近日，k8凯发国际與人工智能學院移動計算與智能穿戴團隊青年教師吳淵博士在物聯網與智慧醫療、物聯網與人機交互方向取得了重要的研究進展。相關成果分別以「Ubi-Asthma: Towards Ubiquitous Asthma Detection using the Smartwatch」和「DMHC: Device-free multi-modal handwritten character recognition system with acoustic signal」為題發表在k8凯发国际領域中科院一區Top期刊《IEEE Internet of Things Journal》（ISSN：2327-4662）和中科院一區Top期刊《Knowledge-Based Systems》（ISSN：0950-7051）上。兩篇論文的第一單位為武漢紡織大學，第一作者為吳淵博士。

在Ubi-Asthma: Towards Ubiquitous Asthma Detection using the Smartwatch一文中，吳淵博士提出了一種基於超聲波的全場景下的人體呼吸檢測方法，並將提取的呼吸信號用於實時檢測哮喘病，為智慧醫療的應用提供了理論支撐。

文章連結：http://ieeexplore.ieee.org/abstract/document/10040599。

哮喘是現代社會常見的呼吸系統疾病。然而，人們很少意識到哮喘的症狀，因為哮喘的早期階段與普通感冒相似(例如，喘息、咳嗽、呼吸短促)。為了應對這一挑戰，吳淵博士提出了一種基於智能手錶的哮喘檢測系統Ubi-Asthma。Ubi-Asthma將呼吸信號與喉音(如咳嗽聲、清喉聲)信號相結合，實現被動、準確的哮喘檢測。Ubi-Asthma不僅可以在用戶行走的情況下提取用戶的呼吸信號，還可以在用戶進行語音交流的情況下識別喉音信號。結合呼吸和喉音的特點，提高哮喘檢測的準確性。吳淵博士使用商品級的智能手錶實現了一個功能齊全的原型。招募了50名志願者參加了長達150小時的實驗以訓練Ubi-Asthma。Ubi-Asthma的檢測準確率可達98.4%。Ubi-Asthma有望在未來為智能家居和智慧醫療應用提供潛在的解決方案。

圖1 基於智能手錶的哮喘檢測

圖2系統架構

在DMHC: Device-free multi-modal handwritten character recognition system with acoustic signal一文中，吳淵博士提出了一種基於聲信號的手寫字符識別方法，為智能物聯網與人機交互的應用提供了理論支撐。

論文連結為：http://doi.org/10.1016/j.knosys.2023.110314

由於觸摸屏尺寸小，在移動設備上高效打字一直是個難題。吳淵博士提出了一種有效的、無設備的多模態手寫字符識別系統DMHC。DMHC融合了兩種不同的聲學模式，即超聲波和一般音頻信號。DMHC提取了超聲和一般聲信號之間的潛在相互作用從而實現了抗噪音的手寫字符識別系統，可以可靠地識別現實生活中的手寫字符。文章提出了基於自注意力機制的方法實現了多信道融合。大量的實驗結果證明了DMHC在各種條件下的有效性和魯棒性，其中字母和單詞的識別準確率分別為97.4%和95.3%。

圖3基於超聲波的手寫字符識別

圖4手寫字符識別系統架構

近年來，在學校的大力支持下，k8凯发国际與人工智能學院在大力引進高水平人才的同時，凝聚學科方向，加強團隊建設，引導青年博士進團隊，採用多種舉措為引進人才和團隊的發展提供必要條件，人才引進成效逐漸凸顯。