基于CSI幅值平稳性分析的室内人员被动感知与入侵检测方法

基于csi幅值平稳性分析的室内人员被动感知与入侵检测方法
技术领域
1.本发明涉及一种基于wi-fi信号的利用其csi幅值平稳性来确定室内有无人员的被动感知与入侵检测方法。


背景技术：

2.目前，随着移动通信技术与传感网络行业的飞速发展，智能感知技术已经成为社会生活中一项不可或缺的技术。传统的室内感知与入侵检测方法主要包括视频录像、红外传感、可穿戴设备、rfid、zigbee等方法，但是其中部分感知方法在现实生活中存在用户隐私侵犯的风险且其应用极易受到环境的限制，这些方法或需要特殊的硬件设备、或容易受到光线烟雾影响、或存在布线复杂、识别率低等问题，导致其难以得到大规模的应用。
3.研究发现，室内场景下无线电波在传播的过程中会因为人或物体而产生各种折射、反射、散射，从而在接收机处形成多径叠加信号，这些信号受到室内环境的影响，因此携带了反映环境特征的信息。与传统的室内感知方法相比，利用无线信号进行感知的技术对环境变化抵抗性强、隐蔽性高、无需目标佩戴设备，同时能绕过室内复杂障碍物，感知空间和适用性大大提高。值得一提的是，目前室内wlan设备已经变得非常普及，综合考虑信号覆盖区域、隐蔽性及部署成本等因素，wi-fi信号成为了室内感知技术的首选信号。
4.在早期基于wlan的室内人员感知与入侵检测的研究中，由于rssi的易获取性，研究人员常常使用rssi作为wlan无线信号的指示参量。有国外学者提出基于rssi平均值与方差的系统用来检测发射机与接收机之间发生的人员入侵行为，但是实际应用场景中测试发现该系统的性能有所下降。随后rasid系统通过分析rssi的特点并采用了一种非参数的技术进一步提高了入侵检测系统的性能。虽然基于rssi的研究取得了一定的成果，但是总体上看，基于rssi的相关解决方案仍具有识别率偏低、误报率偏高的弊端。
5.近年来，在802.11n协议下使用intel 5300系列或其他无线网卡均可以获取得到信道状态信息(channel state information，csi)。相比于rssi，csi在ieee 802.11n信道下具有抗频率选择性衰落、更细致地刻画多径效应等优势，更适合作为wlan无线信号的指示参量。因此针对室内人员感知与入侵检测的最新研究大都基于csi展开探索。借助于csi具有的细粒度和高敏感度优势，科研人员可以利用它实现很多细微的感知工作，如呼吸睡眠监测、室内定位、活动识别等。
6.此前，国内外相关研究人员提出可以通过使用csi的相位信息提取特征值，与标准稳定集进行比较来判定入侵行为。但是这种方法仅仅针对入侵行为，难以检测出缓慢移动或静止状态下的室内人员，且利用时序相位特征进行入侵检测的方法需要对采集的csi数据进行二次处理提取相位信息，与之相比，基于幅值的方法更为轻量化。
7.针对传统室内人员感知方法的不足和目前无线局域网飞速发展的形势，本发明提出使用现有的商用wi-fi设备，对wi-fi信号的信道状态信息进行处理，进而实现无感、被动的室内人员感知与入侵检测。本发明无需对设备进行改装、部署额外传感器、视距环境、被
检测人员连续走动等条件限制，可以实现常规场景下各种状态的室内人员被动感知与入侵检测。


技术实现要素：

8.鉴于上述各种方法的缺陷，本发明提出一种基于csi幅值平稳性分析的室内人员被动感知与入侵检测方法，克服了传统方法需对硬件设备进行改装、易受光线烟雾影响、布线复杂、要求被检测人员连续走动等问题，同时解决了以rssi作为指示参量识别率偏低、误报率偏高的弊端，实现了高精度的室内人员被动感知与入侵检测。
9.实现本发明的技术方案如下：
