本發明涉及無(wu)線定位技術領域，尤其(qi)涉及一種(zhong)基于WLAN的細粒度室內被動入侵檢(jian)測方法。

背景技術：

隨著科技(ji)的(de)(de)進步(bu)，室(shi)內安防(fang)監(jian)控技(ji)術(shu)正(zheng)在逐步(bu)提(ti)升，監(jian)控系(xi)統(tong)(tong)的(de)(de)技(ji)術(shu)種(zhong)類非常(chang)多(duo)，例如(ru)視頻(pin)監(jian)控、紅外監(jian)控、射頻(pin)識別(bie)、壓力(li)(li)感知等(deng)技(ji)術(shu)，但這些(xie)技(ji)術(shu)都有(you)很苛刻的(de)(de)使用(yong)環境(jing)，例如(ru)需(xu)要(yao)視距路(lu)徑，如(ru)果(guo)中(zhong)間有(you)障礙物會降低監(jian)測系(xi)統(tong)(tong)的(de)(de)性能(neng)甚至(zhi)失效，而且這些(xie)系(xi)統(tong)(tong)的(de)(de)前期部署(shu)成本也(ye)比較(jiao)高，需(xu)要(yao)專門的(de)(de)基(ji)礎設施。近幾年(nian)隨著無(wu)線(xian)網絡(luo)技(ji)術(shu)的(de)(de)發展，無(wu)線(xian)局域網WLAN的(de)(de)普及(ji)率正(zheng)在快速增長，在人口比較(jiao)密(mi)集的(de)(de)公共場所以(yi)及(ji)家庭中(zhong)目前已(yi)經有(you)很高的(de)(de)覆(fu)蓋率。WLAN除(chu)了能(neng)夠(gou)進行常(chang)規上(shang)的(de)(de)網絡(luo)通信，也(ye)可(ke)以(yi)用(yong)于被(bei)(bei)動室(shi)內入侵檢測。由(you)于其(qi)有(you)很高的(de)(de)普適性，基(ji)于WLAN的(de)(de)被(bei)(bei)動室(shi)內入侵檢測系(xi)統(tong)(tong)能(neng)夠(gou)用(yong)于不同(tong)的(de)(de)環境(jing)中(zhong)，近幾年(nian)很多(duo)學者在相關研究中(zhong)付出了大量精(jing)力(li)(li)。

RSSI作為MAC層(ceng)的(de)信(xin)號(hao)特征，由(you)于其易于獲取(qu)的(de)特點(dian)，使其首先用于室內被(bei)(bei)(bei)動入(ru)侵(qin)檢(jian)測(ce)(ce)。室內被(bei)(bei)(bei)動入(ru)侵(qin)檢(jian)測(ce)(ce)是(shi)(shi)指被(bei)(bei)(bei)檢(jian)測(ce)(ce)人(ren)員無需攜帶(dai)任(ren)何與檢(jian)測(ce)(ce)相關(guan)的(de)設備，系(xi)統通(tong)過分(fen)析監測(ce)(ce)區域內的(de)信(xin)號(hao)變化進(jin)行人(ren)體檢(jian)測(ce)(ce)。但是(shi)(shi)RSSI是(shi)(shi)一(yi)種(zhong)粗粒(li)度(du)的(de)信(xin)號(hao)特征，為了使檢(jian)測(ce)(ce)更加(jia)準確，通(tong)常的(de)做法(fa)都是(shi)(shi)增加(jia)多個(ge)發射機(ji)和接收機(ji)構成多鏈路(lu)，然(ran)而(er)這種(zhong)做法(fa)增加(jia)了檢(jian)測(ce)(ce)系(xi)統的(de)硬(ying)件(jian)開銷(xiao)，使得成本升高(gao)。而(er)且RSSI受到(dao)環(huan)境中(zhong)多徑(jing)效應的(de)影響，使得相同環(huan)境下的(de)RSSI不穩定。這個(ge)缺點(dian)限制了室內被(bei)(bei)(bei)動入(ru)侵(qin)檢(jian)測(ce)(ce)系(xi)統精度(du)的(de)提高(gao)，因此國(guo)內外(wai)許多學者正在探索利用細粒(li)度(du)的(de)物理層(ceng)的(de)信(xin)道狀態信(xin)息提高(gao)人(ren)體檢(jian)測(ce)(ce)的(de)精度(du)。

