自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(3)
  • 收藏
  • 关注

原创 2021-10-12

解决——使用pylab.pcolormesh画STFT时频图频率不对称 信号与系统的知识告诉我们,实信号的频谱是关于零点对称的,然而使用signal.stft得到STFT后,用pylab.pcolormesh函数绘制STFT图像,出现以下结果: 上图中,第一个图为信号第一个窗口的N=64点FFT结果,可以看到关于N/2对称。然而第二个图中,正频率部分与负频率部分严重不对称,正频率部分几乎无数值,负频率部分表现出较为完整的谱图。 原因: f轴的采样频率点并非按照常规坐标轴顺序排列(左负右正,从小到大),而

2021-10-12 10:45:11 400

原创 2021-10-12

解决——64点STFT变换只画出33个点 对csi幅度信号作64点STFT变换,调用函数f, t, Zxx =signal.stft(Amp_matrix_RN, fs=sample_rate, window=‘hann’, nperseg=64, noverlap=None, nfft=None, detrend=False, return_onesided=True, boundary=‘zeros’, padded=True, axis=-1) debug结果显示Zxx维度为(33,50),f维度为3

2021-10-12 09:05:29 141 1

原创 2021-06-10

文献笔记—— 基于深度学习的行为切割框架(利用wifi的行为识别) 摘要 介绍 摘要 1、寻求最佳阈值来切割:多基于个人经验,在遇到同时包含细粒度和粗粒度的活动时,效果不好 2、本文方法:将分割任务是为分类问题,使用基于cnn的算法,为了增强整体性能,设计反馈机制 介绍 行为分类的流程:数据收集和处理、行为分割、行为分类 行为分割:检测csi流的开始点和结束点 行为分类:把分割结果归类 目前的分割法:基于阈值(行为出现时csi波动幅度更大) 现有的有Tw-See,Wi-Multi 缺点:1)去噪方法和阈

2021-06-10 21:59:12 220

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除