專利名稱：補償幫助數據系統中的采集噪聲的制作方法
技術領域：
本發明涉及使用和參考對象相關的第一幫助數據以及第一控制值鑒別第一物理對象的方法，所述方法包括下列步驟采集該第一物理對象的測定數據，利用輸入數據的噪聲補償映射生成第一特性集合，所述輸入數據從包括該第一幫助數據和該測定數據的信息得到，利用該第一特性集合和該第一控制值，確定該第一物理對象和該參考對象之間的充分匹配。
標識和鑒別是用來確定身份所常用的技術，身份可以是人或者對象的身份。標識和鑒別應用領域的主要例子是信息或者建筑物的訪問控制、付款和其他交易授權。標識和鑒別是緊密相關而具有細微差別的兩個概念。
在鑒別過程中，對具有標稱身份的對象進行鑒別。隨后，將要進行鑒別的對象的特性和具有標稱身份的登記對象的特性進行匹配。如果匹配足夠好，被鑒別對象的身份就是標稱身份。因而，鑒別涉及將被鑒別的對象和與標稱身份相關的登記對象進行匹配。
在標識對象的過程中，通過將對象的特性和之前登記的多個對象的特性進行匹配來確定物理對象的身份。如果成功得到匹配，則將被鑒別對象的身份視為匹配對象的身份。可將標識過程視為一系列鑒別過程，其中，用不同的登記對象反復鑒別物理對象。
在實際鑒別系統中，鑒別過程之前通常有一個登記過程。在登記過程中，對所處理對象的特性進行測量和存儲。根據測量數據生成所謂的模版數據，模版數據代表物理對象。生成模版數據會涉及對測量的數據進行處理，以濾除特殊對象的特性。所得的模版數據用于在鑒別過程中將測量的特性和登記對象的特性進行匹配。
乍看之下，模版數據可能無甚價值。然而，在將模版數據有規律地用于進行金融交易時，其價值變得顯而易見。此外，對于生物測定鑒別系統，模版數據可能還包括敏感的隱私生物測定數據，因而將更具價值。
國際申請WO 2004/104899(PHNL030552)公開了對該安全/隱私問題的解決方案，其形式為用于鑒別物理對象的幫助數據系統。
幫助數據系統為鑒別終端提供所謂的幫助數據和控制值。幫助數據和控制值都在登記階段生成，用來替代實際模版數據。幫助數據通過模版數據生成，但是對模版數據的特性進行模糊，使得模版數據和幫助數據之間幾乎沒有關聯。控制值與幫助數據并行生成，作為鑒別過程的控制值。
在鑒別過程中使用幫助數據和控制值。首先，幫助數據和從物理對象得到的測定值(例如，面部特征數據)結合。隨后，將該結合的數據“濃縮”成第二控制值。將該第二控制值和登記階段生成的控制值比較。這兩個控制值匹配時，鑒別成功。
在鑒別過程中，通過如指紋掃描裝置等數據采集裝置從物理對象采集(生物)測定數據。通常，在數據采集過程中在采集數據中引入噪聲。該噪聲可能由多種原因引起，例如生產采集裝置的工藝差別、采集裝置的老化和磨損等。可以將關于采集噪聲的信息用于改進鑒別的失敗拒絕率。不幸的是，量化采集噪聲所需的模版數據在鑒別階段在幫助數據系統中不可用。
本發明的目的是利用幫助數據和控制值對鑒別物理對象的過程中由數據采集過程引入的采集噪聲分量進行噪聲大小量化，而不需要利用和所述物理對象相關的模版數據。
該目的通過導言部分所述的方法實現，該方法進一步的特征在于，還包括生成噪聲大小的步驟，該噪聲大小對數據采集中引入的噪聲進行量化，所述步驟包括下面的子步驟利用噪聲補償映射重新構建參考對象的登記過程中所生成的抗噪聲映射的輸出；以及通過計算鑒別過程中噪聲補償映射的輸入和重新構建的參考對象的登記過程中所生成的抗噪聲映射的輸出之間的差別，生成噪聲大小。
