9篇关于WiFi的计算机毕业论文

今天分享的是关于WiFi的9篇计算机毕业论文范文, 如果你的论文涉及到WiFi等主题,本文能够帮助到你

肉鸡呼吸道异常声音监测系统的设计与实现

这是一篇关于白羽肉鸡,呼吸道疾病,异常声音,声音识别,HMM,WiFi的论文, 主要内容为随着肉鸡养殖业规模化、集约化的发展,肉鸡饲养密度过大、饲养环境差等问题也随之出现,使得肉鸡患新城疫、禽流感与传染性喉气管炎等呼吸道疾病几率增高。肉鸡在患有呼吸道疾病时会发出咳嗽、呼噜等异常声音,目前对于肉鸡呼吸道疾病的检测是依靠人工在夜晚听取鸡舍内的声音来进行判断。该方法不仅耗时耗力、实时性差而且主观性强,很容易因为饲养员的疏忽而造成没能及时发现并处理患病肉鸡的情况发生。因此,实时有效地监测肉鸡呼吸道异常声音,对于及早发现肉鸡病情、监测肉鸡健康状况同时提高肉鸡养殖生产力具有实际应用价值。本文结合肉鸡实际生产的需要,以白羽肉鸡为研究对象,设计了一套以声音识别技术为核心的肉鸡呼吸道异常声音监测系统,以实现对鸡舍内肉鸡声音的采集和肉鸡呼吸道异常声音的实时监测,为肉鸡呼吸道疾病的早期发现提供判断依据。主要研究内容如下:(1)肉鸡呼吸道异常声音实时采集系统设计。利用CC3200嵌入式微控制器,搭建基于WiFi的肉鸡呼吸道异常声音实时采集系统。系统以CC3200为主控芯片,TLV320AIC3254为音频的编解码器,使用UDP网络传输层协议将采集到的数字音频信号传输至PC或服务器端,以实现实时、稳定、全自动的获取肉鸡声音,从而为肉鸡呼吸道异常声音监测系统提供有效可靠的数据来源。(2)肉鸡呼吸道异常声音检测方法研究。将通过试验采集到的音频数据经过预处理后进行人工标记和分类,分为咳嗽声、呼噜声以及包括肉鸡叫声、环境噪声在内的干扰声三类。分析肉鸡呼吸道异常声音及主要干扰声的时域频域特性后,研究声音信号预处理的可行方法和声音特征提取方法。针对特征缺陷利用小波变换和特征加权分别从提取方式和排除冗余信息两种不同角度进行优化。深入研究HMM模型的原理和优势,建立肉鸡呼吸道异常声音识别模型。设计试验对比特征优化前后的模型识别率,发现两种优化方法均能有效提升模型识别率,模型综合识别率相比未优化时的最优识别率,分别提升4.6%和2.5%。随后将两种优化方法融合进行特征优化试验,结果显示,模型综合识别率为93.8%,提升11.2%,F1值平均可达94.2%,优化效果最佳。(3)肉鸡呼吸道异常声音监测软件系统设计。基于MySQL根据系统需求进行数据库设计。利用python语言开发中间件连接系统软硬件,接收和处理声音采集系统发送过来的音频数据,并储存处理结果。利用SSM框架进行Web客户端开发,将其作为数据显示的载体与养殖人员进行交互,从而使养殖人员能够及时有效的通过此系统获知肉鸡发出呼吸道异常声音的情况,以及时做出有效应对,提高肉鸡养殖生产力。

多源室内定位系统的设计与实现

这是一篇关于室内定位,Android,WiFi,手机传感器的论文, 主要内容为室内定位技术随着位置服务(Location Based Service)的兴起而越来越受观注。在大型超市、商场、小区、展会等复杂的室内环境中,室内定位技术能够帮助用户获知自己所在的位置,更好地确定行进路线;在采矿行业、火灾现场等场合,室内定位技术能及时的确定受困人员的位置,以便更好进行搜救工作。在其它很多领域,室内定位技术同样有着广泛的应用,发挥着巨大的作用。然而,传统的基于WiFi的单源室内定位虽然成本低、易部署的特点得到了广泛的应用,但其定位精度不高。为此,本文主要讨论多源室内定位系统的设计与实现。首先本文设计了一种多源室内定位算法,算法的多源体现在算法采用了声音、Wi Fi和加速度多个信息源,且算法不仅仅是对这些多源信息进行简单的融合处理,而是利用多源的信息提出一种新型的定位框架。该算法充分利用目标用户周围一些静态用户的位置信息来协助完成目标用户位置的确定。首先在定位区内找寻一些移动频率较低的静态用户,将他们作为基站(Beacon),并事先确定这些Beacon的位置。然后利用声音测距的方法计算待定位目标用户与这些Beacon间的距离,最后利用三边定位法求出目标用户的位置。同单源WiFi定位系统一样,多源室内定位系统不需要任何额外硬件的部署,然而它的定位精度却有明显的改善。接着,本文给出了该室内定位算法的系统实现。该实现方案基于客户端/服务器的架构,服务器后台程序运行在Linux平台上,采用JAVA平台开发;客户端基于Android平台,本文实现了一款APP原型。最后在办公室环境对本文提出的多源室内定位系统进行了详细的测试。实验结果表明,本文提出的多源室内定位系统的平均定位误差在3M左右,相比传统的单源WiFi室内定位,在精度上有了明显的提升。