與RSSI相比，物理層的(de)信(xin)道狀(zhuang)態信(xin)息(xi)CSI恰好是(shi)利用(yong)(yong)了無線信(xin)號的(de)多徑傳播(bo)，無線信(xin)號在室(shi)內經過反射(she)(she)、散射(she)(she)、繞射(she)(she)等路徑從發射(she)(she)機傳播(bo)到接收機。CSI對于人體的(de)移動更(geng)加敏感，而且同樣環(huan)境(jing)下的(de)信(xin)號特征更(geng)加穩(wen)定，是(shi)正交頻分(fen)復用(yong)(yong)技術下子載(zai)波級別的(de)信(xin)號特征度量。而且，目前CSI能(neng)(neng)夠從普通商用(yong)(yong)網卡上提取，使得(de)大(da)量基(ji)于CSI的(de)室(shi)內被(bei)動入侵檢(jian)測系統問世，并具有(you)很好的(de)檢(jian)測性(xing)能(neng)(neng)。

與(yu)此同時，我們(men)需(xu)要注意的(de)(de)是，目前的(de)(de)基于(yu)(yu)CSI的(de)(de)室內(nei)被動(dong)(dong)(dong)(dong)(dong)入(ru)(ru)侵檢測(ce)系統都沒有(you)考慮人體(ti)走(zou)動(dong)(dong)(dong)(dong)(dong)速(su)(su)度(du)(du)非(fei)常(chang)慢(man)的(de)(de)情況。然(ran)(ran)而，由于(yu)(yu)CSI會(hui)受到人體(ti)走(zou)動(dong)(dong)(dong)(dong)(dong)速(su)(su)度(du)(du)的(de)(de)影(ying)響，走(zou)動(dong)(dong)(dong)(dong)(dong)速(su)(su)度(du)(du)越慢(man)，對(dui)CSI的(de)(de)影(ying)響越小，因此傳統的(de)(de)方法對(dui)于(yu)(yu)監測(ce)區域內(nei)人體(ti)走(zou)動(dong)(dong)(dong)(dong)(dong)特別慢(man)的(de)(de)情況，檢測(ce)精(jing)度(du)(du)會(hui)有(you)很大程(cheng)度(du)(du)的(de)(de)下降。而竊賊進(jin)入(ru)(ru)室內(nei)必然(ran)(ran)會(hui)非(fei)常(chang)小心(xin)地走(zou)動(dong)(dong)(dong)(dong)(dong)，行走(zou)速(su)(su)度(du)(du)可能會(hui)非(fei)常(chang)慢(man)，這種情況下，傳統的(de)(de)方法的(de)(de)檢測(ce)性(xing)能會(hui)有(you)所下降。為(wei)此，我們(men)進(jin)行了大量的(de)(de)相關實驗，發現CSI子載波(bo)振幅(fu)方差(cha)的(de)(de)方差(cha)對(dui)于(yu)(yu)移動(dong)(dong)(dong)(dong)(dong)速(su)(su)度(du)(du)的(de)(de)人體(ti)都非(fei)常(chang)敏感，可以將其作(zuo)為(wei)特征使得(de)室內(nei)被動(dong)(dong)(dong)(dong)(dong)入(ru)(ru)侵檢測(ce)系統更(geng)加有(you)效。

技術實現要素：

本發明的目的是提(ti)供一種(zhong)在各種(zhong)移(yi)動速(su)度下都能保持較高檢(jian)測(ce)性能的基于WLAN的細(xi)粒度室(shi)內被動入侵檢(jian)測(ce)方法。

實(shi)現本發明目(mu)的是這樣實(shi)現的：

一種基于WLAN的細粒度室(shi)內被動(dong)入侵檢測(ce)方法，其特征在(zai)于，包括(kuo)(kuo)在(zai)線階(jie)段(duan)和(he)離(li)線階(jie)段(duan)，有以下幾個步(bu)驟(zou)，在(zai)線階(jie)段(duan)包括(kuo)(kuo)步(bu)驟(zou)1-5，離(li)線階(jie)段(duan)包括(kuo)(kuo)步(bu)驟(zou)1、2、3、6：