采用通過幫助數據的模版保護的鑒別方法包括，登記過程中應用的生成幫助數據的抗噪聲映射和鑒別過程中應用的噪聲補償映射。抗噪聲映射用于提供對從物理對象采集得到的(生物)測定數據中的大小誤差的恢復。噪聲補償映射可以解釋為抗噪聲映射的逆轉，抗噪聲映射增加噪聲恢復性，而噪聲補償映射利用它在存在噪聲的情況下重新構建原始消息。只要抗噪聲映射足夠魯棒，或者大小的噪聲足夠小，就可以成功鑒別。
根據本發明的方法采集被鑒別的物理對象的(生物)測定數據，并將該數據和參考物體的登記過程中生成的第一幫助數據結合。隨后，將結合后的數據用作噪聲補償映射的輸入，其生成第一特性集合。這用于確定從第一特性集合和第一控制值獲得的信息之間足夠匹配。后者通常需要從第一特性集合生成第三控制值，隨后比較第一和第三控制值。如果控制值匹配，鑒別成功。
本發明利用如下事實，在成功的鑒別中，噪聲補償映射提供對采集噪聲補償的足夠恢復性。結果，可以確定成功鑒別中的噪聲大小對采集噪聲進行量化而不使用實際的模版數據。
如果鑒別成功，可通過對第一特性集合進行抗噪聲映射，利用第一特性集合來重新構建參考物體在登記過程中產生的特性集合C。隨后，可以量化物理對象的鑒別過程中應用的噪聲補償映射的輸入和參考對象的登記過程中使用的抗噪聲映射的輸出之間的區別。
在成功的鑒別中，證實參考對象即為物理對象。結果，可以通過將噪聲補償映射的輸入從重新構建的抗噪聲映射輸出中減去而確定噪聲大小。
對于某些類型的抗噪聲/噪聲補償映射而言，可以通過利用所討論的映射特性進一步簡化該過程。系統糾錯碼解碼算法(下文稱為系統ECC解碼算法)是有益的噪聲補償映射的主要例子。系統ECC是利用相同的字符集來定義輸入和輸出的糾錯碼，而且，輸入和輸出數據以及奇偶校驗符號格式都相同。在系統ECC的碼字中，將數據符號不經進一步編碼而包括進行，并且同樣可以將其識別。
ECC解碼算法將輸入碼字映射到數據和奇偶校驗都匹配的最接近碼字。當輸入碼字中的錯誤數低于可以糾正的最大數目時，輸出碼字就包括原始的無噪聲數據及其相關的奇偶校驗。
幫助數據系統中的鑒別過程使用系統ECC時，重新構建的第一特性集合是數據和奇偶校驗匹配的碼字。隨后將該碼字作為應用系統ECC編碼算法的抗噪聲映射的輸入時，抗噪聲映射的輸出和輸入碼字相同。這進而意味著成功鑒別時，當第一特性集合S1作為系統ECC編碼器的輸入時，所得的輸出等于第一特性集合S1。這進一步意味著第一特性集合S1等于參考對象的登記過程中所生成的特性集合C。這樣，確定噪聲大小對應于將噪聲補償映射的輸入從噪聲補償映射的輸出中減去。
如果所選擇的的噪聲補償映射不是系統ECC解碼算法，例如，這種碼使用不同的輸出和輸出字符集，則需要另外的步驟來確定噪聲大小，因為不能將噪聲補償映射的輸出和輸出相減。這時，可以通過對噪聲補償映射的輸出應用抗噪聲映射，然后將噪聲補償映射的輸入從抗噪聲映射的輸出減去來計算噪聲大小。
以這種方式確定的噪聲大小包括從采集裝置的掃描表面的劃痕到CCD上的錯誤像素等采集過程引入的所有噪聲。
確定和采集裝置而不是單個數據采集相關的更可靠的噪聲大小的其他步驟是，收集多個噪聲大小，隨后，濾除不相關的噪聲分量。這樣做最簡單的方法是通對多個造成大小(優選地對多個物體)求平均來生成噪聲大小。
同樣的方法也可以用于受控環境，例如，在校準過程中，其中，平均是受限的，或者不需要平均。事實上，本方法可以對使用幫助數據進行鑒別的裝置進行校準，這通過重新使用所關注的結構，而不會向校準終端的人提供關于所使用的模版數據或者底層算法的信息。
一旦確定了大小，就可以利用它來補償數據采集過程引入的噪聲。事實上，可以進行兩類噪聲補償 -靜態噪聲補償； -動態噪聲補償。
進行靜態噪聲補償的裝置的例子是鑒別如下物理對象的裝置，其中，早期鑒別或者校準過程中的噪聲大小和幫助數據以及從物理對象獲得的測定數據相結合。