基于ESP32的智能家居系统的设计与实现

这是一篇关于ESP32,智能家居,OneNET云平台,传感器,WiFi的论文, 主要内容为智能家居在物联网的影响下蓬勃发展,新兴技术的涌现不断地促进现代社会的进步,智能家居在市场上普遍受到用户的青睐。科学技术的进步不断地改变人们的生活方式,同时也促使人们追求更舒适、更高质量的生活。智能家居不断整合现代大数据、物联网和其他尖端技术,为用户创造一个安全、便捷、智能的家居生活环境。但目前智能家居产品投入成本较高,品类繁多,没有统一的平台无法互联互通,难以在传统家庭中推广使用。基于这些问题,本研究采用单片机集成多种传感器,通过无线连接,将设备采集的信息传输至云平台,开发设计了基于ESP32的智能家居系统,以满足用户的需求。系统整体功能主要包括智能安防模块、空气质量检测模块、电器智能控制模块和无线遥控模块。经分析对比选用ESP32作为系统的核心处理器,通过人工视觉传感器、触摸传感器和人体感应传感器,实现门禁识别、音乐门铃和入侵检测功能。利用温湿度传感器、光敏传感器、雨滴传感器和红外遥控实现对风扇、窗帘、窗户和灯光的控制;使用火焰传感器、气体传感器和环境传感器感知预测家中环境质量。本系统搭建了整体框架结构,完成了对传感器的选型、硬件电路设计以及对各个模块的程序设计。系统的终端设计,通过无线通信的方式将设备采集的数据传输到One NET物联网云平台。云平台通过MQTT协议发送消息。One NET物联网云平台用于创建产品设备,管理数据流,实现设备与云平台之间的信息通信,并将采集的数据源用图表的形式展现在客户端。OneNET物联网云平台具有数据存储功能,云平台上可以实时的显示监测数据信息,发布消息指令,远程控制家用电器设备。本研究所开发的基于ESP32的智能家居系统,经多次测试,各个模块的功能均能正常运行,传感器灵敏度高,采集数据准确。用户可以控制设备并将其连接到云平台,采集到的数据可以实时传输至云平台上。系统具有一定的稳定性和可靠性,并且操作简便、安全智能,符合系统的设计需求,具有较高的实用价值。

船舶柴油发动机工况参数的远程监控系统设计

这是一篇关于船舶柴油机,远程监控,WiFi,4G的论文, 主要内容为具有100多年历史的柴油机作为动力设备被广泛应用于交通、电力等诸多领域,其中现代船舶的动力核心就是柴油机,其正常运行是船舶运输安全的重要保障。受世界环境、气候变化及“双碳”目标压力影响,水上交通运输优势日益凸显,船舶运输正朝安全、重载、快捷、减排方向发展,因此对船舶柴油机的性能提出了更高要求。船舶柴油机系统因面临恶劣的工作环境、繁重的负荷及维护保养不当,各种故障的出现在所难免,对船舶安全运行造成影响。如对船舶柴油机的工况予以实时监控,则可及早分析潜在隐患并及时报警,降低了事故发生率。因此本文提出了船舶柴油机系统的远程实时监控研究任务,目标是实现船舶柴油机各种工况参数的自动采集,并能够传输数据到上位机或移动端,以便相关人员实时了解和掌握船舶柴油机的运行状态和故障信息。本文首先介绍了船舶柴油机的基本工作原理,分析了船舶柴油发动机运行时需重点监测的工况参数,通过分析船舶柴油机重点工况信号的检测原理并选择了相应传感器;结合系统功能需求分析,提出了船舶柴油机工况参数远程监控系统的整体架构。根据船舶柴油发动机远程监控系统的实际工作环境和资源需求,本文选择STM32F103RCT6芯片作为系统主控芯片。遵循船舶柴油机远程监控系统功能要求,本文对主控芯片的基本电路、模拟量信号采集电路、频率量信号采集电路、CAN通信接口电路、无线传输电路和电源转换电路详细设计。随后在Keil u Vision5开发环境下进行软件编程,开发了STM32F103RCT6微处理器的系统软件设计;包括整体系统软件架构、开发环境介绍、主程序设计、模拟量信号采集程序设计、频率量信号采集程序设计以及Wi Fi和4G模块的程序设计。为了实现船舶柴油机运行工况参数的实时远程监控、数据分析处理和故障诊断,本文设计了基于Lab VIEW上位机和移动端手机App的远程监控系统,通过无线通信和数据采集设备实现数据交互,并对所收集数据进行实时远程监控和处理分析。最后,对船舶柴油机工况参数远程监控系统进行了测试。首先用测量仪器做了硬件电路测试,并对系统电源转换电路作测试,各电源转换模块输出电压正常。然后在软件开发环境中对所设计软件进行调式完后将程序下载到主控芯片中;先利用网络助手对Wi Fi和4G进行通信测试,验证了Wi Fi模块与上位机通信以及4G模块与手机APP之间通信功能。在此基础上利用开发的上位机人机界面对发动机信号采集板实现了数据传输、显示及存储等功能测试。测试结果表明,设计的系统达到预期设计目标,提高了船舶运输安全性和系统可维护性,具有良好的工程应用价值。

