Il progetto di tesi si inserisce nell'ambito del riconoscimento biometrico basato sulla cinematica del movimento umano (gait analysis). Durante una campagna sperimentale, sono stati acquisiti segnali radar relativi a soggetti in movimento. Tali dati permettono di estrarre non solo la posizione dell'utente, ma anche le componenti di micro-doppler, ovvero micro-movimenti caratteristici (come le oscillazioni del bacino o la cadenza del passo) che fungono da "impronta digitale" del cammino.

Parallelamente alle misure radar, sono state registrate le tracce dell'unità inerziale (IMU) di uno smartphone impugnato dal soggetto. L'obiettivo della tesi è indagare la correlazione tra le feature estratte dal radar e quelle rilevate dall'accelerometro per fini identificativi.

Nello specifico, lo studio si articolerà sui seguenti punti:

• Identificazione tramite IMU: Verificare l'efficacia delle informazioni inerziali (accelerazione sui tre assi) nel discriminare e identificare l'utente attraverso modelli di classificazione.

• Sintesi di segnali (Cross-Modal Synthesis): Valutare la possibilità di generare un segnale IMU sintetico a partire dai dati radar. L'obiettivo è ricostruire le caratteristiche dinamiche del movimento osservate a distanza dal radar e proiettarle nel dominio del sensore inerziale.

• Analisi della vulnerabilità (Spoofing): Dimostrare come un "falso segnale" generato dal radar possa ingannare un sistema di autenticazione basato su IMU, permettendo l'identificazione di un soggetto tramite un segnale sintetico non realmente acquisito dal dispositivo.

L'attività prevede lo sviluppo di algoritmi in linguaggio Python, con l'ausilio di librerie per il processamento dei segnali e l'implementazione di modelli di Machine Learning.