基于心脏信号生物识别综述

基于心脏信号的生物识别技术是目前生物识别的重要研究方向,对基于心脏信号的身份识别技术以及用于身份识别的各种心脏信号及其产生的机理进行介绍,并对心脏信号的采集形式进行分析.通过对多种基于心脏信号的身份识别技术步骤和分类算法的比较,对基于心脏信号的身份识别方法的可行性进行研究和探讨.     

基于Wi-Fi信道状态信息的行走识别与行走参数估计

行走是日常生活中最常见的行为之一,它的特征可以反映人的身份、健康等重要信息.例如,行走的速度、方向、步数、步长等细粒度的参数可以为室内追踪、步态分析、老人看护等情境感知应用提供关键信息.因此,在近几年中,利用环境中已有的Wi-Fi信号对行走进行感知受到了研究人员的广泛关注.为了利用Wi-Fi信号感知行走,当前的方法都需要进行大量的行走数据采集,通过经验观察或者离线学习,提取信号特征来识别行走以及估计行走参数.由于缺乏理论指导,所提取信号特征较为间接且往往包含与环境和感知目标相关的冗余信息,所以当环境和感知目标发生变化时,系统需要重新进行学习,使其难以被应用于无线环境易变的真实场景中.不同于以往工作,首次在不需要任何预训练的情况下,利用环境中已有的Wi-Fi信号实现了在连续活动中对行走行为的精准识别,并且能够同时精确地估计行走的速度、方向、步数、步长等多维信息,为上层情境感知应用提供关键的上下文信息.特别地,通过分析人在行走过程中产生的多普勒效应和Wi-Fi信道状态信息（channel state information）之间的关系,建立基本的多普勒速度运动模型,揭示了行走行为和信道状态信息变化之间的理论关联.同时,基于该模型,通过多重信号分离（multiple signal classification）算法从信道状态信息中提取出了与环境和感知目标均无关、仅与人运动状态相关的信号特征——多普勒速度.最后,通过深入研究多普勒速度和人的行走真实速度之间的映射关系,提出了基于多普勒速度的行走识别与细粒度的行走参数估计方法,且经过在不同环境中、由不同实验者进行的大量实验也表明了行走识别和行走参数估计方法的准确性和鲁棒性.其中,对于行走识别的准确率达到了95.5%,行走速度大小估计的相对中位误差为12.2%,方向估计的中位误差为9°,步数统计的准确率达90%,步长估计的中位误差为0.12m.     

奶牛身份识别和行为感知技术分析与展望

精准养殖是一种实时监控奶牛信息并分析反馈的信息技术,其目的是保证奶牛福利.计算机视觉技术能够解决接触式方法带来的应激性与成本高问题.综述了奶牛精准养殖技术的发展现状,重点围绕人工智能技术和计算机视觉技术,针对个体身份识别、行为感知两个核心问题,从经典方法和深度学习方法两个方向,着重阐述对比应用对象、应用场景以及算法性能等.研究发现,个体身份识别和行为感知主要以图像分类算法为主;深度学习方法具有更好鲁棒性.最后总结了个体身份识别和行为感知方法的难点,展望了身份识别和行为感知未来发展方向.     

单比特压缩感知理论及应用研究

单比特压缩感知是量化压缩感知的极限形式,该方法采集的是观测值的符号,仅需要1个比特单元来记录这个值,因此在硬件实施上成本低,运行速度快。目前,单比特压缩感知技术已经成为一个研究热点。本文首先介绍了单比特压缩感知的发展和研究现状,然后从检测和不检测观测符号两个方面对重构算法进行了分析,接着从单比特压缩感知的成像领域、无线传感器网络领域、医学图像领域和信号传输领域四个应用领域进行分析,最后对单比特压缩感知技术进行了总结和展望。     

基于无线信号的行为识别技术综述

行为识别在普适计算、人机交互等领域有着广阔的应用前景.综述了基于无线信号的行为感知与识别技术.无线行为识别具有超视距、部署简便、无需携带设备等优点.其基本思想是,传播的无线信号在人体处被阻挡、反射或散射,形成特定的传播路径.用户的不同动作使得该路径呈现不同的特点.观察无线信号在传播中的变化,就能辨识出用户的动作.介绍了无线行为识别的基本原理和应用领域,分析了该技术面临的主要挑战以及相关性能指标,并探讨了该领域的开放问题与发展趋势.     