多源室内定位系统的设计与实现

物联网无线智能健康服务终端系统的设计与实现

这是一篇关于物联网,体征数据,WiFi,远程监控的论文, 主要内容为随着人们生活和工作节奏的加快以及社会、经济、环境等因素的变化,慢性病发病率与亚健康人群比例也在逐年增高。然而,与之相对应的医疗设施及资源却远远不足,当前只有正规的医疗机构才能进行系统的慢性病健康检测服务,常规医院的健康服务检测系统具有检测精确、全面的优势,但是同时也存在系统造价过高、效率低下以及布设点位受限等问题。由于目前传感器技术的发展,人们完全可以使用家用医疗智能终端设备来预先进行初步测量与判断。因此,物联网无线智能健康服务终端系统的研究具有重要的意义。随着物联网技术的不断推动,计算机、无线通信、传感器技术呈现快速发展,同时多学科的交叉,已经为物联网智慧医疗的发展打下了良好的基础。健康服务终端、智能穿戴设备,将为我国医疗领域存在的医疗资源不足,无法对慢性病患者进行实时监控,以及对某些疾病的预防不足等问题提出新的可实行的解决方案。鉴于此,本文结合物联网技术、无线通信技术以及慢性病治疗预防科学,设计并实现的物联网无线智能健康服务终端系统实现了对患者体征参数的实时检测,对于我国智慧医疗设备的研发具有很好的应用价值。本文以智慧预测与预诊为出发点,设计了一种物联网无线智能健康服务终端系统。系统的设计与实现及功能分为以下五个方面:1、研究了慢性病常见的体征参数对人体的影响,确定以血压、血氧、脉搏、体重等体征参数为检测目标,结合检测目标的特性完成了智能健康服务系统的总体方案设计。系统分为软件及硬件两大部分,包括:主控模块、传感器模块(血压、血氧、脉搏、体重)、WiFi无线通信模块、云服务器中心、Android APP以及Web端等六个部分。2、深入研究慢性病治疗预防的体征征兆指标,为系统设计提供学科基础,采用模块化设计,完成了以主控模块为核心,传感器模块(血压、血氧、脉搏、体重)、WiFi无线通信模块为延伸的系统硬件电路的设计以及各模块的程序的编译。3、利用云服务器、数据库编程完成了健康服务系统数据处理中心的搭建工作。使用Java语言编译了云服务器的TCP控制程序以及MySQL数据库的访问程序,健康服务系统数据处理中心可实现对血压、血氧、脉搏、体重等体征数据的接收以及存储功能。使患者及患者的家属可以通过Android APP对体征参数的最新数据,历史数据实时查询;医生也可通过系统Web端对所属患者的信息进行实时追踪,实时改进治疗方案。4、通过Axure原型工具的前期设计完成了系统APP的UI及功能的设计,并编译了APP后台数据处理程序,完成了Android APP的开发;通过动态Web页面的方式,实现了对物联网智能无线健康服务终端系统的后台监测;对系统中通信模块传输体征数据的帧格式进行了定义。结果表明,Android APP及Web端的完成,实现了患者、患者家属以及医生方便地在智能终端、PC上对体征数据的监测。5、论文针对脉搏信号在测量的过程中存在的50Hz工频干扰、基线漂移等问题给出了系统优化方案。利用滤波器法完成了对脉搏信号中存在的噪声处理,实验结果表明,该方案能够很好的消除50Hz工频干扰及基线漂移。6、完成系统功能性测试,论证了健康服务终端系统的有效性。

