基于声音信号的击键内容自适应识别系统

发布时间：2022-05-08 11:53

　　如今,随着信息技术的不断发展,信息安全问题也日益重要,人们对信息保密的要求越来越高,用户的安全防范意识正逐渐增强。在工作生活当中,键盘作为人与计算机的主要交互工具,用户使用它的行为数据,容易被不法分子窃取分析,成为导致信息泄露的漏洞。正因如此,借助于信息处理技术和无线识别技术,对用户使用键盘的行为数据进行采集分析识别,能够对保护用户信息安全提供有力支持,有助于更好地实施人机交互过程中的反监测反窃听。目前对键盘击键内容的识别方案,主要有以下几个方面:其一,基于声音信号的击键识别,根据击键声音信号到达麦克风阵列的不同时间,来定位击键的具体位置,但此种方案需要硬件设备较多且精度不高;其二,基于电磁波信号的击键识别,利用用户在敲击不同键位时其手指动作对电磁信号产生的不同影响来识别击键,然而这类方案极易受到外部电磁干扰,且需要额外设备支持;其三,基于计算机视觉的击键识别,通过摄像头等图像采集装置捕捉用户敲击键盘的动作,利用图像处理算法识别击键位置,不过此类方案除了硬件设备开销大和耗能较高,还受环境光强的制约,弱光或黑暗环境下将不再适用。为了解决现有对击键行为识别的技术方案的种种问题,本文提出了一... 

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题研究的背景及意义
    1.2 国内外研究现状
        1.2.1 基于声音信号的击键识别
        1.2.2 基于电磁信号的击键识别
        1.2.3 基于计算机视觉及其他方案的击键识别
    1.3 本文的研究内容
    1.4 本文的章节安排
    1.5 本章小结
第2章 相关理论研究
    2.1 声音与声信号
    2.2 声源定位技术
        2.2.1 TOA定位算法
        2.2.2 AOA定位算法
        2.2.3 TDOA定位算法
        2.2.4 RSSI定位算法
    2.3 声信号感知
        2.3.1 无源感知
        2.3.2 有源感知
    2.4 盲源分离理论
        2.4.1 盲源信号分离的研究对象
        2.4.2 盲源信号分离的可行性
    2.5 分类算法研究
        2.5.1 支持向量机(SVM)
        2.5.2 K最近邻算法(KNN)
    2.6 本章小结
第3章 基于声音信号的击键内容自适应识别
    3.1 系统设计
    3.2 击键数据采集和预处理
        3.2.1 击键声音信号的采集
        3.2.2 击键声音信号的降噪处理
    3.3 击键事件的检测与分类
        3.3.1 击键声音事件的提取
        3.3.2 非高斯性度量与击键事件分类
    3.4 击键声音信号的特征提取
        3.4.1 单键敲击的特征提取
        3.4.2 组合键混叠信号的盲分离
    3.5 特征分类与击键内容识别
    3.6 本章小结
第4章 实验结果分析与性能评估
    4.1 实验平台搭建及数据采集
        4.1.1 实验硬件和软件
        4.1.2 实验场景设置
    4.2 实验结果分析
        4.2.1 单键敲击识别结果
        4.2.2 组合键敲击识别结果
        4.2.3 位置改变对精度的影响
        4.2.4 训练样本数量对精度的影响
        4.2.5 不同用户对精度的影响
    4.3 算法性能评估
    4.4 本章小结
第5章 总结与展望
参考文献
致谢
攻读硕士学位期间的研究成果


【参考文献】：
期刊论文
[1]小波变换思想及其在信号处理中的应用[J]. 亓丽梅,李晓峰,张国柱.  电子科技大学学报. 2008(03)
[2]基于最小输出熵的盲反卷积方法[J]. 刘琚,聂开宝,梅良模,何振亚.  山东大学学报(理学版). 2002(06)

博士论文
[1]盲源信号分离时域与频域算法研究[D]. 梅铁民.大连理工大学 2006



本文编号：3651612