-
公开(公告)号：CN118632245A
公开(公告)日：2024-09-10
申请号：CN202410711532.X
申请日：2024-06-04
Applicant: 燕山大学
IPC: H04W12/041 , H04W12/03 , H04W4/80 , H04L9/08 , H04L9/06
Abstract: 本发明公开了一种基于低功耗蓝牙的测向功能的物理层密钥生成方法，利用相位差进行低功耗蓝牙信号的到达角AoA的估计值和离开角AoD的估计值的估计并映射为比特序列；进行信息协调以使发送端和接收端获得相同的比特序列；对发送端蓝牙设备和接收端蓝牙设备获得的相同的比特序列进行保密增强，得到共享密钥。本发明对信道状态和信号功率的要求更低，涉及设备的天线配置和相对位置从而更难以被攻击者仿制，也可防止基于RSS的方法中难以预防的可预测信道攻击，同时相较于其它熵源的选取，利用多径效应进一步提升了密钥生成的安全性；所提模糊边界的双阈值角度量化法相较于传统方法大大提升了蓝牙密钥生成的密钥生成率。
-
公开(公告)号：CN118382065A
公开(公告)日：2024-07-23
申请号：CN202410485730.9
申请日：2024-04-22
Applicant: 燕山大学
IPC: H04W4/029 , H04W4/33 , G06V10/764 , G06N3/0464 , G06N3/0455 , G06F21/62 , G06V10/40 , G01C21/20
Abstract: 本发明属于室内定位技术领域，具体公开了一种基于深度生成学习网络的多模态室内定位方法和系统，该系统包括移动设备、服务器和服务设备；通过移动设备的磁力计、加速度计和陀螺仪采集方位、角速度和加速度序列数据；在服务器中转化成二维指纹图像并从二维指纹图像中提取序列特征向量，然后将提取的序列特征向量与移动设备采集的指纹信息进行拼接作为移动设备的卷积神经网络的输入，移动设备通过卷积神经网络输出预测的位置结果。本发明利用全局位置弱相关的加速计和陀螺仪数据，在云端实现位置特征向量生成，并在用户设备端实现与磁力计数据的准确全局位置估计；在确保亚米级定位精度前提下，防止位置隐私泄漏。
-
公开(公告)号：CN113609977B
公开(公告)日：2023-10-17
申请号：CN202110892189.X
申请日：2021-08-04
Applicant: 燕山大学
IPC: G06F21/32 , G06F18/15 , G06F18/2131 , G06F18/241 , G06F18/2415 , G06N3/0442 , G06N3/08
Abstract: 本发明设计身份识别技术领域，基于信道状态信息商距离的行人步态识别方法，其中数据采集：利用一个WiFi发射端以及两个WiFi接收端对感知区域内的人行走的CSI数据进行采集；信号预处理：对采集得到的CSI数据进行相关去噪处理，对CSI数据中包含的与人行走的无关噪声信息进行消除；CSID提取：利用信道状态信息商在复平面的变化信息包含了人行走的步态特征，提出CSID来表征信道状态信息商在复平面的变化；身份识别：结合深度学习在特征提取方面的优势，使用LSTM网络模型进行特征提取进而实现身份识别。该方法仅仅使用商业WiFi设备可以实现室内环境中人的身份被动感知，利用了人类行走的独有步态特征并结合深度学习模型实现了一个用户身份识别系统。
-
公开(公告)号：CN113616188B
公开(公告)日：2022-10-04
申请号：CN202110918251.8
申请日：2021-08-11
Applicant: 燕山大学
Abstract: 本发明公开了一种基于不可听声音调频连续波的呼吸监测方法，包括：在人体监测范围内发射经调制的发射信号，使得发射信号能够通过胸腔反射；接收经过反射后的接收信号，并且对接收信号和发射进行预处理，得到消除噪音后的接收信号和发射信号；将预处理后的接收信号与发射信号进行混合处理，得到差频信号；对差频信号进行信号处理，从差频信号的变化中提取呼吸信号，进行人体呼吸监测。基于不可听声音调频连续波和基于慢特征分析的非监督的呼吸速率计算的呼吸监测方法。该方法无需额外硬件配置，仅仅利用智能手机内置的扬声器和麦克风，使用人耳感知不到的高频声音信号，利用声音信号回波完成人体呼吸监测，对不同的室内环境都具有健壮性。
-
公开(公告)号：CN113658355A
公开(公告)日：2021-11-16
申请号：CN202110910041.4
申请日：2021-08-09
Applicant: 燕山大学
Abstract: 本发明公开了一种基于深度学习的认证识别方法以及智能空气锁，采集用户信号，并且对采集到的用户信号进行预处理，提取信号特征；根据信号特征识别用户类型，当用户类型为新用户，则通过深度学习为当前用户进行身份编码，完成新用户审核，并且将新用户身份编码与信号特征进行拟合存储，完成新用户注册；当用户类型为已注册用户，则根据用户的信号特征与存储的身份编码进行匹配，输出用户的身份编码，并且在数据库中查找该身份编码，完成用户认证，通过感知用户解锁时手部的运动特征，对用户进行感知认证，该方法是对传统钥匙解锁方法的增强认证，无需用户做额外的动作，具有较强的安全性和新用户可扩展性，使得认证和解锁的安全性大大提高。