基于梯度提升算法的WiFi室内定位研究

这是一篇关于基于位置的服务,WiFi,特征提取,特征选择,K近邻算法,随机森林,XGBoost的论文, 主要内容为近年来,随着无线网络的快速普及和移动智能终端的广泛使用,LBS(基于位置服务)的需求迅速增长。目前,LBS已经迅速发展并普及到了社会生活的方方面面,定位技术已与LBS的发展紧密联系在一起。随着现代社会的不断发展,城镇化进程加快,大型建筑日益增多,人们80%以上的时间在室内环境中度过。各种移动通讯设备的快速普及,餐饮、购物、娱乐、地铁交通成为人们重要的生活方式,使得室内定位导航成为生活中不可或缺的部分。由于WiFi技术的快速发展,基于无线局域网和信号接收强度的室内定位技术利用现有的公共WLAN基础设施,不需要任何其他专业设备,只需要特定的定位软件即可实现定位。基于WLAN的室内定位技术成本较低,可以满足室内定位对定位精度的要求,已成为研究热点。本文首先基于电商平台的用户WiFi数据和位置信息,在原有特征群的基础上分析处理之后对原始数据特征提取,找出影响用户定位的关键特征。本文提出了基于信息增益的AP选择算法。提取出切合业务场景的特征群,以此来最大限度地还原出用户真实的行为习惯。其次,利用基于梯度提升树模型的特征选择减少数据维度,降低计算的复杂度,以此得到特征重要性的排序结果。最后,使用不同的特征组合检验模型,利用K近邻算法、随机森林与XGBoost对模型进行交叉验证。XGBoost对梯度提升树进行了扩展和改进,使得XGBoost的算法速度更快,准确率也更高。针对KNN中需要手动设置K的数值的缺陷,本文使用管道方法,即一次性输入多个k值,不仅节省了时间,还能更快的找出最好的k值。本文对XGBoost改进主要是对XGBoost的模型中正则化的改进以及对于模型参数的调节,以得到一个最好的实验结果。实验表明,本文提出的改进的XGBoost的算法在定位用户的准确度和运行效率都得到了提升。

基于WiFi信号的老年人家居行为识别算法研究与系统设计

这是一篇关于WiFi,人体行为识别,双向LSTM,注意力机制,跌倒检测报警系统的论文, 主要内容为随着全球老龄化趋势的加快,老年人的生活质量和健康状况越来越受到关注。WiFi技术作为一种广泛应用于各种领域的无线网络技术,其信号在传播过程中能够携带表征环境变化的信息。因此,基于WiFi信号的行为识别研究也逐渐涌现。利用WiFi技术来识别人体行为,可以有效降低生活照护的成本,为老年人提供更加便捷和舒适的生活体验。本文综合考虑算法的识别精度和鲁棒性,提出了基于WiFi信号的老年人家居行为识别算法研究并进行系统设计,实现对多种日常行为的识别和跌倒预警,具体研究工作如下:(1)基于菲涅尔区理论对无线传输领域中的信号传播进行建模,确定了最佳收发天线的位置,获得更可靠的CSI数据。针对缺少家居行为数据集的问题,搭建了数据采集平台,在实验室和模拟家居环境两种场景中分别采集了10种老年人日常行为(喝水、跌倒等),共16800个实验样本。然后利用相位误差校正、插值、滤波器、PCA等数据预处理方法去除环境中随机噪声对原始数据的影响,获得平滑稳定的CSI数据,为后续行为识别提取有效的特征做铺垫。(2)针对老年人家居行为识别中识别率低、性能不稳定的问题,提出新的行为识别算法At-Bi LSTM。首先,在传统LSTM网络的基础上加入双向结构,可以在两个方向上处理连续的CSI信号,获得能够表征更丰富行为信息的特征。然后又引入注意力机制,为特征和时间步长赋予更多的权重,使模型做出更准确的判断,获得更好的识别效果。通过与其他相关算法的实验对比,结果证明At-Bi LSTM算法识别效果稳定高效且具有鲁棒性和抗外界干扰的能力。(3)基于At-Bi LSTM算法设计了一套老年人跌倒检测与报警系统,首先分析系统的总体架构和软件开发环境,然后基于Python语言开发跌倒检测软件和用户管理系统,并对实时监测、查看历史记录、报警方式设置等模块的功能进行了测试。经测试,个人用户注册成功后,可以登录使用跌倒检测软件,管理员还可以通过用户管理系统进行用户数据的查阅、删除、增补、修改等操作,系统能够准确地检测出跌倒行为并及时向紧急联系人发送报警信息。