CN113168479A - 适于至少测量物理量的连接装置 - Google Patents
适于至少测量物理量的连接装置 Download PDFInfo
- Publication number
- CN113168479A CN113168479A CN201980065618.7A CN201980065618A CN113168479A CN 113168479 A CN113168479 A CN 113168479A CN 201980065618 A CN201980065618 A CN 201980065618A CN 113168479 A CN113168479 A CN 113168479A
- Authority
- CN
- China
- Prior art keywords
- noise
- connection device
- signal
- physical quantity
- sensor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005259 measurement Methods 0.000 claims abstract description 9
- 238000009826 distribution Methods 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 claims description 7
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 6
- 238000009827 uniform distribution Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 6
- 238000000034 method Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 101150004141 Vcan gene Proteins 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
- G06F21/6254—Protecting personal data, e.g. for financial or medical purposes by anonymising data, e.g. decorrelating personal data from the owner's identification
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
- G01R29/26—Measuring noise figure; Measuring signal-to-noise ratio
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L2209/00—Additional information or applications relating to cryptographic mechanisms or cryptographic arrangements for secret or secure communication H04L9/00
- H04L2209/42—Anonymization, e.g. involving pseudonyms
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Bioethics (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Indication And Recording Devices For Special Purposes And Tariff Metering Devices (AREA)
Abstract
本发明涉及一种连接装置(110),其包括适于至少测量物理量(100)并向远程装置(106)报告这个物理量(100)的测量的至少一个传感器(101),所述至少一个传感器系统(101)提供输出Z,该输出Z之后被数字化(102)以便提供包括第一分量和第二分量的输出信号Y,所述第一分量代表测量的物理量X(100)并且所述第二分量代表由所述至少一个传感器(101)引入的结构噪声R,其中,所述连接装置还包括噪声生成器(104),该噪声生成器(104)被构造成:使用代表所述结构噪声R的至少一个参数作为输入来生成(104)与所述结构噪声R不相关的模糊噪声V;将数字输出信号Y与模糊噪声V相组合以便生成信号Y';将信号Y'传输(105)到所述远程装置(106)。
Description
技术领域
本发明涉及适于至少测量物理量并向测量信号添加模糊噪声的连接装置。其适用于嵌入连接装置中的电子传感器。
背景技术
根据国际电信研究所提供的推荐ITU-T Y.2060,物联网(IoT)被定义为信息社会的全球基础设施,从而使得能够通过基于现有和不断发展的互操作信息和通信技术的互连物理和虚拟事物,来实现高级服务。事物是物理世界(物理事物)或者信息世界(虚拟事物)的对象,其能够被识别并被集成到通信网络中。当今,IoT通常应用于诸如安全监视、自动售货机、公共交通系统、车辆监视和管理、工业过程自动化、机动机械、城市信息化的领域中。
在本说明书中,术语连接装置指的是一件具有通信和感测能力的设备。连接装置例如包括无线通信模块(也称为机器类型通信(MTC)模块),其允许通过UMTS/HSDPA、CDMA/EVDO、LTE、5G、LoRa或其它网络技术将数据从一个IoT装置传输到另一个IoT装置或在机器之间交换数据。
