基于无线信号的人类行为检测和识别

物联网技术实现了物与物、人与物的全面互联,其中信息传感设备与人的交互需要对人体行为活动进行感知。目前广泛使用的有基于视觉和利用穿戴式传感器的识别方法,但这些方法在很多场景下应用有所限制。文章提出一种基于无线信号识别人类行为的方法,通过对通信中传输数据包状态的统计和分析,能够利用少量通信节点达到感知非携带设备的目标在室内检测区域行为活动的目的。对于不同的行为活动特征,采用序列最小优化算法、 K-最近邻算法等不同算法进行分类研究。相对于传统基于无线信号接收信号强度指标的免携带设备行为识别方法,文章提出的方法对不同运动速度等级的识别精度平均提高了 25.1%。     

基于分层 Dirichlet 过程的频谱利用聚类和预测

认知无线电网络通过动态频谱接入技术,利用授权频段的空闲时段实现频谱共享。对频谱利用特征的描述和未来利用率的预测有利于实现高效频谱感知算法,进而优化频谱接入策略。通过对标准的分层Dirichlet过程进行扩展,提出了一种跨信道的非参数贝叶斯模型UTD-HDP(UTD扩展的分层Dirichlet过程),用于无线频谱利用率数据的聚类分析和分布参数估计。利用该模型,可以自适应地描述无线频谱利用率的特征,实现了对未来时间频谱利用率的高精度预测。