[发明专利]一种基于WiFi的环境入侵检测方法和系统

说明书

本发明公开了一种基于WiFi的环境入侵检测方法和系统。本发明首先采集不同入侵环境下的信号并进行预处理，然后利用自组织神经网络算法对预处理数据进行特征提取，采用Softmax分类器对特征值进行分类，建立入侵指纹库，最终在线将待检测环境下采集数据与指纹库数据进行匹配，对有无入侵进行判断。本发明利用现有WiFi网络实现安防监控功能，覆盖范围广且不会暴露隐私。实验结果表明，本发明方法的识别率大大提升，具有较好的发展前景。

技术领域

本发明属于智能安防技术领域，特别涉及一种基于WiFi的环境入侵检测方法和系统。

背景技术

入侵检测技术在安防，智能家居等领域具有广阔的应用前景。传统入侵检测技术有以下几种。计算机视觉入侵检测的方法是利用计算机摄像头采集的图像，经过神经网络进行特征提取并检测，检测精度较高，但存在检测条件苛刻，检测人隐私被侵害等缺点。通过佩戴传感器的检测方法，被检测人须事先佩戴特定传感器，成本高，识别对象范围小。通过声音的有无来判断是否入侵的检测方法，误判率较高。

发明内容

针对上述现有技术中存在的不足，本发明的目的在于提出一种新的基于WiFi的环境入侵检测方法。本发明不需要搭建特定的硬件设施，可以充分利用现有的WiFi网络进行安全监控，成本低廉，覆盖范围广且不会暴露隐私；本发明方法检测准确度高，可行性好，具有较好的应用前景。

本发明首先采集不同入侵环境下的信号并进行预处理，然后利用自组织神经网络算法对预处理数据进行特征提取，采用Softmax分类器对特征值进行分类，建立入侵指纹库，最终在线将待检测环境下采集数据与指纹库数据进行匹配，对有无入侵进行判断。本发明的技术方案具体介绍如下。

本发明提供一种基于WiFi的环境入侵检测方法，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：利用可以实现归一化函数的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。

本发明中，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：

假设经过预处理后的子载波信号中包含X个元素，采用SOM神经网络对X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，对SOM网络中的当前输入模式向量X、竞争层中各神经元对应的权向量W_j，进行归一化处理，得到和

将与竞争层所有神经元对应的权向量(j＝1,2,3,4,5...m)进行相似性比较，最相似的神经元获胜，权向量为

网络输出与权调整，重新归一化处理，按WTA学习法则，获胜神经元输出为“1”，其余为0，即：

α为学习率，0α＝1，α随着学习的进展而减小到接近0，经过SOM神经网络训练结束，将输出向量聚为j类。

本发明中，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：