基于毫米波雷达的身份识别算法建立在多模式融合的基础上.
Jian Guo1,2, Jingpeng Wei1,2, Yashan Xiang1,2
1School of Computer Science, Nanjing University of Posts and Telecommunications, Nanjing 210023, China.
Sensors (Basel, Switzerland)
|July 13, 2024
概括
这项研究引入了一种用于毫米波雷达身份识别的新多式融合算法,通过结合相位,呼吸和心跳信号来提高准确性. 这种新的方法显著改进了传统的单信号方法,用于可靠和保护隐私的识别.
科学领域:
- 生物识别信息 生物识别信息
- 信号处理 信号处理
- 机器学习 机器学习
背景情况:
- 毫米波雷达提供非侵入性,保护隐私的身份验证.
- 目前的单信号识别方法 (呼吸,心跳) 缺乏准确性和可靠性.
- 限制包括类似的呼吸模式和心跳信号中信号对噪音的低比.
研究的目的:
- 开发一种多式融合算法,用于使用毫米波雷达增强身份识别.
- 克服现有的基于单一信号的识别技术的局限性.
- 提高持久身份验证系统的准确性和可靠性.
主要方法:
- 使用残余网络 (ResNet) 来从相位,呼吸和心跳信号中提取特征.
- 空间特征与空间通道注意力机制的融合.
- 通过时间序列数据的自我注意机制提取时间特征.
- 多模式信号融合,提供强大的身份识别.
主要成果:
- 拟议的多式融合算法在自我测试中实现了94.26%的准确性.
- 这对传统算法来说是一个显著的改进,传统算法大约达到85%的准确性.
- 证明了从不同的生命体征模式中融合互补信息的有效性.
结论:
- 生命信号的多模式融合显著提高了基于毫米波雷达的身份识别.
- 拟议的ResNet和基于自我注意的方法提供了更准确和可靠的识别解决方案.
- 这项技术在安全,医疗保健和个性化系统中具有潜在的应用.


