正版
可标识无源感知理论和方法
- 书名
- 可标识无源感知理论和方法
- 作者
- 陈毅红,赵一霖,郑浩 著
- 出版社
- 科学出版社
- 出版时间
- 2026-03-01
- ISBN
- 9787030845511
- 货号
- 1204337125
- 品相
- 全新
- 分类
- 当代·工业
- 书名
- 可标识无源感知理论和方法
- 作者
- 陈毅红,赵一霖,郑浩 著
- 出版社
- 科学出版社
- 出版时间
- 2026-03-01
- ISBN
- 9787030845511
- 货号
- 1204337125
- 品相
- 全新
- 分类
- 当代·工业
目录▼
第1章绪论1
1.1研究背景及意义1
1.2国内外研究现状2
参考文献4
第2章RFID标签响应信号特征数据读取方法7
2.1RFID系统的工作原理7
2.1.1LLRP简介8
2.1.2LLRP交互8
2.2低层数据读取的软硬件环境设置9
2.2.1系统连接10
2.2.2PuTTY使用11
2.2.3Eclipse配置12
2.3标签响应信号特征数据的读取过程12
2.3.1读取算法12
2.3.2算法测试13
本章小结14
参考文献15
第3章绑定式RFID骨架的人体活动识别16
3.1人体活动数据集16
3.1.1RFID天线部署16
3.1.2基于人体骨架的标签部署17
3.1.3RFID标签响应信号特征数据分析17
3.1.4数据集21
3.2骨架活动图22
3.2.1人体活动姿态划分22
3.2.2空间骨架图生成23
3.2.3时空骨架图生成24
3.3识别模型24
3.4实验25
本章小结27
参考文献28
第4章基于骨架活动图卷积网络的RFID人体活动识别29
4.1识别模型29
4.1.1骨架特征矩阵读取方法29
4.1.2骨架活动图卷积网络基本模型30
4.1.3带残差网络的骨架活动图卷积网络36
4.1.4并行化带残差网络的骨架活动图卷积网络36
4.2实验38
4.2.1模型训练38
4.2.2消融实验39
4.2.3对比实验43
本章小结44
参考文献45
第5章人体活动识别自适应全局时空图卷积网络46
5.1概述46
5.2相关理论与技术48
5.3图神经网络基础49
5.3.1GCN的基本原理49
5.3.2GCN的技术特点及应用领域50
5.3.3基于GCN的人体活动识别50
5.4识别模型51
5.4.1RFID骨架活动图构建51
5.4.2FSTC模型54
5.4.3A-FSTC模型59
5.4.4GA-FSTC模型60
5.5实验61
5.5.1数据集61
5.5.2模型训练62
5.5.3消融实验64
5.5.4模型分类准确性评估66
5.5.5鲁棒性与泛化能力评估67
5.5.6对比实验69
本章小结71
参考文献71
第6章基于RFID无源感知的活动识别拓扑析聚图卷积网络74
6.1概述74
6.2识别模型76
6.2.1H-GCN模型76
6.2.2FH-GCN模型82
6.2.3AFH-GCN模型84
6.3实验85
6.3.1模型训练85
6.3.2消融实验85
6.3.3模型分类准确性评估87
6.3.4鲁棒性与泛化能力评估89
6.3.5对比实验90
6.4人体活动识别系统92
本章小结96
参考文献97
第7章基于视觉与骨架式可穿戴无源感知的多模态人体活动识别99
7.1概述99
7.2相关理论基础103
7.2.1CNN103
7.2.2GCN107
7.2.3时空卷积网络108
7.2.4Transformer109
7.3数据集与预处理112
7.3.1数据采集及处理112
7.3.2数据集的组成与结构118
7.4识别模型121
7.4.1RFID骨架结构建模与动态特征表示122
7.4.2基于时空图卷积网络的人体活动识别125
7.5实验127
7.5.1数据集与预处理127
7.5.2评估指标130
7.5.3实验环境与参数设置131
7.5.4特征构造方法验证实验132
7.5.5改进网络结构消融实验135
7.5.6与现有模型对比实验136
7.5.7信号干扰鲁棒性实验137
7.5.8泛化性验证138
本章小结139
参考文献140
第8章复杂环境下的RFID与视觉的多模态人体活动识别144
8.1概述144
8.2识别模型145
8.2.1人体视觉骨架提取145
8.2.2基于图卷积的双模态骨架特征提取145
8.2.3基于图卷积的双模态骨架特征融合网络146
8.2.4基于跨模态注意力与门控加权的双模态融合网络149
8.2.5动态感知与权重自适应机制152
8.3实验153
8.3.1实验设置153
8.3.2实验结果154
本章小结163
参考文献163
第9章基于交互学习的可穿戴感知多模态人体活动识别164
9.1概述164
9.2相关工作165
9.3识别模型168
9.3.1多模态人体RFID骨架活动图169
9.3.2特征提取171
9.3.3多层交互学习注意记忆网络173
9.3.4深度融合网络178
9.3.5模型算法180
9.4实验180
9.4.13种模态人体RFID骨架活动图的研究180
9.4.2人体活动数据集182
9.4.3模型训练183
9.4.4验证实验184
9.4.5消融实验188
9.4.6鲁棒性的研究190
9.4.7比较实验191
本章小结194
参考文献194
第10章基于RFID的多目标振动感知199
10.1概述199
10.2振动感知基础205
10.2.1RFID技术205
10.2.2多目标数据采集与读取算法207
10.2.3反向散射信号物理意义分析208
10.3多目标振动压缩感知方法211
10.3.1振动数据集211
10.3.2多目标压缩感知模型216
10.4实验223
本章小结225
参考文献225
第11章基于小波变换和时间卷积网络的时频双通道卷积振动感知229
11.1概述229
11.2数据预处理230
11.2.1TCN分支数据预处理230
11.2.2小波CNN分支数据预处理231
11.3振动感知模型232
11.3.1TCN分支232
11.3.2小波CNN分支232
11.3.3特征融合234
11.3.4优势分析235
11.4实验235
11.4.1模型训练235
11.4.2精度实验236
11.4.3频域宽度实验237
11.4.4对比实验238
11.4.5消融实验239
11.5多目标振动感知系统241
11.5.1概述241
11.5.2系统需求分析242
11.5.3系统设计242
11.5.4系统实现243
本章小结245
参考文献246
文摘▼
本书系统阐述了可标识无源感知的理论体系和方法,以RFID技术为核心,突破传统感知方法在隐私保护、侵入性、身份识别等方面的局限。全书共11章,涵盖RFID信号特征采集、绑定式骨架建模、多模态数据融合、图卷积网络优化等关键技术,创新性地提出一系列高精度、高鲁棒的识别模型,并在自建数据集上实现了超过98%的分类准确率。本书还集成实现了完整的活动识别系统,为主动健康、智慧养老、人机交互等领域提供可落地的解决方案。
本书可供物联网、人工智能、机器人工程等领域的科研工作者参考,也可供电子信息类专业本科生、研究生学习,还适合从事感知计算、行为分析、健康监测、设备健康监管等相关行业的人士使用。