10.该方法通过接收室内不同场景下的wi-fi信号信道状态信息，基于对csi的平稳性分析确定室内当前状态下有无人员入侵行为发生或有无人员存在，具体步骤为：
11.(1)分别在室内有人与无人情况下采集wi-fi信道状态信息数据，构成样本库；
12.(2)从原始采样样本数据中提取csi幅值矩阵并进行去噪与异常值处理；
13.(3)计算一段时间内csi幅值矩阵的全局稳定度与局部稳定度；
14.(4)通过双阈值联合判定算法，将当前状态下的全局稳定度gs
now
与局部稳定度ls
now
分别与设置的阈值l1和l2进行比较，判定当前室内有无人员存在或有无人员入侵行为发生。
15.进一步地，本发明仅需一个路由器发射wi-fi信号，所述的wi-fi信号由布设的路由器ap在802.11n协议下发射，同一室内环境下采集的wi-fi信号均来自同一路由器。
16.进一步地，本发明所述的步骤(1)中的采集wi-fi信道状态信息是一段时间内的数据，并不是某一时刻的数据。同时在室内有人情况下采集数据时不限制室内人员的数量，室内人数可大于1。
17.进一步地，本发明所述的样本库包括不同场所、不同时间、视距与非视距条件、不同人员运动状态下采集的信道状态信息数据。
18.进一步地，本发明所述的信道状态信息csi在每个时刻都是一个m
×n×
k的三维复矩阵。其中第一维m是发射天线数目，第二维n是接收天线数目，第三维k是子载波数目，矩阵中每个元素均是复数形式。则第j个接收天线在时刻t接收到第i根发射天线的csi可表示为：
[0019][0020]
其中，是接收天线j在时刻t处接收第i个发射天线第k个子载波上的数据，每个均可以表示为：
[0021][0022]
对天线j在时刻t处接收第i个发射天线的csi幅值向量进行提取，可表示为：
[0023][0024]
将不同时刻的csi幅值向量放在一起，组成m时间内的csi幅值矩阵进行分析，观察其随时间的变化。m时间内的csi幅值矩阵h
i，j
可表示为：
[0025][0026]
进一步地，本发明所述步骤(2)中采用小波阈值去噪的方法对信号噪声进行抑制，
此方法实现简单、去噪效果较好且计算速度很快。与其他滤波方法相比，它具有多分辨分析的特点，能够聚焦到信号的任意细节进行多分辨率的时频域分析，可很好地保留信号的细节信息。
[0027]
进一步地，实际中采集到的csi数据幅值会发生不规律的跳变现象，出现该现象的原因可能包括室内噪声、ap设备自身信号不稳以及网卡硬件问题等。这些异常数据的跳变势必会影响后续的幅值稳定性分析，从而影响到感知检测结果。因此为保证室内人员感知与入侵检测的准确性，在去噪后还需要对异常值做进一步的工作，本发明使用汉佩尔滤波器对csi幅值时序数据中的异常数据做出检测，并进行异常数据的替换。
[0028]
进一步地，本发明所述步骤(3)提出使用全局稳定度和局部稳定度两个指标来感知当前室内环境状态。对于室内人员走动的场景，必然会对一定时间段内的csi数据产生一定程度的扰动，此时计算m时间内n个子载波幅值向量的平均标准差，将其称为全局稳定度，以此衡量样本整体波动情况。对于室内人员缓慢移动或静止的场景，当前时间段内的csi数据整体波动不明显，全局稳定度gs的指示效果不佳，此时引入局部稳定度ls的概念可以对当前环境细粒度地描述，准确感知静态下的室内人员。
[0029]
进一步地，本发明所述步骤(4)中的双阈值联合判定算法，分别将全局稳定度gs与局部稳定度ls这两个反映环境状态的指标与设定的阈值进行比较，结合了粗、细两个方面的信息，得到室内人员感知的判定结果。
[0030]
