-
公开(公告)号：CN116434769A
公开(公告)日：2023-07-14
申请号：CN202310225476.4
申请日：2023-03-02
Applicant: 北京理工大学
Abstract: 本发明涉及一种利用耳戴式运动传感器识别语音内容的方法，属于移动计算应用技术领域。首先使用耳戴式运动传感器采集佩戴者耳部的运动状态信号并切分语音片段。分析三轴ECDM信号，提取与语音内容有关的特征信号，消除特征中的个体差异。分析三轴BCV信号，提取与语音内容有关的特征信号。最后，利用获取的ECDM特征信号和BCV特征信号，基于卷积神经网络和连接主义时空分类来识别语音内容。本发明仅依靠耳戴式设备上普遍嵌入的运动传感器识别语音内容，能够在复杂环境噪音下可靠运行，具有抗干扰、低成本等优势。
-
公开(公告)号：CN116269413A
公开(公告)日：2023-06-23
申请号：CN202211090977.8
申请日：2022-09-07
Applicant: 北京理工大学
IPC: A61B5/318 , A61B5/256 , A61B5/28 , A61B5/11 , A61B5/0205 , A61B5/00 , G06N3/0442 , G06N3/0455 , G06N3/0475 , G06N3/08 , G06F18/214 , G06F18/2431
Abstract: 本发明提出了利用智能腕带运动传感器的连续心电波形重构系统及方法，属于移动计算应用技术领域。系统包括内置运动传感器的智能腕带设备和处理单元。智能腕带设备的运动传感器用于采集用户腕部的运动传感信号，并将信号发送至处理单元。处理单元处理运动传感器用于获取人体运动传感信号，提取与心跳相关的体表振动信号，将体表振动信号切分成单心跳周期片段，最终重构与心跳周期对应的心电波形。本发明基于与心跳相关的体表振动信号，能够精准重构心电波形。系统使用方便，可以连续重构心电波形，测量过程对用户透明，且无需用户参与。
-
公开(公告)号：CN116019451A
公开(公告)日：2023-04-28
申请号：CN202310009590.3
申请日：2023-01-04
Applicant: 北京理工大学
IPC: A61B5/16 , G06F18/2411 , G06F18/10 , G06F18/213 , G06F18/214
Abstract: 本发明涉及一种利用智能音响的多信息融合细粒度人体疲劳检测方法，属于移动计算应用技术领域。本方法利用智能音响发送听不见的高频调频连续波信号，这些信号由用户反射并由麦克风阵列接收。应用麦克风阵列的特性，使本发明具有良好的抗干扰能力。同时，分别基于时间重新分配多次同步压缩变换、小波散射和轻量级网络MobileViT提取用户的行为信息，以及VMD提取用户的生理信息。之后，基于统计信息来融合行为信息和生理信息，并进一步结合SVM分类器实现细粒度的疲劳检测。本发明更易部署、成本更低，不容易受到环境噪声的干扰，具有很强的抗环境干扰能力。
-
公开(公告)号：CN111444489B
公开(公告)日：2022-10-21
申请号：CN202010211605.0
申请日：2020-03-24
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于光电容积脉搏波传感器的双因子认证方法，属于移动计算应用技术领域。本发明使用光电容积脉搏波传感器采集用户的心跳信号。利用半盲源分离技术和自适应滤波技术，对受到运动伪影干扰的心跳信号进行噪音去除处理，提取纯净的心跳信号。将提取出的心跳信号进行时域与角度域坐标转换。将几何特征从转换后的心跳信号中提取出来，经过转换、加密算法处理后，得到能够唯一识别用户的一系列特征。由此利用智能腕带设备光电容积脉搏波传感器采集心跳信号，实现对用户的双因子认证。本发明支持高度安全的身份验证，并允许用户重新注册替代凭证，以抵抗重放攻击和中间人攻击。不需要用户保持静止，可以同时使用常用的验证方法。
-
公开(公告)号：CN113069105B
公开(公告)日：2022-03-04
申请号：CN202110323882.5
申请日：2021-03-26
Applicant: 北京理工大学
Abstract: 本发明涉及一种利用智能手机扬声器和麦克风的驾驶员吸烟行为检测方法，属于移动计算应用技术领域。通过现有智能手机普遍配备的扬声器和麦克风组成一个简易的主动式声呐系统，手机扬声器发出超声波被不同距离的障碍物反射后，在不同的时间被手机麦克风收到。当驾驶员吸烟时，其手臂和胸腔的运动具有一定的规律性，系统通过检测驾驶员手臂和胸腔的运动来分析是否存在吸烟行为。本发明方法尤其适用于出租车、网约车和公交车等禁止吸烟的驾驶环境。
-
Patent Agency Ranking
公开(公告)号：CN111669291B
