一种基于无源射频技术的用户步态识别及认证方法

步态识别作为一种新兴的生物特征识别技术,具有距离远、难伪造的优点,在智能监控等领域中具有广泛的应用前景。现有的步态识别方法存在着算法计算复杂、用户参与度高、设备开销较大等问题。针对这些问题,文中提出了一种基于无源射频技术的用户步态识别方法。该方法使用了门禁系统中已经广泛部署的无源射频标签,通过标签相位数据计算用户行走动态速度,利用多标签信号互补特性进行信号补偿,提取用户步态频率响应特征。实验结果显示,该方法的用户识别准确率高达91.87%,特征提取及比对的时延仅有0.129 s。在训练数据极少、用户参与度低的情况下,实现了高效率、较准确的用户步态识别及认证。     

SAR~2:针对无线传感器网络丢包的自适应修复与调整策略

网络传输丢包是无线传感器网络中的一种常见现象,频繁非受控的丢包严重降低了网络性能。导致丢包的原因复杂多样,而已有的针对这一问题的解决方案通常趋于复杂和低效。本文通过对大规模无线传感器网络系统GreenOrbs的观察发现,RSSI(接收信号强度指数)是网络丢包的重要指标。当数据包在接收端的RSSI接近接收端的灵敏度下限(即灰度区域)时,丢包现象就会显著发生。基于这样的观察结论,本文提出了一个轻量级自适应修复与调整策略(SAR2):基于节点间的RSSI,把丢包原因进行对应分类,并相应地采取调节发包速度、调节发送能级和切换路由等策略以缓解网络丢包。基于TelosB节点实现了SAR2,实验结果表明,SAR2可以有效降低丢包率,提高网络性能。     

基于多源数据关联融合的交通图像深度补全技术

随着城市化进程的加速，智慧交通领域得到了越来越多的关注。利用深度补全技术提取物体深度信息对实现车辆目标跟踪、目标间距离计算等任务具有重要作用，但在实际中收取的多源深度补全数据存在关联偏差，导致产生较难纠正的精度误差。针对该问题，文中研究了基于多源数据关联融合的深度补全技术。该技术通过计算多通道置信度增强深度图，将图像和毫米波雷达点云数据进行更精准的数据层逐点关联。通过设计多尺度注意力融合模块，实现了对多粒度关联数据的自适应融合，生成了高质量的深度图。文中在公开的nuScenes数据集中开展了大量实验，实验结果表明文中所提方法平均绝对误差为1.142 m,低于现有基准方法的1.472 m。