[发明专利]一种基于WiFi信道状态信息的主动非接触身份认证方法

权利要求书

1.一种基于WiFi信道状态信息的主动非接触身份认证方法，其特征在于，包括以下步骤：

步骤1，获取研究对象各种行为的CSI数据，对CSI数据降噪处理；

对CSI数据降噪处理的方法如下：

步骤1.1：利用巴特沃斯滤波器对获取的CSI数据进去噪处理，巴特沃斯滤波可用如下公式表示：

其中，H(W)表示滤波后的CSI数据，w代表角频率，w_c代表截止频率，n代表滤波器的阶数，G₀代表直流分量；

步骤1.2：利用主成份分析PCA对步骤1.1滤波后的CSI数据进一步去噪；

利用主成份分析PCA对滤波后的CSI数据进一步去噪的方法如下；

步骤1.2.1，将不同信道的CSI数据减去其平均值，形成标准CSI矩阵；

步骤1.2.2，求特征协方差矩阵；

步骤1.2.3，求协方差的特征值和特征向量；

步骤1.2.4，将特征值按照从大到小的顺序排序，选择其中最大的k个，然后将其对应的k个特征向量分别作为列向量组成特征向量矩阵；

步骤1.2.5，将样本点投影到选取的特征向量上；

步骤2，使用离散小波变换DWT对步骤1降噪后的CSI数据进行降维分解提取；

步骤3，使用时间片内方差值配合概率统计对步骤2降维分解提取到的数据进行动作片段的切分；

动作片段的切分方法如下：

步骤3.1，将降维分解提取到的数据按照固定时间片大小划分为多个时间片；

步骤3.2，对同一个时间片内的数据取平均值映射速度分布，然后与前一个时间片的平均值做差，结果映射为加速度分布，同时取时间片内的方差；

步骤3.3，设定一个阈值，将各个时间片内的方差与阈值做对比，然后统计每个时间片上超出阈值的维数，维数若大于总维数的一定百分比即视为1个活跃时间；

步骤3.4，将连续3个以及以上的活跃时间片，同时允许其中有不超过2个非活跃时间片的容差作为一个连续动作数据段，将这个连续动作数据段从全体数据中分离出来作为一个动作的数据片段；

设置固定窗口W，同时计算出每个窗口中的能量强度平均值、与前一个窗口中的强度差以及窗口中的能量方差，然后根据步骤2降维分解提取到的数据针对每一维数据定下方差的阈值，其次将每一维数据与阈值对比并进行概率统计；最后根据统计结果将包含动作信息的时间窗口中数据分离出来；

其中，D表示方差，A表示能量强度，N表示窗口大小；

步骤4，训练隐马尔科夫模型：将步骤3获取的行为类别、切分出的时间窗口的数量导入隐马尔科夫模型进行训练，其中，使用随机变量Z_t描述t时刻系统状态的概率分布，具有转移概率，则在第t时刻系统状态的实际状态Z_t未知，相反在t时刻对系统有一个观测X_t；使用10折交叉验证的方法确定隐马尔科夫模型参数包括HMM模型的状态数S及mixtures，从而选取最优参数建立模型；

步骤5，根据获取的行为类别、行为花费的时间、切分出的时间窗口的数量，通过fresnel模型获对行为动作中频率的变化与无人环境中平稳数据的频率变化相对比，得出行为动作的运动方向和位移；然后结合行为类别、行为花费的时间、切分出的时间窗口的数量、动作的运动方向和位移对各个动作进行编码，同时将一系列连续动作编码串联起来作为动作序列；

步骤6，对于产生的动作序列，通过分析各个动作间的时间间隔以及时间分布得出用户行为习惯相关的数据，然后结合动作的速度和幅度得出用户体型相关的数据；而用户行为习惯相关的数据、用户体型相关的数据就是与用户身份相关的隐藏特征；

步骤7，将提取出的隐藏特征和动作序列结合分类器进行分类；

步骤8，识别时，获取的实际CSI数据，将实际CSI数据经过步骤1至步骤3处理后导入训练好的隐马尔科夫模型中，得到其对应的行为类别、行为花费的时间、切分出的时间窗口的数量；然后根据得到行为类别、行为花费的时间、切分出的时间窗口的数量经过步骤5至步骤6的处理得到用户身份相关的隐藏特征和动作序列，将得到用户身份相关的隐藏特征和动作序列导入到步骤7中的分类器中进行识别匹配完成对身份的识别。

2.根据权利要求1所述基于WiFi信道状态信息的主动非接触身份认证方法，其特征在于：所述步骤5中获取动作方向和距离的方法包括以下步骤：

步骤5.1，对时间片内的数据进行几何均值滤波然后统计波动次数，然后与无人平稳环境中单位时间片内的波动次数做比对；

步骤5.2，然后利用比对结果与实际穿过的fresnel区域的数量进行比对和匹配获得穿过fresenl区域的数量与时间，然后配合波长获得距离；

步骤5.3，再利用不同子载波间的波长差导致闯过fresenl的先后区别，获得具体移动方向是面向fresnel区域的焦点或是背离焦点。