一种基于无线信号的室内被动入侵检测方法技术

本发明专利技术提出了一种基于无线信号的室内被动入侵检测方法，属于无线定位技术领域。本发明专利技术提出的方法包括数据采集、数据预处理、特征提取、人体检测和结果处理五个模块，接收机获取信道状态信息，通过滑动窗口提取子载波的振幅信息，使用插值方法对其进行采样频率校准，对子载波的振幅信息构成的矩阵降维处理后进行低通滤波，之后进行连续小波变换，并计算小波系数的小波方差，将其作为特征；在人体检测的训练阶段从采集的数据中选取足够的数据作为训练集，对分类器进行训练；在人体检测的检测阶段，使用分类器对经前述步骤处理的数据进行识别，确定是否有人，并进行修正。该方法从频域的角度提取人体移动时的周期性特征，降低了对环境的依赖性。

An Indoor Passive Intrusion Detection Method Based on Wireless Signal

The invention proposes an indoor passive intrusion detection method based on wireless signal, which belongs to the field of wireless location technology. The method of the invention includes five modules: data acquisition, data preprocessing, feature extraction, human body detection and result processing. The receiver obtains channel state information, extracts the amplitude information of subcarriers through sliding window, calibrates the sampling frequency by interpolation method, and carries out low pass filtering after dimensionality reduction of matrix composed of the amplitude information of subcarriers. Continuous Wavelet Transform (CWT) is used to calculate the variance of wavelet coefficients and take them as features; sufficient data is selected from the collected data as training set during the training phase of human body detection, and classifiers are trained; in the detection phase of human body detection, classifiers are used to identify the data processed by the above steps, to determine whether there are people and to correct them. This method extracts the periodic characteristics of human movement from the perspective of frequency domain, which reduces the dependence on the environment.