诸如移动电话之类的现代连接装置通常被实现为具有多个传感器。传感器是被构造成获得关于周围物理世界的信息的部件,例如通过测量来自物理世界的量和/或探测活动。其例如适于提供输出信号,该输出信号能够被处理以作出决定或使用通信链路被传输到远程装置。
这里有当今被广泛使用的多个传感器的示例:加速计、温度传感器和运动传感器。这里提供该列表仅出于示例性目的,并且技术人员可以理解,在本发明的背景下也可以考虑其它类型的传感器。
当连接装置正在收集模拟数据时,它们在某种程度上是独特的,以致显然相同的连接装置可能会对相同的目标数据产生细微的差异。主要原因在于,嵌入连接装置中的每个传感器包含其概念所固有的且影响由模拟数据采集所产生的信号的轻微默认值。为此原因,当暴露于同一激励时,具有同样设计的两个传感器正产生不同输出信号。
上述连接装置正使用它们的一个或多个嵌入传感器来收集模拟数据,并且这些传感器的独特特征正影响它们产生其输出信号的方式。因此,每个连接装置能够呈现为是独特的,并且来自给定引擎(engine)的数据能够被看作是允许识别所述连接装置的签名。因此,能够通过恶意用户使用简单的信号处理技术识别出数据源,也就是说已经生成数据的连接装置。例如,在David Berend、Bernhard Jungk、Shivam Bhasin发表于IACRCryptology ePrint Archive 2017: 1169 (2017)的标题为“这有你的个人PIN:在单用户和跨用户设置下开发智能手机传感器融合(There Goes Your PIN: ExploitingSmartphone Sensor Fusion Under Single and Cross User Setting)”的文章中说明了嵌入智能手机中的运动传感器能够如何揭示用户的PIN。
因此,需要一种允许更好地隐去由连接装置提供的数据的方法。
发明内容
本发明涉及一种连接装置,其包括适于至少测量物理量并向远程装置报告这个物理量的测量的至少一个传感器,所述至少一个传感器系统提供输出Z,该输出Z之后被数字化以便提供包括第一和第二分量的输出信号Y,第一分量代表测量的物理量X并且第二分量代表由所述至少一个传感器引入的结构噪声R,其中,连接装置还包括噪声生成器,该噪声生成器被构造成:
- 使用代表结构噪声R的至少一个参数作为输入来生成与所述结构噪声R不相关的模糊噪声V;
- 将数字输出信号Y与模糊噪声V相结合以便生成信号Y';
- 将信号Y'传输到远程装置。
根据示例,模糊噪声V被生成为具有与结构噪声R相同的数量级。
根据示例,当连接装置被置于物理量X随时间保持恒定的人工条件下时,通过测量信号Y来确定代表结构噪声R的所述至少一个参数。
根据示例,使用可变条件,诸如可变电压条件或可变温度条件,来执行对Y信号的测量以用于确定代表结构噪声R的所述至少一个参数。
根据示例,使用Monte-Carlo方法估计结构噪声R的分布法则,该Monte-Carlo方法应用于当连接装置被置于人工条件下时生成的信号Y,所述估计的分布法则被用作用于生成模糊噪声V的参数。
根据示例,通过收集在将连接装置置于所述人工条件下时Y的实例,来确定R的最小r_min和最大r_max值,r_min和r_max被用作用于生成模糊噪声V的参数。
根据示例,通过使用高斯分布且r_min和r_max用作参数来导出高斯分布的平均值和标准偏差,来生成模糊噪声V。
根据示例,通过使用均匀分布且r_min和r_max用作V下边界和上边界来生成模糊噪声V。
根据示例,使用CMOS技术来实施所述至少一个传感器。
附图说明
在结合以下附图阅读说明本发明的实施例(作为指示性和非限制性示例给出)的具体实施方式之后,将更清楚地理解本发明的附加特征和优点,在附图中:
图1示意性图示了模糊由嵌入连接装置中的传感器生成的信号的原理。
具体实施方式
本发明的原理是向由一个或多个传感器的集提供的且携带有用分量的信号添加人工生成的噪声信号。有用分量代表由传感器从物理世界获得的测量量。
图1示意性图示了模糊由嵌入连接装置中的传感器生成的信号的原理。
根据这种示例,被标为X的物理量100由连接装置110测量。连接装置110包括被构造成生成模拟信号Z的传感器101:
这个模拟信号Z包括代表测量量X的第一信号分量,其能够被看作是信号的有用部分,也就是说包含旨在被处理和/或传输的有用信息的部分。此外,模拟信号Z也携带对应于由传感器101引入的结构噪声SN的第二分量。结构噪声是来自传感器的特征且可能来自感测中涉及的连接装置的其它部分的不希望的信号。
电子装置的设计是其进一步物理实施方式的抽象概念。当被实际构建时,来自同一源代码的两种实施方式产生两种不同的物理对象。事实上,材料量将由于环境条件、制造机器(其会是不同的或者是相同但其参数存在偏移)而稍稍不同。所有这些均导致制造变化。制造商需要将这些变化,也就是说将噪声限制在可接受界限内,以便维持功能且功能足够可靠,以致其提供良好的信噪比。注意到,本说明书采取CMOS技术作为示例,不过其也适用于其它技术,诸如TTL电路。
