2019《Contact-free In-home Health Monitoring System with Commodity Wi-Fi》读书笔记本文的主要贡献为：用机器学习的方法检测人体的存在性利用 Respiration-to-Noise Ratio和提出一种子载波选择方法来衡量呼吸状态引入峰值检测方法和基于机器学习的呼吸暂停检测方法来实现异常检测和疾病分类目录1. preliminar

Python调用Matlab代码步骤主体：为matlab安装python引擎（含问题及解决方法）示范：python中调用matlab函数问题：python: can’t open file ‘setup.py’: [Errno 2] No such file or directory 问题解决方法见步骤2，3步骤主体：为matlab安装python引擎（含问题及解决方法）Win+R, 输入cmd如

2020《Respiration Tracking for People Counting and Recognition》  本文连续跟踪多人的呼吸速率，并利用估计的呼吸频率实现身份匹配。主要通过以下技术实现了多人呼吸速率监测：自适应子载波组合方法（提高呼吸信号信噪比）迭代动态规划算法轨迹拼接算法（连续跟踪多个用户呼吸频率）  实验结果，四人及四人以下的计数中平均准确率可达到86%。在97.9%

2017《Position and Orientation Agnostic Gesture Recognition Using WiFi》本文贡献：提出了configuration这一

2021《Towards Position-Independent Sensing for Gesture Recognition withWi-Fi》读书笔记

算术编码原理及其python实现

2018《From Fresnel Diffraction Model to Fine-grained Human Respiration Sensing with Commodity Wi-Fi Devices》读书笔记摘要：（1）本文利用菲涅耳衍射模型来量化衍射增益和人体胸部的细微位移之间的关系，成功将第一菲涅耳区(FFZ，the First Fresnel Zone)中障碍物的衍射转化为有益

该部分是对前四篇的一个补充，本次参考以下文章实现一个完整的谷歌翻译接口自动化测试:[1][2]：框架封装完成后，不需要写python脚本，只需要增加yaml测试用例即可。

2006《Raptor Codes》学习笔记  Raptor码是LT码的扩展，采用线性时间编码和解码。 对比LT码，Raptor码具有更低的解码器错误概率。Raptor码开源项目参考目录1. Distribution on F2k\mathbb{F}_{2}^{k}F2k​1. Distribution on F2k\mathbb{F}_{2}^{k}F2k​  以Ω0,Ω1,…,Ωk\Omega

关于Linux cuda和gcc版本的探究