本發(fā)明屬于用戶認(rèn)證，具體的說(shuō)是涉及一種利用射頻識(shí)別(radiofrequency?identification，縮寫為rfid)單天線設(shè)備采集到的數(shù)據(jù)，利用切向量模型去除靜態(tài)分量得到動(dòng)態(tài)分量，從動(dòng)態(tài)分量提取代表用戶步態(tài)特征的多普勒信息，進(jìn)行非接觸式環(huán)境無(wú)關(guān)的用戶認(rèn)證方法。

背景技術(shù)：

1、在物聯(lián)網(wǎng)時(shí)代，人機(jī)交互已經(jīng)成為整合物理世界與信息世界的關(guān)鍵。用戶身份認(rèn)證作為保障人機(jī)交互安全性的核心技術(shù)，扮演著至關(guān)重要的角色。傳統(tǒng)的用戶認(rèn)證方法通常依賴個(gè)人識(shí)別碼進(jìn)行認(rèn)證，但這種方法容易受到字典攻擊的威脅。近些年來(lái)，一些工作利用生物特征(例如：面部、指紋)進(jìn)行用戶身份驗(yàn)證，但基于生物特征的認(rèn)證方法容易受到重放攻擊的威脅。

2、步態(tài)是人體行走時(shí)所表現(xiàn)的姿態(tài)，具有唯一性和可靠性，是區(qū)分個(gè)體的有效特征。因此被應(yīng)用于用戶認(rèn)證。早期的基于步態(tài)的認(rèn)證方法主要依賴于攝像頭或可穿戴設(shè)備。攝像頭雖然有效，但可能引發(fā)隱私問(wèn)題，而可穿戴設(shè)備則要求用戶攜帶額外的設(shè)備。為了實(shí)現(xiàn)非侵入性的隱私保護(hù)，近期有研究人員探索了利用雷達(dá)技術(shù)感知人類步態(tài)，從而進(jìn)行基于步態(tài)的用戶身份驗(yàn)證。但由于相對(duì)較高的部署成本以及對(duì)特殊硬件的依賴，不符合實(shí)際需要。射頻識(shí)別(radio?frequency?identification，縮寫為rfid)由于成本低、部署靈活、無(wú)需電池等優(yōu)點(diǎn)在用戶步態(tài)認(rèn)證方面成為了研究熱點(diǎn)。

3、近年來(lái)，需要基于rfid的步態(tài)認(rèn)證系統(tǒng)已經(jīng)被提出。例如，上海交通大學(xué)的qianzhang等人在computer?networks發(fā)表的一篇名為unobtrusive?and?robust?humanidentification?using?cots?rfid的論文中利用rfid相位的相似度進(jìn)行用戶認(rèn)證，采用了精心設(shè)計(jì)的wmd-dtw算法實(shí)現(xiàn)用戶識(shí)別。中國(guó)科學(xué)院大學(xué)的shang?jiang等人在wirelesscommunications&mobile?computing發(fā)表的一篇名為rf-gait:gait-based?personidentification?with?cots?rfid的論文中使用多變量變分模態(tài)分解(mvmd)算法和內(nèi)在模態(tài)篩選標(biāo)準(zhǔn)，從收集到的射頻信號(hào)中提取特征向量，以表示人體的內(nèi)在步態(tài)模式。西北大學(xué)的chao?feng等人在proceedings?of?the?acm?on?interactive,mobile,wearable?andubiquitous?technologies發(fā)表的一篇名為rf-identity:non-intrusive?personidentification?based?on?commodity?rfid?devices的論文中開發(fā)了一種混合深度學(xué)習(xí)模型，用于提取和整合人體行為和生理特征，以進(jìn)行身份識(shí)別。上海交通大學(xué)的yunzhongchen等人在ieee?international?conference?on?sensing,communication,andnetworking發(fā)表的一篇名為rfpass:towards?environment-independent?gait-baseduser?authentication?leveraging?rfid利用多天線采集數(shù)據(jù)，采用了一種多徑到達(dá)選擇算法，提取環(huán)境無(wú)關(guān)的特征，以構(gòu)建用戶步態(tài)特征。

4、然而，當(dāng)僅利用單天線的數(shù)據(jù)進(jìn)行環(huán)境無(wú)關(guān)步態(tài)特征提取時(shí)，上述現(xiàn)有的技術(shù)方案會(huì)存在誤差，不能保證步態(tài)特征提取的準(zhǔn)確性。

