非接触式身份识别的深度学习算法

• 作者: 余星达 曹仰杰 王鼎 陈文杰 陈荟慧
• 来源期刊: 西安交通大学学报
• 关键词: 非接触式身份识别 深度学习 信道状态信息
• 年，卷（期）: 2019,（4）
• 页码范围: 122-127
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.7652/xjtuxb201904018

摘要

针对传统基于Wi-Fi的身份识别方法手工编码特征效率低、准确率不高的问题,提出一种基于深度学习的非接触式身份识别(WiID)算法.该算法通过分析子载波中信道状态信息数据的空间相关性,建立了用于深度学习的输入矩阵;采用二维卷积运算从相邻子载波中提取局部空间特征;构建门限循环单元层,从时间维度对空间特征进行时序建模,完成空间与时间两个维度的步态特征提取,实现端到端的非接触式身份识别,有效减少了数据预处理工作量.实验结果表明,与卷积神经网络和循环神经网络算法相比,该算法识别准确率得到了有效提高;在6种不同的实验场景下,该算法的身份识别准确率介于92.9％～95.6％之间,具有良好的身份识别效果及算法鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹仰杰	郑州大学软件学院	24	207	7.0	13.0
2	余星达	郑州大学软件学院	1	2	1.0	1.0
3	陈文杰	郑州大学软件学院	1	2	1.0	1.0
4	王鼎	郑州大学软件学院	3	2	1.0	1.0
5	陈荟慧	佛山科学技术学院电子信息工程学院	1	2	1.0	1.0