-
公开(公告)号：CN113934411B
公开(公告)日：2024-11-08
申请号：CN202111407319.2
申请日：2021-11-24
Applicant: 南京邮电大学
Abstract: 一种面向工控终端设备之间的自动化渗透测试方法，引入设备之间进行渗透测试的概念，将渗透测试以程序的形式，通过下载到设备中进行操作，节省了安全人员的时间与精力，测试过程趋向于自动化测试；下载程序的终端设备具有同时与多个待测试设备通信的功能，意味着能够在同一段时间内对多个设备进行测试，且能够做到对内网下所有连接设备进行测试，扩大了测试面，节约了时间成本；通过实现对通用协议的解析，对测试程序进行扩展，可实现对同一内网下不同品牌的终端设备进行渗透测试，提高了测试的可扩展性。
-
公开(公告)号：CN118172799A
公开(公告)日：2024-06-11
申请号：CN202410591561.7
申请日：2024-05-14
Applicant: 南京邮电大学
IPC: G06V40/10 , G06V10/762 , G06V10/80 , G06V10/40
Abstract: 本发明的一种毫米波雷达行人重识别方法、设备及存储介质，包括以下步骤，采集不同场景的行人步态数据并预处理；对行人步态数据进行子采样模拟和生成具有不同速度的步行序列，即慢、中、快步态；使用分层注意力机制模型提取训练集中不同速度的步态的上下文特征，然后进行融合，最终得到能够描述不同速度关键信息的特征向量；再通过全连接层，将特征向量映射到一个256维的空间得到最终的输出结果，通过标签不断优化分层注意力机制模型并更新模型参数；本发明采用子采样策略，分别模拟慢、中、快速度路径，并利用层次注意力机制表征速度特异性和跨速度序列依赖性，以生成更鲁棒的步态表征，提高了毫米波雷达做行人重识别任务的准确性。
-
公开(公告)号：CN117520928A
公开(公告)日：2024-02-06
申请号：CN202410016640.5
申请日：2024-01-05
Applicant: 南京邮电大学
IPC: G06F18/241 , G01C23/00 , A61B5/11 , G06N3/0464 , G06F18/2135 , G06F17/14 , G06F17/16 , G06F18/213
Abstract: 本发明公开了一种基于信道状态信息目标速度估计的人体跌倒检测方法，属于人体跌倒检测技术领域；步骤为：将接收天线摆放在感知区域内不同的位置上，收集感知区域内不同高度的CSI信号；提取CSI数据中的多普勒信息，构造PLCR功率分布的频谱矩阵；运动分割算法将频谱矩阵分为两阶段，提取分割后频谱矩阵中最优PLCR序列；利用目标速度估计的几何模型，求出人体跌倒的速度，加速度；结合CNN网络对计算出人体跌倒的速度、加速度进行跌倒检测。本发明通过运动分割算法将频谱矩阵分为两阶段，在捕获个体跌倒行为时可以精确地截取相关的运动片段，在不受外部环境干扰的情况下，从CSI数据中准确提取速度和加速度特征，提高提取速度和加速度特征的精确性和有效性。
-
公开(公告)号：CN117520862A
公开(公告)日：2024-02-06
申请号：CN202410022357.3
申请日：2024-01-08
Applicant: 南京邮电大学
IPC: G06F18/22 , G06F18/213 , H04W4/02 , H04W4/80
Abstract: 本发明公开了一种基于RFID技术与切割菲涅尔区原理的手势识别方法，属于人体感知及手势识别技术领域；包括以下步骤：获取手部数据，判断受试者手部是否移动，并采用状态转换图的方法对数据进行分段处理；基于切割菲涅尔区原理的方法来提取手势特征，生成预设手势模板，用于匹配目标手势；利用AMPD算法分析接收信号中的RSS信息，对手势进行判断与识别。本发明基于切割菲涅尔区原理，对手势识别进行了理论模型的搭建，能够准确提取手势动作对应的数据段，提高人体手势识别的准确率；通过AMPD算法中比较相邻数据点的差异以及计算峰值指标，能够清晰地识别出数据中的突变或波动，精确地定位和分析数据中的峰值，更好地理解信号的特性和突变。
-
公开(公告)号：CN117243586A
公开(公告)日：2023-12-19
申请号：CN202311109738.7
申请日：2023-08-30
Applicant: 南京邮电大学
IPC: A61B5/0507 , A61B5/08 , G06N3/006
