毫米波通信是5G的关键技术之一,由于频率高、硬件制造难,导致毫米波射频硬件存在严重损伤。毫米波射频硬件损伤主要包括功率放大器非线性、相位噪声、I/Q不平衡、采样抖动、采样频率偏移、载波频率偏移、天线损伤等。主要研究功率放大器非线性、相位噪声以及I/Q不平衡3种射频硬件损伤模型以及对正交频分复用(orthogonal frequency division multiplexing,OFDM),通用滤波多载波(universal filtered multi-carrier,UFMC),滤波正交频分复用(filtered orthogonal frequency division multiplexing,F-OFDM)和加权叠加正交频分复用(cycle prefix orthogonal frequency division multiplexing with weighted overlap and add,WOLA)波形的影响,分别提出射频硬件损伤的补偿方法。利用迭代消除算法消除功率放大器非线性损伤,采用5G标准中定义的相位追踪参考信号对相位噪声进行补偿,采用最小均方(least mean square,LMS)算法估计I/Q不平衡因子并进行补偿。仿真结果表明,F-OFDM抵抗毫米波射频硬件损伤的能力优于其他3种波形,OFDM和UFMC的性能相近,WOLA的性能最差。
针对人脸信息认证系统中存在的欺骗攻击问题,利用色彩空间转换信息丢失的特性,提出一种人脸活体检测算法。通过Gabor滤波器组多尺度、多方向地增强关键人脸图像纹理特征,抑制人脸图像的一般特征。高斯径向基函数分类器分类SURF(speeded up robust features)算子提取特征描述子,区分人脸活体与非法用户的欺骗攻击。利用类间方差衡量特征改进前后的可分性,计算图像原始特征与纹理增强后特征的类间方差、类内方差大小以及可分性判据J。在公开数据集Replay-Attack,CASIA-FASD数据库进行测试,彩色纹理图像增强后,人脸关键特征被增强而一般特征被抑制,背景与目标的类间方差增大,类内方差减小,特征可分性增强从而更具鲁棒性,使得纹理细节能被有效利用。实验结果表明,该算法能有效、实时地判断人脸活体与欺骗攻击。
暂无评论