步驟1：由發(fa)射(she)機(ji)發(fa)射(she)數據，信號(hao)在監測區域內傳播，并由接(jie)收機(ji)接(jie)收數據；

步驟2：接收(shou)機首先實時(shi)將(jiang)接收(shou)到的(de)(de)數(shu)據(ju)傳(chuan)遞給中(zhong)心服(fu)務(wu)器(qi)作為訓(xun)練(lian)數(shu)據(ju)，服(fu)務(wu)器(qi)實時(shi)提取(qu)信(xin)道狀態信(xin)息,計算滑動(dong)窗口中(zhong)子載波振幅方差(cha)的(de)(de)方差(cha)作為信(xin)號特征；

步驟(zou)3：在線階段根據信號(hao)特(te)征估計(ji)一組閾值(zhi)，根據這(zhe)組閾值(zhi)將(jiang)信號(hao)特(te)征分為不同級(ji)別，將(jiang)這(zhe)個(ge)級(ji)別作為最(zui)終的特(te)征值(zhi)；離線階段直接通(tong)過這(zhe)組閾值(zhi)計(ji)算最(zui)終的特(te)征值(zhi)；

步驟(zou)4：分別統計有人和沒人狀態(tai)下每(mei)個(ge)級別特征的個(ge)數，除以(yi)對應訓練數據窗口總數，得(de)到(dao)的概率作(zuo)為初始混淆概率，并隨機初始化狀態(tai)轉(zhuan)移(yi)概率；

步驟5：利(li)用(yong)隱馬爾科(ke)夫模型中的Baum-Welch算(suan)(suan)法計(ji)算(suan)(suan)混淆矩(ju)陣(zhen)和狀態轉(zhuan)移(yi)矩(ju)陣(zhen)；

步(bu)驟6：利(li)用隱馬爾科夫模型中的(de)Viterbi算法實(shi)時計(ji)算隱藏狀態的(de)概(gai)率，從而估(gu)計(ji)環境中是否有人(ren)入(ru)侵。

步驟1中，接(jie)收(shou)(shou)機與服務器可以是同一臺(tai)設備(bei)，這臺(tai)設備(bei)同時負責(ze)接(jie)收(shou)(shou)數據和處(chu)理數據。

步驟2中(zhong)(zhong)，訓練數(shu)據(ju)中(zhong)(zhong)包括環境中(zhong)(zhong)有(you)(you)人(ren)走動(dong)和沒有(you)(you)人(ren)時(shi)采集的(de)(de)數(shu)據(ju)，有(you)(you)人(ren)走動(dong)的(de)(de)數(shu)據(ju)包括走動(dong)速度(du)快、慢與非(fei)常慢三(san)種情(qing)況，并有(you)(you)相應的(de)(de)標注。

步驟2中，滑動窗口中子載波振幅方差的方差是指先分別對大小為n的滑動窗口中所有子載波H＝[H_k,H_k+1,...,H_k+n-1]計算其振幅的方差，得到方差向量V_w＝[v₁,v₂,...,v₃₀]^T，再對得到的方差向量計算方差V＝var(V_w)。

步驟3中(zhong)，這組閾(yu)值的個數及(ji)大小是(shi)通(tong)過多次(ci)反(fan)復實驗，根據檢(jian)測效果，選出一組效果最好的閾(yu)值。

本(ben)發明的有益效果在于：

本發明(ming)提出一種基于WLAN的細粒度室(shi)(shi)內(nei)(nei)被(bei)動(dong)(dong)入侵檢(jian)測(ce)(ce)方法，此方法包(bao)括(kuo)6個步驟。通過現場采集數據，利用計算(suan)的信號特征估(gu)計出檢(jian)測(ce)(ce)閾值，最后根據隱(yin)馬爾(er)科夫模型計算(suan)不同窗口中(zhong)有人(ren)(ren)(ren)或沒(mei)人(ren)(ren)(ren)的概率，最終確定監測(ce)(ce)范圍是否有人(ren)(ren)(ren)。該方法能(neng)夠(gou)(gou)利用較少的前期訓練，在(zai)人(ren)(ren)(ren)體移動(dong)(dong)速度非常(chang)慢時依然能(neng)夠(gou)(gou)以較高的準(zhun)確率檢(jian)測(ce)(ce)出人(ren)(ren)(ren)體移動(dong)(dong)，適合應(ying)用在(zai)室(shi)(shi)內(nei)(nei)入侵檢(jian)測(ce)(ce)中(zhong)。

