近日，电信学院楼亮亮博士在中科院一区TOP期刊上发表系列高水平科研成果。在《IEEE Internet of Things Journal》上发表了题为《Wireless Sensing Based Human-Vehicle Classification Method via Deep Learning: Analysis and Implementation》的研究成果，在《IEEE Transactions on Intelligent Transportation Systems 》上发表题为《Optimized Wireless Sensing and Deep Learning for Enhanced Human-Vehicle Recognition》的研究成果。

现有的WHVC方法主要利用从周围无线信号中提取的信道状态信息（CSI）或接收信号强度（RSS）特征。与RSS数据相比，虽然CSI数据提供了更详细和准确的信道信息，但提取和处理CSI比RSS更具挑战性。此外，对于不需要精细人车分类的应用（例如智能路灯系统），基于RSS的WHVC具有易于实施和成本低的优势。因此，研究基于CSI和RSS的WHVC方法在不同应用场景下的性能可以为WHVC领域提供有价值的见解。

本系列研究针对智能交通参数测量需求，以现有的物联网网络为基础，提出了融合机器学习与无线感知的人车识别方法，构建了无线感知数据源质量评价算法，探明了不同数据特征在行人、车辆和混杂交通模式等场景识别和测量关联关系，为智能交通系统提供有力支撑。相关模型如下图所示。

论文链接：

https://ieeexplore.ieee.org/document/10388001

https://ieeexplore.ieee.org/document/10414370