通過對采集裝置引入的不隨時間變化的噪聲分量進行補償，噪聲補償映射可以利用抗噪聲映射的全部噪聲恢復能力來抑制噪聲的時變性質，例如暫態或者中間噪聲源。
或者，本發明有助于下面的動態噪聲補償方法，其中，在鑒別過程中確定噪聲大小并進行更新，這樣，用于鑒別物理對象的裝置或者系統可以跟蹤由于劃傷或者污損或者所導致的采集裝置逐漸變化，或者由于采集裝置的老化所引起的變差。
盡管在鑒別過程中有效地確定噪聲大小，可以將這些噪聲大小收集并存儲以用于確定更好的噪聲大小的進一步處理的輸入。然后，可將該噪聲大小用于其他的鑒別過程。這樣，噪聲大小更新不和成功的鑒別同時發生，而是可以任意的間隔發生。
本發明還可用于使用幫助數據和控制值鑒別物理對象的系統。該系統可以包括通過網絡連接的一個或多個存儲數據的服務器，一個或多個客戶端，本方法可以用分布式方式實現，其中，數據采集位于客戶端，噪聲大小計算和進一步的處理集中在一個或多個服務器。
或者，系統中服務器的作用可以減少為存儲幫助數據和控制值，而將數據采集、噪聲大小生成和噪聲大小存儲留給各個客戶端。
特別是在大的分布式系統中，對噪聲大小進行監控有助于指示個別客戶端需要維護或者更換，因而防止系統故障。噪聲大小指示由采集裝置引入的噪聲，因而指示鑒別錯誤的可能性。結果，可將噪聲大小用作各個客戶端的診斷信息。
下面，參考附圖對生物測定鑒別系統的這些和其他方面進行詳細描述和說明，其中

圖1是根據在先技術用于鑒別物理對象的幫助數據的框圖。
圖2示出用于鑒別第一物理對象的裝置，其用于根據本發明生成新的噪聲大小。
圖3示出用于鑒別第二物理對象的裝置，其用于利用根據本發明生成的噪聲測量。
圖4示出用于鑒別第二物理對象的裝置，其用于利用根據本發明生成的噪聲大小并根據本發明生成新的噪聲大小。
圖5示出用于鑒別物理對象并利用根據本發明生成的噪聲大小的系統框圖。
所有附圖中，相同的參考標號指代相同的部件或者執行相同功能的部件。
雖然將本發明描述為主要用于鑒別系統，但是本發明也可同樣有益地用于標識系統。
在鑒別過程中，通常將從具有標稱身份的物理對象獲得的測定數據與和具有標稱身份的參考對象相關的登記數據進行比較。在標識過程中，通常將從不具標稱身份的物理對象獲得的測定數據與和一系列參考對象相關的登記數據進行比較，以確定身份。
兩個過程都有效地執行在鑒別/標識過程中獲得的測定數據的比較，并將該數據與至少一個參考對象的登記數據進行比較。盡管本例主要強調和鑒別過程相關的問題，但是本領域的技術人員可以在不脫離所附的權利要求限定的范圍的情況下，實現用于標識物理對象的其他實施例。
在詳細解釋本發明之前，利用圖1的框圖對應用模版保護的鑒別系統的一般概念做進一步說明。圖1左手側示出登記過程ENRL，在注冊過程ENRL中，為被登記的對象生成幫助數據W和控制值V。隨后，將該數據存儲在位于中間的鑒別數據集合ADS中。在圖1右手側示出的鑒別過程AUTH中，對具有標稱身份的物理對象(圖1未示出)進行鑒別。
一開始，對鑒別數據集合ADS進行搜索以查找具有標稱身份的參考對象。如果沒有該參考對象，則鑒別失敗。如果找到參考對象，則從鑒別數據集合ADS中獲得和與標稱身份相關的第一幫助數據W1與相應的第一控制值V1。該數據用于決定被鑒別的物理對象與參考對象是否充分匹配。如果得到充分匹配，則鑒別結果為肯定的。
假定使用幫助數據系統利用指紋數據形式的生物測定數據來鑒別人。此外，假定生物測定模版數據包括指紋中心區域的線條和皺摺的圖形表示。關于采集過程中中心區域的方向和位置這類問題不在本發明討論范圍內。
