欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024116766917
申请人: 南京邮电大学
专利类型:发明专利
专利状态:已下证
专利领域: 信号装置
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于信号强度的入侵检测边界估计方法,其特征在于:该方法包括以下步骤:步骤S1:对入侵检测边界进行定义;

对入侵检测边界进行定义,具体操作为:

假设收发器节点的LoS距离恒定,室内环境不变,基于RSS的人体入侵检测方法检测到人体运动的最远位置是感知边界;

当通过人体运动检测方法提取的RSS特征大于阈值时,将检测到人体运动的最远位置记录为入侵检测边界,入侵检测边界IDB表示为:IDB=max(dTP|RSSft>RSSth)  (1);

其中,RSSft为提取的RSS特征,RSSth为阈值,dTP为入侵者和收发器之间的距离;

步骤S2:在室内环境中采集人员入侵时对应的无线信号数据,从中提取RSS原始数据;

步骤S3:分析采集到的RSS数据,建立运动扰动RSS模型,并推导出运动扰动RSS模型中的阻挡面积和反射面积;

分析采集到的RSS数据,建立运动扰动RSS模型,并推导出运动扰动RSS模型中的阻挡面积和反射面积,具体操作为:步骤S3-1:建立运动扰动RSS模型;

在室内环境中,到达接收器的信号是来自多条路径的信号的叠加,得知RSS取决于接收器处多径信号的幅度和相位;在频率f和时间t处的信号的信道频率响应表示如下:其中,L为所有路径的数量,f为载波频率,t为时间,j为虚数,λ为信号的波长,al(f,t)表示第l个路径的振幅衰减和初始相位的复数,dl(t)为第l条路径的距离,ε(f,t)为测量噪声;

传输功率用Pt表示,则RSS表示为:

RSS(f,t)=|H(f,t)|2×Pt  (3);

结合公式(2)和(3),得到:

其中,L=1表示最短路径,如果存在LoS路径,则最短路径为LoS路径;否则,最短路径是最短的非视线路径;al(f,t)与dl(t)有关,表示为:其中,Gl为发射器和接收器处的天线增益的乘积,n为路径损耗因子,为第l条路径的初始相位;j为虚数;

假设室内环境中只有一个入侵者,当入侵者出现在收发器周围时,H(f,t)通常是静态分量和动态分量的叠加,另外H(f,t)还受到噪声的影响,H(f,t)写成:其中,Aniose是振幅中的脉冲噪声,是随机相位偏移量;Hs(f)为静态分量,在短时间内保持不变,Hd(f,t)为动态分量;在入侵情况下,Hs(f)对应于静态信号,包括LoS路径信号和由墙壁、地板等静态物体反射的信号;Hd(f,t)为动态信号,动态信号被入侵者运动物体反射,并随着人类运动而变化;

当室内环境中没有人时,到达接收器的静态信号是来自所有静态路径的信号的叠加;在多路径丰富的环境中,如果存在LoS传播,则最短路径是直接从发射器到接收器;其他路径包括反射路径,在反射路径上,传输的信号在各种反射体上被反射一次或多次;每次反射都会产生相应的反射损失,反射损失的值与反射表面的材料有关,Hs(f)表示如下:其中,Ps为所有静态路径的集合,ak(f)表示第k条路径的振幅衰减和初始相位的复数,dk表示第k条路径的距离;NK表示第k条路径的反射次数,表示第k条路径的第n次反射的反射面积;表示第k个路径的第n次反射的单位反射面积的反射损失系数,εs(f)为静态环境下的测量噪声;

多次反射极大地削弱了到达接收器的信号,只考虑一次反射路径的情况下,公式(7)缩写为:其中,Sk为第k条路径一次反射的反射面积,Γk为第k条路径一次反射的单位反射面积的反射损失系数;

有人出现在室内环境中时,部分静态路径被人体阻挡,RSS会受到干扰;Hd(f,t)对应于被人体反射和阻挡的信号,写成:其中,Smo(t)为人体反射的面积,Sbl(t)为人体阻挡的面积,Γmo为人体反射的单位面积反射系数,Γbl为人体阻挡的单位面积反射系数;Amo(f,t)和abl(f,t)是复数,分别表示人体反射的路径和被阻挡的路径的振幅衰减和初始相位;dmo(t)和dbl(t)分别表示人体反射的路径和遮挡路径的距离;εd(f,t)为有人运动环境中的测量噪声;

步骤S3-2:基于步骤S3-1中推导的模型,推导该模型中的阻挡面积;

步骤S3-3:基于步骤S3-1中推导的模型,推导该模型中的反射面积;

步骤S4:根据运动扰动RSS模型推导出RSS入侵检测边界模型,利用RSS入侵检测边界模型进行入侵检测边界估计;

根据运动扰动RSS模型推导出RSS入侵检测边界模型,利用RSS入侵检测边界模型进行入侵检测边界估计,具体操作为:根据入侵检测边界IDB=max(dTP|RSSft>RSSth)的定义,当人体运动检测方法提取的RSS特征大于阈值时,将检测到人体运动的最远位置记录为入侵检测边界;为了获得IDB,采用最大幅度的改进FFT方法,具体操作为:当没有入侵者时,测量的RSS值记录为rss0(t);当入侵者出现时,测量的RSS值记录为rssd(t);

