[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

摘要

本发明公开了一种基于WiFi信道状态信息的主动非接触身份认证方法，本发明主要通过WiFi信道状态信息来对人体行为中包含的与用户体型、习惯等特征进行提取。本发明是利用WiFi信道状态信息在身份识别方向上的首次应用，通过对现阶段广泛应用的WiFi信号中的信道状态信息CSI(Channel State Information)进行合理有效的去噪，特征提取，然后根据提取结果将与动作相关的波形数据进行切分。然后对切分后的数据进一步进行用户行为的识别以及用户身份相关信息(动作方向，速度，用户体型等)的提取。然后利用这些特征结果对用户身份进行识别，同时保证了整个机制的真实性。

主权项

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；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；步骤4，训练隐马尔科夫模型：将步骤步骤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Zt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Zt未知，相反在t时刻对系统有一个观测Xt；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。