[发明专利]基于模糊规则更新的室内WLAN被动入侵检测定位方法

说明书

技术领域

本发明涉及无线电通信领域中WLAN被动入侵检测定位方法，具体为一种基于模糊规则更新的室内WLAN被动入侵检测定位方法。

背景技术

随着经济和科技的发展，人们对于情景感知服务的需求越来越高，尤其是基于位置的服务(LBS,Location Based Services)的商业需求呈现爆炸式增长。近年来Online to Offline(O2O)模式逐步成为商业的基础，O2O商业模式的蓬勃发展使得LBS带有优质的商业基因。LBS目前在室外主要有卫星定位系统(如全球卫星定位系统、北斗卫星导航系统等)、蜂窝网定位系统、辅助GPS定位系统(Assisted GPS,A-GPS)等；在室内主要有蓝牙(Bluetooth)定位系统、射频识别(Radio Frequency Identification,RFID)定位系统、ZigBee定位系统、WLAN定位系统等。由于人们80％的活动空间是在室内，且室外定位系统信号在室内易受建筑物遮蔽等影响而限制了其应用范围。此外，在室内定位系统中，Bluetooth定位系统需要部署蓝牙发送设备、作用距离短、安全性差等因素限制了其应用。RFID和ZigBee定位系统因作用距离短，且大规模部署成本较高等因素也限制了其应用。与此同时，随着移动互联网的发展，人们的生活进入了移动互联网时代，80％的移动电话和数据连接业务在室内产生，移动电话和数据连接业务的增长促使WLAN部署越来越普及。WLAN在商业区、写字楼、校园、机场、居民区、酒店等各种环境已经广泛部署，WLAN定位系统无需额外硬件开销和设备升级，节约了定位成本且具有非视距传播的特点，从而使其在定位方面得以广泛应用并逐渐成为室内定位技术的主流。

传统的定位系统通常需要待定位目标携带定位设备，且需要待定位目标的主动参与，从而无法对没有携带定位设备(如手机、蓝牙接收器等)且不主动参与的异常用户进行入侵检测和定位。针对这一问题，本发明提出的基于模糊规则更新的室内WLAN被动入侵检测定位方法，可以对没有携带定位设备且不主动参与定位的人进行入侵检测和定位。本发明可应用于敏感区域防护、灾害救援、资产管理、安全预警等方面。

模糊推理是一种以模糊集合理论为基础描述工具，且具有处理模糊信息能力的一种不确定推理方法。模糊推理可以实现较为复杂的非线性映射关系，其在工业控制领域被广泛应用，但目前在室内WLAN被动入侵检测定位方面还没有得到应用。本发明基于模糊规则更新的室内WLAN被动入侵检测定位方法将根据模糊推理方法综合利用环境中无线信号特征变化的模糊信息，建立信号特征变化和入侵位置映射的模糊规则库，进而针对未知目标入侵实现目标的被动定位。

输出入侵检测定位结果，并结束入侵检测定位。

本发明是一种可以有效解决室内异常入侵检测和无设备被动定位的方法。通过处理环境中信号滑动窗方差特征来寻找环境入侵的异常门限，根据实时检测环境中信号特征是否大于异常门限，来判断环境中是否有异常入侵。同时，利用模糊规则训练，构建模糊规则库，建立信号异常情况和异常入侵位置的映射关系，进而实现对入侵目标的位置估计。

发明内容

针对现有技术的不足，提出了一种实现对入侵目标的位置估计，并通过设计模糊规则自适应学习算法来适应环境的变化，从而提高了本发明方法的鲁棒性的方法，本发明的技术方案如下：一种基于模糊规则更新的室内WLAN被动入侵检测定位方法，其特征在于，包括以下步骤：

步骤一：在无人静默环境下，利用监测设备MP采集环境中来自不同无线接入点AP的信号强度s_j,t,，从而采集得到K个数据流S_j＝[s_j,1,...,s_j,m](j＝1,...,K)，(其中，K为MP数目与AP数目之积，s_j,t,(t＝1,...,m)为第j个数据流中第t时刻的信号强度值，m为无人静默环境监测时间长度，且记数据流集合为A＝{S₁,...,S_K}；

步骤二：利用公式(1)所示的滑动窗函数，将数据流S_j划分为m-1个滑动窗数组，令W_j,t(t＝2,...,m)为第j个数据流在第t时刻的滑动窗数组；

其中，L为最大滑动窗宽度；