期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
信道状态信息的生命体征检测算法
1
作者
代婉婉
张雷
+3 位作者
薛潘
史新国
梁逍
丁恩杰
《河南科技大学学报(自然科学版)》
CAS
北大核心
2023年第1期36-43,M0004,共9页
针对传统的接触式呼吸检测设备易脱落、应用场景有限等问题,提出一种基于信道状态信息的生命体征检测算法。该算法以菲涅尔区模型为理论指导,通过商用无线保真(Wi-Fi)设备采集呼吸信道状态信息。首先,利用Hampel滤波器滤除信号衰落和多...
针对传统的接触式呼吸检测设备易脱落、应用场景有限等问题,提出一种基于信道状态信息的生命体征检测算法。该算法以菲涅尔区模型为理论指导,通过商用无线保真(Wi-Fi)设备采集呼吸信道状态信息。首先,利用Hampel滤波器滤除信号衰落和多径效应引起的高频噪声;然后,以改进的阈值函数选取方法即开方法解决软硬阈值偏差恒定、不连续等问题,进一步滤除环境噪声;最后,通过去除直流分量、子载波选择和交叉平移点算法获取呼吸频率。此外,通过机器学习、深度学习算法实现了正常、异常和暂停3种不同呼吸状态的分类,全面反映了被检测人员的呼吸运动。实验结果表明:基于信道状态信息的生命体征检测算法准确率达到了92.5%,能够作为人体生命体征日常检测系统为用户提供健康参考。
展开更多
关键词
信号与信息处理
无线通信
信道状态信息
生命感知
频率估计
在线阅读
下载PDF
职称材料
基于融合网络的井下人员行为识别方法
被引量:
3
2
作者
张雷
冉凌鎛
+2 位作者
代婉婉
朱永红
史新国
《工矿自动化》
CSCD
北大核心
2023年第3期45-52,共8页
井下人员行为识别是保障煤矿安全生产的重要措施。针对现有井下人员行为识别研究缺少对感知机理的研究与分析且特征提取手段单一的问题,提出一种基于融合网络的井下人员行为识别方法。该方法主要包括数据预处理、特征构建和判识网络构造...
井下人员行为识别是保障煤矿安全生产的重要措施。针对现有井下人员行为识别研究缺少对感知机理的研究与分析且特征提取手段单一的问题,提出一种基于融合网络的井下人员行为识别方法。该方法主要包括数据预处理、特征构建和判识网络构造3个部分。数据预处理:通过信道状态信息(CSI)商模型、子载波去直流和离散小波去噪对采集的CSI数据进行处理,以降低环境噪声、设备噪声等的影响。特征构建:将处理后的数据利用格拉姆和/差角场(GASF/GADF)转换成图像,从而保留数据的空间和时间特性。判识网络构造:根据人员动作的特点,提出一种由基于门控循环单元(GRU)的编解码网络和多尺度卷积神经网络(CNN)组成的融合网络,利用GRU保留前后数据之间的关联性,同时利用注意力机制的权重分配策略有效提取关键特征,以提高行为识别的准确率。实验结果表明:该方法对行走、摘帽子、扔东西、坐、抽烟、挥手、跑动、睡觉8种动作的平均识别准确率为97.37%,对睡觉和坐的识别准确率最高,最容易发生误判的动作是行走和跑动;使用准确率、精确率、召回率和F1分数作为评价指标,得出融合网络的性能优于CNN和GRU,人员行为识别准确率高于HAR系统、WiWave系统和Wi−Sense系统;正常速度下行走和摘帽子2种动作的平均识别精度为95.6%,高于快速动作情况下的93.6%和慢速动作情况下的92.7%;收发设备之间的距离为2 m和2.5 m时,识别准确率较高。
展开更多
关键词
智能矿山
行为识别
无线感知
深度学习
信道状态信息
多尺度卷积神经网络
门控循环单元
在线阅读
下载PDF
职称材料
基于CSA-ResNet的人员入侵检测方法
被引量:
1
3
作者
张雷
鲍蓉
+1 位作者
朱永红
史新国
《计算机工程》
CAS
CSCD
北大核心
2023年第4期297-302,311,共7页
视频监控作为最常用的监测方法,由于存在监控死角以及侵犯人员隐私等问题,存在许多应用瓶颈。针对视频监测无法用于敏感场景的问题,提出一种基于WiFi的人员入侵感知方法。该方法利用WiFi信号覆盖范围大、易获取的特点,实现无隐私侵犯与...
