[发明专利]一种基于无线信道状态信息的室内入侵检测方法

摘要

一种基于无线信道状态信息的室内入侵检测方法，包括两部分：第一部分，静默环境下检测阈值获取，即利用数据采集节点获取室内无人状态下的无线信道状态信息，对采集到的信道状态信息进行噪声过滤和离异点去除，提取其幅值和相位，计算标准差作为检测阈值；第二部分，实时入侵检测，即利用数据采集节点获取无线信道状态信息，利用短时平均标准差(SVR)和长时平均标准差(LVR)进行实时入侵检测，先用SVR来检测有无入侵者进入监控区域，一旦检测到入侵者便开始利用LVR实时监控入侵者是否一直在室内；同时利用K近邻算法和动态时间规整方法对入侵行为进行分类，实现对入侵行为的精确判断。本发明克服了计算机视觉方法对可见光的需求和用户隐私影响大等限制，同时具备检测范围大和设备开销低等特点。

主权项

1.一种基于无线信道状态信息的室内入侵检测方法，包括以下步骤：步骤1：在室内检测区域布置无线信道状态数据采集节点和无线信号发射设备；步骤2：设置采集节点的采集频率和时长，调试节点端可以正常采集数据并能实时传输至服务器端，服务器端开启入侵检测程序，接受信道状态信息数据；步骤3：进行静默状态下，即室内无人状态下检测阈值的获取，此时采集节点获取包含信道状态信息的数据包，每个信道状态信息数据的格式为：其中F1～30均为子信道，Tx为发射天线数，Rx为接收天线数，从原始的信道状态信息中获取其指定天线对的幅值和相位并进行预处理，分为以下五小步：步骤3‑1：利用五点中值滤波去除明显的离异点；步骤3‑2：利用汉培尔滤波消除环境白噪声的干扰；步骤3‑3：利用通带频率为30‑70Hz巴特沃斯低通滤波消除高频噪声干扰；步骤3‑4：利用滑动平均滤波器进行滤波平滑处理；步骤3‑5：利用主成分分析(PCA)对30个子信道进行降维处理，计算获得一维数据；步骤4：对预处理后的数据先计算能量windowlength是计算能量的时间窗口大小，magnitude是在窗口内计算由PCA获得的一维数据的幅值，然后计算其标准差std(E)作为检测阈值Threshold；至此即可完成了对室内无人状态下无线信道状态信息特征的提取；步骤5：对系统进行参数设置，包括滑动检测时间窗口的大小，检测阈值更新的频率；设置完成后即可进行实时入侵检测；步骤6：采集实时无线信道状态信息，获取其指定天线对的幅值和相位，进行数据预处理，处理方法与静默状态下的处理方法相同，即步骤3；步骤7：利用短时标准差(SVR)判断有无入侵者进入监控区域，首先利用在静默状态下记录三十个子信道幅值的标准差std(magnitude)，选择其中标准差较小的一组子信道，标准差小表明这些信道在无人时较为稳定，不易受外界噪音干扰；之后每隔三个大滑动时间窗口计算这些子信道的无线信道状态信息幅值标准差，选择出标准差最大的作为新的检测子信道；当std(magnitude)＞Threshold时，表明有入侵者进入室内；标准差越大表明其对当前环境较为敏感，有较好的检测效果；步骤8：一旦检测到入侵者便开始利用长时标准差(LVR)实时监控入侵者是否一直在室内，采用计数器增减统计警报子窗口个数在大窗口中设置计数器，当有警报子窗口时，计数器count加一，没有时则减一；当计数器数值变化率较大时，对于包含60个数据的时间窗口其入侵情况变化率阈值为0.5，可能入侵情况变化率阈值为0.3，便为有人入侵的情况；步骤9：为了准确的判断出入侵者的动作，利用K最近邻和动态时间规整来进行分类器训练和动作识别，包括以下三小步：步骤9‑1：对时间窗口内的数据进行离散小波变化，获取对人体动作变化敏感的频率部分；步骤9‑2：对上一步中的结果进行切片，保存样本，并对样本进行标签；步骤9‑3：利用K最近邻方法进行分类，计算当前数据和样本库中数据的动态时间规整距离，获得当前入侵者的动作类别，动态时间规整距离如公式(1)所示：其中Q为是前时间序列数据，C为样本库中的数据，w_k＝(i,j)_k定义了序列Q和C的映射，用来表示两者在某一时间点的相似程度，K为映射总个数；步骤10：如果没有检测到入侵者，则将当前标准差更新为检测阈值，进行步骤4～9的重复工作。