【技术实现步骤摘要】
一种基于无线信号的室内被动入侵检测方法
本专利技术属于无线定位
，具体涉及一种基于无线信号的室内被动入侵检测方法。
技术介绍
现有的入侵检测方法大多使用基于视频图像、红外线等技术，尽管这些方法具有较高的检测精度，但是这些方法都受到其各自的使用条件以及专用的硬件设备等限制，无法大规模应用这些技术。由于近年来WiFi设备在功能区域及私人住宅大规模部署，设备无关被动人体检测平民化。WiFi设备除了用于通信，对周围环境也具备一定的感知能力，基于WiFi基础设施，能够实现被动人体检测。一个典型的基于WiFi的设备无关被动人体检测系统通常由若干对发射机与接收机组成，其中无线路由器可以作为发射机，而普通的WiFi设备，例如笔记本电脑、手机等，都可以作为接收机。人在室内不论是否移动，对其周围的无线信号的传播都会产生一定的影响，例如遮挡、反射等，这些影响将使得接收机接收到的信号强度产生波动，这是基于WiFi的设备无关人体检测的基本原理。然而，现有的基于WiFi的被动人体检测技术应用在室内入侵检测系统中仍然存在局限性。普通的人体检测技术只能检测出人在室内以常规方式移动，但是一个入侵者进入室内之后为了躲避监控使自己被发现的概率尽量降低，非常有可能会远离监测设备或者移动非常慢。而且，大部分人体检测技术在正式投入使用之前都需要前期勘测，采集室内没有人及有人走动时的信号样本，这使得人体检测系统使用上更加复杂，而且前期勘测需要专业人员参与，增加其使用门槛。因此，这些人体检测方法在应用到安全领域的入侵检测系统中失效的可能性会大大增加。为了解决以上问题，本专利技术提出一种高鲁棒性的基于无线信号的室内被动入侵检测方法。
技术实现思路
本专利技术的目的在于提供一种高鲁棒性的基于无线信号的室内被动入侵检测方法，使其能够在不同环境中检测出以不同方式移动的入侵者。本专利技术的目的是这样实现的：本专利技术提出了一种基于无线信号的室内被动入侵检测方法，包括数据采集、数据预处理、特征提取、人体检测和结果处理五个模块，主要包括以下步骤：(1)将发射机和接收机放置在房间内任意位置，并从接收机中获取信道状态信息，以滑动窗口的形式从信道状态信息中提取其中每个子载波的振幅信息；(2)使用插值方法，对原始振幅信息进行采样频率校准；利用矩阵降维方法，对所有子载波的振幅信息构成的矩阵进行降维处理，对得到的降维结果进行低通滤波；(3)对低通滤波得到的结果进行连续小波变换，并计算小波系数的小波方差，将小波方差作为特征；(4)在人体检测的训练阶段，从采集的数据中选取足够的数据作为训练集，对分类器进行训练；(5)在人体检测的检测阶段，对于按滑动窗口实时采集的数据，经过步骤(1)至步骤(3)的处理，使用步骤(4)训练的分类器对其进行识别，确定是否有人；(6)对人体检测的结果进行修正。所述的步骤(1)中使用的发射机和接收机在房间中的摆放位置间隔有一定的距离；发射机和接收机设定的采样频率不低于100Hz。所述的步骤(2)中使用的矩阵降维方法为主成分分析法。所述的步骤(3)通过以下步骤实现：(3.1)对通过步骤(2)得到的结果进行连续小波变换，变换公式如下：其中，a为小波的伸缩系数，τ为小波的平移系数，f(t)为信号的时域表示，为小波基函数；(3.2)计算小波系数的小波方差，计算公式如下：其中，|Wf(a,b)|2为在尺度为a，时间为b时，小波系数的能量；(3.3)将小波方差作为人体移动周期性明显程度的特征。步骤(6)中所述的结果处理阶段会依靠真实世界的先验知识纠正一些不可能发生的情况，在真实情况中，一个入侵者不会突然出现又立刻消失，或者突然消失又立刻出现，通过在结果处理中设置投票窗口，纠正窗口中的结果，提高入侵检测的准确率。本专利技术的有益效果在于：现有基于无线信号的人体检测方法均从无线信号中提取时域特征进行检测，而这类特征会导致人体检测性能与人体的运动强度及移动形式相关，只有当人体以正常方式行走时才能够正常工作，并且在一定程度上还依赖于当前环境，使人体检测系统对环境敏感，当环境发生变化需要重新对系统进行训练。而本专利技术提出的方法很好地解决了该问题。其基本思想是从频域的角度提取人体移动时的周期性特征，例如人在走路时左腿和右腿分别走一步完成一个走路周期。通过利用人走路的周期性特征，不论入侵者用何种方式移动，例如正常行走、弯腰行走及贴地爬行，都能够有效地检测出入侵者的存在，并且只需要训练一次，就可以在不同环境中有效工作。附图说明图1为本专利技术中一种基于无线信号的室内被动入侵检测方法的原理框图；图2为本专利技术中室内有人移动和无人情况时小波方差的分布示意图。具体实施方式下面结合附图对本专利技术做进一步描述。结合图1，本专利技术提出了一种基于无线信号的室内被动入侵检测方法，首先从接收机采集无线信号原始的CSI数据，接下来依次进行数据预处理、特征提取、人体检测和结果处理。(1)在数据采集阶段，将发射机和接收机摆放在房间内任意位置，但最好将二者分开一定的距离，例如房间对角的两个墙角，发射机和接收机可以分别为但不局限于无线路由器和笔记本电脑。设定好一定的采样率，一般不低于100Hz，从接收机中获每个数据包中的取信道状态信息。以滑动窗口的形式从信道状态信息中提取其中每个子载波的振幅数据。(2)在数据预处理阶段，由于普通商用无线设备无法精确设定采样率，因此首先需要使用插值的方法，对原始的振幅信息进行采样频率校准。此时数据的维度较大，不适合直接处理，因此需要使用矩阵降维方法，例如使用主成分分析，对所有子载波的振幅信息构成的矩阵进行降维处理。再对降维结果进行低通滤波去掉数据中的高频噪声。(3)在特征提取阶段，对步骤(2)中得到的结果进行连续小波变换，如公式(1)，并计算小波系数的小波方差，如公式(2)，将小波方差作为人体移动周期性明显程度的特征。式中：a--------小波的伸缩系数(尺度)τ--------小波的平移系数f(t)--------信号的时域表示式中：|Wf(a,b)|2--------在尺度为a，时间为b时，小波系数的能量。(4)人体检测阶段可细分为训练阶段和检测阶段，在训练阶段中，从采集的数据中选取足够的数据作为训练集，数据中包含多种移动方式时的数据，对分类器进行训练。在检测阶段，以滑动窗口的形式实时采集数据，使用训练完成的分类器进行识别，从而确定是否有人.(5)在结果处理阶段，会依靠真实世界的先验知识纠正一些不可能发生的情况，由于在真实情况中，一个入侵者不会突然出现又立刻消失，或者突然消失又立刻出现，因此在结果处理中设置一个窗口，以投票的形式对窗口中的结果进行纠正，从而进一步提高入侵检测的准确率。如图2所示为室内有人移动和无人情况时小波方差的分布示意图，展示了本专利技术提出的方法在室内被动入侵检测中的监测有效性。以上所述仅为本专利技术的优选实施例而已，并不用于限制本专利技术，对于本领域的技术人员来说，本专利技术可以有各种更改和变化。凡在本专利技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本专利技术的保护范围之内。本文档来自技高网...