CMOS装置包含不同种类的噪声。在Kent H. Lundberg于2002年发表的标题为“块状CMOS中的噪声源(Noise Sources in Bulk CMOS)”的文章中已经报道了七种。它们的本质,也就是说它们遵循的随机分布法则是不同的并且从白噪声变化到粉噪声。CMOS装置的白噪声通常在物理真随机数生成器(PTRNG)中被利用于提供不可预测的随机数。但碰巧的是,CMOS装置的其它一些意想不到的性质也会出现,从而示出确定性或准确定性部分。这能够例如被用于生成物理不可克隆函数(PUF),如由Lilian Bossuet、Xuan Thuy Ngo、ZouhaCherif和Viktor Fischer撰写的于2013年10月在IEEE transactions on emergingtopics in computing上发表的名称为“基于瞬态效应环振荡器且对锁定现象不敏感的PUF(A PUF based on a transient effect ring oscillator and insensitive to lockingphenomenon)”的文章中所描绘的。已经表明,这种配置的数字输出由三个部分构成。第一部分链接到设计并且然后针对使用同一实施方式的所有装置将一直是相同的。最后一部分由用于真随机数生成器(TRNG)的均匀分布的随机数构成,其源自上文提到的噪声。中间部分取决于芯片并归因于制造过程。这部分将用作PUF、硬件的身份IP。在本发明背景下,特别令人感兴趣的正是制造过程副作用,其导致了噪声的一些部分依赖于IP。
根据本发明的方面,连接装置由印刷电路板(PCB)上的不同芯片的集构成。这些芯片中的每个将具有其自身的签名。技术人员将理解,本发明也适用于构成片上系统(SoC)的IP块。
根据本发明的方面,使用数模转换器102将模拟信号Z转换成数字信号Y。这种转换能够被表示为:
其中:
o是表明函数S是S1和S2构成的复合函数的运算符。
也呈现了噪声生成器104。其提供人工生成的噪声V,该人工生成的噪声V之后被添加103到数字信号Y以便生成信号Y'。Y'因此能够被表述如下:
信号Y'之后被传输105到远程装置106。
本发明的一个重要方面在于人工噪声V(也被称为模糊噪声)的生成是源自对结构噪声SN的估计,或者更精确地,源自信号SN对信号Y的数字化贡献R。
根据实施例,生成模糊噪声V以便具有与结构噪声SN的数字化贡献R相同的数量级。随后,为了简化目的,数字化贡献R被指定为结构噪声。
因此,模糊噪声V将足够显著,以模糊噪声R且因此避免由恶意的人识别连接装置,同时足够可忽略以保持信号Y'的有用部分可用,也就是说允许恢复物理量X的测量值且如果需要则有效地应用数字化处理。
因为结构噪声相比于Y的有用部分是可以忽略的,因此添加具有与估计的结构噪声相同数量级的模糊噪声将允许保持信噪比足够高以进行对物理世界的高质量测量。
为了估计结构噪声SN的数字化贡献R的特征,能够考虑多个实施例。
根据实施例,在由原始设备制造商(OEM)制造连接装置期间执行对结构噪声特征的估计。
根据示例,连接装置或者传感器在被集成到连接装置中之前被置于某些人工条件中,其中,待测量的物理量随时间保持恒定。因此,待采集的有用数据保持相同并且能够分析结构噪声对输出信号的贡献。
例如,如果使用互补金属氧化物半导体(CMOS)技术来实现传感器,过程变化将导致构成信号Y的样品具有不同数字值,即使系统的输入信号X恒定:
其中,y(t)和y(t+k)分别代表在实例t和t+k处Y的实现。
当输入信号X保持恒定时,能够将n个样品的对应集写为:
其中,C代表真实恒定值。
此外,Y也能够被写为如下:
结构噪声R链接到CMOS过程变化。
在这些条件下,Y是遵循未知法则LY的随机变量,其能够被写为Y ~ LY。
此外,R是遵循未知法则LR的随机变量,其能够被写为R~LR。
当X恒定时,则具有Y ~ LR。因此,能够通过测量Y的实现来估计LR。根据示例,Monte-Carlo方法能够被用于这个估计。D. P. Kroese、T. Taimre、Z.I. Botev、JohnWiley和Sons于2011撰写的名称为“Monte-Carlo方法手册(Handbook of Monte-CarloMethods)”的书籍提供了Monte -Carlo方法的示例。
当X恒定时,结构噪声R的特征能够使用具有更少计算复杂性的方法来进行估计。为此目的且根据实施例,能够例如在预定义时间间隔期间,通过收集Y的足够实例来得到这些边界中的良好置信度,从而获得R的最小r_min和最大r_min值。为了获得具有最佳可靠性水平的值,这些测量能够有利地在不同电压条件、温度条件下和/或使用其它可变条件来进行,如半导体工业中通常所做的那样。
注意到,R能够是恒定的,这是随机变量的一种特殊情况。
一旦已经估计了结构噪声的一个或多个特征,则可以使用这个或这些特征作为输入参数来生成人工噪声V。
例如,上述上和下边界(分别被标为r_min和r_max)允许定义如下性质:
其中,r(t)代表实例t处的R的实现。
根据本发明的一方面,人工生成的噪声V是被生成为使得其与结构噪声R不相关,同时足够大以隐藏R且足够小以保持由测量X获得的信息可用。
根据本发明的实施例,V能够作为被表述如下的高斯噪声被生成:
其中:
μ是高斯分布N的平均值;
σ是高斯分布N的标准偏差。
这是一种使V与V不相关的方式。
根据示例,μ和σ能够如下进行选择:
并且:
其中k是置信参数,其根据已经被用于估计R的试验次数被设定。试验次数越多,则k的值越大,这是因为记录的r_min和r_max值是实际边界。例如,k能够被选择成等于三或者六。
作为使用高斯分布的替代方案,能够通使用均匀噪声来进行模糊,也就是说能够使用通过使用均匀分布生成的噪声V来模糊R。换句话说,v(t)必须被随机生成并且以均匀方式进入集[r_min,r_max]中。
技术人员将理解,其它已知分布也能够被用于生成人工噪声V。
一旦生成,则V必须与Y组合,例如使用加法器103。替代性地,V能够以减法方式或被看作适于连接装置中实施的传感器的任意方式与Y组合。
Claims (9)
1.一种连接装置(110),其包括适于至少测量物理量(100)并向远程装置(106)报告这个物理量(100)的测量的至少一个传感器(101),所述至少一个传感器系统(101)提供输出Z,该输出Z之后被数字化(102)以便提供包括第一分量和第二分量的输出信号Y,所述第一分量代表测量的物理量X(100)并且所述第二分量代表由所述至少一个传感器(101)引入的结构噪声R,其中,所述连接装置还包括噪声生成器(104),该噪声生成器(104)被构造成:
