书城首页 › 当代 › 工业 › 可标识无源感知理论和方法
当代·工业

可标识无源感知理论和方法

正版保障多仓发货48小时内发货2-3天送达可开发票
¥136.85 定价 ¥189.00 7.2折 立省 ¥52.15
仅剩 5 件 全新
商品参数
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
购物车(0)
商品参数
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。

¥136.85
🛒购物车