基于无线网络的被动定位和行为识别研究
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第6-13页 |
| 1.1 研究背景及选题意义 | 第6-7页 |
| 1.2 国内外研究现状 | 第7-9页 |
| 1.3 本文工作及主要贡献 | 第9-11页 |
| 1.4 本文结构安排 | 第11-13页 |
| 2 DFLAR系统架构和关键技术 | 第13-17页 |
| 2.1 系统总体架构 | 第14-15页 |
| 2.2 健壮特征提取 | 第15页 |
| 2.3 高性能状态估计算法 | 第15-17页 |
| 3 基于小波变换的DFLAR | 第17-28页 |
| 3.1 基于小波变换的DFLAR系统总体架构 | 第17页 |
| 3.2 基于小波变换的特征提取 | 第17-22页 |
| 3.2.1 计算RSS变化量 | 第17-18页 |
| 3.2.2 小波变换原理和特征分析 | 第18-22页 |
| 3.2.3 小波特征提取 | 第22页 |
| 3.3 目标检测及DFL | 第22-23页 |
| 3.4 基于Softmax回归模型的分类识别 | 第23-28页 |
| 3.4.1 基于PCA算法的数据降维 | 第23-25页 |
| 3.4.2 基于Softmax的分类实现 | 第25-28页 |
| 4 基于深度学习的DFLAR | 第28-36页 |
| 4.1 基于深度学习的DFLAR系统总体架构 | 第28页 |
| 4.2 基于小波滤波器的去噪处理 | 第28-29页 |
| 4.3 基于深度学习的特征提取 | 第29-34页 |
| 4.3.1 逐层无监督自编码网络 | 第29-33页 |
| 4.3.2 稀疏约束限制 | 第33-34页 |
| 4.4 基于Softmax的系统微调与分类实现 | 第34-36页 |
| 5 实验与结果 | 第36-52页 |
| 5.1 实验描述 | 第36-40页 |
| 5.1.1 基于小波变换的DFLAR实验 | 第36-38页 |
| 5.1.2 基于深度学习的DFLAR实验 | 第38-40页 |
| 5.2 实验结果性能比较 | 第40-50页 |
| 5.2.1 基于小波变换的DFLAR性能比较 | 第40-44页 |
| 5.2.2 基于深度学习的DFLAR性能比较 | 第44-50页 |
| 5.3 实验结果分析 | 第50-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-59页 |
| 攻读硕士学位期间发表学术论文情况 | 第59-60页 |
| 致谢 | 第60-62页 |