在登記過程ENRL中，人將他/她的手指放在指紋掃描裝置上。一個和多個指紋掃描結果用于構造生物測定模版X。此外，選擇特性集合S，其可能是保密的。通過抗噪聲映射NRM將特性集合S映射到特性集合C。
隨后，將特性集合C和生物測定模版X結合以產生幫助數據W。實際的幫助數據系統中，特性集合S和抗噪聲映射NRM選擇為使得所得的幫助數據很少表現出與生物測定模版數據X的關聯，或者不表現出它們的關聯。這樣，使用幫助數據W不會將生物測定模版數據暴露給惡意用戶。
為了可以進行鑒別，登記過程還包括生成控制值V。用特性集合S生成控制值V。盡管控制值V可以和特性集合S相同，但這對強調安全的系統是不可取的。在安全幫助數據系統中，應該不能利用控制值V重新構建特性集合S。當通過特性集合S的單向映射生成控制值V時，可以滿足該要求。加密哈希方程是單向映射的很好例子。如果安全性不重要，也可使用非單向映射。最后，將一對幫助數據W和控制值V存儲在鑒別數據集合ADS中。
盡管可以使用一對幫助數據W和控制值V來標識特定的對象，但是也可以用多對幫助數據和控制值來標識特定的對象。可以通過選擇不同的特性集合S來生成其他幫助數據和控制值。多對幫助數據和控制值對于管理訪問級別或者系統更新尤其有用。目前，假定對于每個登記的對象，鑒別數據集合僅包括一對幫助數據和控制值。
在鑒別過程AUTH中，采集來自物理對象(圖1未示出)的(生物)測定數據Y1(指紋)。此外，提供所標稱的身份。下一步是檢查鑒別數據集合ADS是否包括具有所述標稱身份的參考對象的第一幫助數據W1和第一控制值V1。如果有的話，獲得和參考對象相關的第一幫助數據W1和第一控制值V1。
接下來，物理對象OBJ的(生物)測定數據Y1和第一幫助數據W1結合，得到第一特性集合C1。如果物理對象對應于參考對象，則(生物)測定數據Y1可以解釋為生物測定模版X的有噪聲版本 Y1＝X+N(其中N很小) 第一幫助數據W1可以用模版數據X和特性集合C表示為 W1＝C-X 通過替換，第一特性集合C可以表示為 C1＝C-X+Y1 C1＝C-X+X+N C1＝C+N 將第一特性集合C1傳遞給噪聲補償映射NCM，以產生第一特性集合S1。現在，假定物理對象對應于參考對象。只要(生物)測定數據Y1中的噪聲分量N足夠小，或者抗噪聲映射NRM足夠魯棒，則對抗噪聲映射NRM進行反轉即可重新構造第一特性集合S1，該第一特性集合S1和登記過程中用來生成第一幫助數據W1的原始特性集合S一樣。
隨后，以和第一控制值V1類似的方式，用第一特性集合S1來計算第二控制值V2。接下來，將第二控制值V2和登記過程中生成的第一控制值V1進行比較。只要抗噪聲映射NRM提供了對噪聲的足夠恢復，第二控制值V2就與第一控制值V1相同。如果這兩個值相同，鑒別就成功，將物理對象OBJ的身份確定為所標稱的身份。
可以從多種映射模塊中選擇抗噪聲映射NRM。簡單的抗噪聲映射NRM可能是對輸入符號的復制。進而，噪聲補償映射NCM可能需要使用所接收的符號進行多數投票。在另一端，可以選用如ReedSolomon ECC編碼算法的更精確抗噪聲映射NRM。
本發明可用于量化從第一物理對象OBJ1采集第一測定數據Y1時引入的噪聲。該噪聲可能源自如下的各種源 1、采集系統制造工藝的差異；例如，考慮銀行鑒別終端的網絡，如果多年間用不同的傳感器來進行數據采集，各個終端傳感器的靈敏度以及偏差可能都不同。
2、使用所造成的差異； 如果指紋采集裝置已經使用了很長時間，指紋掃描裝置的表面可能被劃傷或者污損。
3、由于老化造成的差異； 當傳感器老化時，其靈敏度和功能性可能會顯著下降。
4、由于環境特性造成的差異； 如果用于臉部辨識的采集裝置位于環境光線很強的環境中，這會影響所采集的測定數據的對比度。
