基于无线传感网的古建筑健康监测技术

针对如何利用信息技术有效保护古建筑,提出一种运用多维信息融合技术实现对古建筑的实时状态进行自动监测的传感器网络体系架构,包括物理感知层、网络传输层、服务分析层和管理决策层4个层次,并对体系中各层次的技术方案进行相应的设计。其中,为实现对古建筑的各项参数进行准确地采集、预处理和传输,设计古建筑监测无线传感网。另外,为便于监测数据的保存和分析,建立古建筑健康状态数据库。为更准确地判定古建筑现状的健康程度,为管理部门提供决策依据,提出结合多源信息融合理论和预测算法对古建筑健康状态进行深度分析的方法。该体系已应用在相关古建筑的实际监测中,可以充分体现其便捷、实用、可靠性高的优势。

面向工业物联网环境下后门隐私泄露感知方法

伴随着工业物联网相关技术的高速发展,后门隐私信息的泄露成为一个重大的挑战,严重威胁着工业控制系统及物联网环境的安全性及稳定性.基于工业物联网环境下后门隐私的数据特征定义若干基本属性,根据静态及动态数据流安全威胁抽取上层语义,并基于多属性决策方法聚合生成静态与动态泄露度,最终结合灰色关联分析计算安全级与安全阈值,以此实现后门隐私信息在静态二进制结构及动态数据流向中的泄露场景感知.实验选择目标环境中27种后门隐私信息进行测试,依次计算并分析基本定义、上层语义及判决语义,通过安全级与安全阈值的比较成功感知多种后门泄露场景.实验还将所做工作与其他相关模型或系统进行对比,验证了所提方法的有效性.

人脸和步态特征注意力融合的身份识别方法

真实的身份认证场景往往存在面部遮挡和远距离等难点,给人脸识别等传统识别方法带来挑战.步态识别等新型识别方法助力身份认证.步态识别适用于面部遮挡场景,且远距离时优于人脸识别.为了发挥人脸识别和步态识别在远距离遮挡下的互补作用,本文提出了一种基于人脸和步态多模态融合的身份识别方法.该方法包括面向低分辨率和有遮挡场景的人脸识别模块、基于轻量化模型GaitLight的多视角步态识别模块、融合人脸和步态特征的注意力融合模块.人脸和步态融合数据集上的实验结果表明,提出的多模态方法在面部无遮挡和面部遮挡条件下,识别率均高于单模态方法和现有的多模态方法.两种条件下识别率分别达到98.5%和98.4%,高于人脸识别算法1.2%和7.1%.多模态识别方法既能满足日常识别需求,也适用于远距离遮挡下的身份识别,识别性能优于目前应用的人脸识别方案.

基于IR-UWB的睡眠状态下人体呼吸波形检测方法

睡眠过程中的人体呼吸波形检测对于智慧康养和医疗保健应用至关重要,结合不同的呼吸波形模式可以实现睡眠质量分析和呼吸系统疾病检测.传统基于接触式设备的呼吸感知方法会给用户带来诸多不便,与其相比,非接触式感知方法更适合进行连续性监测.然而,在睡眠过程中由于设备部署、睡眠姿态以及人体运动都具有随机性,严重限制了非接触呼吸感知方案在日常生活中的使用.为此,提出一种基于脉冲超宽带(impulse radio-ultra wide band,IR-UWB)的睡眠状态下人体呼吸波形检测方法.所提方法以睡眠状态下人体呼吸时其胸腔起伏导致无线脉冲信号传播路径的周期性变化为基础,进而生成细粒度的人体呼吸波形,实现呼吸波形的实时输出以及呼吸速率的高精度估计.首先,为了从接收无线射频信号中获取人体呼吸时的胸腔位置,提出一个基于IR-UWB信号的呼吸能量比指标来实现目标位置估计.然后,通过提出基于I/Q复平面的向量投影方法和基于呼吸向量圆周位置的投影信号选择方法,从反射信号中提取到人体呼吸特征波形.最后,结合变分编码器-解码器网络来实现睡眠状态下细粒度的呼吸波形恢复.通过在不同条件下进行大量实验测试,结果表明所提方法在睡眠状态下监测的人体呼吸波形与商用呼吸带获得的真实波形高度相似,其呼吸速率的平均估计误差为0.229 bpm,可实现高精度的睡眠状态下人体呼吸波形检测.

