基于模糊規(guī)則更新的室內wlan被動入侵檢測定位方法
【技術領域】
[0001] 本發(fā)明涉及無線電通信領域中WLAN被動入侵檢測定位方法,具體為一種基于模 糊規(guī)則更新的室內WLAN被動入侵檢測定位方法。
【背景技術】
[0002] 隨著經濟和科技的發(fā)展,人們對于情景感知服務的需求越來越高,尤其是基于位 置的服務(LBS,LocationBasedServices)的商業(yè)需求呈現爆炸式增長。近年來Online toOffline(020)模式逐步成為商業(yè)的基礎,020商業(yè)模式的蓬勃發(fā)展使得LBS帶有優(yōu)質 的商業(yè)基因。LBS目前在室外主要有衛(wèi)星定位系統(tǒng)(如全球衛(wèi)星定位系統(tǒng)、北斗衛(wèi)星導航 系統(tǒng)等)、蜂窩網定位系統(tǒng)、輔助GPS定位系統(tǒng)(AssistedGPS,A-GPS)等;在室內主要有 藍牙(Bluetooth)定位系統(tǒng)、射頻識別(RadioFrequencyIdentification,RFID)定位系 統(tǒng)、ZigBee定位系統(tǒng)、WLAN定位系統(tǒng)等。由于人們80%的活動空間是在室內,且室外定位 系統(tǒng)信號在室內易受建筑物遮蔽等影響而限制了其應用范圍。此外,在室內定位系統(tǒng)中, Bluetooth定位系統(tǒng)需要部署藍牙發(fā)送設備、作用距離短、安全性差等因素限制了其應用。 RFID和ZigBee定位系統(tǒng)因作用距離短,且大規(guī)模部署成本較高等因素也限制了其應用。與 此同時,隨著移動互聯網的發(fā)展,人們的生活進入了移動互聯網時代,80%的移動電話和數 據連接業(yè)務在室內產生,移動電話和數據連接業(yè)務的增長促使WLAN部署越來越普及。WLAN 在商業(yè)區(qū)、寫字樓、校園、機場、居民區(qū)、酒店等各種環(huán)境已經廣泛部署,WLAN定位系統(tǒng)無需 額外硬件開銷和設備升級,節(jié)約了定位成本且具有非視距傳播的特點,從而使其在定位方 面得以廣泛應用并逐漸成為室內定位技術的主流。
[0003] 傳統(tǒng)的定位系統(tǒng)通常需要待定位目標攜帶定位設備,且需要待定位目標的主動參 與,從而無法對沒有攜帶定位設備(如手機、藍牙接收器等)且不主動參與的異常用戶進行 入侵檢測和定位。針對這一問題,本發(fā)明提出的基于模糊規(guī)則更新的室內WLAN被動入侵檢 測定位方法,可以對沒有攜帶定位設備且不主動參與定位的人進行入侵檢測和定位。本發(fā) 明可應用于敏感區(qū)域防護、災害救援、資產管理、安全預警等方面。
[0004] 模糊推理是一種以模糊集合理論為基礎描述工具,且具有處理模糊信息能力的一 種不確定推理方法。模糊推理可以實現較為復雜的非線性映射關系,其在工業(yè)控制領域被 廣泛應用,但目前在室內WLAN被動入侵檢測定位方面還沒有得到應用。本發(fā)明基于模糊規(guī) 則更新的室內WLAN被動入侵檢測定位方法將根據模糊推理方法綜合利用環(huán)境中無線信號 特征變化的模糊信息,建立信號特征變化和入侵位置映射的模糊規(guī)則庫,進而針對未知目 標入侵實現目標的被動定位。
[0005] 輸出入侵檢測定位結果,并結束入侵檢測定位。
[0006] 本發(fā)明是一種可以有效解決室內異常入侵檢測和無設備被動定位的方法。通過處 理環(huán)境中信號滑動窗方差特征來尋找環(huán)境入侵的異常門限,根據實時檢測環(huán)境中信號特征 是否大于異常門限,來判斷環(huán)境中是否有異常入侵。同時,利用模糊規(guī)則訓練,構建模糊規(guī) 則庫,建立信號異常情況和異常入侵位置的映射關系,進而實現對入侵目標的位置估計。
【發(fā)明內容】
[0007] 針對現有技術的不足,提出了一種實現對入侵目標的位置估計,并通過設計模糊 規(guī)則自適應學習算法來適應環(huán)境的變化,從而提高了本發(fā)明方法的魯棒性的方法,本發(fā)明 的技術方案如下:一種基于模糊規(guī)則更新的室內WLAN被動入侵檢測定位方法,其特征在 于,包括以下步驟:
[0008] 步驟一:在無人靜默環(huán)境下,利用監(jiān)測設備MP采集環(huán)境中來自不同無線接入點AP 的信號強度Sj,t,,從而采集得到K個數據流Sj=[s. . .,Sj,m](j= 1,. . .,K),(其中,K 為MP數目與AP數目之積,Sj,t,(t= 1,. . .,m)為第j個數據流中第t時刻的信號強度值, m為無人靜默環(huán)境監(jiān)測時間長度,且記數據流集合為A= {Si,. . .,SK};
[0009] 步驟二:利用公式(1)所示的滑動窗函數,將數據流&劃分為m-1個滑動窗數組, 令Wy(t= 2,. . .,m)為第j個數據流在第t時刻的滑動窗數組;
[0010]
[0011] 其中,L為最大滑動窗寬度;
