第35-36页 |
| 3.2.2 滑窗提取CSI信号特征 | 第36-37页 |
| 3.3 基于最佳检测门限的行为提取 | 第37-45页 |
| 3.3.1 核密度估计 | 第38-42页 |
| 3.3.2 最佳检测门限 | 第42-44页 |
| 3.3.3 行为提取 | 第44-45页 |
| 3.4 算法验证与实验分析 | 第45-51页 |
| 3.4.1 实验环境 | 第45-47页 |
| 3.4.2 实验数据采集与处理 | 第47页 |
| 3.4.3 特征提取性能分析 | 第47-49页 |
| 3.4.4 基于最佳检测门限的行为提取算法性能分析 | 第49-51页 |
| 3.5 本章小结 | 第51-53页 |
| 第4章 基于子空间分类器的行为识别 | 第53-72页 |
| 4.1 引言 | 第53-54页 |
| 4.2 行为的特征提取 | 第54-62页 |
| 4.2.1 特征分析 | 第54-55页 |
| 4.2.2 主成分分析法 | 第55-57页 |
| 4.2.3 离散小波变换提取时频特性 | 第57-58页 |
| 4.2.4 统计特征提取 | 第58-60页 |
| 4.2.5 特征数据标准化 | 第60-62页 |
| 4.3 基于子空间分类器的行为识别算法 | 第62-65页 |
| 4.3.1 子空间分类器的构造 | 第63-64页 |
| 4.3.2 子空间分类器的权重分配 | 第64-65页 |
| 4.4 算法验证与实验分析 | 第65-70页 |
| 4.4.1 CSI幅值与目标移动速度的关系验证 | 第65-66页 |
| 4.4.2 DWT性能验证与分析 | 第66-67页 |
| 4.4.3 基于子空间分类器的行为识别算法性能验证 | 第67-70页 |
| 4.5 本章小结 | 第70-72页 |
| 第5章 总结与展望 | 第72-74页 |
| 5.1 本文工作总结 | 第72-73页 |
| 5.2 下一步工作 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 致谢 | 第79-81页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第81页 |