技術(shù)實(shí)現(xiàn)思路

1、為了克服現(xiàn)有技術(shù)缺陷，使在單天線的情況下提取環(huán)境無(wú)關(guān)的步態(tài)特征，本發(fā)明提出了一種利用rfid單天線提取環(huán)境無(wú)關(guān)步態(tài)特征的方法。本發(fā)明首先對(duì)單天線采集到的數(shù)據(jù)進(jìn)行預(yù)處理操作，然后通過(guò)切向量模型去除靜態(tài)分量。接著通過(guò)計(jì)算代表人體步態(tài)特征的多普勒頻移，利用多個(gè)標(biāo)簽組成特征矩陣。最后，利用深度學(xué)習(xí)模型對(duì)矩陣進(jìn)行訓(xùn)練，實(shí)現(xiàn)用戶步態(tài)認(rèn)證。

2、為了達(dá)到上述目的，本發(fā)明是通過(guò)以下技術(shù)方案實(shí)現(xiàn)的：

3、本發(fā)明是利用rfid單天線提取環(huán)境無(wú)關(guān)步態(tài)特征的方法，具體包括以下步驟：

4、步驟1：利用rfid單天線在室內(nèi)環(huán)境下采集經(jīng)rfid標(biāo)簽陣列反向散射的無(wú)線信號(hào)數(shù)據(jù)，得到相位和接收信號(hào)強(qiáng)度信息(received?signal?strength?indication，縮寫為rssi)；

5、步驟2：對(duì)相位數(shù)據(jù)和rssi數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，預(yù)處理步驟包括：相位解纏、數(shù)據(jù)平滑去噪、數(shù)據(jù)線性插值、運(yùn)動(dòng)檢測(cè)；

6、步驟3：通過(guò)將預(yù)處理后的信號(hào)投影到i-q平面，i-q平面用于描述復(fù)數(shù)的二維表示，其中i軸(水平軸)表示復(fù)數(shù)數(shù)據(jù)的實(shí)部，q軸(垂直軸)表示復(fù)數(shù)數(shù)據(jù)的虛部；使用切向量的方式計(jì)算切向量求得切向向量相位，進(jìn)而根據(jù)切向向量相位計(jì)算人體多普勒頻移；

7、步驟4：利用多個(gè)標(biāo)簽擺放的空間特性采集到不同高度的多普勒頻移，組成步態(tài)輪廓矩陣，利用深度學(xué)習(xí)模型對(duì)步態(tài)輪廓矩陣進(jìn)行訓(xùn)練，實(shí)現(xiàn)利用用戶步態(tài)信息進(jìn)行身份認(rèn)證。

8、在步驟1中，利用rfid單天線在室內(nèi)環(huán)境下采集經(jīng)rfid標(biāo)簽陣列反向散射的無(wú)線信號(hào)數(shù)據(jù)，得到相位和rssi，具體為：

9、本方法通訊設(shè)備包括一臺(tái)rfid閱讀器和8個(gè)rfid標(biāo)簽，rfid閱讀器連接1根lairds9028pcl圓極化天線。rfid閱讀器天線接收經(jīng)rfid標(biāo)簽反向散射的信號(hào)數(shù)據(jù)，得到相位和rssi數(shù)據(jù)。相位和rssi代表了無(wú)線信號(hào)在空間傳播中的鏈路狀態(tài)變化，可以反映出周圍環(huán)境高靈敏的變化。

10、本發(fā)明的進(jìn)一步改進(jìn)在于：在步驟2中，對(duì)相位和rssi進(jìn)行數(shù)據(jù)預(yù)處理，預(yù)處理包括相位解纏、數(shù)據(jù)平滑去噪、數(shù)據(jù)線性插值，具體為：

11、步驟2-1、相位解纏：閱讀器天線接收到的相位值具有周期性，測(cè)量的相位角被限制在0到2π范圍內(nèi)，因此觀察到的數(shù)據(jù)存在0到2π的躍變；通過(guò)相位解纏，可以恢復(fù)出連續(xù)的相位信息，反映出信號(hào)的真實(shí)相位變化情況；

12、步驟2-2、數(shù)據(jù)平滑和去噪：應(yīng)用移動(dòng)平均濾波器對(duì)rssi數(shù)據(jù)和解纏后的相位數(shù)據(jù)進(jìn)行去噪，移動(dòng)平均濾波器對(duì)高頻噪聲有很好的抑制作用；

