公式推导
RSS：接收信号强度，计算公式：R=10lgp(p：接收端接收到的信息强度 / 发射端的信号强度)。一般是负值，-50dbm~0dbm则信号很好，理想状态下0。
RSSI：（MAC层信息）接收信号强度指示，人为处理得到的信号强度，RSS通过变换转为正值RSSI（无单位）。
CSI：（物理层信息）信号状态信息（通信链路的信道属性），描述信号在每条传输路径的衰弱因子：信号散射、环境衰弱、距离衰减等。
自由空间损耗模型——弗里斯传输公式
公式推导
以上两个推导过程结合来看
自由空间的路径损耗：RSS，是PL=10lg(Pt/Pr)
概念笔记
复现笔记
基于WiFi的人体行为感知技术研究_朱旭.caj
总流程图
数据信息：3接收、3发射，30个子载波，采样率200Hz
数据预处理
从CSI分离出与呼吸相关的动态分量
（1）时频分析
（2）相位差
（3）相位比
（4）共轭相乘
本论文采用CSI共轭相乘理论模型，结合MIMO技术，消除部分相位偏移。
滤除（中值滤波）
Monitor模式采取数据可能丢包，为使数据更准确。先进行线性插值，插值长...
这篇主要是WIFI感知（包括CSI）相关知识的一个梳理
入门
软硬件平台：基础至少需要一个发送设备+一个接收设备，各设备2-3个外接天线。
CSI测量工具：Linux Ubuntu系统安装，Atheros CSI tool、Intel 5300 NIC CSI tool，Nexus 5（不同测量工具对网卡版本均有要求）
CSI处理
进阶
感知算法设计
感知系统可视化
案例实践
Widar 3.0 http://tns.thss.tsinghua.edu.cn/widar3.0/
Wi-Fi感知，顾名思义，就是利用Wi-Fi信号实现对周围环境以及环境中的人体、物体状态的感知。现有Wi-Fi感知方法主要通过分析从Wi-Fi信号采集到信道状态信息（Channel State Information，CSI）实现
Atheros CSI Tool
官方网站
指引文件
开源地址
Intel 5300
官方网站
Nexus 5
官方网站
CSI基础处理
CSI测量值解析出来为a+bj的复数形式
相关工作及代码
自我翻阅的help
one road
two Wifi...
数据集
这份数据集的内容包括第一列用户id，第二列商品id，第三列类别id（比如冰箱属于家电类），第四列用户行为类型（包括pv：浏览/fav：收藏/cart：加入购物车/buy：购买），第五列时间戳。
数据导入
首先，使用Navicat将csv格式的数据集导入Mysql。
由于数据集过大，这里仅导入前300w行数据，并以此进行分析。
数据处理
更改数据列名
123456alter table userbehavior change f1 user_id int, change f2 item_id int, change f3 category_id int, change f4 behavior_type varchar(5), change f5 time_stamp int;
查找空值
123456789select * from userbehavior where user_id is null or item_id is null ...
查缺补漏
刷题
从第三行数据开始，只取一行
12SELECT * FROM employees ORDER BY hire_date DESCLIMIT 1 OFFSET 2
左连接
1234select last_name,first_name,dept_nofrom employees sleft join dept_emp don s.emp_no = d.emp_no
获取每个部门中当前员工薪水最高的相关信息，给出dept_no, emp_no以及其对应的salary，按照部门编号dept_no升序排列
12345678910SELECT d.dept_no, d.emp_no, s.salaryFROM dept_emp dJOIN salaries s ON d.emp_no = s.emp_noWHERE s.salary = ( SELECT MAX(s1.salary) FROM dept_emp d1 JOIN salaries s1 ON d1.emp_no = s1.emp_no WHERE d1.dept_no = d.d...