【技术保护点】
1.一种基于无线信号的室内被动入侵检测方法，其特征在于，包括数据采集、数据预处理、特征提取、人体检测和结果处理五个模块，主要包括以下步骤：(1)将发射机和接收机放置在房间内任意位置，并从接收机中获取信道状态信息，以滑动窗口的形式从信道状态信息中提取其中每个子载波的振幅信息；(2)使用插值方法，对原始振幅信息进行采样频率校准；利用矩阵降维方法，对所有子载波的振幅信息构成的矩阵进行降维处理，对得到的降维结果进行低通滤波；(3)对低通滤波得到的结果进行连续小波变换，并计算小波系数的小波方差，将小波方差作为特征；(4)在人体检测的训练阶段，从采集的数据中选取足够的数据作为训练集，对分类器进行训练；(5)在人体检测的检测阶段，对于按滑动窗口实时采集的数据，经过步骤(1)至步骤(3)的处理，使用步骤(4)训练的分类器对其进行识别，确定是否有人；(6)对人体检测的结果进行修正。

【技术特征摘要】
1.一种基于无线信号的室内被动入侵检测方法，其特征在于，包括数据采集、数据预处理、特征提取、人体检测和结果处理五个模块，主要包括以下步骤：(1)将发射机和接收机放置在房间内任意位置，并从接收机中获取信道状态信息，以滑动窗口的形式从信道状态信息中提取其中每个子载波的振幅信息；(2)使用插值方法，对原始振幅信息进行采样频率校准；利用矩阵降维方法，对所有子载波的振幅信息构成的矩阵进行降维处理，对得到的降维结果进行低通滤波；(3)对低通滤波得到的结果进行连续小波变换，并计算小波系数的小波方差，将小波方差作为特征；(4)在人体检测的训练阶段，从采集的数据中选取足够的数据作为训练集，对分类器进行训练；(5)在人体检测的检测阶段，对于按滑动窗口实时采集的数据，经过步骤(1)至步骤(3)的处理，使用步骤(4)训练的分类器对其进行识别，确定是否有人；(6)对人体检测的结果进行修正。2.根据权利要求1所述的一种基于无线信号的室内被动入侵检测方法，其特征在于：所述的步骤(1)中使用的发射机和接收机在房间中的摆放位置间隔有一...

【专利技术属性】
技术研发人员：吕继光，杨武，苘大鹏，玄世昌，王巍，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江,23