基于内容的音频与音乐分析综述

机器听觉包括三大研究领域:语音信号处理与识别、一般音频信号分析、基于内容的音乐信号分析.其中,语音信号处理与识别早已成为一个传统的研究热点.随着信息科学与技术的迅速发展,基于内容的音频与音乐信号分析也逐渐成为一个新的研究热点,近几年来取得了大量研究成果.文章将对1990年以后该领域上所取得的研究成果进行综述,包括基于内容的音频或音乐信号自动分类、分割、检索以及音乐作品自动分析等内容.     

压缩感知在无线传感网络的应用综述

随着信息技术的发展,近些年压缩感知技术格外引人瞩目,在图像视频编码、雷达及微波辐射成像、气象卫星、图像加密、物联网等领域展现出强大的功能与发展前景。首先介绍了压缩感知在无线传感网络领域的发展及研究现状,然后从压缩感知仿真实验和实例、压缩感知的测量方案、压缩感知的解压缩方案、压缩感知在无线传感网络的具体应用四个方面阐明了压缩感知在无线传感网络领域的优势,最后对压缩感知的前景进行了展望。     

维度语音情感识别研究综述

情感识别是多学科交叉的研究方向,涉及认知科学、心理学、信号处理、模式识别、人工智能等领域的研究热点,目的是使机器理解人类情感状态,进而实现自然人机交互.本文首先从心理学及认知学角度介绍了语音情感认知研究进展,详细介绍了情感的认知理论、维度理论、脑机制以及基于情感理论的计算模型,旨在为语音情感识别提供科学的情感理论模型.然后,从人工智能角度系统地总结了目前维度情感识别的研究现状和发展,包括语音维度情感数据库、特征提取、识别算法等技术要点.最后,分析了维度情感识别技术目前面临的挑战以及可能的解决思路,对未来研究方向进行了展望.     

基于高斯混合模型的脚步声身份识别方法

针对脚步声身份识别数据少、识别准确率低的问题,提出一种以相邻两个脚步声信号作为基本单元,基于高斯混合模型(GMM)实现脚步声身份识别的方法.首先,使用滤波和谱减法相结合的方法对原始脚步声信号进行降噪处理;其次,根据脚步声压级信号和自适应阈值对自然行走状态下连续脚步声信号的起始点进行检测,并将相邻两个脚步声信号作为一个脚步声单元;最后,以声学特征梅尔频率倒谱系数(MFCC)、感知线性预测(PLP)系数作为脚步声单元的特征参数,使用GMM对特征参数进行建模和识别,实现行走人的身份识别.在200人的数据集中进行仿真实验,识别率最高达到98％;同时,在仅用一个脚步声单元进行身份识别时,识别率达到67.5％.仿真结果表明,所提方法能够在数据集人数较多时达到较高的识别率;且在测试数据不足的情况下,识别率显著提高,极大地提高了脚步声身份识别系统的性能.     

瞬时频率的Prony方法提取及MATLAB实现

瞬时频率是信号重要的瞬时特征参数,由于其在通信中的信号调制样式识别、电台"指纹"识别等诸多方面有着广泛的应用,故成为信号处理领域的一个研究热点.旨在有效的提取信号的瞬时频率,介绍了瞬时频率的定义、常用的瞬时频率提取方法及扩展的Prony方法的基本原理与步骤,采用Prony方法提取信号的瞬时频率,给出了算法流程和MATLAB实现的核心程序代码,对线性扫频信号和4FSK信号进行了仿真试验,与相位建模法、WVD法相比,估计的瞬时频率在低信噪比时的均方差较小,结果表明该方法可行,在低信噪比条件下有一定的优势.