用于痕量监测Zr^(4+)、Cr_(2)O_(7)^(2-)、Fe^(3+)、HPO_(4)^(2-)和指纹识别的功能化Eu^(3+)/Tb^(3+)配位聚合物荧光探针的构筑

采用芳香族π共轭及含氮原子有机连接剂,合成同构铽、铕发光配位聚合物(CPs){[Eu(PLIA)_(1.5)(H_(2)O)_(2)]·H_(2)O}_(n)(1)和{[Tb(PLIA)_(1.5)(H_(2)O)_(2)]·H_(2)O}_(n)(2),其中H_(2)PLIA=5-((吡啶-4-基甲基)氧基)苯-1,3-二甲酸。对合成的配合物进行了结构测定、表征和荧光痕量识别实验研究。2个同构配合物具有理想的三维框架结构,π…π堆积及氢键等弱相互作用增强了其化学稳定性;表征显示配位聚合物1和2具有良好的荧光性质、结晶性、热力学稳定性及结构完整性,可作为荧光传感的材料。1和2对水溶液中的Zr^(4+)、Cr_(2)O_(7)^(2-)和Fe^(3+)、HPO_(4)^(2-)具有选择性好、灵敏度高的荧光识别能力,其检出限分别为0.139μmol·L^(-1)(1,Zr^(4+))、0.626μmol·L^(-1)(1,Cr_(2)O_(7)^(2-))、0.430μmol·L^(-1)(2,Fe^(3+))、1.36μmol·L^(-1)(2,HPO_(4)^(2-))。探究了1和2作为探针的荧光猝灭机理。更有趣的是,1和2具有指纹识别性能,其荧光指纹纹路清晰连贯,细节明显,可被清晰观察。

接收域分离的跨接收系统通用性辐射源指纹识别

受辐射源硬件失真和接收机硬件失真的耦合作用,实际接收信号中带有当前辐射源系统和接收系统共同的“个体信息”,导致辐射源指纹识别技术(RFF)在跨接收系统场景下无法通用。为消除接收机染色效应,该文将接收机影响作为单独作用域,提出一种基于接收域分离的跨接收系统通用性辐射源指纹识别方法。该方法通过双标签多通道特征联合和域分离对抗重构方式实现信号中辐射源指纹作用域与接收机染色作用域分离,利用多部接收机数据预先训练网络对两种作用域的分离能力,聚焦辐射源指纹信息提取,从而提升辐射源指纹识别技术在跨平台跨接收系统、更新接收设备等场景下的适应能力。相比于直接特征提取和多接收机打包训练方式,所提方法能够真正适应实际无监督场景,且参与训练的源域接收机数目越多,域适应效果越好,不需要重复训练即可直接推广应用于新接收系统,具有较高的实际应用价值。

基于深度学习的拖拉机指纹识别系统研究

将基于深度学习的指纹识别系统应用在拖拉机中,硬件包括STM32微处理器、指纹采集系统和DSP处理模块,软件采用卷积深度置信网络实现了指纹识别的车辆进入和发动机启动。测试结果表明:系统对假指纹认假率非常低,可靠性高,大幅度提高了使用便携性,提升了用户体验感受。

基于奇异谱分析和改进ResNet的射频指纹识别方法

针对当前真实场景下远距离射频指纹识别难以准确提取特征且实时性较差的问题,提出一种基于奇异谱分析重构信号和改进残差神经网络的射频指纹识别的方法。首先,将采集到的信号进行奇异谱分析,根据贡献率大小对原始信号进行重构,随后通过STFT获得时频谱图作为神经网络的输入:其次,构建轻量级残差神经网络,加快模型收敛速度;然后,在轻量级网络的下采样过程中引入混合维度注意力机制,对网络中间的特征图进行重构,强调重要特征,抑制一般特征;最后,使用激活函数Leaky ReLU替换原有的ReLU,避免在负值区域的梯度永远为0,进而导致模型训练无法反向传播。使用公开数据集POWDER-4BS-Iqsample验证实验后的结果表明,所提方法仅需要训练10个epoch识别精度就能达到87%,在保证识别精度的前提下缩减了时间损耗。与多种经典模型和算法相比,所提方法更加兼具识别精度与实时性。

多场景下的端到端通信辐射源指纹识别方法

现有射频指纹识别方法大多依赖先验信息和领域专业知识,在多场景、多设备情况下,存在识别性能退化、过程繁复的问题。针对上述问题,提出了一种基于深度学习的端到端通信辐射源指纹识别方法,直接以未经处理的同相正交(In-phase/Quadrature,I/Q)信号作为模型输入,通过复值神经网络提取信号时域特征以及I,Q之间的隐含相关性,经特征压缩模块将提取的特征进行压缩,得到具有全局性的特征向量,最后分类输出识别结果。该方案可从复信号中自动学习,无需手动提取特征,不依赖先验知识与特定领域知识,将处理流程推向原始数据端,实现端到端识别。实验结果表明,所提方法可直接利用I/Q信号实现个体识别,相较于其他方案受信道干扰、数据类型变化影响更小,并且在不同规模的识别任务中表现更好,具有较强的鲁棒性和抗干扰能力。