本發(fa)明僅(jin)適用(yong)一組發(fa)射機和接收(shou)機，能夠(gou)適應不同面(mian)積的室內(nei)環境。而且本發(fa)明也可以利(li)用(yong)多組發(fa)射機和接收(shou)機部署(shu)在面(mian)積更大的室內(nei)環境實(shi)現人體檢測，有良好的可擴(kuo)展性。

附圖說明

圖(tu)1是本發明的基于WLAN的細(xi)粒度室內(nei)被動入侵檢測方(fang)法(fa)的流程(cheng)圖(tu)。

圖2是本方(fang)法分(fen)類器的(de)示意圖。

具體實施方式

下面將結合(he)附圖(tu)對本發明(ming)做(zuo)進一步詳細說明(ming)。

本發明公開了一種基于(yu)WLAN的(de)(de)細(xi)粒(li)度(du)(du)室(shi)(shi)內被動入(ru)(ru)侵(qin)檢(jian)測方(fang)法。本發明包(bao)括：(1)特(te)征提取；(2)人(ren)(ren)體檢(jian)測。本發明提出一個(ge)細(xi)粒(li)度(du)(du)室(shi)(shi)內被動入(ru)(ru)侵(qin)檢(jian)測方(fang)法，該方(fang)法可利用細(xi)粒(li)度(du)(du)的(de)(de)信(xin)道狀(zhuang)態信(xin)息來(lai)計算方(fang)差特(te)征，通過(guo)概(gai)率(lv)的(de)(de)方(fang)法將不同(tong)的(de)(de)特(te)征與是否有(you)人(ren)(ren)進行映射，從而(er)判斷環(huan)境(jing)中是否有(you)人(ren)(ren)。對于(yu)相同(tong)環(huan)境(jing)來(lai)說，本方(fang)法對慢速移動的(de)(de)人(ren)(ren)體更加敏感，能夠有(you)效(xiao)檢(jian)測出環(huan)境(jing)中以非常慢的(de)(de)速度(du)(du)移動的(de)(de)人(ren)(ren)體，從而(er)提高室(shi)(shi)內入(ru)(ru)侵(qin)檢(jian)測系統的(de)(de)有(you)效(xiao)性(xing)及可用性(xing)。

本發(fa)明提出一種基于(yu)WLAN的(de)細粒度(du)室內被(bei)動(dong)入侵檢測(ce)(ce)方法，將人(ren)體移動(dong)檢測(ce)(ce)問(wen)題(ti)轉換為(wei)概(gai)率的(de)問(wen)題(ti)，能夠(gou)在(zai)人(ren)體移動(dong)速(su)度(du)特別(bie)慢的(de)情況下依然有很高的(de)檢測(ce)(ce)精度(du)，提高室內入侵檢測(ce)(ce)系統的(de)可用性。

為了達到上述目的，本發明提(ti)出一種基(ji)于WLAN的細粒度(du)室內被動入侵檢測方法(fa)，包括以下(xia)步驟：

目前(qian)，可(ke)以通過商用無線網卡Intel 5300上(shang)利(li)用修改的(de)(de)固件獲取(qu)到包括(kuo)30個子載波的(de)(de)CFR，并能以信(xin)(xin)道狀態信(xin)(xin)息的(de)(de)形式提交到用戶態進行處理。

方法包括離(li)線(xian)(xian)(xian)階(jie)(jie)段(duan)(duan)和(he)(he)在線(xian)(xian)(xian)階(jie)(jie)段(duan)(duan)，離(li)線(xian)(xian)(xian)階(jie)(jie)段(duan)(duan)包括步驟(zou)101-105，在線(xian)(xian)(xian)階(jie)(jie)段(duan)(duan)包括步驟(zou)101、102、103和(he)(he)106。

