隸屬度設(shè)為1，模糊集合"無關(guān)"用A4表示，即M h (心,）=1，利 用公式（3)計(jì)算新出現(xiàn)的數(shù)據(jù)流的信號特征的分布函數(shù)& (X)，并利用公式（6)計(jì)算新出現(xiàn) 的數(shù)據(jù)流Sj的異常判決門限七=圩'(0.9); 對由于無線接入點(diǎn)故障引起消失的數(shù)據(jù)流即A且& 的信號特征將其模 糊劃分改為"無關(guān)"，其隸屬度設(shè)為1，即=1: 步驟十四：判斷動態(tài)環(huán)境中各數(shù)據(jù)流的信號特征\t(j = 1，2，...，K'）是否大于各自 對應(yīng)的異常判決門限（j = 1，2，...，1('），若各數(shù)據(jù)流的信號特征均小于各自 的異常判決門限，則判斷此時(shí)信號特征正常且監(jiān)測環(huán)境中無入侵，進(jìn)入步驟十五，否則，判 斷此時(shí)信號特征異常且監(jiān)測環(huán)境中有入侵情況出現(xiàn)，進(jìn)入步驟十六； 步驟十五：將正常的數(shù)據(jù)流信號特征Xj，t，（j = 1，...，K'）代入步驟四、步驟十三中對 應(yīng)的數(shù)據(jù)流，增加正常信號特征的數(shù)目利用公式（3)重新計(jì)算各數(shù)據(jù)流信號特征的分布函 數(shù)，利用公式六重新計(jì)算異常判決門限G ，并進(jìn)入步驟十； 步驟十六：將步驟十四中判斷為異常數(shù)據(jù)流的信號特征\t，（j = 1，. . .，K'）進(jìn)行模糊 劃分以構(gòu)建模糊輸入，如公式（14)所不： 若 x1;t是 4!;丨，且 x2，t是 …，且 xK，，t是 f (14) 其中，x」，t(j = 1，. . .，K'）為各數(shù)據(jù)流對應(yīng)的信號特征，，（j = 1，. . .，K'）為相應(yīng) 的數(shù)據(jù)流信號特征隸屬度最大的模糊集合； 步驟十七：將步驟十六構(gòu)建的模糊輸入和模糊規(guī)則庫中的規(guī)則進(jìn)行匹配，若模糊規(guī)則 庫中有規(guī)則與之匹配，則進(jìn)入步驟十九，否則，進(jìn)入步驟十八； 步驟十八：設(shè)定模糊集合間的距離為：D( "正常"，"異常"）=1，D( "異常"，"嚴(yán)重異 常"）=丨，D( "嚴(yán)重異常"，"無關(guān)"）=丨，D( "正常"，"嚴(yán)重異常"）=2, D( "正常"，"無 關(guān)"）=3，D("異常"，"無關(guān)"）=2,計(jì)算Xt= [Xl，t，...，％，t]構(gòu)建的模糊輸入與規(guī)則庫S 中的規(guī)則的相似性，如公式（15)所示；其中，&為規(guī)則庫S中第q個(gè)規(guī)則，M為規(guī)則庫S中的規(guī)則數(shù)目，€為步驟十六中對 Xj，t，（j = 1，. . .，K'）劃分的模糊集合，4為規(guī)則Rq中第j個(gè)數(shù)據(jù)流信號特征x p的最大隸 屬模糊集合，在M個(gè)規(guī)則中，找出與步驟十六構(gòu)建的模糊輸入相似性最高的規(guī)則Rq，，如公式 (16)所示； S(X(t)，Rq，）彡 S(X(t)，Rq)，（q = l，...M)，q' G {1，2，...，M}公式（16) 在公式（16)中，Rq，為與異常數(shù)據(jù)流信號特征構(gòu)建的模糊輸入相似性最高的規(guī)則，R q， 的模糊輸出為異常數(shù)據(jù)流信號特征Xt= [x u，x2，t，. . .，xk，，t]對應(yīng)的入侵檢測結(jié)果； 利用Xt構(gòu)建的模糊輸入與規(guī)則Rq，的模糊輸出，構(gòu)建新的模糊規(guī)則R nOT，利用規(guī)則RnOT擴(kuò) 充模糊規(guī)則庫S ;規(guī)則Rn"選為與X t構(gòu)建的模糊輸入匹配的規(guī)則，進(jìn)入步驟二十； 步驟十九：在數(shù)據(jù)庫中選擇與Xt構(gòu)建的模糊輸入匹配的所有規(guī)則，選擇匹配度最高的 規(guī)則的模糊輸出為定位結(jié)果；規(guī)則匹配度如公式（17)所示； Mq= ? qXCFq, (q= (17) 選擇匹配度最大的規(guī)則乂,*，其滿足公式十八；規(guī)則選為與&構(gòu)建的模糊輸入匹配的規(guī)則； 步驟二十：與&構(gòu)建的模糊輸入匹配規(guī)則的模糊輸出為入侵檢測定位結(jié)果，輸出入侵 檢測定位結(jié)果，并結(jié)束入侵檢測定位。