一种基于WiFi信号的门窗开闭状态检测方法与流程

文档序号:13933142
一种基于WiFi信号的门窗开闭状态检测方法与流程

本发明属于人工智能技术领域,特别涉及一种基于WiFi信号的门窗开闭状态检测方法。



背景技术:

当前普遍使用的门窗状态监测方式大多依靠传感器信号采集,成本较高且排布线比较麻烦,容易遭到破坏,日常维护成本高。

现有技术中也有利用WiFi进行入侵检测的室内入侵检测系统,但是这种系统的数据源采用的是RSSI(接收信号强度)信号,RSSI信号数据量小(每次采集到1个数值),只能对较大的动作产生感应,也即,该检测系统包含信息低、检测精度低、误报率高。



技术实现要素:

本发明提供一种基于WiFi信号的门窗开闭状态检测方法。

一种基于WiFi信号的门窗开闭状态检测方法,该方法包括以下步骤:

步骤1,采集室内WIFI路由器发出的WiFi无线信号,标注此时门窗开闭状态;

步骤2,从接收到的WiFi无线信号中提取出即时CSI(Channel State Information,信道状态信息)信号;

步骤3,根据设定的时间窗口内提取的即时CSI信号,计算此窗口期内的CSI数值的平均数、方差、中位数、以及混杂度指标作为信号特征;

步骤4,根据CSI信号混杂程度,确定最优的窗口长度和窗口重叠度;

步骤5,将CSI信号特征输入到智能算法中,进行模型训练,完成后即可判断门窗状态,

其中,混杂度指标计算方法是:

Y=abs(中位数pre–中位数cur)+abs(方差pre–方差cur)+abs(均值pre–均值cur)

Y表示混杂度指标,代表现在CSI信号的抖动情况;

中位数、方差、均值是由时间窗口内CSI振幅计算出的时序特征值;

中位数、方差、均值下标Pre表示上一个时间窗口;

中位数、方差、均值下标Cur表示当前的时间窗口。

时间窗口的重叠程度,由CSI信号的混杂度指标来确定,计算方法如下:当混杂度指标持续增加时,

每隔a秒,相邻时间窗口增加一个重叠CSI数据包,但需保证两个相邻的时间窗口中至少有一个数据包不完全相同;

当混杂度指标没有增加时,

每隔b秒,相邻时间减少增加一个重叠CSI数据包,但需保证两个相邻的时间窗口在时间上是连续的。

根据当前的CSI信号混杂程度,调整时间窗口大小,

当混杂度指标持续增加时,

每隔c秒,窗口长度减1,最小窗口长度为2;

当混杂度指标没有增加时,

每隔d秒,窗口长度加1,最大窗口长度为10。

获取CSI信号,通过时间窗获取一段数据后,计算平均数、方差、偏差信号时域统计值,然后进行求出混杂度指标;

将这些统计指标用以训练模型,并用以对门窗开闭的检测。

本发明的基于wifi信号的门窗开闭状态检测方法,从接收到的无线信号中提取出的即时CSI信号比现有技术中采集的RSSI信号的误报率低,检测精度高。当门窗处于关闭状态时,wifi路由器所发出的即时CSI信号波动会处于一个稳定状态;而当门窗打开时,由于信号的散射,衰减以及能量的损失,会导致接收到的CSI信号出现明显的波动。

本发明采用的室内入侵检测方法只需要较为简单的接受wifi信号并对其进行运算的装置,如一台具备基本运算能力的微机,即可实现监控。微机没有安装位置限制,排布灵活简单。

与现有技术相比,本发明WiFi信号门窗状态检测方法是一种通过软件形式进行门窗开闭状态检测的方法,可以广泛用于家用或商务楼宇的安防、维护等场景。成本更加低廉,安装维护简单,可靠性高。

附图说明

通过参考附图阅读下文的详细描述,本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,其中:

图1是本发明实施例中涉及的最高测频监率检验时的时间窗口示意图。

图2是本发明实施例中涉及的最低频率监测检验时的时间窗口示意图。

图3是本发明实施例中涉及的可变的时间窗口长度示意图。

图4是本发明实施例中涉及的时间窗口的重叠部分减少示意图。

具体实施方式

本发明的基于WIFI信号进行门窗关闭检测的方法,包括:

步骤1:采集室内WIFI路由器发出的无线信号,且需要标注此时门窗开闭状态;

步骤2:从接收到的无线信号中提取出即时CSI信号;

步骤3:据一定时间窗口内提取的即时CSI信号,计算此窗口期内的CSI数值的平均数、方差、中位数、以及提出混杂度指标等作为信号特征;

步骤4:根据CSI信号混杂程度,确定最优的窗口长度和窗口重叠度;

步骤5:信号特征输入到智能算法中,进行模型训练,完成后即可判断门窗状态;

步骤3中时间窗口如图1所示的最高测频监率检验时的时间窗口,其中,横轴是时间轴,每一个数字方块代表按照时间顺序采集的CSI数据;W1是时间窗口1,如此,图1中共表示了8个时间窗口,窗口长度是10。

图2是最低频率监测检验时的时间窗口示意图,其中,横轴是时间轴,每一个数字方块代表按照时间顺序采集的CSI数据;W1是时间窗口1,如此,图中共表示了3个时间窗口,窗口长度是10。

图3是可变的时间窗口长度示意图,w1与w2的窗口长度为5,w3和w4的长度10.时间窗口可以根据信号变化而动态调整。

所述步骤4中,时间窗口的重叠程度,由CSI信号的混杂度指标来确定。但其最高、最低的重叠程度,由图1、图2中的图形所限定。

计算方法如下:

当混杂度指标持续增加时,每10秒(可预先设定),相邻时间窗口增加一个重叠CSI数据包,但需保证两个相邻的时间窗口中至少有一个数据包不完全相同。如图1所示。

当混杂度指标没有增加时,每5秒(可预先设定),相邻时间减少增加一个重叠CSI数据包,但需保证两个相邻的时间窗口在时间上是连续的。如图2所示。

图4是时间窗口的重叠部分在减少的示意图。

混杂度指标计算方法是:

Y=abs(中位数pre–中位数cur)+abs(方差pre–方差cur)+abs(均值pre–均值cur)

其中,

Y:表示混杂度指标,代表现在CSI信号的抖动情况;

中位数、方差、均值是由时间窗口内CSI振幅计算出的时序特征值;

其中参数的的下标Pre表示上一个时间窗口;下表Cur表示当前的时间窗口。

所述步骤4中,根据当前的CSI信号混杂程度,调整时间窗口大小。当混杂度指标持续增加时,每15秒(可预先设定),窗口长度减“1”,最小窗口长度为2(可手动设置)。当混杂度指标没有增加时,每10秒(可预先设定),窗口长度加“1”,最大窗口长度为10(可手动设置)。

获取CSI信号后,通过时间窗获取一段数据后,计算平均数、方差、偏差等信号时域统计值,然后进行求出混杂度指标。将这些统计指标用以训练模型,并用以对门窗开闭的判断。

值得说明的是,虽然前述内容已经参考若干具体实施方式描述了本发明创造的精神和原理,但是应该理解,本发明并不限于所公开的具体实施方式,对各方面的划分也不意味着这些方面中的特征不能组合,这种划分仅是为了表述的方便。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。

再多了解一些
当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1