- 使用代表所述结构噪声R的至少一个参数作为输入来生成(104)与所述结构噪声R不相关的模糊噪声V;
- 将所述数字输出信号Y与所述模糊噪声V组合以便生成信号Y';
- 将信号Y'传输(105)到所述远程装置(106)。
2.根据权利要求1所述的连接装置(110),其中,所述模糊噪声V被生成为具有与所述结构噪声R相同的数量级。
3.根据权利要求1所述的连接装置(110),其中,当所述连接装置(110)被置于所述物理量X随时间保持恒定的人工条件下时,通过测量信号Y来确定代表所述结构噪声R的所述至少一个参数。
4.根据权利要求3所述的连接装置(110),其中,使用可变条件,诸如可变电压条件或可变温度条件,来执行对所述Y信号的测量以用于确定代表所述结构噪声R的所述至少一个参数。
5.根据权利要求3或4中任一项所述的连接装置(110),其中,使用Monte-Carlo方法估计所述结构噪声R的分布法则,该Monte-Carlo方法应用于当所述连接装置(110)被置于人工条件下时生成的信号Y,所述估计的分布法则被用作生成所述模糊噪声V的参数。
6.根据权利要求3至5中任一项所述的连接装置(110),其中,通过收集在将所述连接装置置于所述人工条件下时Y的实例,来确定R的最小r_min和最大r_max值,r_min和r_max被用作用于生成所述模糊噪声V的参数。
7.根据权利要求6所述的连接装置(110),其中,通过使用高斯分布且r_min和r_max用作参数来导出所述高斯分布的平均值和标准偏差,来生成所述模糊噪声V。
8.根据权利要求6所述的连接装置(110),其中,通过使用均匀分布且r_min和r_max用作V下边界和上边界来生成所述模糊噪声V。
9.根据前述权利要求中任一项所述的连接装置(110),其中,使用CMOS技术来实施所述至少一个传感器。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP18306312.2 | 2018-10-04 | ||
EP18306312.2A EP3633534A1 (en) | 2018-10-04 | 2018-10-04 | A connected device adapted to measure at least a physical quantity |
PCT/EP2019/074977 WO2020069867A1 (en) | 2018-10-04 | 2019-09-18 | A connected device adapted to measure at least a physical quantity |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113168479A true CN113168479A (zh) | 2021-07-23 |
Family
ID=64959176
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980065618.7A Pending CN113168479A (zh) | 2018-10-04 | 2019-09-18 | 适于至少测量物理量的连接装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11921893B2 (zh) |
EP (2) | EP3633534A1 (zh) |
JP (1) | JP2022502965A (zh) |
CN (1) | CN113168479A (zh) |
WO (1) | WO2020069867A1 (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03262938A (ja) * | 1990-03-13 | 1991-11-22 | Nec Corp | 半導体バイオセンサの出力信号処理方法 |
WO1994028557A1 (en) * | 1993-05-27 | 1994-12-08 | Arch Development Corporation | System for monitoring an industrial process and determining sensor status |
EP1217746A1 (en) * | 2000-12-18 | 2002-06-26 | STMicroelectronics S.r.l. | A process for compensating matching errors in analog/digital converters of cascaded structure and a corresponding converter |
WO2011120575A1 (en) * | 2010-03-31 | 2011-10-06 | Innovationszentrum | Apparatus and method for converting an analog time domain signal into a digital frequency domain signal, and apparatus and method for converting an analog time domain signal into a digital time domain signal |
