陶英文的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

一本書搞懂微商（圖解版）

為了解決陶英文的問題，作者陶陶（主編） 這樣論述：

陶陶編着的《一本書搞懂微商(圖解版)》涵蓋：風口上的微商、微商的運營管理、微商的營銷模式、微商的推廣平台、微商的運作工具。《一本書搞懂微商》采取圖解的形式，對書中的內容進行了深入淺出的解讀，內容直觀，形式活潑。《一本書搞懂微商》（圖解版）供微商行業從業人員參考，也可供致力於從事微商的有識之士閱讀。陶陶，英文名：Teniva Tao，A．T集團董事長，旅居英國多年，慈善企業家，80后女性創業者楷模，美貌和智慧並具的女企業家，創立了A．T、愛尚美、MavfieId等護膚品牌，品牌特色：安全、好用、超高性價比。品牌願景：讓A．T成為世界知名護膚品牌。品牌使命：讓萬千微商女性，活得

更加精彩，做自己的女神！

陶英文進入發燒排行的影片

考量CSI相位偏移偵測與校正之室內定位演算法

為了解決陶英文的問題，作者林聖曄 這樣論述：

通道狀態資訊(Channel StateInformation, CSI)可用於室內定位，起到監視人們生活的作用。它使用Wi-Fi多通道訊號，不受光源、聲音干擾，並具備優異的角度、距離感測能力。本文研究中心頻率5.22GHz，頻寬20MHz，56子載波的CSI量測值。在9個不同位置，收集實驗室中57個位置傳送的CSI訊號。在本研究中，我們發現隨機π跳動問題，使得每根天線的相位可能出現±π偏移，這主要是硬件的鎖相環造成的。由於相位的不同，三根天線之間有四種可能的相位差組合。為了估計使用者的位置，我們把CSI量測值轉化為熱力圖作為深度學習網路模型的輸入，來解決本問題。為了克服多路徑效應，經由多訊

號分類(Multiple Signal Classification, MUSIC)計算出到達角(Angle of Arrival, AoA)與飛行時間(Time of Flight, ToF)的熱力圖。然而，由於ToF量測平台存在延時偏移，在本研究中，把熱力圖最大值對應的距離平移到信號強度(Received Signal Strength Indicator, RSSI)對應的距離，再以接入點(access point, AP)的位置為中心，朝向為AoA參考方向，把極坐標轉為直角坐標。由於每根天線可能有π相位偏移，三根天線之間有四種相位組合，所以每筆資料的Rx有四張熱力圖。本文以卷積神經網路

(Convolutional Neural Network, CNN)、殘差神經網路(Residual Neural Network, ResNet)等神經網絡組成的深度學習網路(Deep Learning based wireless localization, DLoc)，用訓練出的模型對不同位置的預測準確度，來探究AP數量、相位校正等因素對深度學習效能的影響，並與深度卷積網路(Deep Neural Network, DNN)和SpotFi的方法在校正π相位偏移的效能上作對比。