咨询热线：13080701712
返回
企业讯息
干扰器进一步简化安装工作
本文提出了一种应用相关技术的全息指纹锁系统。由于采用了未漂白的相位全息图，提高了系统的可靠性。 无需在门外进行接线工作，从而简化安装工作，减少电池功耗并提高可操作性。 指纹识别以其独特、可靠的特点，在安防领域得到了广泛的应用。介绍了基于指纹锁的远程监控智能系统的设计。
系统能够准确识别活体指纹，并通过GSM网络将开锁ID信息、非法入室盗窃信息发送给业主或通过PSTN发送给物业管理处监控中心。 针对室内无线电干扰源中接收机价格较高的问题，本着低投入、高效率的设计目标，设计了一种基于无线传感器网络的双指纹数据库采集与定位系统。为满足定位区域内至少AP数量定位的需求，主库在整体定位中采集指纹点和信号强度。
采用改进的模糊C聚类（Fuzzy C Means，FCM）算法和支持向量机（Sport Vector Machine，SVM）定位干扰源位置和区域，巡游AP移动到主指纹锁后的区域，依靠之前离线采集的本地指纹信息数据库，根据欧氏距离模型的目标函数，进行定位过程分为局部优化，应用遗传算法（Genetic Algorithms GA）和粒子群（Particle Swarm Optimization，粒子群优化，GA-PSO）算法计算模型最优解，转换干扰源的位置坐标。实验结果表明，AP至少获得的1.3 m非视距定位精度的置信度为76.3%，研究中采用的方法具有较高的实用价值。
系统能够准确识别活体指纹，并通过GSM网络将开锁ID信息、非法入室盗窃信息发送给业主或通过PSTN发送给物业管理处监控中心。 针对室内无线电干扰源中接收机价格较高的问题，本着低投入、高效率的设计目标，设计了一种基于无线传感器网络的双指纹数据库采集与定位系统。为满足定位区域内至少AP数量定位的需求，主库在整体定位中采集指纹点和信号强度。
采用改进的模糊C聚类（Fuzzy C Means，FCM）算法和支持向量机（Sport Vector Machine，SVM）定位干扰源位置和区域，巡游AP移动到主指纹锁后的区域，依靠之前离线采集的本地指纹信息数据库，根据欧氏距离模型的目标函数，进行定位过程分为局部优化，应用遗传算法（Genetic Algorithms GA）和粒子群（Particle Swarm Optimization，粒子群优化，GA-PSO）算法计算模型最优解，转换干扰源的位置坐标。实验结果表明，AP至少获得的1.3 m非视距定位精度的置信度为76.3%，研究中采用的方法具有较高的实用价值。