US20150100279A1 (en) * | 2013-10-09 | 2015-04-09 | Optoplan As | Processing data from a distributed fibre-optic interferometric sensor system |
US20170023630A1 (en) * | 2015-07-24 | 2017-01-26 | Infineon Technologies Ag | Sensor device, evaluation device and corresponding systems and methods |
WO2018102093A1 (en) * | 2016-11-29 | 2018-06-07 | President And Fellows Of Harvard College | All-digital noise cancellation method for solid state spin-based sensors |
Family Cites Families (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7297242B2 (en) * | 2004-08-25 | 2007-11-20 | Honeywell International, Inc. | Self-adjusting electrochemical sensor |
US9285224B2 (en) * | 2011-04-06 | 2016-03-15 | Uti Limited Partnership | System and method for gyroscope error estimation |
JP6098087B2 (ja) | 2012-09-21 | 2017-03-22 | 富士通株式会社 | 解析方法、解析装置および解析プログラム |
JP2014109647A (ja) * | 2012-11-30 | 2014-06-12 | Intec Inc | サービス提供システム |
EP2981930A2 (en) * | 2013-04-05 | 2016-02-10 | DIRIK, Ahmet Emir | Anonymization system and method for digital images |
US9740882B2 (en) * | 2014-02-28 | 2017-08-22 | Intel Corporation | Sensor privacy mode |
IN2014MU00870A (zh) * | 2014-03-14 | 2015-09-25 | Tata Consultancy Services Ltd | |
US20160071184A1 (en) * | 2014-09-08 | 2016-03-10 | Leeo, Inc. | Service-improvements based on input-output analysis |
US10963319B2 (en) * | 2016-01-06 | 2021-03-30 | International Business Machines Corporation | Enhancing privacy of sensor data from devices using ephemeral cohorts |
WO2017156577A1 (en) * | 2016-03-14 | 2017-09-21 | National Ict Australia Limited | Energy harvesting for sensor systems |
US11774944B2 (en) * | 2016-05-09 | 2023-10-03 | Strong Force Iot Portfolio 2016, Llc | Methods and systems for the industrial internet of things |
AU2018225834B2 (en) * | 2017-02-24 | 2022-12-01 | Sunnybrook Research Institute | Systems and methods for noise reduction in imaging |
US10976239B1 (en) * | 2017-03-14 | 2021-04-13 | Hart Scientific Consulting International Llc | Systems and methods for determining polarization properties with high temporal bandwidth |
EP3457154B1 (en) * | 2017-09-13 | 2020-04-08 | Melexis Technologies SA | Stray field rejection in magnetic sensors |
EP3729417A1 (en) * | 2017-12-22 | 2020-10-28 | Ultrahaptics Ip Ltd | Tracking in haptic systems |
JP7114833B2 (ja) * | 2018-01-22 | 2022-08-09 | ブリルニクスジャパン株式会社 | 固体撮像装置、固体撮像装置の駆動方法、および電子機器 |
