| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 引言 | 第14-15页 |
| 1.2 国内外研究进展与现状 | 第15-16页 |
| 1.3 论文的结构及安排 | 第16-18页 |
| 第二章 WIFI信道模型与理论基础 | 第18-24页 |
| 2.1 信道模型简介 | 第18-19页 |
| 2.2 IEEE802.11协议 | 第19-23页 |
| 2.2.1 正交频分复用技术 | 第19-21页 |
| 2.2.2 帧检测技术 | 第21页 |
| 2.2.3 时间同步 | 第21-22页 |
| 2.2.4 信道均衡 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 基于无线网卡的人体行走检测 | 第24-36页 |
| 3.1 概述 | 第24页 |
| 3.2 数据收集 | 第24-26页 |
| 3.3 CSI异常检测与剔除 | 第26-28页 |
| 3.3.1 局部离群因子检测 | 第26-27页 |
| 3.3.2 Hampel滤波器 | 第27-28页 |
| 3.4 CSI相位校正 | 第28-30页 |
| 3.5 CSI特征抽取 | 第30-31页 |
| 3.6 检测模型构建 | 第31-34页 |
| 3.6.1 支持向量机 | 第31-33页 |
| 3.6.2 朴素贝叶斯 | 第33-34页 |
| 3.6.3 KNN分类算法 | 第34页 |
| 3.7 本章小结 | 第34-36页 |
| 第四章 基于USRP的人体手势检测 | 第36-51页 |
| 4.1 概述 | 第36页 |
| 4.2 基于USRP和GNURadio的CSI采集器 | 第36-40页 |
| 4.2.1 软件无线电、USRP与GNURadio | 第37-38页 |
| 4.2.2 WiFiCSI数据采集 | 第38-40页 |
| 4.3 数据去噪 | 第40-43页 |
| 4.3.1 去除背景噪声 | 第40页 |
| 4.3.2 小波去噪 | 第40-43页 |
| 4.4 特征抽取 | 第43-44页 |
| 4.5 机器学习与深度学习 | 第44-49页 |
| 4.5.1 决策树与随机森林 | 第45页 |
| 4.5.2 深度学习与卷积神经网络 | 第45-47页 |
| 4.5.3 K-折交叉验证 | 第47页 |
| 4.5.4 混淆矩阵、ROC与AUC | 第47-49页 |
| 4.5.5 Tensorflow和Scikit-learn | 第49页 |
| 4.6 本章小结 | 第49-51页 |
| 第五章 测试、评估与检验 | 第51-61页 |
| 5.1 基于无线网卡的人体行走检测评估 | 第51-53页 |
| 5.1.1 实验步骤 | 第51-52页 |
| 5.1.2 实验结果 | 第52-53页 |
| 5.2 基于USRP的人体手势检测评估 | 第53-60页 |
| 5.2.1 实验步骤 | 第53-56页 |
| 5.2.2 系统性能 | 第56-60页 |
| 5.3 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61-62页 |
| 6.2 展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 个人简历及攻读硕士学位期间取得的研究成果 | 第68页 |
