| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究背景及意义 | 第11-13页 |
| 1.1.1 研究的课题背景 | 第11页 |
| 1.1.2 国外现状综述 | 第11-12页 |
| 1.1.3 国内现状综述 | 第12页 |
| 1.1.4 研究课题意义 | 第12-13页 |
| 1.2 研究内容 | 第13-15页 |
| 1.3 论文结构安排 | 第15-17页 |
| 第二章 人体行为识别的研究和相关工作 | 第17-23页 |
| 2.1 人体行为识别 | 第17-19页 |
| 2.1.1 基于CSI的人体行为识别的研究 | 第17-18页 |
| 2.1.2 基于RSSI的人体行为识别的研究 | 第18页 |
| 2.1.3 基于特殊设备的人体行为识别的探究 | 第18-19页 |
| 2.2 机器学习算法模型简介 | 第19-20页 |
| 2.3 基于深度学习中卷积神经网络的简介 | 第20-21页 |
| 2.4 本章小结 | 第21-23页 |
| 第三章 智能终端上基于Wi-Fi信号的人体行为识别的建模 | 第23-31页 |
| 3.1 引言 | 第23页 |
| 3.2 基于Wi-Fi信号的人体行为识别的基本原理 | 第23-24页 |
| 3.3 基于Wi-Fi信号的信息采集和信号分析 | 第24-26页 |
| 3.3.1 基于CSI信号的细粒度信息提取与信号分析 | 第24-25页 |
| 3.3.2 基于Android平台上RSSI信号的采集与信号分析 | 第25-26页 |
| 3.4 基于Wi-Fi信号的预处理与特征提取 | 第26-29页 |
| 3.4.1 CSI/RSSI数据的预处理 | 第26-27页 |
| 3.4.2 CSI/RSSI信号的深入理解与特征提取 | 第27-29页 |
| 3.5 基于Wi-Fi信号识别人体行为的建模过程 | 第29-30页 |
| 3.6 本章小结 | 第30-31页 |
| 第四章 人体行为识别系统设计与实现 | 第31-53页 |
| 4.1 系统模型设计 | 第31-32页 |
| 4.2 系统架构简介 | 第32-33页 |
| 4.3 系统实现 | 第33-34页 |
| 4.4 系统评估 | 第34-51页 |
| 4.4.1 实验场景以及实验配置信息 | 第34-36页 |
| 4.4.2 CSI/RSSI基于机器学习分类模型训练 | 第36-42页 |
| 4.4.3 CSI/RSSI基于卷积神经网络模型训练 | 第42-46页 |
| 4.4.4 超参数的影响分析 | 第46-50页 |
| 4.4.5 系统鲁棒性分析 | 第50-51页 |
| 4.4.6 系统扩展性分析 | 第51页 |
| 4.5 本章小结 | 第51-53页 |
| 第五章 总结和展望 | 第53-55页 |
| 5.1 论文工作总结 | 第53页 |
| 5.2 下一步研究方向和研究展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-61页 |
| 攻读学位期间取得的研究成果 | 第61页 |
