文摘
英文文摘
1 绪论
1.1 课题研究的背景
1.2 PIR传感器的发展
1.3 基于PIR信号人体检测的研究现状
1.3.1 智能家居中PIR信号人体检测
1.3.2 远距离PIR信号人体检测
1.4 基于PIR信号人体辨识的研究现状
1.5 主要内容和创新点
1.5.1 本论文的主要内容
1.5.2 本论文的创新点
2 PIR探测器信号特征分析
2.1 引言
2.2 PIR探测器的性能研究
2.2.1 PIR探测器的原理
2.2.2 PIR探测器的性能研究
2.3 人体与非人体辐射等效模型的研究
2.4 PIR探测器的数据采集
2.5 PIR探测器输出信号仿真
2.5.1 PIR信号的仿真
2.5.2 仿真数据正确性验证
2.6 PIR探测器输出信号的特征分析
2.6.1 PIR信号随机性检验
2.6.2 PIR信号平稳性检验
2.6.3 拟采用的PIR特征提取方法
2.7 本章小结
3 PIR信号预处理方法研究
3.1 引言
3.2 PIR信号的噪声分析
3.3 PIR信号小波去噪
3.3.1 多分辨率小波分析
3.3.2 PIR信号小波阈值去噪
3.4 PIR信号小波空域相关去噪
3.4.1 空域相关滤波(SSNF)
3.4.2 双变量收缩(BivaShrink)函数去噪方法
3.5 小波去噪小波基的选择
3.6 去噪评价指标
3.7 实验结果与分析
3.7.1 bior小波消失矩及分解层数的选择
3.7.2 噪声及参考信号的仿真
3.7.3 不同去噪方法性能比较
3.8 本章小结
4 PIR信号特征提取及识别方法的研究
4.1 引言
4.2 PIR信号时频域特征提取
4.3 PIR信号小波域特征提取
4.3.1 小波包分解
4.3.2 双密度双树复小波变换
4.3.3 小波熵特征提取
4.4 PIR信号的分类方法
4.4.1 支持向量机(Support Vector Machine,SVM)
4.4.2 最小二乘支持向量机(Least Squares Support Vector Machine,LS_SVM)
4.5 PIR信号特征提取及识别结果分析
4.5.1 特征提取最优参数的选择
4.5.2 不同特征的分类性能评估
4.5.3 不同特征的分类鲁棒性分析
4.6 本章小结
5 基于信息融合方法的PIR信号识别
5.1 引言
5.2 特征层融合方法
5.2.1 常用的特征层融合方法
5.2.2 典型相关分析(CCA)特征融合方法
5.3 特征子模式CCA特征融合算法
5.3.1 特征子模式划分
5.3.2 特征子模式CCA特征融合及识别
5.4 集成学习方法
5.4.1 基于模式(Pattern-Level)的集成学习方法
5.4.2 基于特征选择(Feature-level)的集成学习方法
5.4.3 个体分类器间的差异度量
5.5 PIR信号分类结果与分析
5.5.1 CCA特征层融合实验结果
5.5.2 基于集成学习方法PIR信号识别结果
5.6 本章小结
6 全文总结与展望
6.1 全文工作总结
6.2 展望
致谢
参考文献
附 录
A.作者在攻读博士学位期间发表的学术论文目录
B.作者在攻读博士学位期间已投稿的论文目录
C.作者在攻读博士学位期间取得的科研成果目录
D.作者在攻读博士学位期间参加的科研项目目录
重庆大学;