分布式无线无源感知系统关键技术研究

With the fast development of sensing technology, the potential of device-free sensing systems has been acknowledged by the academic community. This project aims to address the challenges in deploying large-scale distributed device-free sensing networks. Compared to traditional wireless sensor networks, the distributed device-free sensing networks are limited in the wireless bandwidth resources, instead of in energy consumption. In this project, we propose to develop algorithms that can schedule the wireless links to achieve optimal coverage with the device-free sensing technology. Furthermore, we will study how to combine the data transmission with the process of device-free sensing. We will also consider in-network data compression and fusion problem in the context of device-free sensing. Finally, we will consider the privacy and security problems that appear in the device-free sensing networks. Our results could serve as a foundation for large-scale device-free sensing networks.

随着无源感知技术的快速发展，基于无线信号的无源感知系统的应用前景逐渐明朗化。本项目计划研究大规模分布式无源感知系统在组网和部署技术上面临的问题。同传统的传感器网络不同，分布式无源感知网络面临着无线资源瓶颈而非能量瓶颈。因此，本项目计划研究在无线资源有限的条件下如何通过调度无源感知链路以达到最优化覆盖目标区域的目的。同时，我们将研究通过无源感知测量报文来传输感知数据，在网络中实现感传结合的目标。在此基础上，项目计划针对无源感知的数据压缩和融合技术开展研究，并考虑在大规模无源感知网络的条件下用户的隐私和安全问题。本项目的预期成果将为无源感知技术真正走向实用化打下坚实的基础。

本项目的研究方向为分布式无线无源感知系统关键技术研究。主要的研究内容为分布式无源感知系统在组网和部署技术上面临的资源瓶颈。在原定的研究框架下，本项目在感知信号质量分析方面，利用Wi-Fi无线信号实现了高精度的定位及跟踪技术，并且使用多台分布在不同位置的Wi-Fi接收机实现了对手势感知的精度提升。在分布式无源感知与数据通信结合方面，通过与4G LTE信号结合，实现了基于无线蜂窝网络的远距离动作识别。在分布式数据融合方面，重点设计了针对多设备的超声数据融合算法，实现了通过数据融合对远距离的呼吸信号进行检测，并利用高精度的超声同步技术实现亚毫米精度的超声定位及温度场重建。同时，进一步探究了在边缘计算条件下对机器学习数据融合算法的硬件加速技术。在无源感知隐私和安全方面，利用超声感知技术实现了对语音身份认证的安全增强，并设计了基于频谱特征的无线信号加扰方案。.项目按计划输出了研究成果，完成所有既定目标。共发表CCF-A类论文12篇，其中本基金第一标注7篇CCF-A类论文，包括国际一流会议UbiComp、INFOCOM及国际一流期刊TMC等。研究成果受到国内外同行的广泛关注和引用，总引用次数达到167次，单篇最高72次。项目相关成果受到华为、小米等企业的关注，并与华为在实际产品落地及国际标准化推进方面进行了广泛和深入的合作。

内容获取失败，请点击重试