通常，1和4所導致的噪聲不隨時間改變，而2和3所導致的噪聲會慢慢變化。源1和4所引入的噪聲可以使用靜態補償進行補償，而2和3引入的噪聲需要動態補償。對兩種補償方法都會進行討論。
圖2示出了用于鑒別物理對象OBJ1的裝置APP1，其使用和參考對象相關的第一幫助數據W1和第一控制值V1，以根據本發明生成噪聲大小。裝置APP1包括三個子塊采集裝置ACQ、噪聲補償映射裝置NCMM和確定裝置(EM)。假定物理對象對應于參考對象。
噪聲補償映射裝置NCMM將第一幫助數據W1和由采集裝置ACQ從第一物理對象OBJ1采集的測定數據Y1結合。隨后，將所得的特性集合C1用作噪聲補償映射NCM的輸入。噪聲補償映射NCM的輸出對應于第一特性集合S1。
確定裝置EM使用第一特性集合S1來生成第三控制值V3，將該第三控制值V3與和參考對象相關的第一控制值V1進行比較。如果這兩個控制值匹配，則鑒別成功，物理對象和登記的參考對象匹配。
因為參考對象和物理對象是相同的，所以生成的第一特性集合S1和參考對象登記中所使用的特性集合S相同。隨后，可以重新構建登記過程中將抗噪聲映射應用于特性集合S所生成的特性集合C。
可以確定特性集合C和鑒別過程中所生成的特性集合C1之間的區別。該區別對應于和參考對象相關的模版數據X以及對第一物理對象進行鑒別的過程中采集的測定數據之間的區別，因而該數據表現出代表采集噪聲的噪聲大小。
如圖2所示的裝置可以在受控環境下特別有益地利用，以獲得由采集裝置引入的噪聲大小。可以擴展確定噪聲大小的方法以更有效地消除噪聲。
提高可靠性的一個方法是量化多個噪聲大小，優選地對多個物理對象的噪聲大小進行量化，隨后，確定各個噪聲大小的算術平均值。
也可以使用更精確的方法。例如，可以隔離指紋掃描裝置的CCD傳感器的錯誤像素，例如，通過掃描具有非常高錯誤率的像素。當將ECC編碼算法用在抗噪聲映射時，可以有益地利用關于誤差的信息。
通常，ECC需要首先確定錯誤，然后才能可以糾正錯誤。盡管對于二進制表示而言，這也同樣有效，但是，對于用三進制符號構成的消息，或者對于利用多于兩個可能值的符號構成的普遍消息來說，情況并非如此。這樣，關于錯誤位置的信息對錯誤糾正過程有益，可以對大量錯誤進行糾正。
裝置APP1解決了鑒別問題，但是稍加改進就可以用于標識。用于標識時，鑒別數據集合ADS中的多個對象和從第一物理對象OBJ1采集的第一測定數據Y1進行比較。被標識的物理對象不提供標稱的身份。相反，可以從提供足夠匹配的參考對象的身份得到物理對象的身份。為此，可以用身份確定裝置來擴展APP1，該身份確定裝置用來從鑒別數據集合ADS中獲得參考對象的身份，并基于決定DEC確定物理對象(OBJ1)的身份和參考對象的身份相同。
圖3示出了用于鑒別物理對象的裝置APP2，該物理對象用于根據本發明使用噪聲大小接收裝置NMRM接收產生的噪聲大小NM。隨后，在對第二物理對象OBJ2進行鑒別的過程中利用噪聲大小NM。該裝置和圖1所示裝置的鑒別部分主要區別在于使用了噪聲大小NM。
在生成特性集合C2時利用噪聲大小NM，以補償由采集裝置加入的噪聲。這樣，提供了解決瞬態和中間噪聲因素的空間。
通過第二幫助數據W2、從第二物理對象采集的第二測定數據Y2和前述的噪聲大小NM的加權相加來生成特性集合C2。
對各個輸入進行加權的原因如下 1、對幫助數據的生成進行推廣。
2、對噪聲大小進行縮放可以提供系統魯棒性。
