基于WiFi-BLE信号被动嗅探的跨智能可携带设备关联方法技术

本发明专利技术提供一种基于WiFi

【技术实现步骤摘要】
基于WiFi
‑
BLE信号被动嗅探的跨智能可携带设备关联方法


[0001]本专利技术涉及用户设备关联领域，尤其是涉及一种基于WiFi
‑
BLE信号被动嗅探的跨智能可携带设备关联方法。

技术介绍

[0002]随着移动通信技术的发展和移动设备的普及，智能可携带设备已广泛存在于人们的生产生活中。人们通常使用的智能可携带设备主要包括移动智能终端(例如手机、平板等)和智能穿戴设备两类，为了对这两类设备进行有效地管控，需要对其进行关联，从而构建用户设备图谱。在关联两类设备后，可应用于设备相互认证、设备防盗窃等场景。
[0003]针对跨智能可携带设备关联方法目前还处于起步阶段，相关技术主要包括两类：一类是基于移动智能终端会安装智能穿戴设备的特定软件，通过对移动智能终端所产生的网络流量的分析，从而识别出相应的智能穿戴设备，但当该软件不产生网络流量时则无法进行关联；第二类是基于WiFi信号和BLE信号进行联合定位，但是其应用场景为用户移动智能终端的定位，需要用户主动安装相应的软件并部署大量无线AP热点或蓝牙定位信标beacon，采用定位技术实现关联，但由于定位精度有限会造成一定的误差，无法满足在多用户的情况下实现精准关联。因此，现有的方法存在假设要求过高的问题，均需要用户主动参与设备关联的过程，无法被动静默地采集数据实现精准的跨智能可携带设备关联。
[0004]考虑到移动智能终端通常使用WiFi接入网络，而智能穿戴设备使用BLE与移动智能终端进行连接。而且，通常情况下两类设备会随用户共同移动，从而导致WiFi信号和BLE信号强度变化相似。因此可以通过对两类无线信号强度变化情况的分析，从而关联两类设备。

