基于声波感知的移动设备实时防窃方法研究

近年来已经见证了移动终端在人们日常生活和工作中逐步流行和广泛使用.移动终端由于其便携性可能被用户携带前往任意地点,而其并非总是物理安全的.因此,移动终端极易成为偷窃者的目标.移动终端的失窃不仅会带来经济损失,还会引起隐私信息的泄漏从而带来进一步的损失.现有移动终端防护方法主要研究通过建立安全的用户认证系统规避移动终端失窃之后带来的进一步隐私信息泄漏风险.然而,这种滞后的防护手段并不能从根本上阻止用户的移动终端失窃.为给目前广泛使用的移动终端提供实时的安全保护,本文提出了一种基于声波感知的移动终端实时防窃方法EchoScan,其利用移动终端内建传感器(包括音频设备和运动传感器)对移动终端所处的上下文环境进行实时感知建模以检测偷窃行为.本方法的核心是利用声波感知方法对移动终端所处的环境或状态(即上下文)变化情况实时感知建模.具体而言,EchoScan利用调频连续波技术感知移动终端所在上下文的变化情况以检测移动终端所处状态.随后,EchoScan进一步利用降噪自编码器网络和支持向量数据域描述来分别提取移动终端所处上下文的有效特征并实现在无偷窃者训练数据前提下的偷窃行为识别.为提高该方法的能耗效率,EchoScan还利用运动传感器实时检测移动终端接触行为.验证实验进一步证明EchoScan能取得87%的平均偷窃检测准确率.且平均检测延迟在500 ms以内.

基于声波的圈舍智能设备非接触式手势控制方法研究

【目的】研究基于声波的非接触式手势控制方法,实现对圈舍智能设备的非接触式手势控制,为减少畜牧业传染病的接触式传播风险提供技术支持。【方法】设计并实现了基于声波的手势识别系统,该系统由2套商用扬声器和麦克风组成声学雷达,采用功率谱密度对手势移动产生的多普勒效应进行提取,然后建立手势、位置与多普勒效应的映射关系,并提出一种融合规则和机器学习的手势识别方法,通过手势移动时产生的多普勒效应实现感知范围内任意位置对4种常见手势(前推、后移、左移、右移)的准确识别。【结果】采用奇异值分解算法进行特征提取,并对支持向量机模型、BP神经网络模型、K最邻近算法3种机器学习算法进行比较,可以得到支持向量机模型整体优于BP神经网络和K最邻近算法,且线性支持向量机的识别准确率最高,该系统对15位测试者在不同位置手势的平均识别准确率可以达到91.50%,且成功应用于照明设备的开关和亮度调节以及换气扇的开关和转速调节。【结论】综合考虑手势执行位置、手势移动速度和幅度等因素,采用奇异值分解算法进行特征提取,线性支持向量机算法进行分类,可达到较高的手势识别准确率,有望应用于圈舍智能设备的非接触式手势控制。