(中國科學院深圳先進技術研究院實時監(jiān)測與傳輸技術中心、人機控制研究室、《集成技術》編輯部)

中國科學院深圳先進技術研究院實時監(jiān)測與傳輸技術研究中心黃曉霞研究員及其團隊主導的研究[1]在非視距的情況下基于無線信號對行為識別方面取得進展(基于無線電信號的室內(nèi)無設備行為識別)。該研究提出了一種無設備移動識別的方法——利用非視距環(huán)境中的鏈路狀態(tài)信息進行人的移動識別。其中，鏈路狀態(tài)信息在網(wǎng)絡層易獲取，且相對于單獨的接收信號強度指示信號，它包含更多的物理成分。當信號被監(jiān)測環(huán)境中移動的人阻隔或反射將使信號傳播路徑產(chǎn)生動態(tài)變化時，引起慢衰落和信道特性的波動。作為鏈路狀態(tài)信息的度量，接收數(shù)據(jù)包的包傳輸率和時間間隔可被用作移動識別。通過對這些接收數(shù)據(jù)包的接收狀態(tài)和到達時間序列信息進行特征提取和分類，可對監(jiān)測范圍內(nèi)人的不同行為進行區(qū)分。結(jié)果顯示，通過從接收數(shù)據(jù)包中提取特征來分辨不同的移動方向和速度，能夠?qū)θ说男袨樘峁└呔_的識別，甚至辨別出人的不同身高；與基于固定采樣的RSSI 類方法相比，該方法對行走速度的平均識別率提高了 44%，對移動目標高度的平均識別率達 76.6%。在非視距環(huán)境中，該方法具有相對高的精確度且無附加部署成本，可將其便利地部署到真實室內(nèi)場景中的商業(yè) AP 內(nèi)用于移動識別。

中國科學院深圳先進技術研究院實時監(jiān)測與傳輸技術研究中心黃曉霞研究員及其團隊主導的研究[2]在能量受限無線網(wǎng)絡能量供應方面取得進展(對采用時間切換機制的 OFDM 無線功率中繼傳輸進行子載波配對的資源優(yōu)化)。該文研究了正交頻分復用中繼傳輸?shù)穆?lián)合資源優(yōu)化，將聯(lián)合資源分配問題闡述為一個通常難以解決的非線性混合整數(shù)規(guī)劃問題。首先，對這個問題設置了一個可行的條件，基于該條件，證明有序的時間切換是最優(yōu)的，因此時間切換和剩余的資源分配問題(RRAP)被各自獨立地求出最優(yōu)解。然后，提出了一種查找算法用于尋找 RRAP 問題的最優(yōu)解。為提高效率，提出了一種縮小查找包含最優(yōu)解區(qū)域的方法，將 RRAP 轉(zhuǎn)換為了一個目標函數(shù)為凹函數(shù)差的等效問題，以進一步降低計算復雜度。最后，利用其局部凸的結(jié)構(gòu)，提出了一種有效且快速的算法。仿真結(jié)果顯示，所提方法將時間切換因子查找區(qū)域減少 19% 以上；凹函數(shù)差算法在獲得全局最優(yōu)結(jié)果的同時運行時間比全局最優(yōu)算法顯著降低了 3個數(shù)量級。該成果可應用在無線信息與能量傳輸技術上，為解決能源受限網(wǎng)絡，如無線傳感器網(wǎng)絡的能源供應問題，延長設備使用壽命提供了現(xiàn)實可行的途徑。

中國科學院深圳先進技術研究院實時監(jiān)測與傳輸技術研究中心黃曉霞研究員及其團隊主導的研究[3]在 D2D 中繼網(wǎng)中分布式魯棒性波束成形方面取得進展(具有干擾約束的 D2D 中繼網(wǎng)絡中分布式的魯棒協(xié)同波束成形)。該研究提出了兩步法來解決 D2D 中繼網(wǎng)中分布式魯棒性波束成形問題。首先，針對中繼節(jié)點到目的節(jié)點跳的信道不確定性，設計了魯棒性波束成形方案。該方案在滿足中繼節(jié)點能量限制和蜂窩用戶(CUE)干擾限制的同時，最大化 D2D 用戶之間的信噪比。通過實際觀察，假設中繼節(jié)點到目的節(jié)點跳的隨機信道服從單峰分布，并由此提出一種新的單峰分布魯棒性模型(UDR)來追蹤信道的不確定性。然后，對該定義進行擴展，使源節(jié)點到中繼節(jié)點跳在最壞的魯棒性模型中也能有效抵御信道的不確定性。最后，設計了一個迭代算法，該算法基于半定規(guī)劃求解來找到一個近似解。結(jié)果發(fā)現(xiàn)，一定條件下，相比于僅依賴于信道瞬間信息的傳統(tǒng)魯棒模型，該魯棒模型能有效地提升D2D 中繼通信的吞吐量，性能提升接近 50%；同時，該模型也優(yōu)于對信道進行高斯分布假設的Bernstein 類不等式模型的凸優(yōu)化近似。

