面向数据增强的物联网无线传输与智能服务关键技术研究

In order to meet the demand of diversified mass energy constrained devices in the Internet of Things (IoT) for low latency, high reliability, and high-precision intelligent services, this project focuses on low-energy efficient transmission, multidimensional data optimization modeling, and information mining, from the perspective of hierarchical IoT data enhancement technologies. This project specifically centers on: 1) For high-concurrency and privacy data communication needs, we propose highly reliable transmission protocols and interference coordination algorithms, and design safe transmission schemes for improving energy efficiency and spectral efficiency; 2) For low-power and large-connection business requirements, we design the edge node behavior model with caching and computing capabilities, and propose an intelligent resource allocation and transmission strategy based on the reinforcement learning; 3) For the demand of high-precision positioning in complex data acquisition environment, a position inference model based on perceptual information fusion is proposed, which uses deep learning to analyze the video image information and integrates the interest area trajectory to realize intelligent services; 4) Aiming at the problem of identifying individual heterogeneous terminals and accurate recognition of motion, we establish a motion fingerprint library for specific individuals, use image analysis to quantitatively model individual sensual actions from a cognitive perspective, and provide intelligent service adaptation based on different IoT business requirements. The implementation of this project will provide the theoretical and technical support for the green, intelligent, and sustainable development of the Internet of Things.

为了满足物联网中多元化海量能量受限设备对低时延、高可靠、高精度智能化服务的需求，本项目分别从低能耗高效传输、多维数据优化建模和信息挖掘等角度出发，围绕层次化物联网数据增强技术进行研究。包括：1）针对高并发隐私数据通信需求，提出高可靠传输协议及干扰协调算法，设计提升能效和谱效的安全传输方案；2）针对低功耗大连接业务需求，设计具有缓存及计算能力的边缘节点行为模型，提出基于增强学习的智能资源分配和传输策略；3）针对复杂数据采集环境高精度定位需求，提出基于感知信息融合位置推断模型，利用深度学习解析视频图像信息，结合兴趣区域轨迹实现智能化服务；4）针对异种终端个体识别与动作精确认知问题，建立动作指纹库识别特定个体，利用图像解析从认知角度将个体的感性动作量化建模，结合不同物联网业务需求提供智能化服务适配。该项目的实施将为物联网的绿色、智能、可持续发展提供理论和技术支持。

为了满足互联网设备间通信的低时延，高可靠的要求，及相应高精度智能化服务需求，本项目从低耗高效数据传输，智能任务调度及资源分配，网络流量智能分析处理及基于深度学习的人体动作智能化服务等角度出发，研究了高度可靠传输协议和安全传输方案，设计基于增强学习的方案提升智能资源分配和任务调度效率，同时基于传感器数据、视频数据，使用深度学习技术构建人体行为分析智能化服务系统。研究过程中，提出了一系列创新的方案及算法，取得了良好的效果，主要成果如下： .①面向高品质数据保障的无线传输技术研究。针对高并发隐私数据通信需求，设计了提升能效和谱效的安全传输方案，充分利用网络资源，避免拥塞；设计和完善基于物联网设备的高品质数据保障的无线传输关键技术研究，采用基于图卷积网络的深度强化学习算法实现对关键业务和非关键业务的联合路由和调度。.②物联网无线携能通信与缓存计算技术研究。面向低功耗大连接的物联网需求，研究了具有缓存及计算能力的边缘节点行为模型和基于增强学习的智能资源分配和传输策略，提出了一种经验驱动的基于多智能体强化学习的流量分配算法，大大提升了网络吞吐量。.③基于时空数据增强的多传感器信息服务研究。针对提升IOT应用层服务能力的需求，在基于六轴运动处理器的车辆驾驶行为识别方法方面，提出了一种联合数据扩充（JDA）方案，包括多轴加权融合算法，背景噪声融合算法和随机裁剪算法，以构建更符合复杂实际驾驶环境的样本数据集。.④物联网传感器动态数据建模与智能服务研究。在人体行为分析建模及智能化服务系统方面，针对视频模态数据，提出SPCNet等人体姿态估计算法建模人体关键点特征；针对人体可穿戴传感器设备，提出基于边缘的人体动作识别网络和基于稠密连接和加权特征聚合的人体动作识别网络；并基于此搭建了一套基于人工智能的青少年体测系统。.依托本项目，共发表学术论文20篇，申请发明专利8项，培养博士研究生12名，培养硕士研究生25名，超额完成任务书要求。本项目研究成果，对高品质数据无线传输技术，智能资源分配和传输策略，网络流量分析处理，人体行为智能化服务等领域具有重要的科学意义和参考价值。通过该项目研究的重要算法和解决方案等可进一步应用到实际工程中，产生社会效益。基于该项目研究的青少年体测系统，已签订多项合作合同，并与多所学校合作，进行系统的使用及测评。