基于Wi-Fi信道状态信息的免训练入侵检测系统

随着无线通信技术的飞速发展,Wi-Fi已经广泛应用于公共和私人领域,基于无线技术的无设备被动入侵检测技术在智能家居领域有着广阔的应用前景.针对现有的解决方案难以解释不同场景下性能存在巨大差异,本文设计了一种基于Wi-Fi信道状态信息的免训练入侵检测系统,利用Wi-Fi设备上细粒度的信道状态信息(CSI)捕捉由人体移动引起的细微变化.为了放大这种变化,使用多重信号分类算法(MUSIC)对CSI时间序列的协方差矩阵进行特征分解,利用信号速度向量与噪声子空间的正交性来提取路径变化速度,并通过计算对应路径的相位差变化进行入侵检测的判断.在两个典型的室内环境(会议室和卧室)中进行评估,结果显示平均假阳性(FP)为1.07%,平均假阴性(FN)为1.87%.结果表明该方法能够有效消除环境变化对于检测精度的影响,提高系统的鲁棒性.