技术实现思路

[0005]如何高效、准确地对移动智能终端和智能穿戴设备进行关联，是一个急需解决的重要问题，通过设备关联可构建用户设备谱图，为设备管控提供有力的支撑。针对现有跨智能可携带设备关联方法假设要求高的问题，本专利技术在不需要用户主动参与的情况下，基于动态时间规整法对两类设备的WiFi和BLE信号强度变化相似性进行计算，从而关联两类设备。
[0006]为了实现上述目的，本专利技术的技术方案如下：一种基于WiFi
‑
BLE信号被动嗅探的跨智能可携带设备关联方法，所述方法包括以下步骤：
[0007](1)WiFi
‑
BLE双信号嗅探：根据场地和设备属性进行嗅探设备的部署，确定嗅探设备的有效嗅探范围；
[0008](2)基于多级滤波的信号处理：对采集的WiFi和BLE信号报文按设备地址进行分类并提取信号强度值，再利用多级滤波对信号强度值序列进行噪声过滤；
[0009](3)基于动态时间规整的设备关联：对BLE设备信号强度值序列进行随机重采样，使得不同BLE设备信号采样率相近，再分别对WiFi和BLE两类信号强度值序列进行中心化处
理，然后利用动态时间规整法计算两类设备信号强度值序列的DTW距离，最后通过比较两类设备之间的DTW距离从而得出关联结果。
[0010]进一步的，步骤(1)WiFi
‑
BLE双信号嗅探，具体包括：
[0011](11)部署WiFi信号和BLE信号的嗅探设备。根据实际的嗅探环境，选择合适的位置以放置嗅探设备；
[0012](12)确定设备的有效嗅探范围。对嗅探设备进行测试，判断其在当前嗅探环境下的有效嗅探范围，确定了有效嗅探范围之后，会使得后续的信号嗅探结果更加精准有效，还可以根据该范围部署更多的设备，从而扩大嗅探的覆盖范围。
[0013]进一步的，步骤(2)中的多级滤波方法包括：
[0014](21)对嗅探获得的WiFi和BLE信号报文进行解析，按IP地址和蓝牙广播地址分别对移动智能终端和智能穿戴设备进行分类，然后抽取报文中的RSS值和对应时间戳，形成RSS序列；
[0015](22)利用低通滤波Butterworth滤波器和算术平均滤波对RSS序列进行滤波，以减弱抖动噪声和冲击噪声的干扰，从而使得后续DTW值的计算更加精准。
[0016]进一步的，步骤(3)中的设备关联方法包括：
[0017](31)从所有BLE设备的RSS序列集合中，任意选取其中的两个设备RSS序列，计算采样率阈值；
[0018](32)基于该采样率阈值，对RSS数量较多的BLE设备序列进行随机采样，使其采样率与另一个BLE设备接近，再与目标WiFi设备的RSS序列计算DTW值，随机采样1000次后，取平均值作为最终的DTW值；
[0019](33)对于RSS数量较少的BLE设备，直接计算其序列与目标WiFi设备的RSS序列的DTW值；
[0020](34)比较两个DTW值，选择DTW值小的BLE设备作为候选设备；
[0021](35)针对n个BLE设备，从中任意选择两个设备，则有C(n，2)种组合，得出C(n，2)个候选BLE设备，形成候选BLE设备序列，选择序列中的众数作为目标WiFi设备的最终关联结果。
[0022]其中，所述步骤(32)、(33)中计算DTW值之前，对两序列进行中心化处理，即对序列中每一个RSS值减去该序列RSS值的均值，通过中心化操作可以避免由于不同设备RSS均值的不同从而导致DTW值比较结果出现误差。
[0023]本专利技术与现有技术相比，优点如下：
[0024]1、不需要用户主动安装软件，在被动信号嗅探的场景下进行设备关联，更具有实际可行性；
[0025]2、利用低通滤波和算术平均滤波对信号序列进行处理，有效地减弱了噪声带来的干扰；
[0026]3、针对不同BLE设备广播报文采样率不等且分布不均匀会影响DTW计算的问题，利用随机重采样和中心化处理，计算所得的DTW值使得关联结果更精准。
[0027]4、基于BLE信号和WiFi信号的动态变化一致性进行了智能穿戴设备和手机的关联，得到了较好的关联结果，可以有效协助监管部门实施设备管控。
附图说明
[0028]图1为本专利技术所述的基于被动信号嗅探的关联场景示意图；
[0029]图2为本专利技术所述的基于被动信号嗅探的关联方法流程图；
[0030]图3为本专利技术所述的WiFi信号和BLE广播信号数据包格式示意图；
[0031]图4为本专利技术所提出的基于动态时间规整的关联算法流程图。
具体实施方式
[0032]下面结合附图对本专利技术的具体实施方式进行详细阐述。
[0033]本实施例中提供一种基于WiFi
‑
BLE信号被动嗅探的跨智能可携带设备关联方法，关联场景如图1所示，首先需要在场景中部署信号嗅探设备，并测试嗅探设备的有效嗅探范围，然后对WiFi和BLE两类信号进行嗅探，通过对嗅探得到的报文进行分析，抽取两类设备的信号强度值序列，然后利用多级滤波对信号序列进行处理，最后基于动态时间规整法计算两类信号序列的DTW值，从而实现WiFi设备和BLE设备的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于WiFi
‑
BLE信号被动嗅探的跨智能可携带设备关联方法，其特征在于，所述方法包括以下步骤：(1)WiFi
‑
BLE双信号嗅探：根据场地和设备属性进行嗅探设备的部署，然后确定嗅探设备的有效嗅探范围；(2)基于多级滤波的信号处理：对采集的WiFi和低功耗蓝牙(Bluetooth Low Energy，BLE)信号报文按设备进行分类并提取信号强度值，再利用多级滤波对信号强度值序列进行噪声过滤；(3)基于动态时间规整的设备关联：对BLE设备信号强度值序列进行随机重采样，使得不同BLE设备信号采样率相近，再分别对WiFi和BLE两类信号强度值序列进行中心化处理，然后利用动态时间规整法(Dynamic Time Warping，DTW)计算两类设备信号强度值序列的距离，最后通过比较两类设备之间的DTW距离从而得出关联结果。2.根据权利要求1所述的一种基于WiFi
‑
BLE信号被动嗅探的跨智能可携带设备关联方法，其特征在于，所述步骤(2)基于多级滤波的信号处理，具体包括：(21)对嗅探获得的两类信号报文进行解析，按IP地址和蓝牙广播地址分别对WiFi设备(即移动智能终端)和BLE设备(即智能穿戴设备)进行分类，然后抽取报文中的信号强度值(Received Signal Strength，RSS...

【专利技术属性】
技术研发人员：罗军舟，郭乃瑄，凌振，杨明，顾啸林，
申请(专利权)人：东南大学，
类型：发明
国别省市：