摘要
本发明提出了一种基于振动反馈的腕戴设备身份认证方法。通过智能手表等设备生成振动信号,并利用内置加速度计实时采集用户的振动响应数据。本方法包括信号的噪声过滤、方向校正和归一化预处理,随后通过多阶差分提取振动特征,并利用多分支卷积神经网络(MCNN)进行特征提取和融合,以捕捉不同时间尺度的振动特征。最终通过Softmax分类器进行身份匹配。本方法在多种佩戴姿态、手部动作变化和复杂使用场景中均表现出良好的稳定性和识别精度,具备高抗干扰能力。
技术关键词
设备身份认证方法
振动特征
Softmax分类器
分支卷积神经网络
腕戴设备
信号
Softmax函数
高抗干扰能力
振动马达
滤波器
校正
多尺度特征
噪声
加速度
智能手表
数据
可读存储介质
系统为您推荐了相关专利信息
分层卷积神经网络
电池荷电状态预测
Softmax分类器
电池设计
ReLU函数
关系抽取方法
Softmax分类器
Attention机制
特征值
融合特征提取
抽水蓄能电站
三维点云模型
风险识别方法
节点
无人机倾斜摄影