公开(公告)日：2021-06-01
申请号：CN202010492093.X
申请日：2020-06-03
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于深度强化学习的虚拟化网络服务功能链部署方法，用于解决边缘计算背景下的虚拟化网络服务功能部署问题，属于边缘计算技术领域。本方法，通过分别解决虚拟功能放置和流量路由两个问题，实现以最小成本代价的服务功能链的部署，可以利用深度强化学习的优势，以适应随时间变化的流量控制需求。本方法用神经网络作为累计奖赏Q值的依据。另外，在为神经网络输入样本时，深度强化学习引入了经验池的概念。本发明既考虑了总成本也考虑了端到端延迟，尤其是中间处理延迟，适用于应用在动态复杂的，对服务器的通讯成本和延迟都要求较高的场景。
-
公开(公告)号：CN111444489A
公开(公告)日：2020-07-24
申请号：CN202010211605.0
申请日：2020-03-24
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于光电容积脉搏波传感器的双因子认证方法，属于移动计算应用技术领域。本发明使用光电容积脉搏波传感器采集用户的心跳信号。利用半盲源分离技术和自适应滤波技术，对受到运动伪影干扰的心跳信号进行噪音去除处理，提取纯净的心跳信号。将提取出的心跳信号进行时域与角度域坐标转换。将几何特征从转换后的心跳信号中提取出来，经过转换、加密算法处理后，得到能够唯一识别用户的一系列特征。由此利用智能腕带设备光电容积脉搏波传感器采集心跳信号，实现对用户的双因子认证。本发明支持高度安全的身份验证，并允许用户重新注册替代凭证，以抵抗重放攻击和中间人攻击。不需要用户保持静止，可以同时使用常用的验证方法。
-
公开(公告)号：CN109965889B
公开(公告)日：2020-06-16
申请号：CN201910256804.0
申请日：2019-04-01
Applicant: 北京理工大学
Abstract: 本发明公开了一种利用智能手机扬声器和麦克风的疲劳驾驶检测方法。通过智能手机的扬声器和麦克风组成多普勒雷达系统，利用驾驶员运动时的多普勒效应判断是否存在疲劳驾驶的三种典型动作(点头、打哈欠和非正常操控方向盘)，最终根据对三种典型动作的检测结果分析是否存在疲劳驾驶。本发明仅依靠智能手机中的扬声器发出超出人耳听力范围的高频声音，麦克风接收声音信号，成本低、抗干扰性强、不存在泄露隐私问题、用户体验好，尤其适用于车内前排仅有驾驶员、路况较好的监测环境。本发明检测的三种典型疲劳驾驶动作与正常驾驶时动作有较大差别，结合欠采样技术和深度学习技术，可在感知能力有限的智能手机上获得准确动作信息，具有很高的准确性。
-
公开(公告)号：CN109965889A
公开(公告)日：2019-07-05
申请号：CN201910256804.0
申请日：2019-04-01
Applicant: 北京理工大学
Abstract: 本发明公开了一种利用智能手机扬声器和麦克风的疲劳驾驶检测方法。通过智能手机的扬声器和麦克风组成多普勒雷达系统，利用驾驶员运动时的多普勒效应判断是否存在疲劳驾驶的三种典型动作(点头、打哈欠和非正常操控方向盘)，最终根据对三种典型动作的检测结果分析是否存在疲劳驾驶。本发明仅依靠智能手机中的扬声器发出超出人耳听力范围的高频声音，麦克风接收声音信号，成本低、抗干扰性强、不存在泄露隐私问题、用户体验好，尤其适用于车内前排仅有驾驶员、路况较好的监测环境。本发明检测的三种典型疲劳驾驶动作与正常驾驶时动作有较大差别，结合欠采样技术和深度学习技术，可在感知能力有限的智能手机上获得准确动作信息，具有很高的准确性。
-
公开(公告)号：CN104579957B
公开(公告)日：2018-07-20
申请号：CN201410738017.7
申请日：2014-12-04
Applicant: 北京理工大学
IPC: H04L12/721
Abstract: 本发明涉及容迟网络的路由方法，特别涉及一种基于亲密度转发的容迟网络路由方法，属于计算机网络技术领域。该方法包括以下步骤：1、每当携带数据报的节点遇到其他节点时，分别计算这两个节点与目的节点的直接亲密度和间接亲密度；2、根据第一步计算出的结果进行路由抉择；3、重复1、2两步，直到数据报传送到目的节点或数据报的TTL减小到0。本发明所提出的基于亲密度和时间约束转发的容迟网络路由方法，通过将泊松分布模型应用到容迟网络中，根据网络中节点相遇的历史信息结合泊松分布模型来刻画网络中两对节点之间的亲密度，当网络中两个节点相遇后通过比较其与目的节点的亲密度进行路由路由抉择，使网络的数据报传递成功率维持较高的水平。
-
-
-
-
-
-
-
-
-
Search Results
106
records
(took 0.061 seconds)