进一步地，若当前状态判定为有人且上一时刻室内无人时，认为存在人员入侵行为，基于该规则实现对室内人员的入侵检测。
[0031]
本发明提出的室内人员被动感知与入侵检测方法与已有的技术相比，有以下优点：
[0032]
(1)本发明所采用的感知信号由室内广泛存在的wi-fi路由器设备发射，仅利用现有家用的一台路由器与一台含intel5300网卡的电脑即可完成室内人员被动感知与入侵检测系统的构建。该系统无需额外采购设备，成本极低；无需对硬件做进一步修改，系统搭建简易。
[0033]
(2)本发明利用wi-fi信号的信道状态信息csi进行室内人员感知与入侵检测，与rssi相比具有细粒度和高分辨率的特性，同时csi具有时间稳定性好的优点，解决了以rssi作为指示参量识别率偏低、误报率偏高的弊端，实现了高精度的室内人员被动感知与入侵检测。
[0034]
(3)本发明所述的室内人员被动感知技术隐蔽性强，无需目标佩戴设备，可完成对目标入侵行为的检测与感知。同时该方法不受如光线、烟雾等环境因素影响，可绕过室内障碍物，即便在非视距条件下也能保持工作，感知空间与适用性大大提高。
[0035]
(4)本发明采用小波阈值去噪与汉佩尔滤波的方法对数据进行处理，实现简单且去噪效果好，具有多分辨分析的特点，能够聚焦到信号的任意细节进行多分辨率的时频域分析，可很好地保留信号的细节信息，同时采用汉佩尔滤波方法实现对csi幅值时序数据中异常数据的检测与替换，提高了系统的抗干扰能力；
[0036]
(5)本发明将全局稳定度信息gs与局部稳定度信息ls相结合，两种信息可准确感知目标的不同状态，相互弥补，联合利用这两种信息可以实现对室内人员的全状态被动感知，有效降低静态或缓慢移动状态下入侵行为的漏检率。
附图说明
[0037]
图1为本发明基于csi幅值平稳性分析的室内人员被动感知与入侵检测方法的流程图；
[0038]
图2为本发明采用的无线传输系统下csi数据结构图；
[0039]
图3为室内有无人员存在时的csi幅值分布差异图；
[0040]
图4为双阈值判定算法的流程图。
具体实施方式
[0041]
结合附图及实施例，对本发明所述的方法作详细阐述。
[0042]
如图1所示，基于csi幅值平稳性分析的室内人员被动感知与入侵检测方法，具体过程为：
[0043]
(1)分别在室内有人与无人情况下采集wi-fi信道状态信息数据，构成样本库。
[0044]
对于布设有路由器的室内场景，其空间中的无线链路分布状况在固定状态下是稳定或小幅度波动的。当人员处于感知区域内时必然会对无线链路造成一定程度的扰动，此时通过分析一段时间内的链路波动情况可对室内人员进行感知与入侵行为检测。
[0045]
本发明基于搭载intel 5300网卡的ubuntu14.04 lts系统与具备三根天线的路由器实现3发3收的无线传输系统，电脑端设置为ap模式接收数据，采集速率设置为定值，对路由器发射的wi-fi信号采集其中30个子载波对应频点的数据，因此采集到每个时刻的csi数据是3*3*30大小的矩阵h。
[0046]
针对室内复杂场景，分别在室内无人、室内单人、室内多人等状态下采集室内wi-fi信号的信道状态信息csi并存储至电脑端，每次采集时长为ms。同时考虑到实际中对于非合作目标侵入动作幅度小、地点不固定的特点，本发明还分别采集室内人员处于走动与静止、收发端处于视距与非视距状态下的信道状态信息，构成原始参考样本库与测试样本库。
[0047]
(2)从原始采样样本数据中提取csi幅值矩阵并进行去噪与异常值处理。
[0048]
