一种基于Kullback-Leibler散度的WiFi异常链路检测方法技术

本发明专利技术公开了一种基于Kullback‑Leibler散度的WiFi异常链路检测方法。首先，利用Intel5300网卡接收数据，提取信道状态信息(Channel State Information,CSI)幅值数据；其次，对多路子载波信号加权平均拟合成一个幅值信息，来获取有效CSI幅值；然后，对获得的有效CSI幅值进行去中心化处理，使每条数据流的均值相同；随后，利用非参数核密度算法估计数据流的真实分布；最后，通过Kullback‑Leibler散度来度量链路之间的分布差异，并以链路分布差异为基础结合相关准则实现异常链路的检测。本发明专利技术能够用来检测区域内的链路是否异常，解决了传统入侵检测系统不区分链路可用性而导致异常链路的异常数据干扰系统判决结果的问题。

A detection method of WiFi abnormal link based on Kullback Leibler divergence

【技术实现步骤摘要】
一种基于Kullback-Leibler散度的WiFi异常链路检测方法
本专利技术属于移动通信
，涉及一种基于Kullback-Leibler散度的WiFi异常链路检测方法技术背景无线信号在信道中传播，受到环境影响而发生能量、幅度、相位甚至频率的变化，从而携带了反映信道状态的多种特征。这些特征是研究环境特点，感知环境变化的重要手段。研究人员将这些特征用于信道估计、室内定位、人员检测、手势识别等感知领域，取得了丰硕的成果。如今，随着Wi-Fi、蓝牙、ZigBee等无线通信设备的普及，上述利用无线信道特征进行感知的工作对改善人类生活品质具有更为重要的意义。由于无线信号具有时变性，即使在相对静止的环境中，信号也会出现无规律的波动。因此需要将原始的接收信号通过一系列数据预处理，如信号滤波、特征提取等，才能构建有效的无线传输系统。在实际测量中，由于环境中存在的同频干扰或传播路径较为复杂等因素，导致无线信号在静默无人状态下出现异常波动。本文中定义在静默无人状态下出现大幅度无规律跳变的无线链路称为“异常链路”；而波动幅度较小且平稳的无线链路称为“正常链路”。正常链路在无人运动和有人运动两种状态下，信号波动变化差别较大；而异常链路的信号则一直处于频繁剧烈波动的状态，这种剧烈的波动容易导致无人运动状态下的误报，同时也会掩盖人体运动对无线链路的干扰。可见，相较于正常链路，异常链路对于不同环境状态的感知能力较差。现有的数据预处理方法没能区分链路的可用性，使异常链路的异常数据干扰系统的判决结果，使得感知能力下降，所以设计一种异常链路检测对提高整个感知系统的感知能力非常必要。综上所述，本专利技术提出了一种基于Kullback-Leibler散度的WiFi异常链路检测方法。
技术实现思路
本专利技术的目的是提供一种基于Kullback-Leibler散度的WiFi异常链路检测方法，能有效地对异常链路进行检测和排除。本专利技术所述的基于Kullback-Leibler散度的异常链路检测，具体包括以下步骤：步骤一、布置多台接收机和发射机，建立多条无线收发链路，接收机实时接收CSI序列信号，并计算各链路的CSI幅值；步骤二、为利用所有子载波的幅值信息，根据每个载波频率相对于中心频率的偏移实现对各个子载波CSI幅值的加权，最后对这多个子载波幅值求均值得到一个有效的CSI幅值。步骤三、对每条链路的幅值数据进行去中心化处理，从而消除链路间接收信号幅值水平的差异；步骤四、采用非参数核密度估计算法来估计每条链路的幅值分布情况及概率密度曲线；步骤五、利用每条链路的概率密度曲线来计算各链路间的Kullback-Leibler散度从而度量链路间的幅值分布差异情况；步骤六、计算每条链路的平均分布差异的均值和标准差，按照判定准则进行异常链路判断，剔除分布差异性较大的链路，保证检测系统的可靠性。所述步骤一中，从接收机接收到的CSI数据包包含了幅值信息和相位信息。信道响应可表示为其中，fk∈{-58,-54,-50,...,50,54,58}为载波频点，||H(fk)||是第k个子载波上的CSI幅值，∠H(fk)为相位信息。为提取CSI的幅值信息，对每个CSI数据进行取模得到各自的幅值。所述步骤二中，本专利技术采用5G频段的信号,那么中心频率f0为5GHz，相邻子载波间的频率偏差为δ＝0.0003125(GHZ)。根据每个载波频率相对于中心频率的偏移实现对各个子载波CSI幅值的加权，最后对这多个子载波幅值求均值得到一个有效的CSI幅值，可以表示为：fj＝f0-k(j)×δ其中fj表示第j个子载波的频率，在802.11n中k(j)的取值为-58:4:58(j为对应的子载波序号，j＝{1,2,...,30})，N＝30，表示子载波的个数，f0指的是信号的中心频率，|CSIi|表示第i个数据包的有效CSI幅值。所述步骤三中，去中心化的思想是将采集到的CSI有效幅值序列减去其自身的均值，使得每条链路CSI幅值序列的均值为0，从而消除链路间CSI幅值水平的差异。设表示检测区域内所有无线链路的数量，xj,i代表第j条链路在i时刻的CSI幅值。假设第j条链路经过时间T后得到CSI序列为{xj,i,i＝1,2,...,T}，根据下式进行去中心化处理。其中，为该链路的接收信号CSI幅值在时间T内的均值，其计算公式为：所述步骤四中，核密度估计算法的思想是通过核函数将样本的离散概率分布实现连续化，从而获得概率密度函数。利用核密度估计函数对每条链路经中心化处理后的样本数据进行核密度估计：其中，K(x)表示核函数，核函数的种类决定概率密度曲线的形状，hj表示带宽，带宽的大小影响曲线的平滑程度。4a、核函数的选取需要满足三个条件：非负性(K(x)≥0)、对称性(K(x)＝K(-x))和归一性根据实际情况本专利技术选择Gaussian核函数。4b、不同的核宽度对概率密度曲线有一定的影响，带宽hj的取值决定了估计出的概率密度曲线是否接近信号的真实分布。当hj越大时，(x-Δxj,i)/hj越小，会出现严重的拖尾；当hj越趋于正无穷时，当hj越小时，(x-Δxj,i)/hj越大，会使估计出的曲线越陡峭；当hj趋于0时，则会在观测值处估计出一个脉冲值，无法得到正确的概率分布。本专利技术选择一种最优带宽的计算方法，其健壮性和实用性都得到了验证：hj＝3.490vjn-1/5其中，vj表示样本Δxj,i的方差所述步骤五中，Kullback-Leibler散度，是两个概率分布间差异的非对称性度量，概率分布差异越大，相应的KL散度值也就越大。对于两条不同的链路j和l(j≠l)，其概率密度函数分别为和则两者之间的KL散度为：KL散度有两个重要的性质，分别是非负性(DKL(j,l)≥0)和不对称性(DKL(j,l)≠DKL(l,j))。对于形如DKL(j,l)的KL散度来说，可将视为真实分布，将视为的近似分布。当DKL(j,l)值越大时，表明真实分布与近似分布差距越大。将某条链路的分布作为真实分布，若该链路与其他链路的KL散度值都较大，则该链路是异常链路的可能性也就越大。异常链路检测的具体步骤如下：5a、计算链路j与其余链路l的KL散度值DKL(j,l)，构建KL散度矩阵DKL：5b、计算每一条链路的平均KL散度值所描述的是将链路j的分布视为真实分布，其余链路的分布视为近似分布时，分布差异程度的平均值。值越大，表明链路j越异常。所述步骤六中，可通过计算出j条链路的平均分布差异的均值μD和标准差vD，进行异常链路判断。其中，aj＝1，表明链路j与其他的链路的分布差异性较大，将该链路判定为异常链路；aj＝0，则表示该链路为正常链路。可以检测出感知区域内相对异常的链路，并将其去除，利用剩下的条链路构建无线感知系统，从而保证检测系统的可靠性。<本文档来自技高网...