首先分别对静态环境和入侵环境下测量的RSS数据进行FFT:

其中,FFTs(m)表示快速傅里叶变换后的第m个输出结果,FFTd(n)表示快速傅里叶变换后的第n个输出结果,N是信号样本数;

然后提取除0频率分量外的最大振幅:Ms=max(|FFTs[1:N-1]|),Md=max(|FFTd[1:N-1]|);

当入侵者远离WiFi设备时,其对无线信道的影响减小,Md逐渐减少,当Md变得足够小时,就不可能感知到入侵者的入侵;此时阈值RSSth被设置为Ms。

2.根据权利要求1所述的一种基于信号强度的入侵检测边界估计方法,其特征在于:所述步骤S3-1中室内环境中的静态路径信号在短时间内保持不变,结合公式(3)、(6)和(9),RSS写成:其中,Sbl(t)表示被人体阻挡的面积。

3.根据权利要求1所述的一种基于信号强度的入侵检测边界估计方法,其特征在于:所述步骤S3-2中基于步骤S3-1中推导的模型,推导该模型中的阻挡面积,具体操作为:人体阻挡的面积随着人体的方向和位置而变化,通过计算墙上的投影面积来近似人体阻挡的面积;

知道房间的长度为M,宽度为N,发射器分别位于距离东墙和南墙的距离a和b处,发射器和接收器之间的距离为c,发射器和接收器的连接线平行于南墙;

建立二维坐标系,将发射器视为原点,指定东方向为正x轴方向,南方向为正y轴方向,x轴与南墙平行;

将人体建模为一个长方体,长度、宽度和高度分别表示为l、w和h,TW为发射机与墙的右下角的连接线;线段TW与南墙之间的角度为β,人体正面与南墙的角度为θ,该角度的顺时针方向定义为正方向;人位于点P(x,y)处,从上方观察时,人的形状是一个长度为l、宽度为w的矩形,四个顶点分别表示为A、B、C和D,A、B、C和D分别表示人体俯视图的左上顶点,右上顶点,右下顶点,左下顶点;

计算出四个顶点的坐标,计算发射器和这些顶点之间的斜率,确定被阻挡面积的边界;人体阻挡的范围通过考虑最大斜率kmax和最小斜率kmin确定,两个斜率分别对应于被阻挡范围的左边界和右边界;

当人在运动时,被人体阻挡的传输信号仅投射在南墙上,或仅投射在东墙上或两面墙上;根据三角形比例特性,投影在墙上的遮挡面积表示如下:Sbl=Sbl1+Sbl2  (11);

其中,

当时,Sbl1=0,此时Sbl=Sbl2,阻挡面积仅投影在东墙;

当min(kmax,tanβ)-kmin≤0时,Sbl2=0,此时Sbl=Sbl1,阻挡面积仅投影在南墙上。

4.根据权利要求1所述的一种基于信号强度的入侵检测边界估计方法,其特征在于:所述步骤S3-3中基于步骤S3-1中推导的模型,推导该模型中的反射面积,具体操作为:将人体被视为一个矩形,四个顶点分别标记为E、F、G和H,点E表示人体俯视图的左上顶点,点F表示人体俯视图的右上顶点,点G表示人体俯视图的右下顶点,点H表示人体俯视图的左下顶点,Sf、Sb、Sl、Sr分别是人体前、后、左、右表面的中心点;

有效反射面的确定取决于人体特定表面的中心点与收发器之间的连线是否穿过人体;

定义FG面为人体的右表面,TSr为发射机与人体右表面中点的连线,RSr为接射机与人体右表面中点的连线,EF为E、F两个点之间的连接线、EH为E、H两个点之间的连接线,GH为G、H两个点之间的连接线;

如果TSr或RSr与线段EF、EH或GH相交,则FG面不能被视为有效反射面,如果不是,则将FG面视为有效反射面;

通过计算向量叉乘来确定两条线段的交点:

点E和F在线段TSr的两侧,向量和在向量的两侧,其叉乘结果是异号的;点T和Sr在线段EF的两侧,向量和在向量的两侧,其叉乘结果其是异号的;当这两个条件同时满足时,线段TSr和线段EF相交;

定义I表示两个线段的交点的结果:

使用J表示人体的一个特定面是否被视为反射面,对于人体的背面:

其中,Center是收发器和FG面的中心点之间的线的集合,Surface是其余三个面的集合;如果J(FG)=0,表示线段TSr和RSr与线段EF、EH和GH不相交,则以FG面为反射面;如果J(FG)≠0,则FG面不是反射面;

人体的有效反射面积表示为:

5.根据权利要求1所述的一种基于信号强度的入侵检测边界估计方法,其特征在于:所述步骤S4中根据运动扰动RSS模型推导出RSS入侵检测边界模型,采用改进的基于尺度投影的小波变换方法,推导出RSS入侵检测边界模型,具体操作为:首先分别对静态环境和入侵环境下测量的RSS数据进行DWT,并提取细节系数:其中,l和u分别表示DWT的静态环境下和入侵环境下的分解水平,h′表示两组离散正交函数;在得到细节系数后,计算相应的方差Vs=var(DWTs),Vd=var(DWTd);随着入侵者远离WiFi设备,它们对无线信道的影响减小,Vd逐渐减少;当Vd变得足够小时,就不可能感知到入侵者的入侵;阈值RSSth被设置为Vs。