一种基于CSI的高鲁棒性步态识别方法

针对目前的室内人员步态识别方法存在计算量大、设备成本高、鲁棒性低等问题,提出一种基于信道状态信息的高鲁棒性室内人员步态识别方法WiKown。通过快速傅里叶变换设置能量指示器监测人员行走行为,将采集的CSI步态数据经滤波与降噪处理后以滑动窗口的方式提取特征值,得到人员步态的CSI信息后建立观测序列,最后通过高斯分布叠加拟合后引入隐马尔科夫模型计算观测序列概率,生成步态参数模型。在走廊、实验室和大厅真实多人环境中,WiKown方法对单人步态的平均识别率达到92.71%。实验结果表明,与决策树、动态时间规整和长短时记忆网络方法相比较,该方法能有效地识别出人员的步态信息,提升了识别精度和鲁棒性。     

Wi-Do:WiFi信号下的高鲁棒人员动作感知模型

人机交互是物联网迈向智能化的重要途径,而人体动作识别已成为智能环境实现的关键环节.由于WiFi具有良好的用户体验和极高的普适性以及低廉的部署成本,基于WiFi的人体运动识别技术从众多交互技术中脱颖而出,已在智能安防、运动保健、老年活跃检测等领域展现了巨大的应用价值.现有的WiFi动作识别工作中,动作识别受人体的运动方向...     

新型碳基摩擦材料的研制

介绍新型湿式碳基摩擦材料配方筛选,工艺试验、性能测试的研制过程,并对该研制材料的装车试验及推广应用情况作出了详细的叙述。     

一种基于WiFi的室内重点区域监测方法

针对无设备的室内重点区域监测问题,本文提出一种Wi-KAM方法,通过获取室内人员的实时位置信息,判断重点区域内部的人员存在情况和区域边界的入侵情况.本方法使用高斯低通滤波算法和主成分分析(PCA)法对提取出的信道状态信息(CSI)进行预处理,并提取位置特征信息.结合最小二乘支持向量机(LSSVM),对样本集进行离线训练和在线分类,获取人员实时位置,实现对重点区域内部及周边人员位置情况的监测.实验表明,本方法可以更精确地进行重点区域内人员入侵检测和位置判别,并提高了室内人员定位的准确性.     

基于信道状态信息的人体复杂动作识别方法

现有人类行为识别方法识别精度低、成本高,所能识别的动作也相对简单。为此,通过引入信道状态信息(CSI)提出一种人体复杂动作识别方法,并以传统武术形意拳招式动作为背景进行验证。利用Wi-Fi网卡采集形意拳招式的CSI数据,以数据中的振幅为特征值,使用巴特沃斯低通滤波器和离散小波变换分别过滤数据中的高频和低频异常值。离线阶段采用受限波尔兹曼机对预处理数据进行训练和分类,并构建形意拳招式指纹库。在线阶段使用深度置信网络对采集数据进行分类,将分类结果与指纹库数据进行匹配,实现对形意拳招式的准确识别。实验结果表明,与CSI-SRC方法和基于传统RSSI模型的方法相比,该方法具有较高的识别精度,并且鲁棒性较好。     

一种基于CSI的双人定位方法

为了解决因被测人数上升而引起的建立指纹库复杂和分类算法复杂的问题,提出一种基于信道状态信息(Channel State Information, CSI)的双人定位方法,离线阶段先进行数据采集,预处理之后用K-means算法建立粗指纹库,在此基础之上,使用SoftMax分类算法建立细指纹库,在线匹配阶段先将采集到的数据与粗指纹库匹配,得到粗定位结果,然后再与细指纹库进行匹配。最终得到精确的定位结果、通过实验验证。该方法的最小定位误差为1.12m。同时能够较好的识别双人站位关系。     

基于信道状态信息的非接触式人员动作识别方法

传感器与摄像头等设备的传统动作识别存在受环境影响大及侵犯用户隐私等问题,以京剧动作为研究对象,提出一种非接触式人员动作识别方法Wi-Opera。在离线阶段采集Wi-Fi路由设备上人体动作的信道状态信息（CSI）数据,利用巴特沃斯低通滤波器和小波变换方法对CSI数据分别进行去噪和平滑处理,通过主成分分析算法提取动作的特征值构建每个京剧动作的决策树,最终形成随机森林模型。在在线阶段实时采集的动作数据经过处理后,将京剧动作的特征值输入随机森林模型中进行识别,从而输出识别结果。实验结果表明,Wi-Opera方法的综合识别精度为94.6%,具有较高的识别精度和较强的鲁棒性。     

基于短时FrFT的双基雷达舰船成像最优时间段选取方法

双基雷达系统因其拥有较好的隐蔽性、抗干扰性、灵活性而应用广泛。舰船目标由于受海情影响存在三维运动，瞬时投影平面容易反复叠加，使图像出现严重散焦，大大降低成像分辨率，因此选取最优的成像时间段成为逆合成孔径雷达(ISAR)成像研究领域的热门话题。在双基几何构型下，文中结合图像对比度评判指标，提出一种基于短时分数阶傅里叶变换(FrFT)时频分析的成像时间段选取方法，获得在不同阶次下的时频分析曲线信息，利用估计频率分布的概率密度函数(PDF)选取多普勒频率较平稳的连续时间段，通过最大化图像对比度确定阶次与成像时间段，自适应地获得最佳的成像结果。该方法为最优成像时刻与时间长度的选取提供解决方案，仿真实验结果论证了该成像方法的有效性。