项目组提出了基于无源反射信号的人体动作识别。目标主要是物联网安全领域中的认证与识别。无源节点具有更好的普适性，同时具有非侵入，无感认证的特点，适用于无接触的环境下对用户的特征识别，可用于面向用户的定制化服务及多通道认证。主要的技术挑战是一方面信号受到环境的干扰，多径及噪声都会影响信号的稳定特性；另一方面，需要智能算法引擎处理不同用户的信息，即可以将通用的动作特征识别，也能够有效的提取用户的特征，用于用户识别。我们对于环境干扰及多径问题，进行了必要的信号处理及相关的滤波算法，包括基于自适应窗口及滤波参数的优化。在此基础之上，我们对于AI模型进行了修改和优化，利用双通道机制，对于用户动作特征（如喝水，打电话，翻书等）及用户独特的行为特征（动作习惯，人体特征等）同时进行了充分的分析及处理。我们的算法能够识别17个人，对于6-7种日常动作的准确识别，准确率均达到了80%以上。细节如图1所示，该成果发表于IEEE IWQoS 2020（CCF B类）会议。

图 1. 基于无源信号的人员身份认证系统框架