無(wú)線(xiàn)感知技術(shù)與應(yīng)用

第1章  概論 001
1.1　無(wú)線(xiàn)感知技術(shù)的定義 002
1.2　無(wú)線(xiàn)感知分類(lèi) 003
1.2.1　WiFi 感知 003
1.2.2　毫米波雷達(dá)感知 004
1.2.3　藍(lán)牙感知 005
1.2.4　RFID 感知 008
1.2.5　超聲波感知 009
1.2.6　感知技術(shù)優(yōu)缺點(diǎn)比較 011
1.3　無(wú)線(xiàn)感知相關(guān)基礎(chǔ)理論 012
1.3.1　無(wú)線(xiàn)感知目標(biāo)檢測(cè)理論 012
1.3.2　無(wú)線(xiàn)感知目標(biāo)定位理論 015
1.3.3　無(wú)線(xiàn)感知目標(biāo)成像理論 020
本章小結(jié) 023
第2章  無(wú)線(xiàn)感知技術(shù)基礎(chǔ) 024
2.1　電磁波與無(wú)線(xiàn)電波 025
2.2　天線(xiàn) 025
2.2.1　天線(xiàn)的概述 026
2.2.2　天線(xiàn)的分類(lèi) 026
2.3　信號(hào)與信道 027
2.3.1　信道的概念 028
2.3.2　模擬信號(hào)和數(shù)字信號(hào) 029
2.3.3　時(shí)域和頻域 030
2.3.4　信號(hào)傳輸與信號(hào)特征 030
2.4　傳播原理 031
2.4.1　基本傳播機(jī)制 032
2.4.2　無(wú)線(xiàn)信道衰落 032
2.4.3　室內(nèi)無(wú)線(xiàn)信道衰減模型 035
2.4.4　WiFi 信號(hào)的傳播模型 036
2.5　正交頻分復(fù)用(OFDM)  038
2.5.1　OFDM 的原理 038
2.5.2　OFDM 調(diào)制與解調(diào) 039
2.5.3　OFDM 的實(shí)現(xiàn)過(guò)程 040
2.5.4　OFDM 的保護(hù)間隔 042
2.6　多輸入多輸出(MIMO)  043
本章小結(jié) 044
第3章  WiFi CSI 信號(hào)采集 045
3.1　CSI 的介紹 046
3.1.1　CSI 的概述 046
3.1.2　信道沖擊響應(yīng)(CIR)  047
3.1.3　信道頻率響應(yīng)(CFR)  048
3.1.4　信道狀態(tài)信息(CSI)  048
3.1.5　CSI 的應(yīng)用領(lǐng)域 049
3.2　不同的CSI 采集工具 050
3.2.1　Linux 802.11 WiFi CSI Tool  050
3.2.2　Atheros CSI Tool  051
3.2.3　Nexmon CSI Extractor  052
3.2.4　ESP32 CSI Toolkit  052
3.2.5　PicoScenes  053
3.3　Linux 802.11 WiFi CSI Tool 環(huán)境搭建 053
3.3.1　軟硬件環(huán)境 054
3.3.2　安裝過(guò)程 054
3.3.3　利用create_ap 收數(shù) 058
3.3.4　Mointer 采集模式 058
3.4　CSI 數(shù)據(jù)解析 062
3.4.1　CSI 數(shù)據(jù)結(jié)構(gòu)解析 062
3.4.2　CSI 的數(shù)據(jù)可視化 067
本章小結(jié) 072
第4章  無(wú)線(xiàn)感知信號(hào)處理與分析 073
4.1　相位偏移消除 074
4.2　移除離群點(diǎn) 075
4.2.1　Hampel 濾波器 075
4.2.2　小波去噪 077
4.2.3　巴特沃斯濾波器 080
4.3　信號(hào)轉(zhuǎn)換 083
4.3.1　傅里葉變換 083
4.3.2　短時(shí)傅里葉變換 086
4.4　信號(hào)提取 090
4.4.1　過(guò)濾和閾值 090
4.4.2　信號(hào)壓縮 090
本章小結(jié) 096
第5章  無(wú)線(xiàn)感知理論模型 098
5.1　空間統(tǒng)計(jì)模型 099
5.2　菲涅爾區(qū)模型 104
5.3　同心圓模型 109
5.4　感知范圍模型 111
5.5　CSI 商模型 117