Tableau下载地址
学生版认证–获取密钥
完成了，好激动！准备开始学习（Fighting）
数据库连接
连接
有多种连接的来源，可以供选择
当选择两个数据进行连接后，需要选择字段
提取方式
实时：每一次更新都需要导入数据
数据提取：存储到Tableau的数据库里面
筛选器：当数据较多，且已经明确了所要的数据时，可以提前在这筛选掉
保存方式
twb：不带数据，需要连接
twbx：内置数据
数据查看
性能和数据响应程度做取舍，都是需要成本的。
数据可视化
数据变成图表的过程，就是数据映射到视觉图形的过程
数据：维度和度量
数值型【度量】：一般由数字组成，表示为图表的面积大小、条形长短、颜色深浅等可以量化的视觉元素
类别型【维度】：有限的类别数或可区分组数，表示为图表的颜色种类、图形位置、分类方式等视觉元素
【度量】映射图形，【维度】负责区分
数据可映射的数据类型：
位置
散点图主要有四种数据规律
长度
角度，例如饼状图
方向，例如折线图
形状
面积和体积
颜色和深浅
可视化字典
视觉图形的暗示排序清单
数据可视化领域的四大金刚：...
Excel
基础概念
对数据进行备份
右键——移动或复制——移到最后——创建副本——隐藏
需要显现的时候，右键任意sheet，取消隐藏
数据理解
ctrl + shift + L /* 全部筛选 */
UV与PV：去重与不去重
CPC：单次广告的成本
数据透视表
筛选
插入切片器
透视表内的筛选
都可以进行筛选，区别是：切片器不只应用于透视表。
双击可以更改名称：
插入字段
函数
sum函数
新建窗口
冻结窗口
sum特殊
win + 上下左右 /* 任意分屏 */
中间加逗号可以分开来选。
sumif函数
锁定
sumif
sumif( 比对的数据行，标准，要的数据行)
sumifs
sumifs( 要的数据行，对比的数据行1，标准1，对比数据行2，标准2，...)
环比与同比
同比：上一年或者上一月
环比：上一个相邻的
拆解日期
组合日期
如果前一个月没有那一天，就会返回第一天。跨年算的结果是正确的。
不要用Excel的日期格式去存储日期，要用字符串格式。
...
《深入浅出数据分析》
坦白来说，也不是崇洋媚外，只是外国笔者的书籍有时确实比中国学者有趣得多。可能看起来讲的并不深入，但是作为启蒙书，会给你一步步启迪。
为防止后续遗忘，能不断巩固，写下此篇读书笔记。
数据分析引言：分解数据
四个流程：确定–分解–评估–决策
确定
首先，首席执行官或是客户（包括你自己）会给出一个浅薄的目标，比如提高销量。
此时，应该提出问题做深一步的确定问题。
分解
接下来对数据进行分解，确定基准假设。客户确定无疑的信息和你对数据的想法。
评估
加入本人的介入：做出自己的明确假设，以信用为自己的结论负责。写最终报告要提到自己，明确结论出处。
决策
粗略版本：
背景：来自于得到的材料，写下自己和客户的假设
数据解说：数据支持，图表辅助
建议：得出的结论
不是每一次分析结果都是理想的，当决策后出现偏差时候，考虑错误或不完整的信息。
从背景切入，某个客户确信的观点可能只是心智模型。
需要根据数据，对原本确定的目标，进行重新的确定。
可以向客户询问其不知道的事情。例如：
索要更多数据，进行分析和深入挖掘更多数据。
回顾整个模拟流程：
实验，检验你的...
2024.7.22 最终版本（安装软件+数据采集）
收发硬件配置就到这里完成了，这篇不会再改动和新增。
2024.7.15 19：46
想起我之前和朋友留下的誓言，昨天开完会确定了一些东西后，我也开始认真去做了（不过这点不能让老师知道，我是现在才开始想好好认真对待emm哈哈）。估计是个人性格和思想，总有些莫名的叛逆哈哈，只想做自己想做的，不想的都很拖拉，也就难以开始。但是不管是项目组还是这学期的javaweb，我都能感觉到逃避不是一个很好的解决方式，特别是对于你之后一定会要去做的事情上面，这样累积起来的疲惫会成倍，不如踏实好好做完，再毫无负担地开始些新的东西。所以呢，咳咳，我的总结就是：对于不想且之后一定不做的，一丁点心思也不花；对于不想但之后还是要做的（这种事嘛，多半是还蛮重要的）就去按部就班做完。
ok，不想说这么多了，开始正文。主要讲kernel的配置和安装。
搭建硬件平台
搭建的是Ubuntu version of Atheros CSI tool，主要用于收发CSI信号，用于后续实验收集数据做支撑来使用。
购买网卡
安装网卡和Ubuntu
由于这步的内容是组...