基于信道状态信息的被动入侵检测方法思考

发布时间:2021-11-25 19:27:43 论文编辑:vicky

本文是一篇计算机论文,本文主要研究了基于信道状态信息的被动入侵检测方法,利用无线信号的信道状态信息,实现了室内理想实验环境下,对人员入侵行为的被动检测,在保证了良好的检测性能的同时,尽可能减小了检测方法的时间复杂度和计算复杂度,有一定的实际应用意义。但是目前的被动入侵检测方法对于复杂环境的适用性较差,且该方法现在只实现了被动入侵检测,对于入侵目标的识别、定位等,亟待在未来的工作中逐渐实现。


第 1 章  绪论


1.1  研究背景及意义

被动入侵检测方法是指在被检测人员未携带相关信号收发器设备或传感器的情况下,利用人类活动对无线电波的影响,对检测区域内未经授权的人员进行被动入侵检测,对正在兴起的智能家居产业有着重要的研究价值,在区域监测和安防等领域拥有良好的应用前景,国内外研究者先后进行了大量深入的研究。

传统的入侵检测技术包括计算机视觉[1]、无线传感器网络[2]等,在部署完备硬件设施的条件下利用这些技术可以实现对目标的检测或者追踪,然而在现实场景的应用中,都存有一定的局限性。基于计算机视觉的入侵检测技术受到画面昏暗、障碍物遮挡等环境因素的影响,容易产生盲区,同时视频监测在个人隐私和信息安全方面存在一定隐患,容易导致个人信息泄露;基于无线传感器网络的入侵检测技术需要布置高密度的传感器节点才能实现对检测区域的全覆盖,并且检测的时间效率低下,经济成本较高。

在当下通信技术和无线网络的快速发展的时代,无线信号逐渐覆盖了人们的居住环境和工作场所,为提供更方便、更快捷的生活、学习、通信服务建立了良好的技术基础,不断优化人们的网络体验。同时,研究者们在对无线信号的研究中发现,当无线网络覆盖的区域发生变化时(如人体活动或障碍物增多),无线信号会受到其影响并产生规律性波动,从而无线信号中会包含环境信息的特征[3],无线信号逐渐被用于被动入侵检测、行为识别、定位追踪等应用研究,不仅为提高人们的生活品质提供了新思路,而且降低了应用成本。

..............................


1.2  研究现状

当前无线网络几乎实现了对人类生活的全面覆盖,相关技术也日趋成熟,研究学者们致力于依托现有的商用 Wi-Fi 设备来实现高效精确人员被动入侵检测。在实现过程中,被动入侵检测方法通常将一个商用路由器作为发射点,使用无线网卡等信号接收设备作为检测点。在初期的检测方法中,由于 RSSI 的数据易于获取,且能在一定程度上反映环境信息特征,普遍将 RSSI 数据用于判定入侵行为的发生。人体的活动以及行为都会阻挡或干扰无线信号的传播,进而引起接收设备获取的 RSSI 数据产生波动,研究者通过分析波动的差异和特征来实现入侵检测[16-18],取得了一些技术成果。然而由于复杂环境下多径传播效应的影响,RSSI 数据并不稳定可靠,基于 RSSI 的检测系统难以保持良好的鲁棒性。在 2011 年,Halperin 等人成功修改了无线网卡的驱动[19],获取了 30 个子载波的 CSI,研究人员开始逐渐使用 CSI 数据进行入侵检测研究[20,21],CSI 作为一种子载波等级的指示信息参量,具有良好的稳定性,并且能细粒度的描述无线信道的环境状态。

在本小节中,就基于 RSSI 和 CSI 的研究现状分别进行介绍。

1.2.1  基于 RSSI 的被动入侵检测方法研究

Youssef 等人使用基于 RSS 移动平均值和移动方差的方法,通过机器学习的分类算法实现了对人体的检测,在理想实验环境下取得了很好的效果[22]。Kosba 等人提出了RASID 系统,在 RASID 系统中,使用 RSS 的样本方差作为检测特征,然后应用非参数统计异常和轮廓更新技术来获取其在环境中的变化[16]。RASID 系统具有很好的鲁棒性,但 1smple/s 的采样率太低,导致数据收集时间过长。Xiao 等人在现有的无线网络设备上收集了 RSSI 值,设计了 RASID-like 系统。系统中仅布置了一对收发设备,在狭小的走廊里实现了人员检测[23]。Depatla 等人提出了一个人数统计系统[24],该系统以装有802.11g 无线网卡的个人计算机(PC)为发射点(AP),另一台计算机为接收点进行实验。基于他们推导出的数学表达式,系统中人类运动对 RSSI 值的影响分为两部分:阻挡视距无线传输和散射效应[24]。他们利用 RSSI 的理论和实验概率质量函数(PMF)之间的相对熵来估计总人数。
............................


第 2 章  被动入侵检测方法中 CSI 相关技术


2.1  引言

基于无线网络的被动入侵检测方法利用室内普遍安装的路由器等商用无线网络设施,对检测范围中的非法入侵行为进行快速的被动检出及告警响应,对居家安全、室内监控等领域有着广阔的应用场景和现实意义。在被动入侵检测技术中,基于 Wi-Fi 的被动入侵检测方法在很多方面具有基于图像或者传感器的被动入侵检测方法难以比拟的优势。该方法只需在检测区域中布置相对简单的路由器等硬件设施,就可以在检测目标没有携带相关设备的情况下,实现对入侵行为的被动检测。如今无线网络无处不在,在5G 技术的迅速应用、物联网行业的飞越发展的时代背景下,被动入侵检测技术拥有广阔的发展平台,有着良好的应用前景和潜在的经济价值。尤其是随着 OFDM 技术的不断升级和成熟,无线信号中的 CSI 数据可以相对简便高效的进行提取,CSI 比过去检测方法中使用的 RSSI 具有更为出色的抗频率选择性衰弱效应的特性[39],对人体活动影响下导致的室内无线信号的波动和变化可以进行更为细粒度的体现。CSI 数据的高效获取以及应用为利用现有路由器设备实现人体识别和行为检测等相关技术的研究和进步提供了重要工具。

本章着重介绍被动入侵检测场景中的 CSI 基础理论和检测方法。通过以下几个部分分别介绍:首先简要论述了 CSI 的理论知识,其次论述了对 CSI 数据的处理方法,最后总结了被动入侵检测方法的流程框架,并给出了被动入侵检测方法的评价指标。

...............................


