公开(公告)号：CN116524595A

公开(公告)日：2023-08-01

申请号：CN202310447527.8

申请日：2023-04-24

Applicant: 东南大学

Inventor： 阳媛 ,  伊洋 ,  韩嘉伟 ,  杨浩然 ,  罗冰

IPC: G06V40/20 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/048 ,  G06N3/09

Abstract: 一种基于联邦学习的毫米波雷达人体动作识别方法，包括利用毫米波雷达获取人体动作的距离多普勒图数据，并通过卷积神经网络和长短时记忆网络对雷达数据提取浅层特征向量和时间相关性信息，最后通过分类器网络得到检测结果；同时采用联邦学习架构，将多个客户端设备的模型训练参数聚合，不断更新全局模型提高模型精度。在毫米波雷达进行人体动作识别基础上采用联邦学习架构，通过将数据存储和模型训练转移至本地客户端，不直接收集用户数据，仅通过模型参数的聚合来完成中心模型的更新，模型不仅具有高精度和更好的泛化能力，而且有效保障了用户数据的隐私安全。

公开(公告)号：CN116500935A

公开(公告)日：2023-07-28

申请号：CN202310447521.0

申请日：2023-04-24

Applicant: 东南大学

Inventor： 阳媛 ,  韩嘉伟 ,  伊洋 ,  杨浩然 ,  罗冰

IPC: G05B19/042 ,  H04W4/021 ,  H04W4/33 ,  H04W64/00 ,  H04W12/02 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/088 ,  G06N3/098 ,  G06F18/23 ,  G06F18/24 ,  G06F18/27

Abstract: 一种基于联邦学习室内蓝牙指纹定位的建筑能耗控制方法，将室内指纹定位与联邦学习结合，利用终端设备自身的算力，处理数据并训练模型，将训练后的模型参数传输至中心服务器，中心服务器基于联邦学习算法对接收到的各终端模型参数进行整合处理，得到更新后的全局参数，再返还至各终端用于后续的模型训练。本发明中所提到的室内指纹定位采用一种基于SAE‑CNN算法的BLE定位系统，能够以较低的成本完成室内人员空间位置的分析与预测。通过增加并行度和增加终端本地的计算量的方式，有效减少通信代价；通过传输模型参数而非信号强度数据，有效保护个人隐私；基于室内定位得到人员分布从而对建筑能耗进行控制，以达到节能目的。