[发明专利]一种基于WLAN的细粒度室内被动入侵检测方法

摘要

本发明涉及无线定位技术领域，尤其涉及一种基于WLAN的细粒度室内被动入侵检测方法。本发明包括：由发射机发射数据，信号在监测区域内传播，并由接收机接收数据；接收机首先实时将接收到的数据传递给中心服务器作为训练数据，服务器实时提取信道状态信息,计算滑动窗口中子载波振幅方差的方差作为信号特征等。本发明通过现场采集数据，利用计算的信号特征估计出检测阈值，最后根据隐马尔科夫模型计算不同窗口中有人或没人的概率，最终确定监测范围是否有人。该方法能够利用较少的前期训练，在人体移动速度非常慢时依然能够以较高的准确率检测出人体移动，适合应用在室内入侵检测中。

主权项

1.一种基于WLAN的细粒度室内被动入侵检测方法，其特征在于：包括在线阶段和离线阶段，在线阶段包括步骤1-5，离线阶段包括步骤1、2、3、6：/n步骤1：由发射机发射数据，信号在监测区域内传播，并由接收机接收数据；/n步骤2：接收机首先实时将接收到的数据传递给中心服务器作为训练数据，服务器实时提取信道状态信息,计算滑动窗口中子载波振幅方差的方差作为信号特征；/n步骤3：根据信号特征估计一组阈值，离线阶段中根据这组阈值将信号特征分为不同级别，将这个级别作为最终的特征值；在线阶段中直接利用这组阈值计算出特征值；/n步骤4：分别统计有人和没人状态下每个级别特征的个数，除以训练数据窗口总数，得到的概率作为初始混淆概率，并随机初始化状态转移概率；/n步骤5：利用隐马尔科夫模型中的Baum-Welch算法计算混淆矩阵和状态转移矩阵；/n步骤6：利用隐马尔科夫模型中的Viterbi算法实时计算隐藏状态的概率，从而估计环境中是否有人入侵；/n步骤1中，接收机与服务器是同一台设备，这台设备同时负责接收数据和处理数据；/n步骤2中，训练数据中包括环境中有人走动和没有人时采集的数据，有人走动的数据包括走动速度快、慢与非常慢三种情况，并有相应的标注；/n首先，从H_k开始的大小为n的数据窗口内的物理层的信道状态信息表示为：/nH＝[H_k,H_k+1,...,H_k+n-1]/n其中H为一个30×n的矩阵，对窗口内每个子载波的振幅求方差：/nv_i＝var(|H_i,k|,|H_i,k+1|,...,|H_i,k+n-1|)/n其中|H_i,k|为从H_k开始的窗口内第i个子载波第1个物理层的信道状态信息的振幅，i＝1,2,...,N，v_i为第i个子载波的振幅在这个窗口内的方差，所有子载波振幅的方差表示为：/nV_w＝[v₁,v₂,...,v₃₀]^T/n所有子载波振幅方差的方差表示为：/nV＝var(V_w)/n将V作为信号特征，当监测区域内有人移动时，V会比区域内没人时更大；/n步骤2中，滑动窗口中子载波振幅方差的方差是指先分别对大小为n的滑动窗口中每个子载波的振幅|H|＝[|H_k|,|H_k+1|,...,|H_k+n-1|]计算其方差V_w＝[v₁,v₂,...,v₃₀]^T，再对得到的方差向量计算方差V＝var(V_w)；/n步骤3中，离线阶段需要根据从训练数据中计算的信号特征估计一组阈值，这组阈值将信号特征的大小分级，，级别个数为4到7，这个级别作为最终特征值；/n步骤4中，监测环境中是否有人作为隐马尔科夫模型的两个隐藏状态，特征值作为模型的显式状态。/n