【摘要】：隨著物聯(lián)網(wǎng)技術(shù)進(jìn)入人們的生活,人們的日常生活變得越來(lái)越智能,智能家居等應(yīng)用正在悄然升起并逐漸被人們接受。其中,室內(nèi)入侵檢測(cè)系統(tǒng)作為智能家居應(yīng)用的重要組成部分,是智能家居的第一道安全屏障。相比于傳統(tǒng)的入侵檢測(cè)技術(shù),新型的基于無(wú)線(xiàn)信號(hào)的設(shè)備無(wú)關(guān)被動(dòng)入侵檢測(cè)能夠在無(wú)需用戶(hù)隨身攜帶任何與檢測(cè)相關(guān)的專(zhuān)用設(shè)備的情況下,利用環(huán)境中的無(wú)線(xiàn)信號(hào)檢測(cè)室內(nèi)是否有人在活動(dòng),甚至識(shí)別其身份。目前隨著WLAN(Wireless Local Area Networks)技術(shù)的普及,學(xué)者研究發(fā)現(xiàn)無(wú)線(xiàn)網(wǎng)絡(luò)的作用除了通信,還能夠作為一種無(wú)線(xiàn)傳感器網(wǎng)絡(luò)對(duì)環(huán)境進(jìn)行一定程度的感知。尤其是802.11n網(wǎng)絡(luò)使用了正交頻分復(fù)用技術(shù)和多輸入多輸出技術(shù),使得從中獲取更加細(xì)粒度的子載波級(jí)別的信道響應(yīng)信息成為可能,這為利用WiFi信號(hào)進(jìn)行設(shè)備無(wú)關(guān)的室內(nèi)入侵檢測(cè)技術(shù)的發(fā)展提供了更好的機(jī)遇。雖然已經(jīng)有大量學(xué)者對(duì)WiFi信號(hào)的感知作用展開(kāi)了大量的研究,但是基于WiFi信號(hào)的設(shè)備無(wú)關(guān)被動(dòng)入侵檢測(cè)研究在國(guó)際上仍然處于起步階段,大量貼近實(shí)際應(yīng)用的問(wèn)題仍然沒(méi)有解決,包括人體檢測(cè)的魯棒性以及身份識(shí)別的有效性。本課題深入探索利用細(xì)粒度的物理層信道狀態(tài)信息進(jìn)行更加可靠的人體檢測(cè)及身份識(shí)別,使基于信道狀態(tài)信息的室內(nèi)被動(dòng)入侵檢測(cè)技術(shù)向?qū)嵱眯愿M(jìn)一步。本文從室內(nèi)被動(dòng)入侵檢測(cè)的角度出發(fā),主要從以下幾個(gè)方面展開(kāi)研究:首先,為了提高在入侵者移動(dòng)速度非常慢的情況下人體檢測(cè)方法,本文提出一種人體移動(dòng)速度無(wú)關(guān)的被動(dòng)人體檢測(cè)模型,首次提出一種度量,能夠從整個(gè)信道中捕捉信道狀態(tài)信息波動(dòng)的特征,對(duì)環(huán)境變化更加敏感,并將人體檢測(cè)問(wèn)題轉(zhuǎn)化為概率問(wèn)題,使系統(tǒng)能夠檢測(cè)到不同移動(dòng)速度的人。本文進(jìn)行了大量的對(duì)比實(shí)驗(yàn),相比之前的基于單一子載波提取特征的被動(dòng)人體檢測(cè)方法來(lái)說(shuō),此方法能夠在不明顯增加計(jì)算復(fù)雜度以及時(shí)間延遲的前提下,大大提升了入侵者慢速移動(dòng)時(shí)的檢測(cè)精度,能夠達(dá)到低于1%的誤報(bào)率及漏報(bào)率,得到令人滿(mǎn)意的檢測(cè)性能。其次,針對(duì)入侵者以非常規(guī)方式在室內(nèi)移動(dòng)時(shí),現(xiàn)有的人體檢測(cè)會(huì)失效的問(wèn)題,本文提出一種基于頻域特征的高魯棒性被動(dòng)人體檢測(cè)方法,從所有子載波中利用連續(xù)小波變換提取魯棒性高的頻域特征,能夠捕捉整個(gè)信道的細(xì)微變化,可以適用于不同的室內(nèi)環(huán)境,甚至達(dá)到無(wú)監(jiān)督的目的。相比之前的人體檢測(cè)方法,本文提出的方法一方面可以極大地減少前期勘測(cè)訓(xùn)練給系統(tǒng)帶來(lái)的開(kāi)銷(xiāo),能夠在不同環(huán)境中直接使用,另一方面能夠檢測(cè)到不同移動(dòng)形式的入侵者。大量實(shí)驗(yàn)結(jié)果表明該方法不論在入侵者以何種方式移動(dòng),均能夠控制在2%左右的誤報(bào)率和漏報(bào)率,證明了其對(duì)于入侵檢測(cè)的有效性。再次,考慮到入侵檢測(cè)系統(tǒng)需要識(shí)別出一個(gè)人是否為陌生人的需求,而現(xiàn)有的身份識(shí)別方法主要面向人機(jī)交互與個(gè)性化服務(wù)等應(yīng)用,并沒(méi)有考慮識(shí)別陌生人的問(wèn)題。而陌生人通常是訓(xùn)練集中不存在的人,這對(duì)普通分類(lèi)器是個(gè)很大的挑戰(zhàn)。本文提出一種陌生人識(shí)別方法,巧妙地解決了這個(gè)挑戰(zhàn),使用時(shí)頻變換技術(shù),從信道狀態(tài)信息中提取步態(tài)的頻域特征,建立授權(quán)用戶(hù)和陌生人兩個(gè)高斯模型,并利用高斯混合模型作為分類(lèi)器識(shí)別陌生人。通過(guò)在兩個(gè)房間內(nèi)對(duì)6名志愿者的數(shù)據(jù)進(jìn)行實(shí)驗(yàn),本方法識(shí)別陌生人的平均誤報(bào)率和漏報(bào)率分別能夠控制在12%和15%,證明了本方法識(shí)別陌生人的有效性。最后,為了提高身份識(shí)別的準(zhǔn)確率,本文提出基于步態(tài)時(shí)頻分析的室內(nèi)被動(dòng)身份識(shí)別方法,使用時(shí)頻分析技術(shù),將走路的時(shí)間序列按走路的步分段并從時(shí)域和頻域中提取步特征和走路特征,并根據(jù)這些特征的信息增益選出部分最具代表性的特征,降低方法的計(jì)算量。大量實(shí)驗(yàn)評(píng)估表明該方法能夠以高達(dá)98.7%的精確度分辨兩個(gè)人的身份,并且當(dāng)訓(xùn)練集中有8個(gè)人時(shí)的精確度也能夠達(dá)到90.9%,證明了利用信道狀態(tài)信息應(yīng)用于設(shè)備無(wú)關(guān)被動(dòng)身份識(shí)別的有效性。
【學(xué)位授予單位】：哈爾濱工程大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：TN92
【圖文】：

