论文摘要:现有新型体征感知方法在非干预性、可普及性、准确性、适应性等方面尚存在不同程度的不足,难以支撑日常生活环境下长期健康监测的需求。基于此,本文研究日常生活环境下的非干预式体征感知若干关键技术,具体包括:非接触式睡眠呼吸监测、非干预式行走步态感知与分析。本文主要工作和取得成果包括如下几个方面:

  1. 提出了基于胸脯起伏测量的非接触式声波睡眠呼吸监测方法 使用高精度测距技术,实时测量呼吸过程中胸脯起伏位移的微弱变化,实现呼吸监测。具体而言,以胸脯起伏为感知对象,研究并提出了一种高精度声波测距方法 C-FMCW,该方法的测距精度仅与采样率有关。
  2. 提出了基于呼吸气流感知的非接触式声波睡眠呼吸监测方法基于呼吸气流可散射声波这一事实,实时捕捉并分析因呼吸气流散射声而波引入到接收声波中的多普勒效应,度量呼吸气流速度,实现呼吸监测。
  3. 提出了基于细粒度运动参数的非干预式帕金森步态识别方法以人在行走过程中足底压力的变化为研究对象,提取细粒度的运动功能特征度量并分析各运动功能特性与健康人的不同,进而识别帕金森步态模式。
  4. 设计并实现集成化非干预式体征感知平台在综合考虑老年人对非接触式体征感知需求的基础上,对前面提到的两种呼吸监测系统和步态模式识别方法进行功能集成。

关键词:非干预式体征感知,非接触式呼吸感知,声波感知,步态分析与模式识别

作者介绍:王天本,他是西北工业大学计算机科学与技术专业博士研究生、法国国立电信学院博士后,他的导师是张大庆教授,主要研究兴趣包括:普适计算,智能辅助技术,人机交互及行为感知技术。近年来,以第一作者身份在 Ubicomp 2018(CCF 推荐A类会议)、ACM TIST(SCI 1 区)、IEEE TSMC(SCI 2区)、UIC 2018 (CCF 推荐C类会议)发表多篇学术论文,并获得UIC 2015 大会唯一最佳论文奖;以联合作者身份在 WWW 2017(CCF 推荐A类会议),HealthCom 2015 等会议上发表论文;完成发明专利3项。

2+
0+

相关内容

论文摘要:在设备部署密集、多种协议共存的环境下,如何设计有效的信道共享技术,使得无线网络传输在达到高吞吐目的的同时,还满足低功耗低开销要求,是本文需要解决的主要问题。本文主要包括以下几方面工作和贡献:

  1. 本文研究了以ZigBee节点为代表的低功耗网络设备之间的时间同步问题。时间同步技术是信道访问控制的支撑技术。针对现有时间同步技术依赖于频繁时间戳交换从而导致能耗开销巨大的问题,本文提出一种基于环境信息的低功耗时间同步方法 DualSync,根据节点时钟频偏与节点工作环境的相关性提出了“环境-频偏”时钟模型。在该模型的基础上,提出了基于本地环境信息的自同步技术,该技术使得节点可以根据本地采集到的环境信息对节点时钟偏移量进行估计及补偿,极大程度降低了时间同步对时戳交换的依赖性,从而降低了通信开销。

  2. 本文研究了针对 ZigBee 设备的跨协议干扰源识别问题。跨协议干扰源识别是跨协议设备信道共享的基础。针对现有跨协议干扰源识别方法需要特殊硬件设备从而II不适用于低代价的ZigBee设备的问题,本文提出一种基于 RSSI 特征的干扰源识别方法CrossFind。根据各个协议的协议规范及网络设备分布的多样性,CrossFind 抽取出一系列基于RSSI的信号特征,实现了低代价的干扰源指纹提取。其次,提出了基于K-Means 聚类的干扰源识别方法,使得ZigBee节点能够仅仅利用信号的RSSI时间序列信息进行跨协议干扰源识别。

  3. 本文研究了针对ZigBee设备的跨协议信道共享问题。针对现有跨协议干扰避免技术造成的信道资源浪费、网络吞吐率过低问题,本文提出了一种针对ZigBee设备的跨协议信道共享技术Smoggy-Link,Smoggy-Link 利用无线网络中的“暴露终端”现象使得干扰源和ZigBee设备有机会 同时进行数据传输。具体而言,本文挖掘了干扰源与链路质量分布的强相关性,构建了链路模型来描述干扰源与 ZigBee 网络链路质量的关系。

  4. 本文研究了无源感知设备并发传输问题。现有的无源感知网络采用基于时分复用的Slot Aloha技术进行信道接入控制,从而导致了极低的信道利用率以及网络吞吐率。研究者们提出了无源感知设备并发传输技术来解决这一问题,但这些技术十分依赖于信号在时间域和 IQ 域的稳定性,因此在实际网络环境中表现出较差的解码成功率。本文提出了一种高可靠的无源标签并发解码技术 FlipTracer,该技术即使在高度动态的信道环境中也能够达到很高的解码成功率,同时实现了高吞吐以及高解码成功率。

关键字:并发传输,跨协议信道共享,无源感知技术,ZigBee 协议,低功耗

作者介绍:金梦,他是西北大学信息科学与技术学院2015级的博士研究生,他的博士生导师是房鼎益。他博士期间主要的研究工作是无线网络、物联网、移动计算等。

0+
0+

论文摘要:在编译器质量保证中,编译器测试与调试是其中最广泛使用的技术手段。编译器测试通过运行测试用例进行缺陷检测,编译器调试对缺陷进行诊断及修复。为了保证编译器的质量,本文进一步探索编译器测试与调试相关技术。本文的主要研究工作及创新点如下:

  • 进行了基于测试数据分析的编译器测试技术效果探究。该实证研究探究了三种主流编译器测试技术在两个通用编译器上的测试效果。该实证研究揭示三种编译器测试技术在不同的场景下各具优势、彼此互补,并且测试代码效果、测试预言强度,以及效率对编译器测试效果具有显著影响。
  • 提出了基于历史数据学习的编译器测试加速技术。该技术通过对大量历史数据进行分析,提取出测试代码中与编译器缺陷相关的特征(包括代码的语言特征、操作特 征,以及结构特征),分别利用支持向量机算法(SMO)、高斯过程,以及梯度增强回归算法构造出三个预测模型。
  • 提出了基于历史缺陷分析的编译器重复缺陷检测技术。该技术通过挖掘历史上测试代码触发缺陷的原因,提取出代码特征(包括词法特征、语法特征,以及本文首次提出的数据流特征)和缺陷报告中的文本特征,然后根据这些特征计算触发缺陷的测试代码之间的距离,从而检测重复缺陷。
  • 提出了基于测试数据生成的编译器缺陷辅助定位技术。该技术将缺陷辅助定位问题转化为有效的证人测试代码生成问题。在GCC和LLVM编译器的现实缺陷上进行实验,该技术能够将66.67%的缺陷的缺陷所在文件定位在所有可疑文件的前10位。

关键词:编译器质量,编译器测试,编译器调试,数据驱动

作者介绍:陈俊洁,北京大学计算机软件与理论专业博士,他的博士生导师是谢冰。研究方向为软件测试。

数据驱动的编译器测试与调试若干技术研究.pdf
0+
0+
Top