基于注意力的短视频多模态情感分析

针对现有的情感分析方法缺乏对短视频中信息的充分考虑,从而导致不恰当的情感分析结果。基于音视频的多模态情感分析(AV-MSA)模型便由此产生,模型通过利用视频帧图像中的视觉特征和音频信息来完成短视频的情感分析。模型分为视觉与音频2分支,音频分支采用卷积神经网络(CNN)架构来提取音频图谱中的情感特征,实现情感分析的目的;视觉分支则采用3D卷积操作来增加视觉特征的时间相关性。并在Resnet的基础上,突出情感相关特征,添加了注意力机制,以提高模型对信息特征的敏感性。最后,设计了一种交叉投票机制用于融合视觉分支和音频分支的结果,产生情感分析的最终结果。AV-MSA模型在IEMOCAP和微博视听(WB-AV)数据集上进行了评估,实验结果表明,与现有算法相比,AV-MSA在分类精确度上有了较大的提升。

基于递归定量分析的生理信号情感识别

基于常规统计的人体生理信号特征提取应用广泛,然而基于常规统计特征的方法在分类识别效果上并不理想。为了解决这类问题,在研究人体生理信号的基础上,提出了一种基于递归图和递归定量分析相结合的方法,提取了生理信号在递归图中的递归率、确定率、对角线结构长度等特征。采用神经网络(neural network,NN)、K最近邻(K nearest neighbor,KNN)、朴素贝叶斯(naive Bayesian,NB)、决策树(decision tree,DT)算法进行情感识别。实验结果表明,递归图中的特征是一组非常有效的特征。相对于传统的统计特征提取,非线性特征提取方法提取的特征更少,但是在情感分类识别效果上优于统计特征提取的方法。所采用的方法改进了传统特征提取数目庞大、效果不理想的问题,较好地实现了基于人体生理信号的情感识别。

基于双神经网络的RFID室内定位方法

在室内定位中,传统的RFID定位方法由于方法简单,无法随着室内环境的变化准确估计当前的路径损耗系数,存在受环境影响大,定位精度不高,实时性差等缺点.为了解决以上问题,提出一种基于双神经网络模型的室内定位算法,建立BP网络和DNN网络的双神经网络模型,将采集到的RSSI信号值预处理后输入到BP网络模型中,输出路径损耗系数n,再将接收信号强度值RSSI和通过BP模型得到的路径损耗系数n作为输入,输入到DNN网络模型中,得到待测标签的精确定位坐标.实验表明,与传统的基于RSSI和基于ANN模型的室内定位算法相比,本算法有效提高了定位精度和定位实时性.

基于兴趣热点的移动社交网络资源发现机制研究

针对移动社交网络中资源发现方法单一、效率不高的问题,提出了一种基于兴趣热点的资源发现机制(IHRD)。IHRD利用移动节点对热点的访问轨迹计算节点之间的社会关系,根据兴趣热点与社会关系之间的关联设计了基于兴趣热点的资源搜索办法;最后,引入马尔可夫预测模型,对兴趣热点的变化进行有效预测,进一步提高了资源搜索效率。仿真实验表明,IHRD与同类发现机制相比,具有较高的资源发现效率、较低的平均时延与通信开销,验证了所提方法的有效性。

基于皮肤电信号与文本信息的双模态情感识别系统

人机交互离不开情感识别,目前无论是单模态的情感识别还是多生理参数融合的情感识别都存在识别率低,鲁棒性差的问题.为了克服上述问题,故提出一种基于两种不同类型信号的融合情感识别系统,即生理参数皮肤电信号和文本信息融合的双模态情感识别系统.首先通过采集与分析相应情感皮肤电信号特征参数和文本信息的情感关键词特征参数并对其进行优化,分别设计人工神经网络算法和高斯混合模型算法作为单个模态的情感分类器,最后利用改进的高斯混合模型对判决层进行加权融合.实验结果表明,该种融合系统比单模态和多生理参数融合的多模态情感识别精度都要高.所以,依据皮肤电信号和文本信息这两种不同类型的情感特征可以构建出识别率高,鲁棒性好的情感识别系统.

基于RSSI序列特性的RFID多标签相对定位方法

室内多目标的高精度定位技术是实现定制化智能服务的关键。当前,基于射频识别技术(Radio Frequency Identification,RFID)的室内定位技术因其成本低、易于部署和多目标感知等优势,受到了学术界和产业界的广泛关注。然而,传统的基于RFID的多目标相对定位系统需要使用多组接收天线进行数据收发,这导致系统的部署成本高昂,同时接收信号强度指示(Received Signal Strength Indication,RSSI)序列还会出现数据中断的问题。为解决这些问题,提出了一种基于RSSI序列特性的RFID多标签相对定位方法。该方法首先采用匀速移动天线的方式来获取多目标标签的接收RSSI信号序列;然后,对接收RSSI数据进行预处理来填充缺失数据,并构建基于余弦相似度的序列相似度量表;最后,从多个组维度设计不同的标签分组算法,以实现RFID多标签的相对定位。通过对典型室内多组RFID标签阵列进行大量相对定位测试,实验结果表明,所提方法的RFID标签相对定位平均准确率超过92%,对5*5的天线阵列平均定位计算时长小于1 s,相比其他工作计算效率提高了近10倍。