视频监控作为最常用的监测方法,由于存在监控死角以及侵犯人员隐私等问题,存在许多应用瓶颈。针对视频监测无法用于敏感场景的问题,提出一种基于WiFi的人员入侵感知方法。该方法利用WiFi信号覆盖范围大、易获取的特点,实现无隐私侵犯与无死角监控。基于人员入侵对传输路径的影响,分析WiFi感知机理,建立基于WiFi状态信息的人员入侵检测感知模型,并设计子载波选择算法获取人员感知敏感子载波。通过离群点滤波、离散小波去噪等方法对采集的数据进行处理,根据人员入侵对信号的影响构造人员感知特征值。在此基础上,将特征信号和处理后的信道状态信息作为输入信息,放入基于通道和空间注意力残差网络的人员入侵检测模型中进行判识,并在多种场景下对该方法进行实验测试,分析影响检测精度的因素。实验结果表明,该方法在多种场景下平均检测准确率达到97.8%,能够满足多场景下人员入侵的检测要求。
展开更多
关键词
无线感知
子载波选择算法
人员入侵检测
信道状态信息
深度学习
在线阅读
下载PDF
职称材料
题名
信道状态信息的生命体征检测算法
1
作者
代婉婉
张雷
薛潘
史新国
梁逍
丁恩杰
机构
中国
矿业
大学
信息
与控制工程学院
中国
矿业
大学物联网(感知矿山)研究
中心
徐州工程学院
信息
工程学院(大数据学院)
山东能源淄博矿业集团有限公司信息中心
出处
《河南科技大学学报(自然科学版)》
CAS
北大核心
2023年第1期36-43,M0004,共9页
基金
“十三五”国家重点研发计划项目(2017YFC0804401)
江苏省高等学校自然科学研究面上项目(21KJB510025)。
文摘
针对传统的接触式呼吸检测设备易脱落、应用场景有限等问题,提出一种基于信道状态信息的生命体征检测算法。该算法以菲涅尔区模型为理论指导,通过商用无线保真(Wi-Fi)设备采集呼吸信道状态信息。首先,利用Hampel滤波器滤除信号衰落和多径效应引起的高频噪声;然后,以改进的阈值函数选取方法即开方法解决软硬阈值偏差恒定、不连续等问题,进一步滤除环境噪声;最后,通过去除直流分量、子载波选择和交叉平移点算法获取呼吸频率。此外,通过机器学习、深度学习算法实现了正常、异常和暂停3种不同呼吸状态的分类,全面反映了被检测人员的呼吸运动。实验结果表明:基于信道状态信息的生命体征检测算法准确率达到了92.5%,能够作为人体生命体征日常检测系统为用户提供健康参考。
关键词
信号与信息处理
无线通信
信道状态信息
生命感知
频率估计
Keywords
signal and information processing
wireless communication
channel state information
life perception
frequency estimation
分类号
R319 [医药卫生—基础医学]
TN9 [电子电信—信息与通信工程]
在线阅读
下载PDF
职称材料
题名
基于融合网络的井下人员行为识别方法
被引量:
3
2
作者
张雷
冉凌鎛
代婉婉
朱永红
史新国
机构
徐州工程学院
信息
工程学院(大数据学院)
中国
矿业
大学物联网(感知矿山)研究
中心
东南大学移动通信国家重点实验室
山东能源淄博矿业集团有限公司信息中心
出处
《工矿自动化》
CSCD
北大核心
2023年第3期45-52,共8页
基金
江苏省高等学校基础科学(自然科学)研究项目(21KJB510025)
国家重点研发计划项目(2017YFC0804401)
+3 种基金
国家自然科学基金项目(52074273)
教育部产学合作协同育人项目(BY2021160202102356012)
徐州市科技计划项目(KC19208)
淄矿集团智慧矿山关键技术研发开放基金项目(2019LH05)。
文摘
