基于可见偏振光干涉的位置相关的安全信息传输设备

    公开(公告)号:CN117478236A

    公开(公告)日:2024-01-30

    申请号:CN202311505388.6

    申请日:2023-11-13

    Abstract: 本发明提供一种基于可见偏振光干涉的位置相关的安全信息传输设备,属于物联网设备信息传输技术领域,包括光信号的发射端和接收端,使用可发出偏振光并且能改变入射光谱的设备作为发射器,用于发射偏振光;用线偏振器测量出偏振方向,将若干双折射材料固定于线偏振片上;对于光信号的接收端,使用可分辨颜色的设备作为光信号的接收器。本发明基于可见偏振光的双折射特性和干涉性,使得不同距离、不同方位获得的光谱不同,由此可以给不同位置的接收者传递不同的信息,实现信息的多路传播;只有指定的位置接收到的才是正确的信息,从而保证了信息传输的安全性。同时,对信息进行了编码,使不同位置获得的码信息不同,所以攻击者很难解码出正确信息。

    基于可见偏振光干涉的位置相关的安全信息传输方法

    公开(公告)号:CN117375729A

    公开(公告)日:2024-01-09

    申请号:CN202311505387.1

    申请日:2023-11-13

    Abstract: 本发明提供一种基于可见偏振光干涉的位置相关的安全信息传输方法,属于互联网设备信息传输技术领域,在不同位置接收光谱特性不同的入射光谱;记录入射光谱与接收位置相关的接收光谱的对应关系;根据对应关系,选取编码方式,使得授权设备能够成功解码通过所选的编码方式传输的信息,直至使未授权设备接收到的0/1序列的误码率最高;根据所选取的编码方式,实现安全定向的传输信息。本发明处于不同方位的设备接受的光信号不同,窃听者窃听难度增加,提高了安全性;通过对数据的分析,设计了独特的编码方式,实现了即使窃听者即使接收了光信号,也难以解码出正确的信息。

    一种基于强化学习的CSI指纹地图构建的路径规划方法

    公开(公告)号:CN117029823A

    公开(公告)日:2023-11-10

    申请号:CN202310874838.2

    申请日:2023-07-17

    Abstract: 本发明提供了一种基于强化学习的CSI指纹地图构建的路径规划方法。该方法包括:将目标实验区域划分为包括顶点与边的网格,将网格中的各个顶点作为采样点,根据正态分布随机选择设定比例的采样点;基于A3C强化学习算法确定选取的所有采样点的最佳路径,采集所述最佳路径上的各个采样点的CSI指纹数据;根据各个采样点物理坐标利用多元高斯过程来构建多远高斯回归模型,利用多元高斯回归模型来预测其它未采集的采样点的CSI指纹数据,利用所有采样点的CSI指纹数据建立相邻采样点指纹之间的依赖关系模型,构建全局CSI指纹地图。本发明方法将强化学习算法与物联网技术相结合,提升指纹定位算法效率和降低人工构建CSI指纹地图的工作量。

    单片机上可靠多任务并发调度的方法及系统

    公开(公告)号:CN117194028A

    公开(公告)日:2023-12-08

    申请号:CN202311171642.3

    申请日:2023-09-12

    Abstract: 本发明提供一种单片机上可靠多任务并发调度的方法及系统,属于单片机技术领域,本发明物理内存保护机制的引入,给单片机上运行程序的栈空间的动态分配和回收提供了可能;使得开发人员不再需要预先估计每个任务所需要的栈空间,基于栈空间的动态分配与回收机制,在系统根据时间片切换任务时,便能够在运行该任务之前预先估计任务要使用的栈空间和堆空间,若剩余的空间不足以支撑该任务的运行时,便可以延后该任务的运行,直到其它任务的栈空间和堆空间被动态回收以后,再重新调度该任务的运行,由此便提升了系统的并发度;通过精细的利用物理内存保护机制,系统在调度到一个任务运行时,禁止该任务访问其它任务的内存区域。

    一种基于模仿学习的智能自适应CSI指纹地图更新方法

    公开(公告)号:CN116628002A

    公开(公告)日:2023-08-22

    申请号:CN202310775481.2

    申请日:2023-06-28

    Abstract: 本发明提供了一种基于模仿学习的智能自适应CSI指纹地图更新方法。该方法包括:采集一定数量的初始真实CSI指纹数据,拟合多元高斯回归模型来预测其它采样点的CSI指纹数据,构建初始CSI指纹库并搜寻最优采集路径;使用状态空间模型获取真实数值的变化范围作为误差波段,使其对初始指纹库进行校正;通过模仿学习对样本CSI指纹数据进行分割和分段训练,提取CSI数据分布的回归精度;利用回归精度对状态空间模型校正后的初始的CSI指纹库中指纹数据的分布进行调整,构建细粒度CSI指纹库。本发明将人工智能与物联网技术相结合,提升定位指纹库精度和降低人工构建指纹库的工作量。

    基于深度与宽度学习的CSI指纹数据库优化方法及系统

    公开(公告)号:CN119357693A

    公开(公告)日:2025-01-24

    申请号:CN202411394167.0

    申请日:2024-10-08

    Abstract: 本发明提供一种基于深度与宽度学习的CSI指纹数据库优化方法及系统,属于CSI指纹数据识别技术领域,获取CSI信息;利用基于DeepBLS和GAN计算的置信度系数构建的细粒度CSI指纹数据库,结合k近邻算法进行指纹匹配,估计用户的位置。本发明在采样点收集原始CSI指纹数据,以拟合多元高斯模型;使用路径规划算法,沿最优路径收集额外的原始CSI数据;采用DeepBLS网络结构提取特征,并生成剩余采样点的CSI数据分布值;通过GAN提高预测指纹的精度,并应用置信系数来构建细粒度指纹数据库,提高了定位精度。

    基于融合注意力机制原型神经网络的人体行为识别方法

    公开(公告)号:CN119418402A

    公开(公告)日:2025-02-11

    申请号:CN202411463529.7

    申请日:2024-10-18

    Abstract: 本申请公开了一种基于融合注意力机制原型神经网络的人体行为识别方法,涉及深度学习技术领域,该方法包括:对原始数据进行预处理得到目标信道状态信息,将目标信道状态信息进行划分得到支持集和查询集,采用编码器得到每一支持样本和查询样本的样本特征向量,根据属于每一类别的所有支持样本的样本特征向量计算每一类别的类别原型向量,根据查询样本的样本特征向量以及各类别的类别原型向量,计算查询样本被分类为各类别的概率分布,根据所有查询样本被分类为各类别的概率分布,对人体行为识别模型的模型参数进行更新,利用训练好的人体行为识别模型对测试集中的测试样本预测,本申请在数据样本有限的情况下仍能快速且准确进行人体行为识别。

Patent Agency Ranking