[发明专利]一种基于声波的动态身份识别认证方法

权利要求书

1.一种基于声波的动态身份识别认证方法，其特征在于，包括以下步骤：

步骤1)，注册：

1.1)用户根据提示在特定时间内做出特定的脚步动作；

1.2)通过超声波对用户与传感器间距离进行测量；

1.3)依据香农采样定理对所得距离信息进行处理；

1.4)对处理后合法脚步变化与距离进行存储，并生成特征库；

步骤2)，验证：

2.1)用户根据提示在特定时间内做出特定的脚步动作；

2.2)通过超声波对用户与传感器间距离进行测量；

2.3)依据香农采样定理对所得距离信息进行处理；

2.4)通过比对得出是否与合法用户脚步变化与距离匹配结论：

2.4.1)启动验证过程；

2.4.2)产生随机数；

2.4.3)依据随机数对验证用户特征进行采样；

2.4.4)通过聚类算法及KNN算法与特征库中信息进行匹配；

2.4.5)对结果进行判断，并依据结果发出相应信息。

2.根据权利要求1所述的一种基于声波的动态身份识别认证方法，其特征在于：所述的聚类算法为一种基于PSO的聚类算法，包括以下步骤：

1)相似度定义：

LD值定义为如下形式：

D_ij＝p_ij-p_ip_j

式中，表示特征i和特征j间的关联性，等于1时表示两个特征有着最强的关联性，等于0表示无任何关系，用于计算LD值，l表示特征最大可能取值，p_i表示第i个特征在一个列上出现的概率，p_j表示另一个列上特征j出现的概率，p_ij表示第i个特征和特征j同时出现的概率；

2)PSO聚类算法：

基于PSO的聚类算法利用个体列的编码实现对特征类的划分，利用适应度函数引导算法实现最优聚类，其每一列对应于一个特征，该列的数值取整后表示对应的特征所在类的标号；

适应度函数为如下形式：

式中x代表特征，X_q表示第q个类中特征所有可能取值的集合，m_q表示第q个类的聚类中心，n_q表示第q个类内特征的数目，k表示聚类的数目，表示特征j与第a个聚类中心的关联性，f值越小表示聚类的效果越好，此外，如果两个类中有一半或者一半以上的特征具有较强的相关性，则合并这两个聚类。