基于射线辅助生成模型的室内WLAN未知目标入侵检测方法

发布时间：2021-06-24 23:23

　　随着室内无线局域网（Wireless Local Area Networks,WLAN）的广泛部署和智能终端对IEEE802.11协议的普遍支持,面向未携带任何信号收发设备的未知目标的入侵检测服务需求呈现大幅增长趋势。基于WLAN的未知目标入侵检测技术利用WLAN信号波动特性与入侵目标位置的相关性实现对入侵目标的检测与区域定位,可广泛应用于智能家居、安防监控、反恐维稳和灾害救援等诸多领域。目前系统通常依赖于WLAN入侵指纹库的构建与学习,但存在三个主要问题:构建WLAN入侵指纹库的大量成本开销问题、面对变化的监测环境WLAN入侵指纹库的不适用问题以及WLAN入侵指纹库学习方式复杂及入侵检测性能鲁棒性低的问题。为了解决上述问题,本文提出了一种射线辅助生成模型的室内WLAN未知目标入侵检测技术,其主要研究内容如下:首先,为降低WLAN入侵指纹库的构建开销,本文利用遗传算法对传统的射线追踪算法进行改进,提出基于自适应深度射线树的准三维射线跟踪模型以刻画WLAN信号在室内固定设施和入侵人体目标下的波动特性并构建虚拟WLAN入侵指纹库。其次,为提高WLAN入侵指纹库的可用性,本文巧妙地利用传统生... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：82 页

【学位级别】：硕士

【部分图文】：

实验设备示意图

图 4.2 实验设备示意图图 4.3 RSS 采集软件3 评价指标本文选用检测系统常用的评价指标作为判断室内 WLAN 入侵检测的性能评标： 虚警概率：系统在监测环境内没有未知目标出现的实际状态下却检测到未知出现的概率[56]； 漏检概率：系统在监测环境内出现未知目标的实际状态下却没有检测到未知出现的概率[56]； 混淆矩阵：表示入侵检测和区域定位的性能[57]，其每一行代表在线测试数据际所属区域类别，每一列代表系统对其预测的区域类别，i 行 j列处的数值表i 类真实在线测试数据被预测为第 类的概率。

【参考文献】：
期刊论文
[1]基于曲面拟合的WiFi指纹数据库更新[J]. 田增山,代海鹏.  计算机应用. 2016(05)
[2]基于人体多姿态识别的被动入侵检测模型研究[J]. 谷敏敏,刘进军,安宁.  传感器与微系统. 2015(06)
[3]基于WLAN信号的线下客流分析技术研究[J]. 王存睿,段晓东.  大连民族学院学报. 2015(01)
[4]基于Wi-Fi的室内入侵检测[J]. 毛文瑞,谷敏敏,杨静,刘进军.  合肥工业大学学报(自然科学版). 2014(07)
[5]天网工程前端摄像机定位综述[J]. 赵亚飞,黄磊.  电子制作. 2013(22)

博士论文
[1]蜂窝通信系统移动终端射线跟踪定位理论与方法研究[D]. 袁正午.中南大学 2003

硕士论文
[1]基于模糊规则更新的室内WLAN未知目标入侵检测算法[D]. 李坤鹏.重庆邮电大学 2016
[2]基于改进量子粒子群的WSN网络覆盖优化研究[D]. 许国燕.兰州交通大学 2016
[3]基于CSI的室内WiFi定位技术研究[D]. 蔡雄.西安电子科技大学 2015
[4]无线信号在建筑物群中的传播——反射、绕射及路径搜索[D]. 王瑶.郑州大学 2010
[5]WLAN室内定位系统中无线信号传播的统计建模与应用[D]. 梁尧.哈尔滨工业大学 2009



本文编号：3248020