被动式室内人员定位是实现普适无线感知系统的基础。然而在实际生活中,商用WiFi信号易受到周围环境的影响,导致现有基于WiFi的被动式室内定位工作难以从复杂的接收信号中准确分离出目标人员动态分量。针对上述问题,提出了一种精确的被动式室内人员定位系统WiPasLoc,其通过利用商用WiFi设备中提取到的信道状态信息(Channel State Information,CSI),实现了高精度的室内定位。首先,结合CSI子载波的信号质量完成动态多普勒频移(Doppler Frequency Shift,DFS)估计;然后,通过基于双窗口的信号到达角(Angle of Arrive,AoA)的估计方法,从信道状态信息中精准分离出目标人员的信号分量;最后,结合人员的初始位置信息提出轨迹拟合算法,实现了精确的被动式室内人员定位。实验结果表明:WiPasLoc对室内人员运动轨迹定位的中值误差为80cm,相比现有典型的Widar2.0定位精度提升了25.9%。
智能电网中边缘计算迁移技术的应用一定程度上满足了电力业务的实时性要求，然而，随着电网规模的扩大，电力终端设备接入密度越发增高，分布情况越发复杂，传统的静态边缘计算节点难以完全覆盖分散的电力终端设备，进而导致计算迁移性能、效率过低。提出了一种基于双重延迟深度确定性策略梯度的多无人机辅助计算迁移算法(Collaborative Cloud-Edge Computing Offloading Based on TD3， CeCO-TD3)，该算法构建了一个联合无人机飞行角度、距离、迁移服务选择和任务迁移比的多目标优化函数，以最小化系统的计算时延与能耗，利用深度强化学习算法对问题求解。并引入云边协作框架和带有优先级的云端策略经验池，进一步保障了多无人机的计算迁移服务质量。实验结果表明所提出的算法在缩减任务传输时延和降低计算能耗方面优于传统优化算法。
针对目前RFID(Radio Frequency Identification,射频识别技术)系统安全分析中忽略攻击事件对系统安全状态动态影响的问题,为了有效实现RFID系统的安全风险评估,文章提出了一种基于贝叶斯攻击图的RFID系统安全评估模型。该模型首先通过对...
详细信息
针对目前RFID(Radio Frequency Identification,射频识别技术)系统安全分析中忽略攻击事件对系统安全状态动态影响的问题,为了有效实现RFID系统的安全风险评估,文章提出了一种基于贝叶斯攻击图的RFID系统安全评估模型。该模型首先通过对RFID系统结构、所用协议进行分析确定系统的脆弱性漏洞及其依赖关系,建立攻击图。针对攻击图模型只能进行定性分析的问题,构建出相应的攻击图模型结构后可以结合贝叶斯理论对其进行量化。依据漏洞的利用难易度和影响程度建立RFID漏洞量化评价指标,计算出对应的原子攻击概率,然后以条件转移概率的形式将攻击节点与RFID系统的安全属性节点联系在一起,不仅能推断攻击者能够成功到达各个属性节点的风险概率,而且能够依据攻击者的不同行为动态展示系统风险状况的变化,实现评估不同状态下目标RFID系统的整体风险状况。实验表明,所提模型可以有效地计算出RFID系统整体的风险概率,为后续实施对应的安全策略提供理论依据。
暂无评论