-
公开(公告)号:CN113837388A
公开(公告)日:2021-12-24
申请号:CN202111085018.2
申请日:2021-09-14
Applicant: 广州大学
Abstract: 本发明涉及时间序列分析技术领域,公开了时间序列复杂度测量方法、系统、计算机设备和存储介质。所述方法包括:对原始时间序列进行不相似性计算,得到时间序列不相关指数;对所述原始时间序列进行缺失数据计算,得到时间序列缺失值;对所述原始时间序列进行混沌指数计算,得到时间序列混沌指数;对所述原始时间序列进行偏度计算,得到时间序列偏度绝对值;根据预定权重,对所述时间序列不相关指数、所述时间序列缺失值、所述时间序列混沌指数和所述时间序列偏度绝对值进行加权计算,得到时间序列复杂度。本发明能够解决常用测量方法无法测量复杂度的周期变化和波动性数据的问题,从而对时间序列复杂度进行更全面、更准确的测量。
-
公开(公告)号:CN113315634A
公开(公告)日:2021-08-27
申请号:CN202110555918.2
申请日:2021-05-21
Applicant: 广州大学
Abstract: 本发明公开了一种物联网的轻量访问控制方法、装置以及系统。该装置包括请求生成模块、请求发送模块以及结果接收模块。该系统包括云端服务器、网关、一个或多个物联网设备以及一个或多个用户设备。通过对端到端之间通信进行对称加密,以及将计算过程转移到计算力更强的网关上,该轻量访问控制方法、装置以及系统不仅提升了物联网访问控制的安全性,还降低了云端服务器的计算负荷。进一步地,本发明提供的物联网的轻量访问控制方法、装置以及系统还可以通过具有相应权限的其他用户实现去中心化授权和令牌归并,从而进一步减轻云端服务器的计算负荷。
-
公开(公告)号:CN112492609B
公开(公告)日:2021-05-18
申请号:CN202011421301.3
申请日:2020-12-07
Applicant: 广州大学
Abstract: 本发明涉及公开了基于Wi-Fi信号波动的IoT设备安全自动配对方法,包括:控制待配对设备与信任链中的原有安全设备同时向Wi-Fi设备发射规定格式的Wi-Fi数据包;所述Wi-Fi设备对所述Wi-Fi数据包进行预处理,获得Wi-Fi信号的信道状态信息;对所述Wi-Fi信号的信道状态信息进行降噪和滤波处理;并对处理后的Wi-Fi信号的信道状态信息进行特征提取,并生成相应的特征密钥;判断待配对设备的特征密钥和原有安全设备的特征密钥是否相同,若是,则自动进行配对所述待配对设备;若否,则不允许配对所述待配对设备。通过本发明,用户不需要输入密码等参与配对的行为,只需将IoT设备带入房间即可自动配对,更加适合于未来万物互联的IoT场景。
-
公开(公告)号:CN112600630A
公开(公告)日:2021-04-02
申请号:CN202011420917.9
申请日:2020-12-07
Applicant: 广州大学
IPC: H04B17/309 , H04W24/08 , G06N20/00
Abstract: 本发明公开了一种基于Wi-Fi信号的动作识别方法,包括:获取Wi-Fi信号发射器发射的Wi-Fi信号,并对所述Wi-Fi信号进行预处理操作,得到所述Wi-Fi信号的信道状态信息;将所述信道状态信息进行降噪处理,得到至少一组稳定的幅度比值和相位差值;并对所述幅度比值和相位差值进行滤波,将滤波后方差较大的子载波中的幅度比值和相位差值进行特征提取;其中,所述特征提取包括:提取不同时间段内时域信息和频域信息;将所述时域信息和频域信息通过预设的机器学习模型进行训练和预测,判断识别出用户的动作。通过本发明,使用者不需要额外佩戴用于体感识别的硬件设备,只需在Wi-Fi环境中即可实现动作识别,让用户拥有更好的动作识别体验。
-
公开(公告)号:CN112595734A
公开(公告)日:2021-04-02
申请号:CN202011420920.0
申请日:2020-12-07
IPC: G01N23/00 , H04B17/309
Abstract: 本发明公开了一种基于Wi-Fi信号的液体识别方法,包括:获取Wi-Fi信号发射器发射的Wi-Fi信号,并对所述Wi-Fi信号进行预处理操作,得到所述Wi-Fi信号的信道状态信息;将所述信道状态信息进行降噪处理,得到至少一组稳定的幅度比值和相位差值;将所述稳定的幅度比值和相位差值输入预先构建的数据库进行比对,判断出是否存在相同的数据,若是,则将液体识别的结果发送给用户终端;若否,则将所述稳定的幅度比值和相位差通过分类器,得到和所述幅度比值和相位差数据相似度最高的数据作为液体识别结果输出,并发送给用户终端。通过本发明,能够在在满足日常的液体识别需求的同时,降低液体的成本。
-
公开(公告)号:CN111460494A
公开(公告)日:2020-07-28
申请号:CN202010215476.2
申请日:2020-03-24
Abstract: 本发明公开了一种面向多模态深度学习的隐私保护方法及系统,该方法可用于情绪识别领域,其主要步骤如下:获取待处理音频数据、待处理图像数据和待处理文本数据;将待处理音频数据、待处理图像数据和待处理文本数据进行对应的隐私保护处理,获得待识别数据;将待识别数据输入到情绪分类模型中,获得各模态分类结果;利用动态路由协议的权重自选择算法对不同模态类别和不同情绪类别组合的权重进行自动分配,获得权重系数;根据权重系数和各模态分类结果,获得情绪识别结果;本发明能够根据数据类型来采取对应的隐私保护处理,从而防止用户信息泄露,进而提高用户体验。
-
-
-
-
-