井下人员行为识别是保障煤矿安全生产的重要措施。针对现有井下人员行为识别研究缺少对感知机理的研究与分析且特征提取手段单一的问题,提出一种基于融合网络的井下人员行为识别方法。该方法主要包括数据预处理、特征构建和判识网络构造3个部分。数据预处理:通过信道状态信息(CSI)商模型、子载波去直流和离散小波去噪对采集的CSI数据进行处理,以降低环境噪声、设备噪声等的影响。特征构建:将处理后的数据利用格拉姆和/差角场(GASF/GADF)转换成图像,从而保留数据的空间和时间特性。判识网络构造:根据人员动作的特点,提出一种由基于门控循环单元(GRU)的编解码网络和多尺度卷积神经网络(CNN)组成的融合网络,利用GRU保留前后数据之间的关联性,同时利用注意力机制的权重分配策略有效提取关键特征,以提高行为识别的准确率。实验结果表明:该方法对行走、摘帽子、扔东西、坐、抽烟、挥手、跑动、睡觉8种动作的平均识别准确率为97.37%,对睡觉和坐的识别准确率最高,最容易发生误判的动作是行走和跑动;使用准确率、精确率、召回率和F1分数作为评价指标,得出融合网络的性能优于CNN和GRU,人员行为识别准确率高于HAR系统、WiWave系统和Wi−Sense系统;正常速度下行走和摘帽子2种动作的平均识别精度为95.6%,高于快速动作情况下的93.6%和慢速动作情况下的92.7%;收发设备之间的距离为2 m和2.5 m时,识别准确率较高。
关键词
智能矿山
行为识别
无线感知
深度学习
信道状态信息
多尺度卷积神经网络
门控循环单元
Keywords
intelligent mine
behavior recognition
wireless perception
deep learning
channel status information
multi scale convolutional neural network
gate recurrent unit
分类号
TD67 [矿业工程—矿山机电]
在线阅读
下载PDF
职称材料
题名
基于CSA-ResNet的人员入侵检测方法
被引量:
1
3
作者
张雷
鲍蓉
朱永红
史新国
机构
徐州工程学院
信息
工程学院(大数据学院)
东南大学移动通信国家重点实验室
山东能源淄博矿业集团有限公司信息中心
出处
《计算机工程》
CAS
CSCD
北大核心
2023年第4期297-302,311,共7页
基金
江苏省高等学校基础科学(自然科学)研究项目(21KJB510025)
江苏省产学研合作项目(BY2021160)
+2 种基金
教育部产学合作协同育人项目(BY2021160202102356012)
徐州市科技计划项目(KC19208)
淄矿集团智慧矿山关键技术研发开放基金项目(2019LH05)。
文摘
视频监控作为最常用的监测方法,由于存在监控死角以及侵犯人员隐私等问题,存在许多应用瓶颈。针对视频监测无法用于敏感场景的问题,提出一种基于WiFi的人员入侵感知方法。该方法利用WiFi信号覆盖范围大、易获取的特点,实现无隐私侵犯与无死角监控。基于人员入侵对传输路径的影响,分析WiFi感知机理,建立基于WiFi状态信息的人员入侵检测感知模型,并设计子载波选择算法获取人员感知敏感子载波。通过离群点滤波、离散小波去噪等方法对采集的数据进行处理,根据人员入侵对信号的影响构造人员感知特征值。在此基础上,将特征信号和处理后的信道状态信息作为输入信息,放入基于通道和空间注意力残差网络的人员入侵检测模型中进行判识,并在多种场景下对该方法进行实验测试,分析影响检测精度的因素。实验结果表明,该方法在多种场景下平均检测准确率达到97.8%,能够满足多场景下人员入侵的检测要求。
关键词
无线感知
子载波选择算法
人员入侵检测
信道状态信息
深度学习
Keywords
wireless sensing
subcarrier selection algorithm
personnel intrusion detecting
Channel Status Information(CSI)
deep learning
分类号
TP309 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
信道状态信息的生命体征检测算法
代婉婉
张雷
薛潘
史新国
梁逍
丁恩杰
《河南科技大学学报(自然科学版)》
CAS
北大核心
2023
0
在线阅读
下载PDF
职称材料
2
基于融合网络的井下人员行为识别方法
张雷
冉凌鎛
代婉婉
朱永红
史新国
《工矿自动化》
CSCD
北大核心
2023
3
在线阅读
下载PDF
职称材料
3
基于CSA-ResNet的人员入侵检测方法
张雷
鲍蓉
朱永红
史新国
《计算机工程》
CAS
CSCD
北大核心
2023
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部