中國科學院深圳先進技術研究院人機控制研究室程俊研究員及其團隊參與的研究[4]在人體動作識別方面取得進展(基于深度序列的人類行為識別的空間拉普拉斯和時間能量金字塔表示)。該研究提出了一種用深度相機捕獲的深度序列對人體動作進行識別的有效方法，對 5個公共基準數(shù)據(jù)集(MSRAction3D、MSRGesture3D、MSRActionPairs、MSRDailyActivity3D 和 NTU RGB+D)進行了實驗，并對所提算法和幾種最先進的基于深度序列的人類動作識別方法進行了比較。在所有實驗中，拉普拉斯、能量金字塔等級均設置為 3；詞典學習選擇了 10個視覺詞，并且使用參數(shù) μ＝0.5來控制向量 V 和H 權(quán)重的權(quán)衡。結(jié)果發(fā)現(xiàn)，在 5個公共基準數(shù)據(jù)集中，由于前 4個數(shù)據(jù)集是從一個固定攝像頭位置的前視圖中捕獲，最后一個是基于多視角捕獲，且 MSRAction3D、MSRGesture3D、MSRActionPairs、NTU RGB＋D 涉及人體四肢在空間中的明顯移動，而 MSRDailyActivity3D 關注人與對象的交互復雜背景?；趯嶒灉y試結(jié)果可以看到，該文所提方法對單一視點的動作識別更為準確，且在體感交互(如手勢和虛擬體育)中進行動作識別效果更優(yōu)，在平均計算速度上比現(xiàn)有的方法更快且可在線使用。

中國科學院深圳先進技術研究院人機控制研究室程俊研究員及其團隊參與的研究[5]在云端標記移動圖像方面取得進展(云端移動圖像標簽的魯棒稀疏編碼)。該研究基于 PASCAL VOC’07數(shù)據(jù)集進行移動圖像標記實驗來驗證提出的最大相關熵圖像標記(McMil)框架的有效性。數(shù)據(jù)集由從 20個共同實體收集的 9963個樣本組成，系統(tǒng)性能采用每個類別的平均精度(AP)標準和所有類別的平均精度(mAP)來衡量。為了演示McMil 框架，實驗提取了兩種不同的視覺描述符，即 GIST 描述符和 SIFT 描述符。此外，還通過對 McMil 與 4個代表性算法(PCA、NMF、MahNMF 和 SCC)進行了對比實驗來評估其性能。結(jié)果發(fā)現(xiàn)，該研究提出的最大相關熵圖像標記方法比平方損失、絕對損失、柯西損失及許多其他基于魯棒損失函數(shù)的稀疏編碼方法要更加魯棒；與其他算法相比，McMil 可獲得更多的語義表示。另外，所提方法可以很好地解決移動圖像標簽任務的兩大問題：(1)移動設備中的計算資源有限；(2)從用戶或社會網(wǎng)絡中收集的訓練圖像通常受噪聲影響而可能包含許多異常值。

中國科學院深圳先進技術研究院人機控制研究室程俊研究員及其團隊主導的研究[6]在使用三個空間頻率邊緣來增強絕對相位圖方面取得進展(多色通道中三個選定空間頻率邊緣的絕對相位圖恢復)。該研究提出了一種基于三色通道的三頻邊緣圖像投影的相位解纏方案，實現(xiàn)了多色投影實驗，評估了白色參考平面并補償了彩色通道之間的串擾，對被包裹相位的最大誤差在白色參考平面上進行了測量，還將三色通道上的選定空間頻率的邊緣投影到被測物體上進行了三維重建。結(jié)果發(fā)現(xiàn)，通過該文提出的時間相位解纏方案，可觀察到測試對象的絕對相位被正確恢復且可被精確重建。測量中最大相位誤差為 0.1675，最大高度誤差為 0.013mm。該方案可通過適當?shù)目臻g頻率選擇，來提高邊緣恢復的可靠性和避免色差引起的頻率畸變效應，適用于時間高效和準確的測量，可用于高速準確的三維數(shù)據(jù)采集。

中國科學院深圳先進技術研究院人機控制研究室胡希平副研究員及其團隊主導的研究[7]在情緒感知計算方面取得進展(多信道認知無線電自組織網(wǎng)絡中的情感認知系統(tǒng))。該研究開發(fā)了一個稱為 iSmile 的原型移動應用程序，以演示情緒感知系統(tǒng)為日常生活中的良好睡眠提供情緒感知服務的功能。實驗征集了 20名用戶(男性、女性用戶各 10名，年齡在 20～30歲)在一周內(nèi)進行測試，并基于智能手機(三星 Galaxy S6edge＋和小米)平臺來評估 iSmile 對用戶的有效性。結(jié)果發(fā)現(xiàn)，情緒認知系統(tǒng)的應用開銷經(jīng)濟實用，其 CPU 占用率為 0.57%，RAM 為 47MB，電池消耗平均為 68mAh/h；當應用任務經(jīng)協(xié)作通信和計算在本地自組織網(wǎng)絡進行處理時，iSmile 的網(wǎng)絡開銷會相應減少；通過推薦的智能鬧鐘和建議，用戶的積極情緒可以提升約 10%。相比于傳統(tǒng)基于手機的情緒感知方法對數(shù)據(jù)采集規(guī)模的限制和對高帶寬多媒體通信支持的圖像/視頻分析需求，在 mCRAHN 中建立的情緒感知計算應用具有多維的數(shù)據(jù)處理方式，并可以支持不同分布式動態(tài)網(wǎng)絡環(huán)境中的情緒感知應用。該系統(tǒng)不僅適用于大規(guī)模的緊急應用場景，在未來移動通信網(wǎng)絡中也將具有更多潛在的應用價值。