EP3517897B1 (en) * | 2018-01-25 | 2020-10-28 | Melexis Technologies SA | Position sensing device |
US10970441B1 (en) * | 2018-02-26 | 2021-04-06 | Washington University | System and method using neural networks for analog-to-information processors |
WO2019186560A1 (en) * | 2018-03-28 | 2019-10-03 | Adam Cogtech Ltd. | Cognitive state-based seamless stimuli |
ES2820228T3 (es) * | 2018-03-29 | 2021-04-20 | Leica Microsystems | Aparato y método, en particular para microscopios y endoscopios, que utilizan estimación de línea de base y minimización semi-cuadrática para eliminar la borrosidad de imágenes |
US11450087B2 (en) * | 2018-04-18 | 2022-09-20 | Trustees Of Tufts College | System and method for multimedia analytic processing and display |
US11216923B2 (en) * | 2018-05-23 | 2022-01-04 | Samsung Electronics Co., Ltd. | Apparatus and method for successive multi-frame image denoising |
WO2020006078A1 (en) * | 2018-06-26 | 2020-01-02 | Gopro, Inc. | Entropy maximization based auto-exposure |
EP3605287A1 (en) * | 2018-07-31 | 2020-02-05 | Nokia Technologies Oy | An apparatus, method and computer program for adjusting output signals |
WO2020056718A1 (zh) * | 2018-09-21 | 2020-03-26 | 华为技术有限公司 | 在设备中的神经网络模型的量化方法和装置 |
-
2018
- 2018-10-04 EP EP18306312.2A patent/EP3633534A1/en not_active Withdrawn
-
2019
- 2019-09-18 CN CN201980065618.7A patent/CN113168479A/zh active Pending
- 2019-09-18 US US17/281,059 patent/US11921893B2/en active Active
- 2019-09-18 WO PCT/EP2019/074977 patent/WO2020069867A1/en unknown
- 2019-09-18 JP JP2021518631A patent/JP2022502965A/ja active Pending
- 2019-09-18 EP EP19768842.7A patent/EP3861476A1/en active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03262938A (ja) * | 1990-03-13 | 1991-11-22 | Nec Corp | 半導体バイオセンサの出力信号処理方法 |
WO1994028557A1 (en) * | 1993-05-27 | 1994-12-08 | Arch Development Corporation | System for monitoring an industrial process and determining sensor status |
EP1217746A1 (en) * | 2000-12-18 | 2002-06-26 | STMicroelectronics S.r.l. | A process for compensating matching errors in analog/digital converters of cascaded structure and a corresponding converter |
WO2011120575A1 (en) * | 2010-03-31 | 2011-10-06 | Innovationszentrum | Apparatus and method for converting an analog time domain signal into a digital frequency domain signal, and apparatus and method for converting an analog time domain signal into a digital time domain signal |