在圖1的描述中，在登記過程中通過利用下式進行計算來生成幫助數據W W＝C-X 隨后，通過計算下式得到C1 C1＝W+Y1 圖2中，對幫助數據的生成進行推廣，將其定義為 W2＝c1C-c2X 隨后，可以使用下式計算特性集合C2 C2＝c3W2+c4Y2 進一步進行替代 Y2＝X+N 得到 C2＝c1c3C-c2c3X+c4X+c4N 如果將系數c1-c4選擇為c4＝c2c3，c1c3＝1，那么，特性集合C2與X無關。這樣，幫助數據W2可用于提供噪聲補償映射的輸入，該輸入可用于恢復登記過程中生成的特性集合C。這樣，如圖3所示，應用該推廣的裝置，需要另外的加權因子來計算特性集合C2。
圖4示出了用于鑒別第二物理對象OBJ2的裝置APP3，其用于根據本發明接收所產生的噪聲大小NM。該特定實施例采用系統ECC解碼算法作為噪聲補償映射。在第二對象OBJ2的鑒別中利用噪聲大小NM生成新的噪聲大小NNM。特性集合C2的生成和裝置APP2類似。
噪聲大小NM還用于生成新的噪聲大小NNM，該大小在鑒別過程成功時才有效。這時，物理對象對應于參考對象。結果，我們可以利用噪聲補償映射NCM的輸入和輸出量化鑒別中所用的噪聲補償映射NCM的輸入和參考對象登記過程中所生成的抗噪聲映射NRM的輸出之間的差別。
裝置APP3利用這里所用的噪聲補償映射是系統ECC解碼算法這一事實。系統ECC是輸入和輸出都使用相同的字符集定義的ECC，其中，輸入和輸出數據和奇偶校驗字符集的格式相同。在系統ECC的碼字中，數據字符未經進一步編碼而被包括進來，并且可以同樣進行識別。
系統ECC解碼算法將可能包括符號錯誤的有噪聲碼字映射到最接近的有效碼字，該碼字的數據和奇偶校驗匹配。只要ECC足夠穩定，或者相反地，錯誤數目足夠小，該碼字就是原始的無噪聲碼字。隨后，用相應的ECC編碼算法對解碼器輸出進行編碼，這會將碼字映射到它自己。
隨后，如果系統ECC解碼器算法用作噪聲補償算法，而且鑒別成功，第二特性集合S2就和登記過程中生成的特性集合C相同。這樣，確定噪聲補償映射NCM的輸入和參考對象登記中所生成的抗噪聲映射NRM的輸出之間的差別對應于計算第二特性集合S2和特性集合C2之間的差別。
加權相加還包括取負值的加權噪聲大小NM，其用于補償生成特性集合C2是的采集噪聲。結果是新的噪聲大小NNM，該結果可用作其他鑒別中的噪聲大小NM，或者可用在為獲得更可靠噪聲大小而進行的進一步處理步驟的輸入。
圖5示出了鑒別物理對象的鑒別系統的框圖，其利用根據本發明所生成的噪聲測量。該系統包括至少一個服務器SRV1和至少一個客戶端CL1。服務器SRV1和客戶端CL1通過網絡NET通信，該網絡可以是專用網或者如因特網的公共網。特別是在后一種情況下，需要另外的安全措施以防止中間的人或者重放(replay)攻擊。
假定系統利用專用網，服務器用于存儲鑒別數據集合ADS，其包括已登記對象的幫助數據和控制值。
要對第二物理對象OBJ2進行鑒別時，客戶端CL1獲得第二標稱身份AID2，并獲得和第二物理對象相關的測定數據Y2。客戶端CL1將第二標稱身份AID2通過網絡NET傳送給服務器SRV1。作為回應，服務器SRV1通過網絡將與具有標稱身份AID2的參考對象相關的第二幫助數據W2和第二控制值V2傳送給客戶端CL1。此外，服務器還提供和客戶端CL1相關的噪聲大小NM。
進而，客戶端CL1通過網絡NET接收所有這些信息，用這些信息來完成與圖3所示的裝置APP2類似的鑒別過程。
如果和圖4所示的裝置APP3類似，客戶端CL1還支持新的噪聲大小NNM的生成，可通過網絡NET將該新的噪聲大小NNM報告給服務器SRV1。隨后，服務器SRV1可以分析噪聲大小，并將其用在用信號指示噪聲大小結構性地超過預定門限值的客戶端的診斷結果。