在步驟101中，在室內部署(shu)一(yi)(yi)(yi)對發(fa)射(she)機(ji)(ji)和接收機(ji)(ji)實(shi)時采(cai)集(ji)(ji)數據(ju)，部署(shu)位置可以是任意的，并提取信道狀態信息。可以利用一(yi)(yi)(yi)臺普通商用無線(xian)路(lu)由器(qi)作(zuo)為(wei)發(fa)射(she)機(ji)(ji)，利用一(yi)(yi)(yi)臺裝(zhuang)有(you)Intel5300無線(xian)網卡的計算機(ji)(ji)作(zuo)為(wei)接收機(ji)(ji)，接收機(ji)(ji)向發(fa)射(she)機(ji)(ji)發(fa)送ICMP包(bao)，發(fa)射(she)機(ji)(ji)會給接收機(ji)(ji)返回(hui)相(xiang)應的數據(ju)包(bao)，將返回(hui)的數據(ju)包(bao)作(zuo)為(wei)采(cai)集(ji)(ji)的數據(ju)。

在無線信(xin)號傳播過程中，時間域上無線通(tong)信(xin)可以(yi)簡單(dan)建模(mo)為：

其(qi)中t是(shi)時間，y是(shi)接(jie)收信號(hao)(hao)(hao)，x是(shi)發送信號(hao)(hao)(hao)，h是(shi)信道響應，其(qi)為一(yi)個復數，代表信號(hao)(hao)(hao)振幅與相(xiang)位(wei)信息，z為高斯(si)白噪音。

但是(shi)由(you)于無線(xian)信號在室內環(huan)境中會受到(dao)多徑(jing)(jing)(jing)效應的(de)(de)(de)影響(xiang)，包括信號的(de)(de)(de)反射(she)等，接收端接收到(dao)的(de)(de)(de)信號是(shi)由(you)不(bu)(bu)同路徑(jing)(jing)(jing)疊(die)加(jia)形成的(de)(de)(de)，導(dao)致(zhi)不(bu)(bu)同的(de)(de)(de)傳(chuan)播長度、路徑(jing)(jing)(jing)損(sun)失、不(bu)(bu)同的(de)(de)(de)時延、振幅衰減和相位偏移。多徑(jing)(jing)(jing)環(huan)境可以通過時間線(xian)性過濾(lv)器h(τ)特(te)征(zheng)化，即(ji)信道脈沖(chong)響(xiang)應(Channel Impulse Response，CIR)：

其中，a_i、θ_i和τ_i分別代表第i個路徑(jing)的振幅、相位(wei)和時延，i＝1,2,...,N，N表示路徑(jing)數。

在頻(pin)率域中，OFDM系統(tong)提供OFDM子載波粒度(du)上(shang)的信道頻(pin)率響應(ying)(Channel Frequency Response,CFR)為：

H＝[H(f₁),H(f₂),...,H(f₃₀)]

其中(zhong)每個子(zi)載波的CFR包含(han)振幅信息和相位(wei)信息：

H(f_k)＝||H(f_k)||e^jsin(∠H)

其中||H(f_k)||為(wei)子載波(bo)的(de)振幅，∠H為(wei)子載波(bo)的(de)相位(wei)。

對于給定的一個帶寬，CIR可(ke)以(yi)通過快速傅里葉變(bian)換轉換成CFR：

H＝FFT(h(τ))

在步驟102中，利用101中采集的數(shu)據計(ji)算信(xin)道狀態信(xin)息數(shu)據，根據適當大小(xiao)的滑動(dong)窗(chuang)口計(ji)算子載波振(zhen)幅方差(cha)的方差(cha)，作為信(xin)號特(te)征。具體計(ji)算方法如下：

首先，從H_k開始的大小為n的數據窗口內的CSI可(ke)以表示為：

H＝[H_k,H_k+1,...,H_k+n-1]

其中H為一(yi)個30×n的矩陣(zhen)，對窗口內每(mei)個子載(zai)波(bo)的振幅求方差：

v_i＝var(|H_i,k|,|H_i,k+1|,...,|H_i,k+n-1|)

其中|H_i,k|為從H_k開始的窗口內第i個子載波第1個CSI的振幅，v_i為(wei)第i個子載波的(de)(de)振(zhen)(zhen)幅在這個窗口內(nei)的(de)(de)方差，所有(you)子載波振(zhen)(zhen)幅的(de)(de)方差表示為(wei)：

V_w＝[v₁,v₂,...,v₃₀]^T

所有子載波振幅方(fang)(fang)差的方(fang)(fang)差表(biao)示(shi)為(wei)：

V＝var(V_w)