对于步骤(1)中的每个样本，每一个时刻上所采集的csi数据包都是一个3*3*30的三维数据，如图2所示，每一个h(i，j，k，t)是一个复数，相当于发射端的第i根天线与接收端的第j根天线之间第k个子载波上在t时刻的csi采样值。则第j个接收天线在t时刻接收到第1根发射天线的csi可表示为：
[0049][0050]
其中，是接收天线j在时刻t处接收第1个发射天线第i个子载波上的数据，每个均可以表示为：
[0051][0052]
随后对天线j在时刻t处接收第1个发射天线的csi幅值进行提取组成幅值向量，可表示为：
[0053][0054]
最后将不同时刻的csi幅值向量放在一起，得到m时间内的csi幅值矩阵。
[0055]
由于采集的csi矩阵中含有噪声向量，因此在进行后续处理之前需要先对噪声干扰进行消除。本发明采用小波阈值去噪的方法对噪声进行滤除，在保留低频信号的基础上
选择小波实现对信号消噪过程中阈值参数的选取，在消噪过程中基于上一步选取的阈值参数，利用小波函数对原始信号做w层的小波分解，完成对信号背景噪声的滤除。
[0056]
此外，实际中会因为ap设备自身信号不稳、噪声干扰等因素导致信道状态信息产生不规律的大幅度跳变，本发明采用汉佩尔滤波的方式对3σ以外的过异常值用中值进行填充，完成对异常值的处理。
[0057]
(3)计算一段时间内csi幅值矩阵的全局稳定度与局部稳定度。
[0058]
在步骤(2)对csi幅值矩阵提取、去噪和异常值处理的基础上，本发明从两个维度出发，深度观察对应室内场景下该段时间内csi幅值矩阵的分布特性，提出使用全局稳定度gs和局部稳定度ls两个指标来联合反映当前室内环境状态。
[0059]
对于室内人员走动的场景，人员的活动必然会对一定时间段内的csi数据产生一定程度的较大扰动，室内有人与无人状态下csi幅值分布如图3所示。此时对一段时间内的样本整体计算n个子载波的平均标准差代表全局稳定度。针对天线j在时间m内接收第1个发射天线的csi幅值向量计算30个子载波的平均标准差，得到的全局稳定度gs可以表示为：
[0060][0061]
对于室内人员缓慢移动或静止的场景，当前时间段内的csi数据整体波动不明显，仅使用全局稳定度gs的指示效果不再可靠。但人体呼吸带动的胸脯起伏以及细微的活动都会导致室内无线信号的传播路径发生改变，从而引起csi信号幅值起伏波动，此时引入局部稳定度ls的概念可以对当前环境细粒度地描述，准确感知静态下的室内人员。
[0062]
对m秒时长内的30个子载波分别采用长度为w的滑动窗口法进行稳态检测，将第k个子载波的样本数据分为稳定时长集sdk与波动时长集fdk。若窗口数据csidata满足std(csidata)＜r
×
mean(csidata)，则这组数据判定为稳态数据，并入稳定时长集sdk中，反之则并入波动时长集fdk，依次向后移动窗口，直至所有时序数据稳态状态判断完成。最终得到当前时段内的局部稳定度ls可表示为：
[0063][0064]
(4)通过双阈值联合判定算法，将当前状态下的全局稳定度与局部稳定度分别与设置的阈值进行比较，判定当前室内有无人员存在。
[0065]
双阈值联合判定算法将全局稳定度gs与局部稳定度ls相结合，弥补了动态与静态场景下单一指标漏检率高的缺陷，该算法的过程如图4所示。
[0066]
对步骤(1)采集的参考样本数据执行步骤(2)与步骤(3)操作，得到对应于室内有人与无人状态下的gs与ls数据集，将其划分为两类并绘制散点图，通过聚类结果确定标准阈值l1和l2。
[0067]
对当前状态下采集的csi数据同样执行步骤(2)与步骤(3)操作，得到当前状态一段时间内的gs
now
与ls
now
指标，将其与标准阈值l1和l2进行比较，若gs
now
小于l1且ls
now
