一种基于WiFi-CSI信号增强的小目标室内入侵检测方法

本申请涉及信号无线感知，尤其涉及一种基于wifi-csi信号增强的小目标室内入侵检测方法。

背景技术：

1、室内入侵检测可分为主动式入侵检测和被动式入侵检测，主动式入侵检测需要目标携带额外的传感器、rfid、智能手机，而当需要检测无法携带辅助设备的小目标时，被动式入侵检测方法显得更为有效。在家庭安全，仓库管理，资产保护等室内安全应用中被动式入侵检测都发挥着重要的作用。

2、到目前为止，用于实现被动式入侵检测系统的技术有许多种，如基于计算机视觉,基于被动红外，基于超声波，其中基于计算机视觉的系统是最常见的，但是这种方法需要在检测区域内的不同位置部署摄像头会产生隐私泄露问题且无法在光源缺失的条件下正常运行，基于红外传感器的系统性能容易受到环境温度影响且当入侵目标为爬行类、两栖类等变温动物时检测效果会大幅下降。此外上述两种技术都只能在视距(los)条件下正常运行，一旦小目标在障碍物的下方或后方运动时便无法正常工作。基于声音和超声波传感器的系统虽然支持非视线(nlos)场景但却极易受到环境噪音的影响，当检测区域是装配有大型设备的厂房或仓库时，基于声音和超声波传感器的系统很难准确检测到入侵的小目标。因此，在对小目标进行室内入侵检测时，需要一种能够在非视距条件和高噪音环境下可靠工作且不会泄露隐私信息技术。基于wi-fi的入侵检测方法是一种满足这些要求的技术。得益于wi-fi的无处不在，这种方法的部署成本很低。利用无线电信号对环境扰动的敏感，分析wi-fi接收信号的信道状态信息(csi)来检测室内入侵的小目标。在现有的基于wi-fi的入侵检测工作中，有一些研究专注于解决非视距场景下的入侵检测问题,还有一些工作将注意力放在小目标的入侵检测上。然而，据了解，目前尚未有研究将入侵目标的焦点放在小目标上的同时考虑它们在非视距场景下的入侵行为，而上述入侵行为在一些特定条件下是具有重要意义的。比如在一个布线混乱且全天候工作的机房中进入一只老鼠的危害可能远大于进入一个陌生人，而当入侵目标的大小远小于人类时，障碍物的遮挡严重影响了小目标运动对wi-fi的扰动，这使得运动特征本就不明显的小目标更加难以检测。

技术实现思路

1、本申请提供了一种基于wifi-csi信号增强的小目标室内入侵检测方法，能够解决在各种复杂室内环境中的小目标的入侵检测，特别是检测环境中存在光照，遮挡，背景隐私问题限制的问题。

2、本申请的技术方案是一种基于wifi-csi信号增强的小目标室内入侵检测方法，包括：

3、s1：csi数据的发送与接收：使用带有5300网卡的电脑搭建信道状态信息csi数据发送和接收平台；

4、s2：csi数据采集：在实验环境下同时采集包含小目标运动的csi数据，采集环境包括五种，小目标在堆满杂物的箱子后运动，小目标在铁柜后运动，小目标在会议桌下运动，小目标在走廊的桌子下运动以及小目标在工位下运动；

5、s3：数据预处理：用巴特沃斯低通滤波器去除原始信号中的明显离群点，并用样本中值替换异常值；

6、s4：自适应阈值检测：构建transformer网络模型并进行训练，并基于该网络设计自适应阈值模块；

7、s5：子载波扩散计算：构建扩散模型并进行训练，并基于该模型设计子载波扩散增强模块；确定扩散模型评价指标并进行评价，以识别精度为评价指标。

8、可选地，所述s4包括：

9、s41：将每一个数据包中的所有子载波全部提取出来，这些子载波都共享相同的嵌入层和transformer权重；

10、s42：将每个子载波分割成重叠或者不重叠的时间序列段，这些时间序列段的长度表示为p，将两个连续时间序列段之间的非重叠区域表示为s，然后每个子载波便形成一个序列；

11、

12、式中，n为时间序列段的数量；

13、

14、s43：将这些时间序列段作为输入transformer的令牌，通过这个方法输入令牌的数量从l降低到l/s，这使得模型可以看到更长的历史序列，预测性能将得到显著的提高；

15、s44：在经过子载波独立目标检测模型之后，系统会进行一次阈值检测，阈值分为否定，疑似和肯定三档，当判定为疑似时便会将筛选出的子载波放入扩散模块进行数据增强后再次进行判断。

16、可选地，所述s5包括：

17、s51：构建扩散模型，前向过程，即扩散过程从样本x0到潜在变量xt由以下马尔可夫链定义：

18、

19、式中，βt是向上一个时间节点的分布

20、xt中添加高斯噪音的系数，通常为一个很小的常数且随着分布xt越来越接近高斯噪声而增大；

21、s52：反向过程逐步对xt分布进行去噪恢复到x0，由以下马尔可夫链确定：

22、

23、

24、式中，同时pθ(xt-1|xt)被假定为具有可学习参数的正态分布，然后用下面的方式训练反向过程；

25、

26、

27、式中，表示数据分布，利用神经网络对∈θ(xt，t)进行参数化，以消除高斯噪音。

28、有益效果：

29、本申请提供了一种基于wifi-csi的室内入侵检测方法，利用基于transformer的自适应阈值检测模块和基于扩散模型的子载波增强模块，能够实现在复杂室内场景下的小目标入侵检测工作。利用esp32实施部署大大降低实际运营成本和可实现成本，从而有效实现对小目标的室内入侵检测，在无线感知、入侵检测具有一定的应用价值，综上可知，本申请能够解决在各种复杂室内环境中的小目标的入侵检测，特别是检测环境中存在光照，遮挡，背景隐私问题限制的问题。

技术特征：

1.一种基于wifi-csi信号增强的小目标室内入侵检测方法，其特征在于，包括：

2.根据权利要求1所述的基于wifi-csi信号增强的小目标室内入侵检测方法，其特征在于，所述s4包括：

3.根据权利要求1所述的基于wifi-csi信号增强的小目标室内入侵检测方法，其特征在于，所述s5包括：

技术总结
本申请涉及信号无线感知技术领域，尤其涉及一种基于WiFi‑CSI信号增强的小目标室内入侵检测方法。包括：搭建信道状态信息CSI数据发送和接收平台；在实验环境下同时采集CSI数据，目标在堆满杂物的箱子后运动，在铁柜后运动，在会议桌下运动，在走廊的桌子下运动以及在工位下运动；用巴特沃斯低通滤波器去除原始信号中的明显离群点；构建Transformer网络模型并进行训练，设计自适应阈值模块；构建扩散模型并进行训练并设计子载波扩散增强模块；确定扩散模型评价指标并进行评价，以识别精度为评价指标。本申请提供了一种基于WiFi‑CSI的室内入侵检测方法，利用自适应阈值检测模块和基于扩散模型的子载波增强模块，能够实现在复杂室内场景下的小目标入侵检测工作。

技术研发人员：杨杰明,艾稀猛,吴云,杨泽华,林颖,张子涵
受保护的技术使用者：东北电力大学
技术研发日：
技术公布日：2024/1/15