中國科學院深圳先進技術研究院人機控制研究室胡希平副研究員及其團隊參與的研究[8]在車載社交網(wǎng)絡(SIoV)中的協(xié)作質(zhì)量感知服務方面取得進展(車載社交網(wǎng)絡中的協(xié)作質(zhì)量感知服務訪問系統(tǒng))。該研究模擬了 3km×3km 的街道場景，其中，兩條街道之間的距離為 500m，分別分布 3種交叉方式，即十字形交叉路口、T 交叉路口和 L 交叉路口，街道中有 1000輛車隨機運行?；谝陨蠈嶒瀳鼍?，對車載網(wǎng)絡中的平均接入質(zhì)量，平均包到達數(shù)量及網(wǎng)絡連通率等性能進行了評估。結(jié)果發(fā)現(xiàn)，該研究驗證了 SIoV 的有效性；相比于已有方案，協(xié)作質(zhì)量感知服務訪問(CQS)系統(tǒng)可以提高平均服務質(zhì)量、單次訪問發(fā)送的數(shù)據(jù)包數(shù)量和網(wǎng)絡連通率，三者分別約為25%、20% 和 5%。本研究提出的協(xié)作質(zhì)量感知服務訪問系統(tǒng)可有效滿足多用戶對網(wǎng)絡服務可靠和安全的信息訪問及服務的需求，對實現(xiàn)智能城市中的城市道路安全保障，提高交通運輸效率和改善車輛駕駛具有巨大的應用潛力。

中國科學院深圳先進技術研究院人機控制研究室胡希平副研究員及其團隊[9]對移動網(wǎng)絡物理系統(tǒng)方面的進展進行總結(jié)(移動網(wǎng)絡物理系統(tǒng)：當前的挑戰(zhàn)和未來的網(wǎng)絡應用)。該文介紹了移動物聯(lián)網(wǎng)的應用、主要挑戰(zhàn)和技術，并將其與傳統(tǒng)的物聯(lián)網(wǎng)進行區(qū)分。該文認為，在未來，為了提高移動物聯(lián)網(wǎng)應用的效率，增強其功能性和智能性，還有許多問題需要研究。其中一個方向是考慮移動用戶隱私，這是保護用戶個人信息的基礎，從而與用戶進行良好的互動與合作。將來對綠色物聯(lián)網(wǎng)和新興應用的云端移動機器人系統(tǒng)的研究可以進一步擴大現(xiàn)有移動物聯(lián)網(wǎng)的應用。

參 考 文 獻

[1]Huang XX,Dai MW.Indoor device-free activity recognition based on radio signal [J].IEEE Transactions on Vehicular Technology,2017,66(6):5316-5329.

[2]Shen YY,Huang XX,Kwak KS,Yang B,Wang SQ.Subcarrier-pairing-based resource optimization for OFDM wireless powered relay transmissions with time switching scheme [J].IEEE Transactions on Signal Processing,2017,65(5): 1130-1145.

[3]Gong SM,Wu SX,So MC,Huang XX.Distributionally robust collaborative beamforming in D2D relay networks with interference constraints [J].IEEE Transactions on Wireless Communications,2017,16(8): 5048-5060.

[4]Ji XP,Cheng J,Tao DP,Wu XY,Feng W.The spatial laplacian and temporal energy pyramid representation for human action recognition using depth sequences [J].Knowledge-Based Systems,2017,122(C): 64-74.

[5]Tao DP,Cheng J,Gao XB,Li XL,Deng C.Robust sparse coding for mobile image labeling on the cloud [J].IEEE Transactions on Circuits and Systems for Video Technology,2017,27(1): 62-72.[6]Ding Y,Xi JT,Yu YG,Deng FQ,Cheng J.Recovering the absolute phase maps of three selected spatial-frequency fringes with multi-color channels [J].Neurocomputing,2017,252(C): 17-23.

[7]Hu XP,Cheng J,Zhou MC,Hu B,Jiang X,Guo Y,Kun Bai,Wang F.Emotion-aware cognitive system in multi-channel cognitive radio ad hoc networks [J].IEEE Communications Magazine,2018,56(14): 180-187.

[8]Ning ZL,Hu XP,Chen ZK,Zhou MC,Hu B,Cheng J,Obaidat MS.A cooperative quality-aware service access system for social internet of vehicles[J].IEEE Internet of Things Journal,2017,doi:10.1109/JIOT.2017.2764259.

[9]Guo YX,Hu XP,Hu B,Cheng J,Zhou MC,Kwok RYK.Mobile cyber physical systems:current challenges and future networking applications [J].IEEE Access,2017,doi: 10.1109/ACCESS.2017.2782881.