[发明专利]一种基于WiFi的环境入侵检测方法和系统

权利要求书

1.一种基于WiFi的环境入侵检测方法，其特征在于，包含以下步骤：

步骤一：通过WiFi网卡采集无人走动环境和有人走动环境下的信道状态信息CSI；

步骤二：对信道中的子载波依次进行中值滤波去噪、降采样预处理；

步骤三：以预处理后子载波信号作为数据集，采用自组织竞争神经网络算法进行特征提取；

步骤四：利用Softmax分类器对提取的特征进行特征分类，建立入侵指纹库；

步骤五：将待检测环境下通过WiFi网卡采集的CSI数据进行预处理后，输入Softmax分类器，通过和入侵指纹库进行比对，获得环境有无入侵的判断结果；其中：

步骤三中，采用自组织竞争神经网络算法进行特征提取的步骤如下：

经过预处理后的子载波信号中包含M个元素，采用SOM神经网络对M个元素进行聚类，SOM神经网络为无监督学习，具有自组织功能的神经网络，具有输入层和竞争层两层神经网络；首先对SOM网络中的输入模式向量X、竞争层中各神经元对应的权向量W_j，j＝1,2,3,4,5...n，n为神经元总个数，进行归一化处理，得到和

然后将与竞争层中所有神经元对应的权向量进行相似性比较，最相似的神经元获胜，权向量为

接着，进行网络输出与权调整；

按WTA学习法则，获胜神经元输出为“1”，其余为0，即：

获胜神经元调整权向量为其权向量学习调整为：

式(9)中，α为学习率，0α≤1；

最后，学习调整后的权向量重新归一化，进行迭代学习，α随着学习的进展而减小到接近0，将输出向量聚为j类，SOM神经网络训练结束。

2.根据权利要求1所述的环境入侵检测方法，其特征在于，步骤四中，采用Softmax分类器进行特征分类建立入侵指纹库分为离线阶段和在线阶段；

一)离线阶段，建立入侵指纹库：

其中代表处于入侵状态i或者无人状态k时的采集的数据所对应的g个特征向量；

二)在线阶段，利用最小优化方法将入侵特征向量Y与入侵指纹库匹配，进行有人入侵和无人状态的概率估计：

其中，ID是对应入侵或者无人状态下的概率，为二分类互斥问题，即两者概率和为1，概率较大者为识别结果。

3.根据权利要求1所述的环境入侵检测方法，其特征在于，步骤一和步骤五中，WiFi网卡上分别接有3根接收天线。

4.根据权利要求1所述的环境入侵检测方法，其特征在于，步骤一和步骤五中，WiFi网卡的接收天线的摆放高度为150cm。

5.一种基于权利要求1所述的方法的环境入侵检测系统，其特征在于，该系统包括信号采集模块、预处理模块、特征提取模块、分类模块和判断模块；其中：

信号采集模块：通过WiFi网卡采集无人走动和有人走动环境状态下的信道状态信息CSI；

预处理模块：对信道中的子载波依次进行中值滤波去噪、降采样预处理；

特征提取模块：以预处理后子载波信号作为数据集，采用自组织竞争神经网络算法进行特征提取；

特征分类模块：利用Softmax分类器对提取的特征进行特征分类，建立入侵指纹库；

判断模块：将待检测环境下通过WiFi网卡采集的CSI数据进行预处理后，输入Softmax分类器，通过和入侵指纹库进行比对，获得环境有无入侵的判断结果。