面向公平性联邦学习的指纹识别算法

现有的指纹识别方法大多是基于机器学习,在对海量数据集中训练时忽视了数据本身的隐私性和异质性,从而导致用户信息泄漏和识别率降低。为在隐私保护下协同优化模型精度,提出了一个全新的基于联邦学习的指纹识别算法(Federated Learning-Fingerprint Recognition,Fed-FR)。首先,通过联邦学习迭代聚合来自各终端的参数,从而提高全局模型的性能;其次,将稀疏表示理论用于低质量指纹图像去噪处理,来增强指纹的纹理结构;再次,针对客户端异构而导致的分配不公问题,提出基于水库抽样的客户端调度策略;最后,在3个真实数据集上进行仿真实验,对Fed-FR的有效性进行对比分析。实验结果表明,Fed-FR精度比局部学习提高5.32%,比联邦平均算法提高8.56%,接近于集中学习的精度;在隐私保护水平、评估准确率及可扩展性等方面具有良好的表现。研究成果首次展现了联邦学习与指纹识别结合的可行性,增强了指纹识别算法的安全性和可扩展性,给联邦学习应用于生物识别技术提供了参考。

采用差分星座图的SDR设备射频指纹识别

差分星座图(Differential Constellation Trace Figure,DCTF)在射频指纹(Radio Frequency Fingerprint,RFF)识别中具有良好的性能,但在低信噪比情况下会产生严重的模糊。为了提高DCTF的识别精度,设计了注意力残差卷积神经网络模型,即DCTF-Res2Net模型。该模型在网络提取特征时加入注意力模块来提高DCTF的识别精度,并将标签平滑损失函数与网络模型结合,有效缓解了DCTF中的离群点对网络模型的干扰。在实验中,根据不同的传输方式和传输场景构建了完备的DCTF的数据集,并用DCTF-Res2Net模型对其进行分类。实验结果表明,在信噪比为5 dB的情况下,与传统的残差网络相比,所提出的DCTF-Res2Net模型可以达到更高的识别精度。

用于射频指纹识别的改进多尺度残差网络

射频指纹识别可以区分高度相似的无线通信设备,已被广泛用于频谱管理和物理层安全通信。然而,很多网络模型在低信噪比环境下表现出性能下降的情况。为了提高低信噪比环境下的识别精度,设计了改进多尺度残差网络模型。该模型首先提取出解调信号的同相(I)和正交(Q)特征作为神经网络的输入,然后改进基础残差块以增加网络的每一层感受野并在细粒度水平上学习更多的特征信息。最后,将多头自注意力机制引入残差块中,进一步增强特征提取能力。在公开数据集上的测试结果表明,该网络在信噪比为0~20 dB时的平均识别准确率为85.36%,表现出比1D-ResNet网络及其变体模型更好的性能,能够在低信噪比环境下更好地完成射频指纹识别。

基于人工智能模型的工业互联网射频指纹识别技术研究

射频指纹识别(Radio Frequency Fingerprinting,RFF)技术为工业互联网提供了关键的数据采集和处理能力,然而,现存RFF技术存在识别率低的问题。因此,以人工智能模型为基础,提出一种基于轻量化残差神经网络的RFF算法,旨在优化射频信号的特征提取和识别过程,在降低计算复杂度的同时,保持高识别性能。实验通过USRP2954设备采集信号并识别,结果显示,研究提出的方法在高信噪比环境下达到98.46%的识别率。研究的创新对工业互联网和智能制造领域具有重要意义,能够推动工业自动化和智能制造的进一步发展,提升整个工业系统的智能化水平。

基于动力指纹识别桥梁损伤检测方法研究

桥梁作为交通网格的关键组成的部分,其结构安全性能日益受到关注。桥梁损伤检测是确保桥梁安全运营的关键环节。然而,长期运营过程中易受多种因素影响而出现结构损伤,及时准确地识别这些损伤对于保障桥梁安全运营至关重要。本文通过对动力指纹原理、频率、振型及曲率模态进行分析,旨在单损简支箱梁振型变化值与损伤程度无关,与梁的损伤位置有关,且对应损伤单元处有突变,识别桥梁损伤位置;而受损梁曲率模态分析,在1/2跨中单元(15#、16#)损伤的位置第一阶曲率模态曲线各有一段平台。

基于移动终端的指纹识别专利技术现状

概述生物识别技术是利用人体所固有的生理特征或行为特征来鉴定一个人的身份,而其中的指纹识别技术已经成为目前使用较广泛的一种生物特征识别技术。指纹具有三级特征,包括指纹的纹型、指纹的细节点以及指纹纹线,以上特征具有稳定性和独特性。正是由于指纹的以上特性,形成了其独特的优势,使得指纹识别技术被应用在很多领域。

基于大容量指纹识别的实时身份认证系统

项目概况基于大容量指纹识别的实时身份认证系统是由中国科学院超级计算中心与北京刑事科学技术研究所共同开发的基于高性能计算的全国人员身份实时认证计算服务系统,可实时确认可疑人员的身份信息。

