一种用户语音隐私保护方法及系统

    公开(公告)号:CN116312516A

    公开(公告)日:2023-06-23

    申请号:CN202310172760.X

    申请日:2023-02-27

    Abstract: 本发明公开了一种用户语音隐私保护方法及系统,自动开始/停止播放生成的对抗扰动音频以欺骗语音助手,同时不影响用户唤醒语音助手与其交互,对抗扰动音频由本发明提出的基于强化学习的黑盒对抗攻击模型离线生成;本发明使用Raspberry PI进行系统原型搭建,并针对商用语音助手进行了相关实验;成本低,易于部署,且能在尽量不影响用户体验的情况下较好地保护用户语音隐私。

    一种基于射频信号特征的非绑定式物品识别方法

    公开(公告)号:CN111259679B

    公开(公告)日:2021-08-13

    申请号:CN202010049428.0

    申请日:2020-01-16

    Abstract: 本发明公开的一种基于射频信号特征的非绑定式物品识别方法,通过获取物体的多频率标签反射信号、图像以及设计物品的类别,根据获取的参数进行构建数据集,并构建物品识别网络模型,采用构建的数据集对物品识别网络模型进行训练,进而实现物品的形状和材料的识别,考虑信号传播特性的影响,使用多频率数据,设计的信号特征提取方法可靠性高,同时区别于卷积神经网络在图像领域的应用,本发明将无线信号与深度学习结合,自定义真实场景下的多标签数据集,采用多分支网络多尺度卷积核实现物品形状和材质识别的高精度识别。该方法能够覆盖视距与非视距路径的感知需求,不需要额外的特殊硬件支持,易于部署和推广。

    基于指尖阻抗和RFID标签物理层信号的轻量化联合认证方法

    公开(公告)号:CN109388927A

    公开(公告)日:2019-02-26

    申请号:CN201811051808.7

    申请日:2018-09-10

    Abstract: 本发明公开了一种基于指尖阻抗和RFID标签物理层信号的轻量化联合认证方法,依托商用RFID设备和协议实现认证功能。本发明从工程设计上克服人体阻抗引入的不稳定性,从理论上分析了人体阻抗和标签感应耦合对信号相位以及读取距离(识别范围)的影响,从认证原理和方式上改进了原本单一要素和静态要素的制约。同时,充分融合传统设备认证和生物认证的特点优势,提出一种双要素联合认证模式,该系统实现简单、成本低、精度高、安全性好,更易于普适化推广。

    超高频被动式标签实时并行解码方法、存储介质及设备

    公开(公告)号:CN112215029B

    公开(公告)日:2022-07-12

    申请号:CN202011104961.9

    申请日:2020-10-15

    Abstract: 本发明公开了一种超高频被动式标签实时并行解码方法、存储介质及设备,多参考标签选择性读取标签,发送两条SELECT命令选择两个参考标签,设置Query命令选择相同时隙进行响应;使用反向推理方法对碰撞信号进行解码,先进行前导码检测,使用互相关方法检测前导码,利用滑动窗口将接收到的信号与构造的前导码序列进行比较,定位前导码部分并找到RN16部分的起点;解码冲突的RN16,通过与din相邻的dout推断出din的符号,然后利用单标签解码机制解码标签RN16,利用解码的RN16生成一个随机数作为ACK命令;发送ACK命令,标签回复的EPC证明成功实现解码。本发明可以高效实现阅读器与标签之间的通讯,提高通讯吞吐率。

    一种商用标签定向读取和实时追踪方法、存储介质及设备

    公开(公告)号:CN112183136B

    公开(公告)日:2021-11-19

    申请号:CN202010969779.3

    申请日:2020-09-15

    Abstract: 本发明公开了一种商用标签定向读取和实时追踪方法、存储介质及设备,采用一主一从的分布式天线阵列,分布式天线阵列的主发射器和从发射器交替发送同步信号,并测量发射天线与接收天线之间的相位偏移,对每个从发射器补偿一个初始相位使之与主发射器同步;进行快速搜索,查询与目标标签距离最近的参考标签,获取参考标签的响应信息;得到不同传输设置时的能量分布和有关为目标标签供能的设置信息,结合模拟退火算法和粒子滤波器动态选择传输参数激励目标区域的标签以及实时追踪目标标签的移动,完成对目标位置的商用标签进行定向读取和实时追踪。本发明大大降低了对目标标签定向读取和追踪的成本,具有广泛的应用前景。

    一种融合知识图谱的音乐流派分类方法及系统

    公开(公告)号:CN115881160A

    公开(公告)日:2023-03-31

    申请号:CN202211505311.4

    申请日:2022-11-28

    Abstract: 本发明公开了一种融合知识图谱的音乐流派分类方法及系统,提取初始音频特征并计算对应的流派预测分数,随后利用图神经网络学习知识图谱中流派之间的关系,将知识图谱与音频特征进行融合得到增强后的音频特征,最终用于自动识别音乐流派。本发明首次提出利用知识图谱指导音频表征学习,并将其用于流派分类;同时,本发明利用公开音乐数据集的元数据构建了知识图谱,学习了融合有流派间关系知识的音频特征,并取得了更好的流派分类性能,具有广泛的应用前景。

Patent Agency Ranking