公开(公告)号：CN115801152A

公开(公告)日：2023-03-14

申请号：CN202310062463.X

申请日：2023-01-16

Applicant: 南京邮电大学

Inventor： 盛碧云 ,  韩瑞 ,  肖甫 ,  桂林卿 ,  蔡惠

IPC: H04B17/309 ,  H04W4/33 ,  H04W84/12 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/08

Abstract: 本发明提供一种基于层次化transformer模型的WiFi动作识别方法，通过采集人员在室内场景下的多种动作的WiFi信号，获得CSI数据作为样本数据，并标注活动类别标签后，获得数据集，将数据集划分得到训练集和测试集；构建层次化transformer模型，层次化transformer模型提取局部关联特征，以获得样本的全局特征，并得到样本的最终特征表达后，获得分类标签；获得训练后的层次化transformer模型；将测试集的样本数据输入到训练后的层次化transformer模型，输出人体动作识别的预测结果；该方法能够有效提高无线感知动作识别的精度和效率，且具有更高的可靠性和更强的泛化能力。

公开(公告)号：CN115630964A

公开(公告)日：2023-01-20

申请号：CN202211652775.8

申请日：2022-12-22

Applicant: 南京邮电大学

Inventor： 蔡惠 ,  蓝晨 ,  肖甫 ,  周剑 ,  盛碧云

IPC: G06Q20/38 ,  G06F21/62 ,  G06F18/23

Abstract: 本发明涉及数据安全、隐私计算等相关技术领域，提出了一种面向高维隐私数据的相关性数据交易框架的构造方法，包括：建立高维用户特征之间的数据相关性模型；建立初始特征聚类方案；通过设计近似最优算法解决最优特征聚类问题；在最优特征聚类的基础上设计了一种新的数据扰动机制，生成与原始数据具有相近联合分布的隐私保护的高维数据集；基于近似最优的特征聚类方案对隐私损失进行量化。本发明主要包含数据扰动机制与隐私补偿机制，平衡了数据效用和隐私保护，并实现了预算均衡、个人理性和真实性等所有理想的经济属性。

公开(公告)号：CN115242327B

公开(公告)日：2022-12-06

申请号：CN202211133707.0

申请日：2022-09-19

Applicant: 南京邮电大学

Inventor： 盛碧云 ,  孙朝润 ,  肖甫 ,  桂林卿 ,  蔡惠

IPC: H04B17/309 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于多通道融合的CSI动作识别方法，通过在多组WiFi信号收发对的感知区域内，由受试者完成设定动作，并采集无线信号的多视角的二维CSI数据，分别记录对应的动作类别标签，获得CSI数据集，将采集的CSI数据集分为训练集和测试集；构建基于注意力的多通道特征融合模型，获得经过时间维度和子载波维度权重处理后的训练样本；得到每个训练样本的多视角特征向量；构建基于注意力的多视角特征融合模型，获得每个训练样本的最终特征表达；将测试集的测试样本输入到训练后的动作识别网络模型中，获得动作识别结果。该方法根据无线WiFi数据的特点，构建动作识别网络模型，能够实现高精度的被动式行为识别任务。

公开(公告)号：CN114638264A

公开(公告)日：2022-06-17

申请号：CN202210269837.0

申请日：2022-03-18

Applicant: 南京邮电大学

Inventor： 程春玲 ,  袁文阳 ,  肖甫 ,  郭政鑫 ,  桂林卿 ,  周剑 ,  盛碧云 ,  蔡惠 ,  黄海平

IPC: G06K9/00 ,  H04B17/309 ,  H04W24/06

Abstract: 一种基于信道状态信息的人员被动入侵检测边界估计方法，实现的具体步骤如下：首先，在室内环境中采集人员入侵时对应的无线信号数据，从中提取到CSI原始数据；其次对原始CSI数据进行数据预处理，其步骤包括数据插值、数据去噪；然后，对处理后的数据进行建模，推导出理论上的入侵检测边界模型；最后实时计算滑动窗口的方差，并与初始设定的阈值相比较，检测是否有人员入侵，得到具体的入侵边界。本方法通过对信道状态信息CSI进行分析处理，根据入侵检测边界模型探究现有WiFi设备对入侵行为的可探测距离。

公开(公告)号：CN114581958A

公开(公告)日：2022-06-03

申请号：CN202210484261.X

申请日：2022-05-06

Applicant: 南京邮电大学

Inventor： 徐铭明 ,  肖甫 ,  郭政鑫 ,  胡海 ,  桂林卿 ,  盛碧云 ,  周剑 ,  蔡惠

IPC: G06V40/10 ,  G06N3/08

Abstract: 一种基于CSI信号到达角估计的静态人体姿势估计方法，通过CSI估计感知区域内的信号到达角并构建图像，利用师生网络从图像估计人体姿势。具体如下：首先使用带有移动轨道的接收天线柱，在不同的高度收集感知区域内的CSI信号。其次构造二维AoA图像特征，利用MUSIC算法将CSI信息转换为一维AoA数据，并将不同高度的一维AoA数据组合为二维AoA图像，设计环境降噪算法以消除静态环境因素，增强人体感知部分。最后构建师生网络模型，使用基于视觉的教师网络对基于二维AoA图像的学生网络进行监督，最终学生网络模型能独立地由CSI估计人体姿势。本方法能够识别多种静态人体姿势，以较低成本获得较高预测准确率。