基于大容量指纹识别的实时身份认证系统

项目概况基于大容量指纹识别的实时身份认证系统是由中国科学院超级计算中心与北京刑事科学技术研究所共同开发的基于高性能计算的全国人员身份实时认证计算服务系统,可实时确认可疑人员的身份信息。应用范围作为物证之首,指纹特征的唯一性和不变性已经得到公认和历史的检验。我国人口基数大,流动人员多,并处于社会重大快速转型时期,跨区域犯罪、流窜犯罪、系列案件有所上升。北京市公安局自1990年开始应用指纹自动识别系统,至今已建立192万人违法犯罪人员十指指纹数据库,并且每年以20%以上的速度进行增长。

电动车指纹识别系统

电动车是一种常见的出行工具,如今,除了传统的用钥匙启动的电动车,市面上还出现了很多用手机控制的新型电动车。但无论哪种启动方式,都有不便的时候,比如一旦出现忘带手机或手机电量不足、钥匙丢失等情况,电动车主就不能及时开启电动车了。有了这款电动车指纹识别系统,就能解决上述问题。电动车指纹识别系统的指纹触摸屏在电动车的显示屏上,长、宽约为十厘米。

基于FPGA与指纹识别的支付系统设计

随着科学技术的飞速发展,大型支付系统如支付宝、微信等广泛地融入到人们的生活中,但是它并不适用于小型门店消费与充值等应用场景。为了能够实现具有独立记录的小型支付系统,文章提出了一个基于FPGA的指纹支付系统。该系统采用键盘、显示器以及传感器等外设,当键盘获取到输入信息后,它将信号送到FPGA中,通过VGA协议显示到显示器。指纹模块通过UART通信协议完成数据传输与控制,获取FPGA发来的控制信息后进入录入、验证等状态。系统联调表明,它具有开户、查询、充值和消费等功能,不依赖账户的识别模式,依托于指纹搜索结果,适用于小规模应用场景。

一种包含指纹识别的火箭发射装置安全锁定器的设计

火箭发射装置安全锁定器是用于发射火箭弹的工具,是通过电流激发控制火箭弹中的点火具激发来实现火箭弹发射的工作。火箭发射装置无线安全锁定器在原有的开机数字密码的基础上新增了一个指纹身份识别环节,指纹身份识别与数字密码一样是通过授权的管理员进行录入,只有已录入指纹的作业人员才能通过指纹身份识别单元的身份识别才能开启锁定器,从而在源头上确保火箭弹发射安全。

指纹识别在电力信息管理身份认证中的应用

近年来,随着产业数字化的实施与升级,电力行业建设了适配性较高的电力信息管理系统。目前,正值电力行业高质量发展之际,应进一步加强对身份认证的管理,解决用户名加密码认证方式应用中的不足。该文概述了指纹识别技术,并在剖析该技术在电力信息管理身份认证中的应用价值的基础上,分别从背景技术、硬件设计、识别程序、其他措施四个方面,对其应用情况进行了具体探讨。

基于人工智能的嵌入式指纹识别系统设计

随着科技的不断发展,人工智能技术在各个领域得到了广泛应用,其中包括生物特征识别领域。文中设计了一种基于人工智能的嵌入式指纹识别系统。该系统利用嵌入式处理器和先进的指纹识别算法,实现了快速、准确的指纹识别功能,具有广泛的应用前景。

指纹识别技术在无线网络中的应用研究

为了提高指纹技术在无线网络中的安全性,提出一种适用于无线网络的无监督学习指纹识别技术。首先,介绍了无线特征的综合分类系统。以特征生成所需的主动和被动协议栈层,以及这些特征作用的粒度为基础将特征进行分类。然后,系统地回顾了指纹识别算法,包括监督学习和非监督学习方法,并提出一种无监督学习方法。同时,找出设备指纹和特征提取在应用到无线安全领域中时可能出现的问题。所提方法的整体识别率优于对比方法,能提高6.65%的识别率,渐变指纹识别率达到100%。对女巫攻击和伪装攻击的检测率更高。

基于脊线校正的非接触式指纹识别研究

对比传统接触式指纹识别,非接触指纹识别在卫生安全性和用户接受度等方面具有更大的优势,但由于采样条件和指纹自身的问题,导致的脊线图存在伪脊线或特征点是其主要挑战。针对以上问题,在将指纹图像进行改进的自适应对比度增强(adaptive contrast enhance, ACE)和通过自定义Gabor滤波器对二值化的脊线进行滤波增强的预处理前提下,提出了一种基于指纹结构的脊线和特征点优化(ridge and minutiae optimization, RMO)算法。该算法能够有效地在对伪脊线校正的基础上剔除伪特征点,进而提高特征点信息获取准确性和提升指纹识别效率。为了验证本文所提出方法的有效性,基于一个公共非接触式指纹数据集,设计了两组实验,分别验证上述方法是否能准确、有效的获取指纹特征点信息和该方法对于基于特征点匹配的指纹识别的收益。最终在实验以及结果讨论环节,证明了本文提出的RMO算法能够高效地对指纹特征点信息进行提取,以及该算法能够显著提升指纹识别准确率。