Abstract: 本发明设计了一种基于MIMO毫米波雷达信号的呼吸检测方法。该方法主要包含三个模块：基于余弦相似度的快速筛选模块，基于距离维总能量的最佳通道筛选模块和基于WOA‑VMD的呼吸速率估计模块。快速筛选模块可以从MIMO毫米波雷达的多个通道中初步筛选出一组彼此差异较大的通道。最佳通道筛选模块进一步从这一组通道中选取距离维总能量最大的通道。最后，呼吸速率估计模块对最优通道中的雷达信号依次进行相位解缠、相位差计算和自适应最优模态分解，从而提取出呼吸速率。本发明解决了目标距离雷达较远且偏离雷达时呼吸检测误差较大的问题，提高了基于雷达信号的呼吸检测准确度。
-
Patent Agency Ranking
公开(公告)号：CN116432644B
公开(公告)日：2023-08-15
申请号：CN202310687090.5
申请日：2023-06-12
Applicant: 南京邮电大学
IPC: G06F40/289 , G06F40/30 , G06F18/213 , G06F18/25 , G06F18/214
Abstract: 本发明属于自然语言处理和机器学习领域，公开了一种基于特征融合和双重分类的新闻文本分类方法，包括如下步骤：首先，对各大新闻网站上的各类新闻文本数据进行采集构成数据集，其次，对采集到的数据集进行数据预处理并进行分词后，以json的格式进行存储，再次，利用BERT模型和TF‑IDF模型构造出特征融合模型，再与fasttext模型联合，构造基于特征融合和双重分类的新闻文本分类模型，该模型进行训练，依据该模型提出基于特征融合和双重分类的新闻文本分类方法，最后，使用基于特征融合和双重分类的新闻文本分类方法对新闻数据进行分类。本发明可以提高新闻文本分类过程中的效率和精度，在较短的时间内取得更好的分类效果。
-
公开(公告)号：CN116047404B
公开(公告)日：2023-08-04
申请号：CN202310320696.5
申请日：2023-03-29
Applicant: 南京邮电大学
IPC: G01S3/14 , G06F18/23213
Abstract: 本发明属于到达角测量技术领域，公开了一种基于Pmusic谱峰图的到达角测量方法，首先，在室内环境下采集WiFi发射机发射的无线信号数据，从WiFi信号中提取出CSI原始数据；其次，对原始CSI数据进行数据预处理，预处理步骤包括：线性拟合和同步消除；然后，对预处理后的数据使用子载波选择和MUSIC算法得到谱峰图数据Pmusic；接着，对谱峰图数据Pmusic进行谱峰选择，对选出来的Pmusic数据使用kmeans聚类方法找出轮廓系数最大的分类方式；最后，根据最大分类方式所得到的簇中Pmusic数据估计出发射机与接收机之间的到达角。本发明提高了AOA估计的精度，从而提高了定位效果。
-
公开(公告)号：CN116340849A
公开(公告)日：2023-06-27
申请号：CN202310556403.3
申请日：2023-05-17
Applicant: 南京邮电大学
IPC: G06F18/241 , G06F18/10 , G06F18/214 , G06F18/22 , G06N3/0455 , G06N3/0464 , G06N3/0442 , G06N3/08 , H04B17/391
Abstract: 一种基于度量学习的非接触式跨域人体活动识别方法，通过对已采集到的活动数据采用自编码器进行数据增强，然后通过采用度量学习完成未出现在训练集中的新活动类别的识别。具体步骤如下：在室内环境中采集人员活动时对应的无线信号数据，从中提取CSI原始数据；对原始CSI数据进行数据预处理，数据插值，统一数据长度，数据去噪；对已知活动类型的数据使用自编码器进行数据增强，扩充数据集；使用扩充后的数据集训练特征提取网络，将待识别活动数据和支持集输入特征提取网络得到相应特征，使用度量学习的方法将待识别数据特征与支持集数据特征一一对比，从而判断活动类型。本方法对于未训练的活动类型能实现较高识别精度，增强泛化性和鲁棒性。
-
公开(公告)号：CN115242327A
公开(公告)日：2022-10-25
申请号：CN202211133707.0
申请日：2022-09-19
Applicant: 南京邮电大学
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：CN114581958B
公开(公告)日：2022-08-16
申请号：CN202210484261.X
申请日：2022-05-06
Applicant: 南京邮电大学
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。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.024 seconds)