大于l2则判定当前状态为室内无人，否则判定当前状态为室内有人。同时，当上一时刻室内状态判定为无人且当前状态判定为有人时，认为存在入侵行为。
[0068]
以上只是对本发明作进一步的说明，并非用以限制本专利的实施应用，凡为本发明等效实施，均应包含于本专利的权利要求范围之内。

技术特征：
1.一种基于wi-fi信号的室内人员被动感知与入侵检测方法，其特征在于，通过对csi数据幅值平稳性的分析，可以实现常规场景下各种状态的室内人员被动感知与入侵检测，包括以下步骤：1)分别在室内有人与无人情况下采集wi-fi信道状态信息数据，构成样本库；2)从原始采样样本数据中提取csi幅值矩阵并进行去噪与异常值处理；3)计算一段时间内csi幅值矩阵的全局稳定度与局部稳定度；4)通过双阈值联合判定算法，将当前状态下的全局稳定度与局部稳定度分别与设置的阈值进行比较，判定室内当前状态下有无人员入侵行为发生或有无人员存在。2.如权利要求1所述的基于wi-fi信号的室内人员被动感知与入侵检测方法，其特征在于，所述的wi-fi信号统一由布设的路由器ap在802.11n协议下发射，同一室内环境下采集的wi-fi信号均来自同一路由器。3.如权利要求1所述的基于wi-fi信号的室内人员被动感知与入侵检测方法，其特征在于，采集的wi-fi信道状态信息是一段时间内的数据，并不是某一时刻的数据。同时采集数据时室内有人情况下不限制人员数量。4.如权利要求1所述的基于wi-fi信号的室内人员被动感知与入侵检测方法，其特征在于，样本库中包括不同场所、不同时间、视距与非视距条件、不同人员运动状态下采集的信道状态信息数据。5.如权利要求1所述的基于wi-fi信号的室内人员被动感知与入侵检测方法，其特征在于，所述的信道状态信息csi在每个时刻都是一个m*n*k的三维复矩阵，其中第一维m是发射天线数目，第二维n是接收天线数目，第三维k是子载波数目。第j个接收天线在时刻t接收到第1根发射天线的csi表示为其中csi幅值向量表示为m时间内的csi幅值矩阵h
1，j
表示为6.如权利要求1所述的基于wi-fi信号的室内人员被动感知与入侵检测方法，其特征在于，采用小波阈值去噪和hample滤波的方法完成对噪声的消除与异常值的处理。7.如权利要求1所述的基于wi-fi信号的室内人员被动感知与入侵检测方法，其特征在于，所述的双阈值联合判定算法结合了全局稳定度信息gs与局部稳定度信息ls，将gs、ls信息与设置的阈值l1和l2进行比较，判定当前室内有无人员以及有无入侵行为。8.如权利要求1～7所述的基于wi-fi信号的室内人员被动感知与入侵检测方法，其特征在于，所述的方法适用于任何可接收到wi-fi信号的室内环境。

技术总结
本发明公开了一种基于信道状态信息(CSI)幅值平稳性分析的室内人员被动感知与入侵检测方法。包括步骤：分别在室内有人和无人情况下采集样本；从样本中提取CSI幅度矩阵并进行去噪与异常值处理；计算CSI幅值矩阵的全局稳定度和局部稳定度；根据双阈值联合判定算法，实现室内人员的被动感知与入侵检测。本发明使用Wi-Fi信号作为感知信号，成本低且系统搭建简单；本发明利用CSI作为特征，具有细粒度与时间稳定性好的优势，该技术隐蔽性强、不受环境限制，感知空间与适用性大大提高；本发明采用小波去噪与汉佩尔滤波方法处理数据，具有多分辨分析的特点，提高系统的抗干扰性；本发明提出的双阈值联合判定算法，实现对室内人员的全状态被动感知与入侵检测。状态被动感知与入侵检测。状态被动感知与入侵检测。


技术研发人员：吴虹 薛明明 刘天蒙 李旋
受保护的技术使用者：南开大学
技术研发日：2021.11.22
技术公布日：2023/5/25