- 无线感知技术与应用
- - 作者：编者:张锐|责编:于成成//李军亮
  - 出版社：化学工业
  - ISBN：9787122457066
  - 出版日期：2024/07/01
  - 页数：274
- 售价：39.6

内容大纲
本书全面系统地介绍了无线感知技术，包括基本理论、关键技术和案例应用。以WiFi感知技术为例，首先详细探讨了其基础理论，然后介绍了数据采集、实验环境搭建和数据可视化的步骤。同时，深入讨论了信号处理技术，包括信号去噪、转换和提取等。进一步分析了五种无线感知理论模型，如空间统计模型、菲涅尔区模型等，并探讨了机器学习和深度学习在无线感知中的应用原理。通过丰富的应用案例，详细分析了人工智能算法在WiFi感知中的实际应用。最后，讨论了无线感知技术在发展过程中的挑战和未来的发展趋势。
本书内容系统全面，案例丰富，讲解深入，适合通信工程、电子信息等相关专业本科生、研究生以及无线感知领域的研究人员和工程技术人员参考学习。
作者介绍
目录
第1章  概论
  1.1  无线感知技术的定义
  1.2  无线感知分类
    1.2.1  WiFi感知
    1.2.2  毫米波雷达感知
    1.2.3  蓝牙感知
    1.2.4  RFID感知
    1.2.5  超声波感知
    1.2.6  感知技术优缺点比较
  1.3  无线感知相关基础理论
    1.3.1  无线感知目标检测理论
    1.3.2  无线感知目标定位理论
    1.3.3  无线感知目标成像理论
  本章小结
第2章  无线感知技术基础
  2.1  电磁波与无线电波
  2.2  天线
    2.2.1  天线的概述
    2.2.2  天线的分类
  2.3  信号与信道
    2.3.1  信道的概念
    2.3.2  模拟信号和数字信号
    2.3.3  时域和频域
    2.3.4  信号传输与信号特征
  2.4  传播原理
    2.4.1  基本传播机制
    2.4.2  无线信道衰落
    2.4.3  室内无线信道衰减模型
    2.4.4  WiFi信号的传播模型
  2.5  正交频分复用（OFDM）
    2.5.1  OFDM的原理
    2.5.2  OFDM调制与解调
    2.5.3  OFDM的实现过程
    2.5.4  OFDM的保护间隔
  2.6  多输入多输出（MIMO）
  本章小结
第3章  WiFi CSI信号采集
  3.1  CSI的介绍
    3.1.1  CSI的概述
    3.1.2  信道冲击响应（CIR）
    3.1.3  信道频率响应（CFR）
    3.1.4  信道状态信息（CSI）
    3.1.5  CSI的应用领域
  3.2  不同的CSI采集工具
    3.2.1  Linux 802.11 WiFi CSI Tool
    3.2.2  Atheros CSI Tool
    3.2.3  Nexmon CSI Extractor
    3.2.4  ESP32 CSI Toolkit
    3.2.5  PicoScenes
  3.3  Linux 802.11WiFi CSI Tool环境搭建

    3.3.1  软硬件环境
    3.3.2  安装过程
    3.3.3  利用create_ap收数
    3.3.4  Mointer采集模式
  3.4  CSI数据解析
    3.4.1  CSI数据结构解析
    3.4.2  CSI的数据可视化
  本章小结
第4章  无线感知信号处理与分析
  4.1  相位偏移消除
  4.2  移除离群点
    4.2.1  Hampel滤波器
    4.2.2  小波去噪
    4.2.3  巴特沃斯滤波器
  4.3  信号转换
    4.3.1  傅里叶变换
    4.3.2  短时傅里叶变换
  4.4  信号提取
    4.4.1  过滤和阈值
    4.4.2  信号压缩
  本章小结
第5章  无线感知理论模型
  5.1  空间统计模型
  5.2  菲涅尔区模型
  5.3  同心圆模型
  5.4  感知范围模型
  5.5  CSI商模型
  本章小结
第6章  机器学习在无线感知中的应用
  6.1  机器学习概述
  6.2  决策树
    6.2.1  决策树定义
    6.2.2  决策树的步骤与构建
    6.2.3  属性选择度量
    6.2.4  决策树剪枝
    6.2.5  随机森林
    6.2.6  应用举例
  6.3  贝叶斯算法
    6.3.1  贝叶斯决策理论
    6.3.2  朴素贝叶斯
    6.3.3  朴素贝叶斯法的参数估计
    6.3.4  朴素贝叶斯方法
    6.3.5  应用举例
  6.4  支持向量机
    6.4.1  支持向量机的算法原理
    6.4.2  软间隔
    6.4.3  核技巧
    6.4.4  应用举例
  6.5  KNN算法
    6.5.1  KNN算法原理

    6.5.2  三个基本要素
    6.5.3  KD树
    6.5.4  K-近邻算法的优缺点
    6.5.5  应用举例
  本章小结
第7章  深度学习在无线感知中的应用
  7.1  深度神经网络（DNN）
    7.1.1  深度神经网络的结构
    7.1.2  运行机制
    7.1.3  应用举例
  7.2  卷积神经网络（CNN）
    7.2.1  完整的CNN结构
    7.2.2  卷积-感受野
    7.2.3  反向传播
    7.2.4  应用举例
  7.3  循环神经网络（RNN）
    7.3.1  循环神经网络原理
    7.3.2  前向传播和反向传播
    7.3.3  长短时记忆网络
    7.3.4  应用举例
  本章小结
第8章  无线感知技术设计实例
  8.1  人体行为感知系统设计
    8.1.1  实例概述
    8.1.2  系统方案
    8.1.3  关键技术
    8.1.4  实验结果分析
  8.2  夜间健康监护系统设计
    8.2.1  实例概述
    8.2.2  系统方案
    8.2.3  关键技术
    8.2.4  实验结果分析
  本章小结
第9章  无线感知技术面临的挑战和未来发展趋势
  9.1  面临的挑战
    9.1.1  隐私保护和数据安全挑战
    9.1.2  无线感知和现有网络的共存挑战
    9.1.3  实时性要求和资源限制挑战
    9.1.4  能量效率和功耗管理挑战
    9.1.5  大规模部署和管理挑战
  9.2  未来发展趋势
    9.2.1  多模态感知和融合技术
    9.2.2  边缘计算和云计算的结合
    9.2.3  自主感知和智能决策
    9.2.4  新兴应用领域的发展和应用
    9.2.5  通信感知一体化
  本章小结
参考文献

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目