近日，我院团队在物联网领域取得重要进展，两项成果被计算机网络顶级期刊IEEE Transactions on Mobile Computing录用（CCF-A）。
成果一：Maximizing Charging Utility with Fresnel Diffraction Model
该成果由林驰副教授、杨威（2023级博士研究生）、戴海鹏副教授（南京大学）、Mohammad S.Obaidat（约旦大学）、王雷教授、吴国伟教授、张强教授共同完成。这篇论文针对无线可充电传感器网络中存在障碍物时如何最大化充电效用这一问题展开了深入研究。他们首先通过实验发现了一个令人惊讶的现象：在某些特定情况下，障碍物不仅不会降低充电功率，反而能增强充电效率，最高可达34%。这一发现挑战了传统的自由空间充电模型，凸显了考虑障碍物影响的重要性。基于这一点，他们提出了一个基于菲涅尔衍射模型的新型充电模型，以更准确地描述障碍物对充电过程的复杂影响。为了降低计算复杂度，他们采用了空间离散化方案，并将问题巧妙地转化为一个子模函数最大化问题。随后，他们设计了一种具有近似保证的高效算法来解决这个问题。通过实验台测试和大规模仿真，他们证明了该方案比其他竞争算法平均提高了20.5%的充电效用。这项研究不仅揭示了障碍物对无线充电的复杂影响，还为实际应用中的无线充电网络设计提供了更实用、更精确的理论基础和解决方案，对于提高无线可充电传感器网络的性能具有重要意义。
成果二：AirWrite: An Aerial Handwriting Trajectory Tracking and Recognition System with mmWave
该成果由林驰副教授、孙周鹤（2021级硕士研究生）、Asfandeyar Ahmad（2021级博士研究生）、范鑫鑫副教授（中科院）、王祎副教授、王雷教授、樊鑫教授、吴国伟教授共同完成。这篇论文设计了一个名为AirWrite的创新系统，旨在解决空中手写轨迹跟踪和识别的问题。AirWrite利用77 GHz毫米波雷达技术，通过先进的信号处理和分析技术，实现了高精度的非接触式手写识别。该系统提出了一种基于多普勒效应的信号裁剪方法，能够有效地在时域中剔除非手写动作信号，提高了轨迹跟踪的准确性。此外，该系统通过分析信号频率范围内的功率变化，开发了一种提取手写信号的方法。这种方法能够识别手写频率，并有效地消除动态环境中的噪音。该系统还设计了一个轨迹跟踪模型，能够在各种条件下（如不同距离、角度、书写速度和字符大小）准确跟踪空中手写轨迹，即使在有障碍物和行人移动的环境中也能保持高精度。最后，该系统提出了一种将轨迹曲线转换为向量矩阵的识别方法，使系统能够使用小型数据集（仅34 KB）在0.15秒内实现超过96%的平均识别准确率。
期刊背景介绍
IEEE TMC（IEEE Transactions on Mobile Computing）属于计算机学会CCF-A类期刊，是物联网领域中顶级刊物，主要关注物联网领域理论算法及技术应用的最新研究进展。
