基于Wifi信号的手势识别技术研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究历史和现状 | 第11-18页 |
| 1.2.1 手势识别技术的发展 | 第12-15页 |
| 1.2.2 手势识别系统模型 | 第15-18页 |
| 1.3 论文的主要研究内容及创新点 | 第18-19页 |
| 1.4 论文的结构安排 | 第19-20页 |
| 第二章 手势模型的建立与特征提取 | 第20-32页 |
| 2.1 手势模型的建立 | 第20-26页 |
| 2.1.1 手势模型的意义 | 第20-21页 |
| 2.1.2 基于Sora平台的数据采集 | 第21-23页 |
| 2.1.3 数据预处理 | 第23-24页 |
| 2.1.4 基于相似度的分割方法 | 第24-26页 |
| 2.2 基于小波变换的特征提取 | 第26-31页 |
| 2.2.1 小波的定义 | 第26页 |
| 2.2.2 连续小波变换 | 第26-27页 |
| 2.2.3 离散小波变换 | 第27-28页 |
| 2.2.4 离散小波变换的Mallat's算法 | 第28-29页 |
| 2.2.5 基于小波变换的特征提取方法 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 动态时间规整算法改进的支持向量机 | 第32-42页 |
| 3.1 支持向量机 | 第32-36页 |
| 3.1.1 支持向量机的分类原理 | 第32-35页 |
| 3.1.2 多类问题的支持向量机 | 第35-36页 |
| 3.2 动态时间规整算法分析 | 第36-39页 |
| 3.2.1 动态时间规整算法的基本思想介绍 | 第36-37页 |
| 3.2.2 动态时间规整算法的原理分析 | 第37-39页 |
| 3.2.3 动态时间规整算法的动态规划实现 | 第39页 |
| 3.3 动态时间规整算法改进的支持向量机 | 第39-41页 |
| 3.3.1 动态时间规整算法改进支持向量机的原理 | 第39-40页 |
| 3.3.2 动态时间规整算法改进的支持向量机性能 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 实验数据的仿真与算法性能的分析 | 第42-54页 |
| 4.1 Sora软件无线电平台 | 第42-43页 |
| 4.1.1 Sora软件无线电平台简介 | 第42-43页 |
| 4.1.2 数据发送 | 第43页 |
| 4.1.3 数据接收 | 第43页 |
| 4.2 实验场景设计 | 第43-45页 |
| 4.3 基于WiFi信号的手势识别系统模型 | 第45-48页 |
| 4.3.1 系统模型 | 第45页 |
| 4.3.2 原始数据 | 第45-46页 |
| 4.3.3 构建手势模型 | 第46-47页 |
| 4.3.4 提取特征向量 | 第47-48页 |
| 4.4 验证模型 | 第48-50页 |
| 4.4.1 训练集和测试集的构建 | 第48页 |
| 4.4.2 验证方法 | 第48-49页 |
| 4.4.3 仿真结果与分析 | 第49-50页 |
| 4.5 模型参数设置的分析与比较 | 第50-51页 |
| 4.5.1 小波分解层数对识别性能的影响 | 第50-51页 |
| 4.5.2 训练样本数对识别性能的影响 | 第51页 |
| 4.6 本章小结 | 第51-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 全文工作总结 | 第54页 |
| 5.2 下一步的工作 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 作者攻读学位期间发表的学术论文目录 | 第61页 |