US20150100279A1 (en) * | 2013-10-09 | 2015-04-09 | Optoplan As | Processing data from a distributed fibre-optic interferometric sensor system |
US20170023630A1 (en) * | 2015-07-24 | 2017-01-26 | Infineon Technologies Ag | Sensor device, evaluation device and corresponding systems and methods |
WO2018102093A1 (en) * | 2016-11-29 | 2018-06-07 | President And Fellows Of Harvard College | All-digital noise cancellation method for solid state spin-based sensors |
Also Published As
Publication number | Publication date |
---|---|
EP3861476A1 (en) | 2021-08-11 |
WO2020069867A1 (en) | 2020-04-09 |
EP3633534A1 (en) | 2020-04-08 |
JP2022502965A (ja) | 2022-01-11 |
US20210342481A1 (en) | 2021-11-04 |
US11921893B2 (en) | 2024-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | SensorID: Sensor calibration fingerprinting for smartphones | |
US10003928B2 (en) | Crowd-sourced passive positioning and calibration | |
CN113312667B (zh) | 一种风险防控方法、装置及设备 | |
WO2017204891A1 (en) | Authentication system and method | |
CN109344042B (zh) | 异常操作行为的识别方法、装置、设备及介质 | |
US10452872B2 (en) | Detection system for detecting changes to circuitry and method of using the same | |
CN111161259A (zh) | 检测图像是否被篡改的方法及装置和电子设备 | |
Ohira et al. | PLI-TDC: Super fine delay-time based physical-layer identification with time-to-digital converter for in-vehicle networks | |
CN113168479A (zh) | 适于至少测量物理量的连接装置 | |
CN113032047B (zh) | 人脸识别系统应用方法、电子设备及存储介质 | |
US8612756B1 (en) | Methods and devices for adjusting the precision of location information | |
CN107709934B (zh) | 用于对转子位置角度进行核实的控制线路和方法 | |
CN112964246B (zh) | 无人机多传感器数据融合方法、装置、存储介质及设备 | |
US11528152B2 (en) | Watermarking for electronic device tracking or verification | |
CN113901417A (zh) | 一种移动设备指纹生成方法及可读存储介质 | |
WO2021095044A1 (en) | Apparatuses, methods, and computer programs for detecting an impostor system | |
CN111222056B (zh) | 相关用户的匹配方法、装置、设备和介质 | |
CN107800561B (zh) | 资源更新方法和装置 | |
CN112665585B (zh) | 消除车辆周期性震动干扰的方法、装置以及终端设备 | |
CN112969232B (zh) | 一种压制式干扰源定位方法、装置及电子设备 | |
CN112203221B (zh) | 一种异常采样点的确定方法及装置 | |
CN110398240B (zh) | 一种基于电子围栏的位置判定方法、装置与电子设备 | |
CN113259193B (zh) | 一种目标网络的检测方法、装置、设备及存储介质 | |
WO2021085196A1 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
CN105865748B (zh) | 一种基于粒子群算法的图像传感器关键性能参数的测试方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230316 Address after: French Meudon Applicant after: Thales Digital Security France Easy Stock Co. Address before: French Meudon Applicant before: Thales Digital Security France |