2.根據(jù)權(quán)利要求1所述的基于模糊規(guī)則更新的室內(nèi)WLAN被動入侵檢測定位方法，其特 征在于步驟五中的數(shù)據(jù)流異常判決門限《廣/7/(〇.())(./ = 1,2.../〇的計(jì)算過程如下： 首先，基于公式（3)所述的Epanechnikov核函數(shù)，得到概率密度函數(shù)f j(x) (j = 1，. ??，!()，如公式（3)所示：其中，hj為核密度估計(jì)帶寬，其取值根據(jù)Scott規(guī)則得到，如公式五所示，Epanechnikov 核函數(shù)V的計(jì)算表達(dá)式如公式四所示，hj= 2. 345 〇 jXm-0-2 (5) 其中，％為第j個(gè)數(shù)據(jù)流中所有滑動窗方差x w的標(biāo)準(zhǔn)差； 然后，計(jì)算各數(shù)據(jù)流滑動窗方差的異常判決門限七^ = 1，...，K)，如公式（6)所示：3. 根據(jù)權(quán)利要求1所述的基于模糊規(guī)則更新的室內(nèi)WLAN被動入侵檢測定位方法，其特 征在于步驟九的入侵檢測模糊規(guī)則庫構(gòu)建，即構(gòu)建信號特征與入侵區(qū)域的非線性映射關(guān)系 的模糊規(guī)則；構(gòu)建的模糊規(guī)則形式如下： 規(guī)則1 :若巧€<，且…，且，則入侵區(qū)域?yàn)閆i的置信度為CFi 規(guī)則2 :若& e <，且…，且& e < ,則入侵區(qū)域?yàn)閆2的置信度為CF 2 規(guī)則N' ：若& e <，且…，且& e ，則入侵區(qū)域?yàn)閆N，的置信度為CF N， 其中，N'為合并后的規(guī)則數(shù)目，〇1,2,為數(shù)據(jù)流信號特征Xj，（j =1，2，...，K)隸屬度最大的模糊集合（"正常"、"異常"、"嚴(yán)重異常"），即 卜 14 (七）> 灃丨(夂），(廠=丨，2,3)，模糊輸出 Z" Z2, ? ? ?，ZN，G {Zone " Zone2, ? ? ?，Zoneg}為入侵區(qū) 域。4. 根據(jù)權(quán)利要求1所述的基于模糊規(guī)則更新的室內(nèi)WLAN被動入侵檢測定位方法，其 特征在于步驟十五中利用實(shí)時(shí)監(jiān)測的非異常信號特征更新異常門限+，（j = 1，2,. . .，K'）， 使得入侵檢測定位算法能有效適應(yīng)實(shí)時(shí)變化的無線網(wǎng)絡(luò)環(huán)境；異常門限+，（j = 1，2, ? ? ?，K'）的更新方法如下： 首先，判斷動態(tài)環(huán)境中各數(shù)據(jù)流的信號特征\t(j = 1，2，...，K'）是否大于各自對應(yīng) 的異常判決門限《/ = /7,1價(jià)9)，(./_ = 1，2，~^)*若各數(shù)據(jù)流的信號特征均小于各自的異常判 決門限，則判斷此時(shí)信號特征正常且監(jiān)測環(huán)境中無入侵，進(jìn)入步驟十五，否則，判斷此時(shí)信 號特征異常且監(jiān)測環(huán)境中有入侵情況出現(xiàn)，進(jìn)入步驟十六； 然后，將步驟十三中判斷為正常的數(shù)據(jù)流信號特征Xj，t，（j = 1，...，K'）代入步驟四中 增加正常信號特征的數(shù)目利用公式三重新計(jì)算各數(shù)據(jù)流信號特征的分布函數(shù)，并利用公式 (6)重新計(jì)算異常判決門限^ = f^(〇.9)。5. 