[发明专利]基于环境特征自适应筛选的被动入侵检测方法

说明书

本发明公布了一种基于环境特征自适应筛选的被动入侵检测方法，首先在目标感知区域内采集一组无人静默数据和有人走动数据，并提取每条链路包括最大值、最小值、中值、均值、极差值以及方差在内的6种环境特征；其次，利用分布差异性度量方法评估每条链路中各个特征的分布差异，并根据分布差异程度进行环境特征筛选；之后，再采集一组无人静默数据和有人走动数据，并根据环境特征筛选的结果，提取每条链路相应的特征，构建特征矩阵；最后，利用特征矩阵训练基于决策树的被动入侵检测模型，并用于在检测阶段判断当前环境是否存在入侵。本发明方法解决了传统检测算法对不同监测环境适应性较差的问题，且能实现准确的被动入侵检测。

技术领域

本发明涉及无线电通信领域中WLAN被动入侵检测方法，具体为一种基于环境特征自适应筛选的被动入侵检测方法。

背景技术

得益于无线局域网的在室内环境下的广泛部署，基于WLAN的被动入侵检测技术在入侵检测，边界保护，和智能家居等方面得到了广泛的应用。被动入侵检测技术不要求被检测和跟踪实体携带任何收发装置，并且不需要积极主动地参与检测和定位过程。被动入侵检测技术依赖于在2.4GHz频段和5GHz频段的真实无线环境中，检测目标的存在或运动都会影响无线链路，甚至当检测目标并没有直接阻挡接收机和发射机的LOS传播，实体的存在也会吸收部分信号能量并影响信号的多径传播，从而导致接收端信号特征的发生变化。

现有的基于WLAN的被动入侵检测技术对环境变化的稳健性较差，比如人体的运动，设备或家居位置的变化。此外，当监测环境发生变化时，需要调整相应的环境参数，对不同监测环境的适应性较差。

为了解决以上技术的问题，本发明提出了基于环境特征自适应筛选的被动入侵检测方法，通过在不同监测环境中进行环境特征的自适应筛选，有效地提高不同监测环境下的检测率。

发明内容

针对现有技术的不足，本发明提供一种新颖的被动入侵检测方法，通过对监测环境进行环境特征的自适应筛选，有效地提高本发明方法的适应性和鲁棒性。

基于环境特征自适应筛选的被动入侵检测方法，其特征在于，包括以下步骤：

步骤一、在目标监测区域内，布置X个监测设备(Monitor Point，MP)，以及Y个无线信号接入点(Access Point，AP)，可得K＝X×Y条无线链路，其中监测设备的监测频率为1秒/次。

步骤二、利用监测设备MP分别采集一组短时间的静默数据X_nor和走动数据X_abn，采集长度相同为T₁秒；

步骤三、利用滑动窗提取静默数据中K条数据流中包括最大值，最小值，均值，中值，极差值,方差在内的6种信号特征，令M＝6表示特征数种类数，从而得到静默数据X_nor中K条数据流的特征矩阵

步骤四、利用滑动窗提取走动数据中K条数据流中包括最大值，最小值，均值，中值，极差值,方差在内的6种信号特征，令M＝6表示特征数种类数，从而得到走动数据X_abn中K条数据流特征矩阵

步骤五、计算第j条数据流中M个特征在无人静默和有人入侵两种状态下的归一化分布差异值c_j,m,m＝1,…,M；

步骤六、将第j条数据流中M个特征的归一化分布差异值c_j,m,m＝1,…,M进行从大到小排序，得到其中经过排序后第I_j(n)个特征的归一化分布差异值，其中，I_j(n)＝m，m表示未排序前的特征序号；

步骤七、根据步骤六中得到的第j条数据流中M个特征的排序结果，选择前R_j个特征使得并将这前R_j个特征作为第j条链路特征筛选的结果

步骤八、重复K次步骤五至步骤七，得到K条链路的特征筛选结果