无线感知网络中基于CSI的室内入侵检测与行为识别研究

发布时间：2020-11-05 16:42

　　 近些年来,随着物联网产业的飞速发展和无线网络的日益普及,涌现出了一大批关于人体行为检测的应用。传统的方法有:摄像头、红外线、可穿戴设备、RFID、ZigBee等,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,导致其不能大规模的应用。为了克服传统方法的局限性,本文在WiFi感知网络方面做了相关研究,提取了来自物理层更能反映信道特征的CSI,分别在室内入侵检测和行为识别方面提出了一种新的检测方法,主要工作内容如下:(1)深入讨论了关于人体行为检测的几种传统方法,分析了现有方法的局限性引入了基于WiFi信号的检测方法。对WiFi信号的环境特征进行了分析,并将WiFi信号中MAC层的RSS与来自物理层的CSI进行了分析对比,最终选取了CSI作为环境的表征。针对CSI中幅度与相位两种特征信息,通过实验选取了对静态环境具有稳定性和动态环境具有敏感性的幅度信息作为特征。(2)针对环境噪声信号所引起的尖峰干扰、异常值等问题,采用了Kalman滤波的方法对CSI信号进行过滤,得到了良好的预处理效果。针对动态方差算法产生的误报问题,在原有算法的基础上加以改进,设置了一个连续二次窗口,并在不同子载波、滑动窗口值、数据流、滤波器等参数下进行了实验性能分析。仿真结果表明,本文的入侵检测方法检测率可达96%以上,有效的提高了识别精度。(3)针对室内人员行为检测方法的检测率低、稳定性差等问题,本文提出一种基于CSI的室内人员行为识别方法。该方法采用Kalman滤波对信号进行预处理,将输出CSI矩阵通过PCA进行二次过滤和降维,再使用SVM进行分类处理。在特征提取方面,本文还提取了不同的特征值和现有识别方法进行了对比分析。实验结果表明,本文的Kalman-PCA-SVM的方法在LOS路径下识别效果可达93.25%。
【学位单位】：南京邮电大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TN92
【部分图文】：

图 2.4 多径传播模型 的对比性和可靠性其根本原因是：RSS 是接收端多径信号的加后的效果，不能刻画出信号的多径传播。其次，S 的波动性很大，理想环境下其功率与传播距离关系 的时间稳定性很差，因此实际情况是图 2.5 中的红色 每分钟的波动可达 5dB 左右。因此，位于数据包尺的识别效果。物理层的信息，它包括了各个子载波信号的幅度与相利用多级效应的优势，捕捉不同子载波上更为细粒态信息。因此 CSI 可看作 RSS 的升级版本。
【参考文献】

相关期刊论文 前1条

1 田建伟;;OFDM关键技术在数字广播中的应用[J];计算机光盘软件与应用;2014年04期

相关硕士学位论文 前1条

1 顾茜;基于信道状态信息的入侵检测方法研究[D];燕山大学;2016年

本文编号：2871905