根據(jù)權(quán)利要求1所述的基于模糊規(guī)則更新的室內(nèi)WLAN被動入侵檢測定位方法，其特 征在于步驟十三中利用實(shí)時(shí)監(jiān)測的數(shù)據(jù)流集合變化情況自適應(yīng)更新模糊規(guī)則庫，其更新方 法如下： 首先，對由于無線接入點(diǎn)增加引起的新出現(xiàn)的數(shù)據(jù)流（即A'且& 0 2)的信號 特征將其劃分到新的模糊集合"無關(guān)"中，隸屬度設(shè)為1，模糊集合"無關(guān)"用A 4表示，即 利用公式三計(jì)算新出現(xiàn)的數(shù)據(jù)流（即A'且)的信號特征的分布函 數(shù)fj (x)，并利用公式六計(jì)算新出現(xiàn)的數(shù)據(jù)流Sj的異常判決門限七=F/(0.9); 然后，對由于無線接入點(diǎn)故障引起消失的數(shù)據(jù)流（即A且)的信號特征Xj，t 將其模糊劃分改為"無關(guān)"，其隸屬度設(shè)為1，即卩(T; / )= 1。6.根據(jù)權(quán)利要求1所述的基于模糊規(guī)則更新的室內(nèi)WLAN被動入侵檢測定位方法，其特 征在于步驟十八中利用相似性構(gòu)建新的模糊規(guī)則R_并進(jìn)行入侵檢測定位，相似性構(gòu)建模 糊規(guī)則的過程如下： 首先，設(shè)定模糊集合間的距離為：D( "正常"，"異常"）=1，D( "異常"，"嚴(yán)重異常"）= 1，D( "嚴(yán)重異常"，"無關(guān)"）=1，D( "正常"，"嚴(yán)重異常"）=2，D( "正常"，"無關(guān)"）=3， D( "異常"，"無關(guān)"）=2,計(jì)算Xt= [x 1:t，. . .，xK，，t]構(gòu)建的模糊輸入與規(guī)則庫S中的規(guī)則 的相似性，如公式（15)所示；其中，&為規(guī)則庫S中第q個(gè)規(guī)則，M為規(guī)則庫S中的規(guī)則數(shù)目；4^為步驟十六中對 Xj，t，（j = 1，. . .，K'）劃分的模糊集合，<為規(guī)則Rq中第j個(gè)數(shù)據(jù)流信號特征x j t的最大隸 屬模糊集合，在M個(gè)規(guī)則中，找出與步驟十六構(gòu)建的模糊輸入相似性最高的規(guī)則Rq，，如公式 (16)所示； S(X(t)，Rq，）彡 S(X(t)，Rq)，（q = l，...M)，q' G {1，2，...，M}公式（16) 在公式（16)中，Rq，為與異常數(shù)據(jù)流信號特征構(gòu)建的模糊輸入相似性最高的規(guī)則，R q， 的模糊輸出為異常數(shù)據(jù)流信號特征Xt= [x u，x2，t，. . .，xk，，t]對應(yīng)的入侵檢測結(jié)果； 然后，利用Xt構(gòu)建的模糊輸入與規(guī)則Rq，的模糊輸出，構(gòu)建新的模糊規(guī)則R nOT，利用規(guī)則 RMW擴(kuò)充模糊規(guī)則庫S ;規(guī)則RnOT選為與Xt構(gòu)建的模糊輸入匹配的規(guī)則，進(jìn)入步驟二十。
【專利摘要】本發(fā)明請求保護(hù)一種基于WLAN的室內(nèi)被動入侵檢測定位方法。這種定位方法相對傳統(tǒng)的室內(nèi)定位方法無需待定位的人或目標(biāo)攜帶相關(guān)硬件設(shè)備且主動參與便可實(shí)現(xiàn)定位。由于室內(nèi)WLAN無線環(huán)境下人的出現(xiàn)和運(yùn)動會引起室內(nèi)無線信號的反射、散射、繞射等，從而引起信號衰落，使得在室內(nèi)有人入侵時(shí)的無線信號相對無人靜默環(huán)境下的信號有所變化，于是，利用這種無線信號的變化來檢測環(huán)境中是否有異常入侵。模糊推理綜合利用環(huán)境中的無線信號變化特征來訓(xùn)練模糊規(guī)則，構(gòu)建無線信號異常變化特征與位置的映射關(guān)系，從而實(shí)現(xiàn)對入侵目標(biāo)的位置估計(jì)，并通過設(shè)計(jì)模糊規(guī)則自適應(yīng)學(xué)習(xí)算法來適應(yīng)環(huán)境的變化，從而提高了本發(fā)明方法的魯棒性。
【IPC分類】H04W64/00, H04W4/04
【公開號】CN104955149
【申請?zhí)枴緾N201510315738
【發(fā)明人】蔣青, 李坤鵬, 周牧, 田增山, 向銘, 范馨月, 耿小龍, 何維
【申請人】重慶郵電大學(xué)
【公開日】2015年9月30日
【申請日】2015年6月10日