一种基于同源信号的振动马达设备指纹提取识别方法技术

本发明专利技术公开一种基于同源信号的振动马达设备指纹提取识别方法，通过终端自带的惯性传感单元采集马达振动过程中的加速度和角速度信号，终端对信号进行切分、滤波以及对齐，并发送给云端服务器，同时终端向云端服务器发送认证或注册请求；云端服务器将信号同时输入经过训练的由残差块、Dropout层、全连接层和损失函数组成的双通道融合网络，获得马达指纹；并采用分类器对马达指纹进行分类；若分类成功，则云端服务器输出分类结果；若不存在该类别，此时，若终端发送的是注册请求，则云端服务器存储马达指纹，并更新数据库；若终端发送的是认证请求，则云端服务器直接拒绝认证。本发明专利技术能够克服各种噪声对识别结果的影响，提高了认证准确率和稳定性。

【技术实现步骤摘要】
一种基于同源信号的振动马达设备指纹提取识别方法
本专利技术涉及计算机应用领域，尤其涉及一种基于同源信号的振动马达设备指纹提取识别方法。
技术介绍
智能设备已经在我们的日常生活中无处不在。因此，智能设备使用中的安全保障问题引起了公众的关注。现有的解决方案可以解决验证个人身份的认证问题(如指纹、PIN、人脸识别)。对于高安全性场景(例如，电子支付、帐户登录)，除了上述单因素身份验证外，还使用了多个个因素身份验证。用户需要输入接收到的文本信息代码或接听电话，以验证操作是否在可信任的设备上。但由于人工操作开销大，因此这种认证方式非常繁琐。近年来，设备指纹引起了人们的广泛关注，如何一种高安全性且在应用的中简便的设备指纹成为一大亟待解决的难题。
技术实现思路
针对现有技术的不足，本专利技术提出一种基于同源信号的振动马达设备指纹提取识别方法，通过设备内置马达振动，惯性测量单元采集以及云端分析识别，为设备提供了一套完整的身份认证流程，成本低、可使用性高以及准确率高。本专利技术的目的通过如下的技术方案来实现：一种基于同源信号的振动马达设备指纹提取识别方法，该方法包括如下步骤：通过终端自带的惯性传感单元采集终端的马达振动过程中的加速度和角速度信号，所述终端对所述加速度和角速度信号进行切分、滤波以及对齐，并发送给云端服务器，同时所述终端向所述云端服务器发送认证请求或注册请求；所述云端服务器将所述加速度和角速度信号同时输入经过训练的由残差块、Dropout层、全连接层和损失函数组成的双通道融合网络，获得马达指纹；并采用分类器对所述马达指纹进行分类；若分类成功，则所述云端服务器输出分类结果；若不存在该类别，此时，若所述终端发送的是注册请求，则所述云端服务器将该马达指纹进行存储，并更新马达指纹存储数据库；若所述终端发送的是认证请求，则所述云端服务器直接拒绝认证。进一步地，所述双通道融合网络包括卷积层、池化层、扁平化层和全连接层，该网络有两个输入，所述扁平化层将两个输出展开成一维的向量，所述损失函数为广义损失函数。进一步地，所述双通道融合网络包括卷积层1、池化层、卷积层2、卷积层3、卷积层4、卷积层5、扁平化层以及三个全连接层；所述卷积层1由大小为5×1的64个卷积核构成，其卷积步长为2；所述池化层由大小为3×1的最大池化层构成，其卷积步长为2；所述卷积层2由3个具有64个1×1卷积核、64个1×3卷积核和256个1×1卷积核顺序排列的残差块构成，并在每个残差块最后添加p＝0.2的Dropout层；所述卷积层3由4个具有128个1×1卷积核、128个1×3卷积核和512个1×1卷积核顺序排列的残差块构成，并在每个残差块最后添加p＝0.2的Dropout层；所述卷积层4由6个具有256个1×1卷积核、256个1×3卷积核和1024个1×1卷积核顺序排列的残差块构成，并在每个残差块最后添加p＝0.2的Dropout层；所述卷积层5由3个具有512个1×1卷积核、512个1×3卷积核和2048个1×1卷积核顺序排列的残差块构成，并在每个残差块最后添加p＝0.2的Dropout层；所述扁平化层将所有输出展开成一维的向量；所述三个全连接层由神经元数量不同的全连接层构成。本专利技术的有益效果如下：(1)本专利技术的识别方法通过双通道融合网络并采用广义损失函数分析马达振动特征，提取双通道信号对于马达的描述部分，从而克服终端惯性传感单元的噪声和环境噪声对识别结果的影响，提高了认证准确率和稳定性。(2)因现有的终端大部分均包括马达和惯性测量单元，因此本专利技术的识别方法应用成本低、适用面广。附图说明图1为本专利技术的双通道融合网络架构的示意图；图2为本专利技术的系统认证流程；图3为本专利技术的系统注册流程；图4为本专利技术的系统重置流程；图5为信号重置方案的几种形式示意图；图6为采用本专利技术的系统进行测试得到的混淆矩阵的示意图。具体实施方式下面根据附图和优选实施例详细描述本专利技术，本专利技术的目的和效果将变得更加明白，应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。本专利技术的基于同源信号的振动马达设备指纹提取识别方法，需要涉及到终端和云端服务器，终端内置有马达和惯性传感单元，惯性传感单元用于采集马达振动过程中的加速度和角速度信号；终端还包括预处理模块、终端通讯模块。预处理模块用于将马达振动过程中的加速度和角速度信号进行预处理，包括通过采集时提供的起始和终止时间标记切分信号，通过高通滤波器对信号进行滤波，通过三次样条插值对信号进行对齐；预处理模块输出用于云端服务器的双通道融合网络输入的信号，并通过终端通讯模块发送给云端服务器，同时终端向云端服务器发送认证请求、注册请求，如图2和3所示。云端服务器将加速度和角速度信号同时输入经过训练的由残差块、Dropout层、全连接层和损失函数组成的双通道融合网络，获得马达指纹；云端服务器包括指纹提取模块、指纹注册识别模块和云端通讯模块；云端通讯模块接收终端发送的信号，并传送给指纹提取模块，然后将其输入由残差块、Dropout层、全连接层和损失函数组成的双通道融合网络中，实现信号与马达指纹之间的映射，输出马达指纹给所述指纹注册识别模块，通过指纹注册识别模块中的分类器对马达指纹进行分类。如图1所示。云端服务器的双通道融合网络包括卷积层1、池化层、卷积层2、卷积层3、卷积层4、卷积层5、扁平化层以及1～3三个全连接层；该网络有加速度和角速度信号两个输入；卷积层1由大小为5×1的64个卷积核构成，其卷积步长为2；池化层由大小为3×1的最大池化层构成，其卷积步长为2；卷积层2由3个具有64个1×1卷积核、64个1×3卷积核和256个1×1卷积核顺序排列的残差块构成，并在每个残差块最后添加p＝0.2的Dropout层；卷积层3由4个具有128个1×1卷积核、128个1×3卷积核和512个1×1卷积核顺序排列的残差块构成，并在每个残差块最后添加p＝0.2的Dropout层；卷积层4由6个具有256个1×1卷积核、256个1×3卷积核和1024个1×1卷积核顺序排列的残差块构成，并在每个残差块最后添加p＝0.2的Dropout层；卷积层5由3个具有512个1×1卷积核、512个1×3卷积核和2048个1×1卷积核顺序排列的残差块构成，并在每个残差块最后添加p＝0.2的Dropout层；扁平化层将所有输出展开成一维的向量；三个全连接层1-3由神经元数量不同的全连接层构成。具体详见表1。为了在指纹识别时，达到同类聚集、异类排斥的效果，因此选用广义损失函数。所述广义损失函数如下：其中，eij为批处理中第i号设备的第j条数据，Sij，k为eij和第k号设备所有向量的平均值之间的余弦相似度。双通道融合网络通过上述网络结构，将加速度和本文档来自技高网...