該技術(shù)不依賴(lài)指紋，無(wú)需現(xiàn)場(chǎng)勘測(cè)，因此能夠在很大程度上降低人力及時(shí)間成本。如圖1.4 所示，在室內(nèi)監(jiān)控區(qū)域部署若干無(wú)線(xiàn)節(jié)點(diǎn)，當(dāng)節(jié)點(diǎn)通信時(shí)，信號(hào)會(huì)在監(jiān)控區(qū)域傳播，在此區(qū)域內(nèi)的物體會(huì)吸收、反射、折射一些信號(hào)。RTI 系統(tǒng)的目的是確定 N 個(gè)像素區(qū)域內(nèi)物體對(duì)信號(hào)衰減的大小而生成的圖像矢量。由于所有無(wú)線(xiàn)節(jié)點(diǎn)的位置是已知的，因此系統(tǒng)能夠確定產(chǎn)生信號(hào)衰減的位置，也就是物體的位置。圖 1.4 無(wú)線(xiàn)層析成像示意圖Fig. 1.4 Radio tomographic imaging假設(shè) RTI 網(wǎng)絡(luò)中有 K 個(gè)節(jié)點(diǎn)，每一對(duì)節(jié)點(diǎn)作為一條鏈路，則網(wǎng)絡(luò)中不同鏈路的總數(shù)為2M ( K K) / 2，如果網(wǎng)絡(luò)中所有節(jié)點(diǎn)都在互相通信，系統(tǒng)中的 RSS 可以用矩陣表示為：y Wx n （1-1）式中：y -------- 長(zhǎng)度為 M 的所有鏈路 RSS 度量的向量，n -------- 噪音向量，x -------- 被估計(jì)的 RSS 衰減圖像，

哈爾濱工程大學(xué)博士學(xué)位論文參與，增加其使用門(mén)檻。因此，這些人體檢測(cè)方法在應(yīng)用到安全領(lǐng)域的入失效的可能性會(huì)大大增加，本章需要探索出一種更加有效的人體檢測(cè)方法入侵檢測(cè)的特殊性。了應(yīng)對(duì)以上挑戰(zhàn)，在本章中，將解決如下難題：1）什么特征能夠?qū)θ梭w；2）如何能夠?qū)⑷肭终卟煌囊苿?dòng)方式的特征統(tǒng)一；3）如何對(duì)人體移動(dòng)模，更有效地檢測(cè)人的存在性。

【參考文獻(xiàn)】

相關(guān)博士學(xué)位論文 前1條

1 宮良一;基于信道響應(yīng)的室內(nèi)設(shè)備無(wú)關(guān)被動(dòng)人體定位研究[D];哈爾濱工程大學(xué);2016年

相關(guān)碩士學(xué)位論文 前2條

1 王田芳;基于WiFi的室內(nèi)定位技術(shù)研究與實(shí)現(xiàn)[D];南京郵電大學(xué);2017年

2 馬寬紅;基于位置指紋的WiFi室內(nèi)定位技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2017年

本文編號(hào)：2793585