基于OBE的计算机硬件人才递进式培养模式研究

教学改革是促使教学质量不断优化的主要动力。文章主要针对计算机硬件人才的培养进行探究,提出一套基于OBE的计算机硬件人才递进式培养模式。以期改进教学方式,加强实践教学,培养学生的实际动手能力和操作能力,从而培养出高质量的计算机硬件人才。

基于信息物理系统的智能洗衣机控制器的仿真与设计

信息物理系统(CPS)的出现使得许多技术发生了巨大的革新,智能洗衣机的发展也可以利用信息物理系统。通过采集洗衣过程中的水浓度信息,控制器可以自行判断是否完成全部洗衣工作,实现了无固定洗涤流程的洗衣过程。利用了有限状态机的思想并在FPGA平台上进行开发,更加简洁直观的实现所需功能。测试结果表明,该控制器能够实现所述功能,可以有效解决洗涤残留以及资源浪费等实际问题。

基于自适应模糊测试的IaaS层漏洞挖掘方法

云计算在为人们日常生活提供极大便利的同时,也带来了较大的安全威胁.近年来,云平台Iaa S层虚拟化机制的漏洞层出不穷,如何有效地挖掘虚拟化实现过程中的拒绝服务及逃逸漏洞,是当前的研究难点.分析已知虚拟化平台的相关漏洞,抽取并推演目标数据集合,设计并实现了一种随机化的模糊测试方法,进一步基于灰度马尔可夫模型设计了一种自动化预测方法,以实时地监督并调整模糊测试的方向,实现面向虚拟化平台的自适应模糊测试目的.最终设计并实现了原型系统Virtual Fuzz,实验数据表明:这些方法可以有效地检测虚拟化平台中的拒绝服务及逃逸漏洞,共得到24个漏洞测试用例,其中,验证了18个已知漏洞,挖掘得到了6个未知漏洞,且已有3个漏洞获得CVE授权.同时,通过与其他模糊测试工具的对比,突出了原型系统的性能优化效果.

基于RFID无源标签的智能开关控制系统

针对传统手势控制系统制作成本高和对光线依赖性强等问题,设计了一种基于RFID无源标签的智能开关控制系统。系统以RFID技术与蓝牙mesh技术为支撑,将手势识别技术与智能开关控制技术有机结合,首先通过提取用户所佩戴的RFID无源标签的运动轨迹,并在PC端中构建手势数据指令库,同时利用加窗处理来解决无源标签运动时反射信号的不连续性,提取标签运动时相位流中的波纹特征分段,继而利用动态时间规整(dynamic time warping,DTW)算法计算当前手势运动分段与预先设置的手势指令库中各维分量的匹配度,同时在此基础上结合KNN邻近算法实现手势分类,之后将识别的手势指令与PC端构建的数据指令库进行匹配,通过蓝牙mesh系统将控制指令传递给各个用电器,实现用户对智能开关系统的手势控制。实验结果显示该系统可以对多个智能开关进行远程实时控制,智能开关对手势指令正确反馈率达到90%。

智能设备上步态识别系统设计与实现

步态是一种新兴的生物识别特征,将步态识别应用到实际生活中意义重大。通过对人体步态进行分析,设计了一款身份识别系统,利用智能手机内置传感器采集人体步态信号并进行数据预处理,再通过部署于手机上的模型对步态数据进行识别。采用智能手机作为搭载工具,实际应用成本低、能在更多复杂环境下进行操作,未来步态识别系统也可以拓展到更多可穿戴设备上。系统主要包括了注册与识别两大模块。注册主要是用户填写信息,系统建立用户个人的信息表用于存储相关数据。注册还需要采集用户的步态数据,再将数据本地存储并上传至服务器,以用于后期的模型训练。识别模块中,通过搭建的深度神经网络模型对预处理之后的数据进行自动特征提取与身份识别。实验结果表明,所提出的神经网络模型在世界上最大的步态数据集OU-ISIR(745名受试者)上的识别准确率达到了82.51%,在实验采集的30名受试者的数据集中,该模型在任意位置下的识别准确率均达到了92.34%以上。

面向肢体残疾的辅助智能穿戴系统的设计

设计了一套智能穿戴系统,主要依靠惯性传感单元对人体手臂的姿态进行检测,从而控制机械臂能够同步做出人体手臂的动作,旨在帮助手臂残障的人士能如同正常人一般的生活。整个可穿戴式系统的设计以STMicroelectronics公司的微控制器作为核心,使用三轴加速度计和三轴陀螺仪对手臂的运动姿态进行检测,通过驱动六路数字舵机来实现机械臂与人体手臂动作的同步。在姿态融合部分,运用了基于TensorFlow的椭球面拟合方法对加速度计进行了校准,并且采用了基于四元数-梯度下降的方法来进行姿态角的融合计算,使系统能稳定地识别出当前手臂的运动姿态。在实验部分,针对系统搭建了相应的实验平台,对姿态融合模块性能和系统整体性能进行了测试,并对整个系统的实验结果进行总结和分析。