如果不需診斷且客戶端確定噪聲大小是否結構性地超過預定門限值，則不需要對噪聲大小進行中央存儲。事實上，這種情況下，優選地在使用噪聲大小的本地客戶端CL1進行存儲。結果，由于鑒別過程而導致的網絡負荷保持最小。
圖5進一步示出了使用噪聲大小數據庫NMDB來存儲鑒別過程中確定的噪聲大小。所存儲的噪聲大小SNM可以被取回來進一步分析并確定采集噪聲的趨勢。
應該注意，上述實施例說明了本發明，而不是限定了本發明，本領域的技術人員可以構思出很多替代實施例，而不會脫離所附的權利要求限定的范圍。
權利要求中，括號中的任何參考標號不應解釋為對權利要求的限制。“包括”一詞不排除出現權利要求中所列舉的部件和步驟之外的其他部件和步驟的可能。部件之前的“一個”一次不排除多個部件存在的可能。
本發明可以用包括若干獨立部件的各種硬件實現，也可用適當編程的計算機實現。在列舉若干裝置的設備權利要求中，幾個這樣的裝置可以由一個硬件實現。幾個相互獨立的權利要求中引用某些措施不意味著不能有益地利用這些措施的結合。
權利要求
1.一種使用與參考對象相關的第一幫助數據(W1)和第一控制值(V1)來鑒別第一物理對象(OBJ1)的方法，所述方法包括下列步驟
-采集所述第一物理對象(OBJ1)的測定數據(Y1)；
-利用輸入數據的噪聲補償映射(NCM)生成第一特性集合(S1)，所述輸入數據從包括所述第一幫助數據(W1)和所述測定數據(Y1)的信息得到；
-利用所述第一特性集合(S1)和所述第一控制值(V1)確定所述第一物理對象(OBJ1)和所述參考對象間的充分匹配；
所述方法進一步的特征在于，還包括生成噪聲大小(NM)的步驟，所述噪聲大小(NM)對數據采集過程中引入的噪聲進行量化，所述步驟包括下面的子步驟
-利用所述噪聲補償映射(NCM)重新構建所述參考對象的登記過程中生成的抗噪聲映射(NRM)的輸出；以及
-通過計算鑒別過程中所述噪聲補償映射(NCM)的輸入和所述重新構建的所述參考對象的登記過程中所生成的抗噪聲映射(NRM)的輸出之間的差別，生成所述噪聲大小(NM)。
2.根據權利要求1所述的方法，其中，重新構建所述參考對象的登記過程中所生成的抗噪聲映射(NRM)的輸出的子步驟對應于生成所述第一特性集合(S1)。
3.根據權利要求1所述的方法，其中，重新構建所述參考對象的登記過程中所生成的抗噪聲映射(NRM)的輸出的子步驟包括對所述第一特性集合(S1)應用所述抗噪聲映射(NRM)。
4.根據權利要求1所述的方法，其中，生成所述噪聲補償映射(NCM)的輸入數據的步驟包括所述第一幫助數據(W1)和所述測定數據(Y1)的加權相加。
5.根據權利要求1所述的方法，其中，生成所述噪聲補償映射(NCM)的輸入數據的步驟包括所述第一幫助數據(W1)、所述測定數據(Y1)和先前生成的噪聲大小(NM)的加權相加。
6.根據權利要求1所述的方法，其中，所述抗噪聲映射(NRM)包括糾錯碼編碼方法。
7.根據權利要求1所述的方法，其中，所述噪聲補償映射(NCM)包括糾錯碼編碼方法。
8.根據權利要求1所述的方法，其中，存儲所述噪聲大小(NM)用于以后作為參考。
9.根據權利要求1所述的方法，其中，生成所述噪聲大小(NM)的步驟進一步包括取回至少一個存儲的噪聲大小(SNM)的子步驟。
10.根據權利要求1所述的方法，其中，生成所述噪聲大小(NM)的步驟進一步包括計算所述噪聲大小(NM)和所述至少一個存儲的噪聲大小(SNM)的平均值。
11.利用權利要求1所述的方法對利用與參考對象相關的第二幫助數據(W2)和第二控制值(V2)鑒別第二物理對象(OBJ2)的裝置進行校準的方法。