2.2 CSI 数据理论基础

2.2.1 CSI 数据概述

信道状态信息的概念最早由 Daniel Halperin 于 2010 年首次提出[40]。随着 Intel 对部分无线网卡的开源改进,CSI 数据可以从无线网卡中获得并且用于无线信号相关应用。CSI 数据的采集模型通常是一个多输入多输出(Multiple-Input Multiple-Output,MIMO)系统,系统由发射和接收设备的天线共同组成。CSI 数据比 RSSI 数据包含更为丰富的时频域信息,可以更好的体现无线传输过程中信道的多径效应。基于 CSI 的被动入侵检测方法的原理是入侵者的行为会对无线信号的传播产生影响,人体对无线链路的阻挡会引发电磁环境出现扰动变化[17]。因为 CSI 数据可以良好的记录下这个过程中环境的变化特征,所以研究人员可以利用采集到的 CSI 数据包,对其进行特征提取和分析,以此为依据对入侵者行为发生与否进行检测和判别。无线信号在室内环境中的传播过程如图2.1 所示。

图 2.1  室内环境中无线信号的传播

图 2.1  室内环境中无线信号的传播

...........................


第 3 章 基于 VIKOR 方法的最优无线链路选择 ....................... 19

3.1  引言 ......................................... 19

3.2  基于多属性决策 VIKOR 方法的最优无线链路选择 .................................. 19

第 4 章 基于动态阈值的被动入侵检测方法 ......................... 29

4.1  引言 .......................................... 29

4.2  数据预处理 ...................................... 30

第 5 章 总结与展望 ............................ 45

5.1  总结 ........................................ 45

5.2  展望 ....................................... 46


第 4 章  基于动态阈值的被动入侵检测方法


4.1  引言

被动入侵检测的实现方法主要是利用在静态环境下采集到的 CSI 数据,在训练阶段设计理想的被动入侵检测模型。在线检测阶段便可依据检测模型实时的判断检测区域中是否出现了入侵者。然而,目前的被动入侵检测方法不能很好的平衡检测精度和时间复杂度:传统基于阈值的被动入侵检测方法没有考虑多链路条件对检测结果的影响,虽然时间开销较小,但是检测稳定性和准确性难以保证;基于统计分类算法的被动入侵检测方法有着良好的检测性能,但是其计算复杂度较高,难以实现对入侵行为的快速响应。因此,本文介绍了一种基于动态阈值的被动入侵检测方法,该方法利用静态环境下的 CSI数据分析了链路之间的检测性能差异,利用上一章节选出的对环境变化敏感的最优链路,将功率谱密度分布作为检测特征,结合动态阈值算法实现了被动入侵检测。该方法计算复杂度和时间复杂度较低,同时能保证良好的检测精度。具体方法流程如图 4.1 所示。

图 4.1  被动入侵检测方法流程

图 4.1  被动入侵检测方法流程

.................................


第 5 章  总结与展望


5.1  总结

本文中将室内环境中无线信号的信道状态信息作为研究对象,通过分析理论方法,结合实验结果验证,提出了一种准确率较高且可以对人员入侵行为快速响应的被动入侵检测方法。以下是已经完成的主要工作和研究成果:

(1)针对无线射频链路之间的性能差异问题,本文基于多属性决策的思想,采用VIKOR 方法选出了性能最优的无线射频链路。首先,采集静态环境下各条无线射频链路的 CSI 数据的幅值信息,将其方差、峰值和功率谱密度作为链路的评估属性;其次,使用 VIKOR 方法对无线射频链路按照性能好坏进行排序;最后选择性能最佳的无线射频链路,利用其中的 CSI 数据实现被动入侵检测。

(2)针对现行的被动入侵检测方法难以同时保证高准确率和低耗时的问题,本文设计了基于动态阈值的被动入侵检测方法。首先,通过带通滤波器对原始 CSI 数据进行降噪处理,通过主成分分析算法提取出 CSI 数据的第一主要成分;其次,从 CSI 数据的第一主要成分中提取功率谱密度分布作为检测特征,以静态环境下,功率谱密度分布的峰值的三倍作为初始检测阈值,若当前滑动窗口内连续三个测试点的功率谱密度均高于检测阈值,则判定有人员入侵行为的发生;最后,使用指数滑动平均法对检测阈值进行持续性的修正调整,保证检测阈值设置的合理性。

(3)提取 CSI 数据的功率谱密度分布作为被动入侵检测方法的检测特征。功率谱密度在频域上对 CSI 幅值的时间序列进行了分析,通过分析无人入侵状态与有人入侵状态时,功率谱密度分布的显著差异来实现被动入侵检测。与使用 CSI 和幅值和相位信息作为检测特征相比较,功率谱密度分布能敏感的反映出人体活动对无线信号的影响,计算复杂度也比较理想,具有更好的鲁棒性。因此对于被动入侵检测而言,功率谱密度分布是一个很好的检测特征。

参考文献(略)

如果您有论文代写需求,可以通过下面的方式联系我们
点击联系客服