[0012] 步驟三:計算t時刻的數據流信號特征Xt=[x1>t,x2,t, . . .,xk,t],(t= 2, . . .,m), 其中,Xj,t(j= 1,. ..,K;t= 2, . . .,m)為各滑動窗Wj,t中信號強度的方差,其計算過程如公 式⑵所示:
[0013]
[0014] 步驟四:基于公式(4)所述的Epanechnikov核函數,得到Xj,j^概率密度函數 fj(x)(j= 1,? ? ?,K),如公式(3)所示:
[0015]
[0016] 其中,hj為核密度估計帶寬,其取值根據Scott規(guī)則得到,如公式⑷所示,Epanechnikov核函數V的計算表達式如公式(4)所示。
[0017]
[0018] hj= 2. 345 〇jXm-0-2 (5)
[0019] 其中,〇j為第j個數據流中所有滑動窗方差xj;t的標準差;
[0020] 步驟五:計算各數據流滑動窗方差的異常判決門限11」(」=1,...,1(),如公式(6) 所示。
[0021] (0.9) (6)
[0022] 其中,函數f1為密度函數A(x)的累積分布函數h(x)的逆函數;
[0023] 利用模糊集合"正常"、"異常"、"嚴重異常"對數據流信號特征進行劃分,且分 別用符號4、4和A3表示以上三個模糊集合;數據流信號特征x對模糊集合"正常"的隸 屬度如公式(7)所示,
[0024]
[0025] 數據流信號特征對模糊集合"異常"的隸屬度M如公式(8)所示,
[0026]
[0027]其中,=/^(0.95);
[0028]數據流信號特征Xj,t對模糊集合"嚴重異常"的隸屬度M丨(\,)如公式(9)所示,
[0029]
[0030]其中,=廠,.'(1);
[0031] 步驟六:利用N組訓練數據[\,ZJ(i= 1,. . .,N)提取模糊規(guī)則,如公式(10)所 示;
[0032] 規(guī)則Ri:若:^ e 4!;、且…,且V ,則入侵區(qū)域為Zi公式(10)
[0033] 其中,公式十中模糊規(guī)則分為模糊輸入和模糊輸出兩部分,\ = = 1,...,N)為第i組訓練數據的K個數據流信號特征,Zi為第i組訓練數據入侵區(qū)域,將環(huán)境劃分為g個區(qū)域,且分別用Zonei,. . .,Zoneg表示,則有 Zp{Zone丨,Zone2, ? ? ?,ZoneJ,令 〇 .Mp4, .4丨(./' =丨,…,C=丨,…W表示信號特征Xj」 所屬隸屬度最大的模糊集合,即:
[0034] J>p, (x^),(p=1,2,3)公式(11)
[0035] 步驟七:計算步驟六中構建的N個模糊規(guī)則的激勵強度%,如公式(12)。
[0036]
[0037] 步驟八:計算步驟六中構建的N個規(guī)則的置信度CFp如公式(13)所示。
[0038]
[0039] 其中,P為N個規(guī)則中與規(guī)則氏有相同模糊輸入的規(guī)則的集合,集合P中有\(zhòng)個 規(guī)則,對應的激勵強度為%L…,C為N個規(guī)則中與規(guī)則&有相同模糊輸入和輸 出的規(guī)則的集合,集合C中有N。個規(guī)則,對應的激勵強度為} 0 =h…,義);
[0040] 步驟九:模糊規(guī)則合并,對于有相同模糊輸入和模糊輸出的規(guī)則,僅保留最大置信 度的那一個規(guī)則,構建模糊規(guī)則庫S的模糊推理系統(tǒng),其中,模糊規(guī)則庫S的結構如下:
[0041] 規(guī)則1 :若且…,且~6尤,則入侵區(qū)域為Zi的置信度為CFi
[0042] 規(guī)則2:若巧e疋,且…,且&e,則入侵區(qū)域為Z2的置信度為CF2
[0043] .........
[0044] 規(guī)則N':若X, e 41,且…,且&e <,則入侵區(qū)域為ZN,的置信度為CFN,
[0045] 其中^'為合并后的規(guī)則數目,次,(/=1,2,...,幻為數據流信號特征\,(」= 1,2,...,K)隸屬度最大的模糊集合,即P巧^,.(七;),化=U,3),模糊輸出21,22,... ,ZN,G{Zone丨,Zone2,???,ZoneJ為入侵區(qū)域;
[0046] 步驟十:各MP實時監(jiān)測環(huán)境中的信號數據流;
[0047] 步驟十一:檢測動態(tài)環(huán)境中的數據流集合A=以,...,SK}是否發(fā)生因無線接入點 增加或故障所引起的數據流集合元素變化,若數據流集合A中的元素發(fā)生變化,變化的數 據流元素集合記為4'^'={51,...,5 1?,},其中,1('為變化后的數據流數目,進入步驟十二, 否則,進入步驟十四;
[0048] 步驟十二:記錄環(huán)境中新出現數據流集合A'的持續(xù)時間t,若t超過設定閾值td, 則判定環(huán)境中的數據流集合發(fā)生變化,并進入步驟十三,否則,進入步驟十四;
[0049] 步驟十三:自適應更新模糊規(guī)則:
[0050] 對由于無線接入點增加引起的新出現的數據流,即Sf A'且& 的信號特 征將其劃分到新的模糊集合無關中,隸屬度設為1,模糊集