-
Patent Agency Ranking
公开(公告)号：CN113609880A
公开(公告)日：2021-11-05
申请号：CN202110763648.4
申请日：2021-07-06
Applicant: 燕山大学
Abstract: 本发明提供一种离群错置RFID标签的识别方法及实现所述方法的系统，在RFID阅读器读取RFID标签时使阅读器天线随机晃动，在天线晃动过程中收集所有标签的原始信号，对原始测量相位进行去噪等处理，并计算相位梯度以消除硬件影响，利用正交多项式回归分析模型降低时序序列相位梯度的数据维度，从而提高下一步数据特征相似度度量的效率，最后在离群错置标签识别时，根据标签特征相似度度量的结果构造了一个标签相对位置关系图，基于关系图利用社区发现算法识别并输出离群错置标签的数量和ID。本发明的识别方法能够高效识别标签群中的离群错置标签，极大的提高了识别效率和部署难度。
-
公开(公告)号：CN113593931A
公开(公告)日：2021-11-02
申请号：CN202110730786.2
申请日：2021-06-30
Applicant: 燕山大学
Abstract: 本发明涉及一种超级电容器电极材料NiCoMn‑LDH/功能化石墨烯的制备方法，属于电化学材料技术领域，包括三个步骤：（1）制备功能化石墨烯，（2）制备NiCoMn‑LDH，（3）制备超级电容器电极材料NiCoMn‑LDH/功能化石墨烯（FGN）。本发明合成的超级电容器电极材料NiCoMn‑LDH/功能化石墨烯具有较高的容量和优异循环稳定性性能，同时组装的不对称超级电容器具有较高的能量密度、功率密度以及较好的循环稳定性；同时合成方法简便易操作，成本相对较低，所需试剂种类少且对环境友好，解决了LDH材料在超级电容器大规模应用的难题。
-
公开(公告)号：CN113587935A
公开(公告)日：2021-11-02
申请号：CN202110891904.8
申请日：2021-08-04
Applicant: 燕山大学
Abstract: 本发明涉及行为感知技术领域，一种基于射频信号多任务学习网络的室内场景理解方法，包括如下步骤，数据采集：使用搭载Atheros无线网卡进行信道状态信息的采集；数据预处理：滤除原始信号中包含的噪声，完成去噪后合成多链路数据，规范数据格式，构建神经网络的输入数据集；多任务识别网络：使用多任务学习网络Wisenet实现室内场景理解，其中Wisenet包含共享表示层、以及使用共享表示层多任务之间梯度信息的域识别网络Dom_Net、位置识别网络Loc_Net和行为识别网络Act_Net。本方法使用多任务学习的方法同时对用户所处的场景，包括用户所在的域、位置和动作，进行识别，从多个角度感知用户，从而理解其行为的含义。
-
公开(公告)号：CN111148099B
公开(公告)日：2021-03-23
申请号：CN202010001682.3
申请日：2020-01-02
Applicant: 燕山大学
IPC: H04W12/04 , H04W12/041
Abstract: 本发明适用于通讯技术领域，提供了一种侧信道密钥生成方法、装置及通讯系统，该侧信道密钥生成方法可应用于进行加密通讯的信息发送端，其包括以下步骤：在发送通讯开始信号后，采集信道状态相位信息；对所述采集的信道状态相位信息进行相位校正，生成相位校正后的信道状态相位信息；对所述相位校正后的信道状态相位信息进行量化处理，生成预设长度的二进制位；对所述预设长度的二进制位进行校验，生成校验码，并发送给与所述信息发送端进行加密通讯的信息接收端；在所述预设长度的二进制位中随机选取位数生成通讯密钥，并将所述选取位数的索引发送给所述信息接收端。本发明提供的侧信道密钥生成方法，可以大大提高密钥生成的一致率、生成率、随机性和安全性。
-
公开(公告)号：CN113855018B
公开(公告)日：2024-08-27
申请号：CN202110927305.7
申请日：2021-08-09
Applicant: 燕山大学
IPC: A61B5/16
Abstract: 本发明公开了一种基于连续波声音信号情绪识别的方法，通过将智能手机设计成一个声呐系统，利用扬声器发射的19KHz连续波信号对人的胸腔位移进行感知并由麦克风接收反射信号，提出了一种新的非侵入性技术，不需要用户佩戴传感器或传感器阵列，无需接触用户测量，并基于LSTM提出一个轻量级的网络，对四种基本情绪进行特征提取和分类，可以满足常见的情感分析和情绪识别，操作简单，具有对用户友好的特点。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.021 seconds)