將(jiang)V作(zuo)為(wei)信號特征，當監(jian)測(ce)區域(yu)內有(you)人移(yi)動時(shi)，V會比(bi)區域(yu)內沒人時(shi)更大。

在(zai)(zai)步驟(zou)103中，離線(xian)階段需(xu)要根據從訓(xun)練(lian)數據中計算的(de)信(xin)(xin)號特征(zheng)(zheng)估計一(yi)組閾值(zhi)，這組閾值(zhi)將信(xin)(xin)號特征(zheng)(zheng)的(de)大小分級，將這個級別作(zuo)為最終的(de)特征(zheng)(zheng)值(zhi)。在(zai)(zai)線(xian)階段直接利用這組閾值(zhi)將信(xin)(xin)號特征(zheng)(zheng)分級，求(qiu)出特征(zheng)(zheng)值(zhi)。

級別(bie)的(de)個數一(yi)般在(zai)4到7之間，信(xin)(xin)號(hao)特(te)征落在(zai)不同級別(bie)中的(de)數量是不均(jun)勻的(de)，環境(jing)中沒人的(de)信(xin)(xin)號(hao)特(te)征主要(yao)落在(zai)第(di)一(yi)級，少數落在(zai)第(di)二級，而環境(jing)中有(you)人的(de)信(xin)(xin)號(hao)特(te)征在(zai)各(ge)個級別(bie)都(dou)會有(you)所分布。

在步驟104中(zhong)(zhong)，如圖2所(suo)示，使用隱馬爾科夫模型作(zuo)(zuo)為(wei)分(fen)類器，其中(zhong)(zhong)監測環境中(zhong)(zhong)是(shi)否有人作(zuo)(zuo)為(wei)模型中(zhong)(zhong)的兩(liang)個隱藏狀態，特(te)征值為(wei)模型中(zhong)(zhong)的顯式狀態。

分別統(tong)計有人和(he)沒人狀態(tai)(tai)下每個級別特征的個數(shu)，除以對應訓練數(shu)據窗口總數(shu)，得到(dao)的概(gai)率(lv)作為(wei)初(chu)始混淆概(gai)率(lv)，并隨機(ji)初(chu)始化狀態(tai)(tai)轉移概(gai)率(lv)。

這里(li)混淆(xiao)概率(lv)(lv)(lv)是指每個(ge)特征值對應于有人(ren)或(huo)沒人(ren)的概率(lv)(lv)(lv)，混淆(xiao)概率(lv)(lv)(lv)構成混淆(xiao)矩(ju)陣(zhen)(zhen)，維度為(wei)2×nf，其中(zhong)nf為(wei)特征值的個(ge)數(shu)，狀態(tai)轉(zhuan)(zhuan)移概率(lv)(lv)(lv)是指有人(ren)與沒人(ren)這兩個(ge)狀態(tai)之間互相轉(zhuan)(zhuan)移的概率(lv)(lv)(lv)，狀態(tai)轉(zhuan)(zhuan)移概率(lv)(lv)(lv)構成狀態(tai)轉(zhuan)(zhuan)移矩(ju)陣(zhen)(zhen)，維度為(wei)2×2。

在(zai)步驟(zou)105中(zhong)，將104中(zhong)的混淆(xiao)概率(lv)和狀態(tai)轉移(yi)概率(lv)帶入(ru)到計算(suan)隱馬爾科(ke)夫(fu)(fu)模型(xing)的Baum-Welch算(suan)法學習(xi)得到相應的隱馬爾科(ke)夫(fu)(fu)模型(xing)。

Baum-Welch算法(fa)(fa)是(shi)隱(yin)馬爾(er)科夫(fu)模型三(san)個基本(ben)問題中的(de)學(xue)習算法(fa)(fa)，能夠利用初(chu)始估計(ji)的(de)混淆(xiao)矩(ju)陣和狀態轉移矩(ju)陣以及相應的(de)觀(guan)察(cha)序列計(ji)算出局部最優的(de)隱(yin)馬爾(er)科夫(fu)模型。

在(zai)步(bu)驟106中(zhong)，利用(yong)105中(zhong)計算隱馬爾科夫模(mo)型(xing)，將實時采集的測(ce)試數據輸入進隱馬爾科夫模(mo)型(xing)中(zhong)的Viterbi算法中(zhong)，計算有人(ren)走(zou)動及(ji)沒人(ren)的概率(lv)，概率(lv)大(da)的狀態即(ji)為(wei)最終結(jie)果。