本章小結(jié) 120
第6章  機(jī)器學(xué)習(xí)在無(wú)線(xiàn)感知中的應(yīng)用 121
6.1　機(jī)器學(xué)習(xí)概述 122
6.2　決策樹(shù) 124
6.2.1　決策樹(shù)定義 124
6.2.2　決策樹(shù)的步驟與構(gòu)建 125
6.2.3　屬性選擇度量 126
6.2.4　決策樹(shù)剪枝 129
6.2.5　隨機(jī)森林 130
6.2.6　應(yīng)用舉例 132
6.3　貝葉斯算法 133
6.3.1　貝葉斯決策理論 133
6.3.2　樸素貝葉斯 135
6.3.3　樸素貝葉斯法的參數(shù)估計(jì) 136
6.3.4　樸素貝葉斯方法 136
6.3.5　應(yīng)用舉例 138
6.4　支持向量機(jī) 139
6.4.1　支持向量機(jī)的算法原理 140
6.4.2　軟間隔 142
6.4.3　核技巧 143
6.4.4　應(yīng)用舉例 144
6.5　KNN 算法 146
6.5.1　KNN 算法原理 146
6.5.2　三個(gè)基本要素 147
6.5.3　KD 樹(shù) 150
6.5.4　K-近鄰算法的優(yōu)缺點(diǎn) 151
6.5.5　應(yīng)用舉例 152
本章小結(jié) 152
第7章  深度學(xué)習(xí)在無(wú)線(xiàn)感知中的應(yīng)用 154
7.1　深度神經(jīng)網(wǎng)絡(luò)(DNN)  155
7.1.1　深度神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu) 155
7.1.2　運(yùn)行機(jī)制 158
7.1.3　應(yīng)用舉例 159
7.2　卷積神經(jīng)網(wǎng)絡(luò)(CNN)  160
7.2.1　完整的CNN 結(jié)構(gòu) 161
7.2.2　卷積-感受野 164
7.2.3　反向傳播 164
7.2.4　應(yīng)用舉例 165
7.3　循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)  168
7.3.1　循環(huán)神經(jīng)網(wǎng)絡(luò)原理 169
7.3.2　前向傳播和反向傳播 170
7.3.3　長(zhǎng)短時(shí)記憶網(wǎng)絡(luò) 173
7.3.4　應(yīng)用舉例 176
本章小結(jié) 177
第8章  無(wú)線(xiàn)感知技術(shù)設(shè)計(jì)實(shí)例 179
8.1　人體行為感知系統(tǒng)設(shè)計(jì) 180
8.1.1　實(shí)例概述 180
8.1.2　系統(tǒng)方案 180
8.1.3　關(guān)鍵技術(shù) 181
8.1.4　實(shí)驗(yàn)結(jié)果分析 200
8.2　夜間健康監(jiān)護(hù)系統(tǒng)設(shè)計(jì) 212
8.2.1　實(shí)例概述 212
8.2.2　系統(tǒng)方案 212
8.2.3　關(guān)鍵技術(shù) 213
8.2.4　實(shí)驗(yàn)結(jié)果分析 237
本章小結(jié) 246
第9章  無(wú)線(xiàn)感知技術(shù)面臨的挑戰(zhàn)和未來(lái)發(fā)展趨勢(shì) 247
9.1　面臨的挑戰(zhàn) 248
9.1.1　隱私保護(hù)和數(shù)據(jù)安全挑戰(zhàn) 248
9.1.2　無(wú)線(xiàn)感知和現(xiàn)有網(wǎng)絡(luò)的共存挑戰(zhàn) 249
9.1.3　實(shí)時(shí)性要求和資源限制挑戰(zhàn) 251
9.1.4　能量效率和功耗管理挑戰(zhàn) 252
9.1.5　大規(guī)模部署和管理挑戰(zhàn) 253
9.2　未來(lái)發(fā)展趨勢(shì) 254
9.2.1　多模態(tài)感知和融合技術(shù) 254
9.2.2　邊緣計(jì)算和云計(jì)算的結(jié)合 256
9.2.3　自主感知和智能決策 258
9.2.4　新興應(yīng)用領(lǐng)域的發(fā)展和應(yīng)用 259
9.2.5　通信感知一體化 260
本章小結(jié) 271
參考文獻(xiàn) 272