【技术保护点】
1.一种基于同源信号的振动马达设备指纹提取识别方法，其特征在于，该方法包括如下步骤：/n通过终端自带的惯性传感单元采集终端的马达振动过程中的加速度和角速度信号，所述终端对所述加速度和角速度信号进行切分、滤波以及对齐，并发送给云端服务器，同时所述终端向所述云端服务器发送认证请求或注册请求；/n所述云端服务器将所述加速度和角速度信号同时输入经过训练的由残差块、Dropout层、全连接层和损失函数组成的双通道融合网络，获得马达指纹；并采用分类器对所述马达指纹进行分类；若分类成功，则所述云端服务器输出分类结果；若不存在该类别，此时，若所述终端发送的是注册请求，则所述云端服务器将该马达指纹进行存储，并更新马达指纹存储数据库；若所述终端发送的是认证请求，则所述云端服务器直接拒绝认证。/n

【技术特征摘要】
1.一种基于同源信号的振动马达设备指纹提取识别方法，其特征在于，该方法包括如下步骤：
通过终端自带的惯性传感单元采集终端的马达振动过程中的加速度和角速度信号，所述终端对所述加速度和角速度信号进行切分、滤波以及对齐，并发送给云端服务器，同时所述终端向所述云端服务器发送认证请求或注册请求；
所述云端服务器将所述加速度和角速度信号同时输入经过训练的由残差块、Dropout层、全连接层和损失函数组成的双通道融合网络，获得马达指纹；并采用分类器对所述马达指纹进行分类；若分类成功，则所述云端服务器输出分类结果；若不存在该类别，此时，若所述终端发送的是注册请求，则所述云端服务器将该马达指纹进行存储，并更新马达指纹存储数据库；若所述终端发送的是认证请求，则所述云端服务器直接拒绝认证。


2.根据权利要求1所述的基于同源信号的振动马达设备指纹提取识别方法，其特征在于，所述双通道融合网络包括卷积层、池化层、扁平化层和全连接层，该网络有两个输入，所述扁平化层将两个输出展开成一维的向量，所述损失函数为广义损失函数。


3.根据权利要求1所述的基于同源信号的振动马达设备指纹提取识别方法，...

【专利技术属性】
技术研发人员：林峰，沈轶杰，王超，许文曜，任奎，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33