Viterbi算(suan)法是隱(yin)馬爾科夫模型(xing)中計(ji)算(suan)隱(yin)藏狀(zhuang)態(tai)概(gai)率(lv)的(de)算(suan)法，利(li)用隱(yin)馬爾科夫模型(xing)中的(de)狀(zhuang)態(tai)轉(zhuan)移概(gai)率(lv)和混淆概(gai)率(lv)以及觀察(cha)序(xu)列計(ji)算(suan)出隱(yin)藏狀(zhuang)態(tai)的(de)概(gai)率(lv)，概(gai)率(lv)大的(de)隱(yin)藏狀(zhuang)態(tai)即為最終(zhong)結果，從而判斷室內是否(fou)有人入侵。

系統的部署(shu)分為兩個階段(duan)：離線(xian)(xian)階段(duan)和(he)在線(xian)(xian)階段(duan)。在離線(xian)(xian)階段(duan)中(zhong)，擺放(fang)好發(fa)(fa)射(she)機(ji)(ji)(ji)(ji)和(he)接(jie)收(shou)機(ji)(ji)(ji)(ji)，普通的商用無線(xian)(xian)路由器(qi)作為發(fa)(fa)射(she)機(ji)(ji)(ji)(ji)，裝有(you)(you)(you)Intel 5300網卡的計算(suan)機(ji)(ji)(ji)(ji)作為接(jie)收(shou)機(ji)(ji)(ji)(ji)，接(jie)收(shou)機(ji)(ji)(ji)(ji)以一定(ding)的頻率(lv)(例如20Hz)向發(fa)(fa)射(she)機(ji)(ji)(ji)(ji)發(fa)(fa)射(she)ICMP包，然后接(jie)收(shou)機(ji)(ji)(ji)(ji)利(li)用Linux CSI Tool驅動(dong)從(cong)信號發(fa)(fa)射(she)機(ji)(ji)(ji)(ji)的應(ying)答包中(zhong)獲取CSI信息，測試人(ren)(ren)員(yuan)(yuan)應(ying)首先對系統參數(shu)(shu)(shu)進行設置，包括ICMP包發(fa)(fa)送速(su)(su)率(lv)、發(fa)(fa)射(she)機(ji)(ji)(ji)(ji)IP地址參數(shu)(shu)(shu)等(deng)相應(ying)信息。當(dang)設備部署(shu)完成(cheng)后，測試人(ren)(ren)員(yuan)(yuan)分別采集室內(nei)有(you)(you)(you)人(ren)(ren)和(he)沒人(ren)(ren)時的數(shu)(shu)(shu)據，并做好標記有(you)(you)(you)人(ren)(ren)或(huo)沒人(ren)(ren)，有(you)(you)(you)人(ren)(ren)走動(dong)的情(qing)況(kuang)需要采集各種走路速(su)(su)度(du)的數(shu)(shu)(shu)據，每組數(shu)(shu)(shu)據的采集2-3分鐘即可(ke)(ke)。系統將會利(li)用這些(xie)數(shu)(shu)(shu)據按照離線(xian)(xian)階段(duan)中(zhong)的步驟計算(suan)得到一個合適(shi)的隱馬爾可(ke)(ke)夫模(mo)型。

在在線(xian)階段中，發射(she)機和接(jie)收(shou)機位(wei)置不變，系(xi)統開啟在線(xian)檢測功能，接(jie)收(shou)機依然(ran)按照(zhao)離線(xian)階段的(de)頻率(lv)向(xiang)發射(she)機發射(she)ICMP包(bao)，并從(cong)網(wang)卡中獲(huo)取信道信息，系(xi)統按照(zhao)在線(xian)階段的(de)步驟利(li)用從(cong)離線(xian)階段計算得(de)到(dao)的(de)隱馬爾可(ke)夫模型(xing)計算出有人(ren)(ren)及沒人(ren)(ren)的(de)概率(lv)，當有人(ren)(ren)的(de)概率(lv)更(geng)大時即判斷(duan)為有人(ren)(ren)入侵，沒人(ren)(ren)的(de)概率(lv)更(geng)大時判斷(duan)為沒人(ren)(ren)。