人体动作识别是以人为中心的物联网的核心技术之一。为了实现无需穿戴设备、低成本的动作识别系统,提出了一种基于WiFi信道状态信息(Channel State Information,CSI)的人体动作识别方法。该方法采用Hampel滤波结合离散小波去噪对CSI信...人体动作识别是以人为中心的物联网的核心技术之一。为了实现无需穿戴设备、低成本的动作识别系统,提出了一种基于WiFi信道状态信息(Channel State Information,CSI)的人体动作识别方法。该方法采用Hampel滤波结合离散小波去噪对CSI信息进行处理后,利用CSI幅度方差确定动作起止区间,从中提取CSI的特征向量,并用线性判别式分析算法(Linear Discriminant Analysis,LDA)分类器实现人体日常生活中“蹲下”、“站起”、“坐下”、“捡起”和“走”5种动作的识别,实验结果表明平均识别率可达到96%。展开更多
文摘人体动作识别是以人为中心的物联网的核心技术之一。为了实现无需穿戴设备、低成本的动作识别系统,提出了一种基于WiFi信道状态信息(Channel State Information,CSI)的人体动作识别方法。该方法采用Hampel滤波结合离散小波去噪对CSI信息进行处理后,利用CSI幅度方差确定动作起止区间,从中提取CSI的特征向量,并用线性判别式分析算法(Linear Discriminant Analysis,LDA)分类器实现人体日常生活中“蹲下”、“站起”、“坐下”、“捡起”和“走”5种动作的识别,实验结果表明平均识别率可达到96%。
文摘侧信道攻击(side channel attack,SCA)是现代密码学的一个重要分支,在现代信息安全中起到重要作用。随着WiFi技术的日益成熟,研究者尝试在数据传输的同时对周围场景进行感知,实现“感”传一体化。因此WiFi射频信号被用来进行击键识别,其原理是通过不同击键动作引起的WiFi信道状态信息(channel state information,CSI)变化进行键值推理。从无线感知原理、微小动作感知增强2个方面,对基于WiFi的侧信道密码分析进行了梳理介绍;基于微小动作感知增强实现并验证了基于WiFi射频信号的侧信道击键识别系统。实验结果表明,系统在非穿墙模式下对0〜9数字按键的识别准确率为85.4%,在穿墙模式下的识别准确率为82.6%。