12.利用權利要求1所述的方法對利用與參考對象相關的第二幫助數據(W2)和第二控制值(V2)標識第二物理對象(OBJ2)的裝置進行校準的方法。
13.一種利用與參考對象相關的第一幫助數據(W1)和第一控制值(V1)來標識第一物理對象(OBJ1)的方法，根據權利要求1所述的方法還包括確定所述第一物理對象(OBJ1)的身份與所述參考對象的身份相同的步驟。
14.一種利用與參考對象相關的第二幫助數據(W2)和第二控制值(V2)來鑒別第二物理對象(OBJ2)的設備，包括
-噪聲大小接收裝置(NMRM)，用于接收利用權利要求1所述的方法生成的噪聲大小(NM)；
-噪聲補償映射裝置(NCMM)，用于利用從所述第二物理對象(OBJ2)采集的第二測定數據(Y2)、所述第二幫助數據(W2)和所述噪聲大小(NM)的加權相加的結果的噪聲補償映射(NCM)來生成第二特性集合(S2)。
15.根據權利要求14所述的設備，其中所述設備還包括噪聲大小生成裝置，用于通過應用權利要求1所述的步驟生成新的噪聲大小(NNM)。
16.一種利用與參考對象相關的第二幫助數據(W2)和第二控制值(V2)來標識第二物理對象(OBJ2)的設備，包括
-噪聲大小接收裝置(NMRM)，用于接收利用權利要求13所述的方法生成的噪聲大小(NM)；
-噪聲補償映射裝置(NCMM)，用于利用從所述第二物理對象(OBJ2)采集的第二測定數據(Y2)、所述第二幫助數據(W2)和所述噪聲大小(NM)的加權相加的結果的噪聲補償映射(NCM)來生成第二特性集合(S2)；
-身份確定裝置，用于確定所述第一物理對象(OBJ1)的身份和所述參考對象的身份相同。
17.一種利用與參考對象相關的第二幫助數據(W2)和第二控制數據(V2)來鑒別第二物理對象(OBJ2)的系統，所述系統包括通過網絡(NET)連接的至少一個服務器(SRV1)和至少一個客戶端(CL1)，所述至少一個客戶端(CL1)用于利用通過權利要求1所述的步驟生成的噪聲大小(NM)，以補償由所述至少一個客戶端(CL1)在數據采集過程中引入的采集噪聲分量。
18.根據權利要求17所述的系統，用于生成新的噪聲大小(NNM)，以在所述至少一個客戶端(CL1)利用另外的幫助數據和另外的控制數據對另一個物理對象進行鑒別時使用。
19.根據權利要求17所述的系統，其中所述至少一個服務器(SRV1)用于生成所述噪聲大小(NM)，所述至少一個客戶端(CL1)用于通過所述網絡(NET)從所述至少一個服務器(SRV1)獲得所述噪聲大小(NM)。
20.一種計算機程序產品，包括存儲在計算機可讀介質上的程序代碼模塊，當在計算機上執行所述程序產品時，其用于執行根據權利要求1、11、12和13中任一個所述的方法。
全文摘要
本發明涉及使用和參考對象相關的幫助數據以及控制值來鑒別物理對象的方法，該方法包括采集物理對象的測定數據，利用輸入數據的噪聲補償映射生成第一特性集合，所述輸入數據從包括所述幫助數據和所述測定數據的信息得到，利用所述特性集合和控制值確定所述物理對象和參考對象間的充分匹配。所述方法還包括生成噪聲大小的步驟，所述步驟包括下面的子步驟利用噪聲補償映射重新構建參考對象的登記過程中生成的抗噪聲映射的輸出；以及通過計算噪聲補償映射的輸入和抗噪聲映射的輸出之間的差別，生成所述噪聲大小。本發明還提供了用于執行所述方法的裝置和系統。
文檔編號H04L9/32GK101185280SQ200680018862
公開日2008年5月21日 申請日期2006年5月23日 優先權日2005年6月1日
發明者T·A·M·凱沃納爾, A·A·M·L·布魯克斯, M·范德維恩, A·H·M·阿克曼斯 申請人:皇家飛利浦電子股份有限公司