【技术保护点】
1.一种基于Kullback-Leibler散度的WiFi异常链路检测方法，其特征在于：所述方法包括以下步骤：/n步骤1：布置多台接收机和发射机，建立多条无线收发链路，接收机实时接收CSI序列信号，并计算各链路的CSI幅值；/n步骤2：为利用所有子载波的幅值信息，可根据每个载波频率相对于中心频率的偏移实现对各个子载波CSI幅值的加权，最后对这多个子载波幅值求均值得到一个有效的CSI幅值。/n步骤3：对每条链路的幅值数据进行去中心化处理，从而消除链路间接收信号幅值水平的差异；/n步骤4：采用非参数核密度估计算法来估计每条链路的幅值分布情况及概率密度曲线；/n步骤5：利用每条链路的概率密度曲线来计算各链路间的Kullback-Leibler散度从而度量链路间的幅值分布差异情况；/n步骤6：计算每条链路的平均分布差异的均值和标准差，按照判定准则进行异常链路判断，剔除分布差异性较大的链路，保证检测系统的可靠性。/n

【技术特征摘要】
1.一种基于Kullback-Leibler散度的WiFi异常链路检测方法，其特征在于：所述方法包括以下步骤：
步骤1：布置多台接收机和发射机，建立多条无线收发链路，接收机实时接收CSI序列信号，并计算各链路的CSI幅值；
步骤2：为利用所有子载波的幅值信息，可根据每个载波频率相对于中心频率的偏移实现对各个子载波CSI幅值的加权，最后对这多个子载波幅值求均值得到一个有效的CSI幅值。
步骤3：对每条链路的幅值数据进行去中心化处理，从而消除链路间接收信号幅值水平的差异；
步骤4：采用非参数核密度估计算法来估计每条链路的幅值分布情况及概率密度曲线；
步骤5：利用每条链路的概率密度曲线来计算各链路间的Kullback-Leibler散度从而度量链路间的幅值分布差异情况；
步骤6：计算每条链路的平均分布差异的均值和标准差，按照判定准则进行异常链路判断，剔除分布差异性较大的链路，保证检测系统的可靠性。


2.根据权利要求1所述的方法，其特征在于，所述实现异常链路检测方法，包括以下步骤：
2a、在室内环境下搭载多台接收机和发射机，建立多条无线收发链路，接收机可实时接收发射机发送的CSI序列信号；对每条链路上的CSI数据进行取模得到各自的幅值；
2b、根据每个载波频率相对于中心频率的偏移实现对各个子载波CSI幅值的加权，最后对这多个子载波幅值求均值得到一个有效的CSI幅值，可以表示为：



fj＝f0-k(j)×δ
其中fj表示第j个子载波的频率，在802.11n中k(j)的取值为-58:4:58(j为对应的子载波序号，j＝{1,2,…,30})，N＝30，表示子载波的个数，f0指的是信号的中心频率，|CSIi|表...

【专利技术属性】
技术研发人员：田增山，陈希，周牧，何维，王勇，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆;50