[发明专利]一种基于电磁辐射的应用程序使用情况推测方法

权利要求书

1.一种基于电磁辐射的应用程序使用情况推测方法，其特征在于，该方法包括以下步骤：

(1)开启智能手机内置的磁力计，将其置于目标个人电脑附近，并收集目标个人电脑辐射的电磁信号；

(2)对智能手机磁力计采集到的数据进行应用程序启动分析和应用程序辨识分析，从而推测目标个人电脑的应用程序使用情况；所述的应用程序启动分析包括以下步骤：

1)对智能手机磁力计采集的电磁信号进行预处理，消除地磁场的影响：记智能手机收集的三维电磁信号为M＝{mag_x(t),mag_y(t),mag_z(t)},t∈{1,2,...,n},计算各轴电磁分量相对于地磁的变化量，如公式(1)所示：

M_i＝M_i-avg(M_i),i∈{x,y,z} (1)

将三轴变化量合成为总变化量，如公式(2)所示：

将三轴合成总变化量进行归一化处理，如公式(3)所示，得到预处理后的电磁信号记为M_norm；

2)对预处理后的电磁信号M_norm进行预滑窗处理，初步筛选包含应用程序启动时刻的信号窗口：采用滑窗算法使用一个时间窗口在电磁信号M_norm上进行滑动，过滤不包含应用程序启动时刻的窗口，若当前时间窗口下的电磁信号M_norm的变化量Var(t)大于某一阈值，如公式(4)所示，则认为该时间窗口包含应用程序启动时刻；

Var(t)≥β×δ_t (4)

其中δ_t是当前时刻的阈值，按公式(5)进行迭代，其中迭代系数α，β为阈值的系数；

δ_t+1＝(1-α)×δ_t+1+α×Var(t) (5)

3)对滑窗算法初步筛选出的电磁信号窗口使用支持向量机(Support VectorMachine，SVM)算法进行进一步筛选：将上述初步筛选得到的各电磁信号窗口与其后续k-1个电磁信号窗口合并拓展；

对拓展后的电磁信号窗口使用短时傅里叶变换(Short Time Fourier Transform，STFT)和主成分分析(Principal Component Analysis，PCA)提取特征向量：使用长度为w，步长为0.5×w的滑窗将拓展后的电磁信号窗口划分成p个时间间隔，并将每个时间间隔的长度通过补零拓展到2×w；对每个时间间隔进行傅里叶变换并计算其系数绝对值，则每个电磁信号窗口得到一个维度为p×q的矩阵，记为S，其中p行代表p个时间间隔，q列为每个时间间隔的傅里叶变换结果；

对电磁信号窗口短时傅里叶变换的结果进行主成分分析，记电磁信号窗口的数量为l，对于每一个时间间隔，从上述得到的l个S矩阵中提取相关的傅里叶变换结果组成新的行数为l的间隔矩阵，记为H；因此，对于p个时间间隔，可得p个间隔矩阵H₁,H₂,...,H_p；对于每个间隔矩阵H_i，计算其主成分系数矩阵C_i，其中每一列均为一个主成分的系数，列间以成分变化量为基准降序排列；

根据短时傅里叶变换结果S和主成分分析结果C_i构建特征向量V，如公式(6)所示：

使用SVM构建单分类器对每个拓展电磁信号窗口提取的特征向量V进行分类，从而得出该电磁信号窗口是否包含应用程序启动。

2.根据权利要求1所述的基于电磁辐射的应用程序使用情况推测方法，其特征在于，所述的SVM构建单分类器其核函数使用径向基函数(radial basis function)。