13、步驟2-3、數(shù)據(jù)線性插值：在射頻信號(hào)的傳輸過(guò)程中，rfid天線首先通過(guò)電磁耦合激活rfid標(biāo)簽，隨后，標(biāo)簽通過(guò)后向散射將射頻信號(hào)發(fā)射回天線；然而，由于標(biāo)簽之間的沖突和數(shù)據(jù)包丟失，標(biāo)簽不會(huì)同時(shí)發(fā)送rf信號(hào)，從而導(dǎo)致接收到的射頻信號(hào)存在非均勻采樣點(diǎn)；為了同步所有標(biāo)簽的采樣點(diǎn)，對(duì)接收的信號(hào)應(yīng)用線性插值進(jìn)行重采樣；

14、步驟2-4、運(yùn)動(dòng)檢測(cè)：利用基于方差的閾值監(jiān)測(cè)方法對(duì)rssi和相位數(shù)據(jù)進(jìn)行檢測(cè)，分割得到人體行走過(guò)程中的相位和rssi數(shù)據(jù)。

15、本發(fā)明的進(jìn)一步改進(jìn)在于：在步驟3中，利用切向量的方案去除恢復(fù)后無(wú)線信號(hào)的靜態(tài)分量，得到動(dòng)態(tài)分量變化所產(chǎn)生的相位，進(jìn)一步利用相位計(jì)算代表人體步態(tài)的多普勒頻移特征；利用多個(gè)標(biāo)簽的多普勒頻移組成用戶步態(tài)特征矩陣。具體為：

16、步驟3-1：首先，利用分割得到人體行走過(guò)程中的相位和rssi數(shù)據(jù)恢復(fù)無(wú)線信號(hào)，其計(jì)算公式為：

17、

18、其中θ表示相位，t代表時(shí)刻t，r(t)代表恢復(fù)的信號(hào)；

19、步驟3-2：引入切向量模型，計(jì)算信號(hào)的切線向量v(t)，計(jì)算方式為將無(wú)線信號(hào)相鄰兩個(gè)數(shù)據(jù)相減，其計(jì)算公式為：

20、v(t)＝r(t+△t)-r(t)

21、其中△t表示時(shí)間間隔；

22、步驟3-3：計(jì)算切線向量的相位并解纏，在i-q平面中向量與i軸的夾角就是其相位值，由于相位信息具有周期性，進(jìn)一步對(duì)切線向量的相位進(jìn)行解纏；

23、步驟3-4：利用相位計(jì)算與人體行走相關(guān)的多普勒頻移特征fd，其計(jì)算公式為：

24、

25、其中：θ(t)是隨時(shí)間t變化的信號(hào)相位，是相位的時(shí)間導(dǎo)數(shù)，表示相位變化率。

26、本發(fā)明的進(jìn)一步改進(jìn)在于：步驟4：利用多個(gè)標(biāo)簽擺放的空間特性采集到不同高度的多普勒頻移，組成步態(tài)輪廓矩陣，利用深度學(xué)習(xí)模型對(duì)步態(tài)輪廓矩陣進(jìn)行訓(xùn)練，實(shí)現(xiàn)利用用戶步態(tài)信息進(jìn)行身份認(rèn)證。具體為：

27、步驟4-1：利用注意力機(jī)制和深度殘差網(wǎng)絡(luò)(resnet)對(duì)步態(tài)輪廓矩陣進(jìn)行訓(xùn)練，提取用戶自身特有步態(tài)特征。

28、步驟4-2：測(cè)試階段利用訓(xùn)練好的網(wǎng)絡(luò)進(jìn)行用戶認(rèn)證。

29、本發(fā)明的有益效果是：本發(fā)明利用rfid單天線采集的數(shù)據(jù)，經(jīng)過(guò)預(yù)處理后，通過(guò)切向量模型去除靜態(tài)分量。這一過(guò)程減少了人在行走過(guò)程中靜態(tài)分量對(duì)信號(hào)的影響，使得對(duì)人體行走過(guò)程中的動(dòng)態(tài)分量變化的測(cè)量更為準(zhǔn)確。接著，提取了與人體行走相關(guān)的多普勒頻移特征，形成特征矩陣。這樣的方法滿足了環(huán)境無(wú)關(guān)性和單天線的要求，實(shí)現(xiàn)了用戶身份認(rèn)證。