一种基于Wi‑Fi信号的用户身份识别方法技术

一种基于Wi‑Fi信号的用户身份识别方法，包括Wi‑Fi发射器、信号接收器、终端设备；其特征在于，所述Wi‑Fi发射器发射Wi‑Fi信号，所述信号接收器接收Wi‑Fi信号获取信息状态信息，当人体经过时信道状态信息发生变化；所述终端设备对信道状态信息数据进行去噪处理，提取视线波形的形状特征，通过匹配比较视线波形的形状特征进行分类得出识别结果。与现有利用摄像头、雷达以及可穿戴设备的方法相比，基于Wi‑Fi的方法具有设备无关性、保护隐私、非侵入等优点。

【技术实现步骤摘要】

本专利技术涉及人体身份识别领域，尤其涉及一种基于WiFi信道状态信息信号分析处理的人体身份识别方法。
技术介绍
基于生物特征的身份识别技术在人机交互领域发挥着重要作用，其一般基于若干个生理特征或行为特征。生理特征与人体各部位的形状有关，如指纹、虹膜、掌纹等。为了达到较高的准确率，基于生理特征的识别方法一般要求用户去接近甚至接触相应传感器。行为特征与人的行为习惯有关，如敲击键盘的节奏、步态、嗓音等。目前基于行为特征的身份识别主要围绕步态特征开展研究，利用摄像头、雷达和可穿戴设备去捕捉人的步态信息，但是此类设备都有着各自的弊端。例如，摄像头需要良好的照明条件且涉及隐私问题，低成本的60GHz雷达只能提供十几厘米的探测范围并且在生活中未被广泛部署，可穿戴设备则要求用户去主动佩戴相关传感器。目前Wi-Fi设备已经广泛存在于人们的日常生活空间之中，具有高普及与低成本等特性，因而大量学者开始研究基于Wi-Fi信号的测量技术，例如室内定位、手势识别等。CSI包含多个子载波信息，每一个子载波信息中都包含着信号的衰减和相移等信息，因而对周围物体移动引起的环境变化更加敏感。目前，CSI已被应用于高精度室内定位、人类活动识别和人群数量统计等领域。怎样对获取的信道状态信息信号进行处理是获取高精度人体身份识别的关键。
技术实现思路
本专利技术提供一种在室内环境中基于Wi-Fi信号的非接触、无侵犯的身份识别方法，技术方案为：一种基于Wi-Fi信号的用户身份识别方法，包括Wi-Fi发射器、信号接收器、终端设备；所述Wi-Fi发射器发射Wi-Fi信号，所述信号接收器接收Wi-Fi信号获取信息状态信息，当人体经过时信道状态信息发生变化；所述终端设备对信道状态信息数据进行去噪处理，提取视线波形的形状特征，通过匹配比较视线波形的形状特征进行分类得出识别结果。进一步地，一种基于Wi-Fi信号的用户身份识别方法，所述去噪处理使用巴特沃斯滤波器进行滤波处理。进一步地，一种基于Wi-Fi信号的用户身份识别方法，所述的提取视线波形形状特征，具体包括以下步骤：S1：基于滤波后的信道状态信息数据，利用主成分分析方法提取信道状态信息序列主成分；S2：选定人经过视距路径时作为识别窗口，利用基于平均绝对偏差的滑动窗口方法，截取出信道状态信息序列中由于人通过视距路径时引起的视线波形；S3：采用离散小波变换计算视线波形的近似系数，并将其作为波形的形状特征。进一步地，一种基于Wi-Fi信号的用户身份识别方法，所述S2中基于滑动窗口的信道状态信息时间序列分割方法，通过寻找序列中具有显著上升和下降趋势的点，作为视线波形的起始点jbegin和终止点jend。进一步地，一种基于Wi-Fi信号的用户身份识别方法，所述起始点jbegin和终止点jend满足以下条件：1)必须有未配对的起始点jbegin，才记录终止点；2)起始点jbegin和终止点jend之间的距离满足：timelen1≤jend-jbegin≤timelen2；其中timelen1和timelen2是两个阈值，其取值为实验经验值。进一步地，一种基于Wi-Fi信号的用户身份识别方法，所述通过匹配比较视线波形的形状特征是指采用动态时间归整算法量化不同波形之间的距离；所述分类是使用一个基于动态时间归整算法的k近邻分类器。优选地，一种基于Wi-Fi信号的用户身份识别方法，在进行波形比较前对主成分序列按照峰值从大到小的顺序重新排序。优选地，一种基于Wi-Fi信号的用户身份识别方法，所述Wi-Fi发射器放置于与信号接收器特定距离内的某一位置，人垂直于Wi-Fi发射器和Wi-Fi接收器之间的视距路径横向穿过Wi-Fi发射器与Wi-Fi接收器中间。本专利技术为基于Wi-FiCSI所提出来的身份识别的新型技术，利用每个人的体型和走路习惯不同，会对Wi-Fi信号传输产生独特影响，进而在信道状态信息时间序列中产生一个特定模式的基本原理，结合波形截取、特征提取、波形匹配等方法来完成对身份信息的识别。与现有利用摄像头、雷达以及可穿戴设备的方法相比，基于Wi-Fi的方法具有设备无关性、保护隐私、非侵入等优点。附图说明图1本专利技术一种基于Wi-Fi信号的用户身份识别方法的方法步骤示意图；图2本专利技术一种基于Wi-Fi信号的用户身份识别方法的实施例中实验时人体经过Wi-Fi发射器的设计距离图示；图3本专利技术一种基于Wi-Fi信号的用户身份识别方法的滤波前后的时间序列对比图；图4本专利技术一种基于Wi-Fi信号的用户身份识别方法的CSI主成分提取结果图。具体实施方式下面结合附图来具体阐述本专利技术的技术方案。本专利技术中的一些专业术语参考如下：缩写英文全称中文含义CSIChannelStateInformation信道状态信息PCAPrincipalComponentAnalysis主成分分析LOSline-of-sight视线MADMeanAbsoluteDifference平均绝对偏差DTWDynamicTimeWarping动态时间规划KNNk-NearestNeighborK最近邻本专利技术提供一种在室内环境中基于Wi-Fi信号的非接触、无侵犯的身份识别方法。其基本原理在于每个人的体型和走路习惯不同，会对Wi-Fi信号传输产生独特影响，进而在CSI时间序列中产生一个特定模式。其主要工作内容包括识别窗口的选择，数据滤波去除高频噪声，波形截取，特征提取，以及分类匹配。使Wi-Fi发射器放置于与信号接收器特定距离内某一位置，并不断发射Wi-Fi信号，人垂直于发射器和接收器之间的视距路径横向穿过发射器与接收器中间，接收器不断采集此期间的CSI数据。在本实施例中具体为使用TP-LINKTLWR1043ND无线路由器作为发射器，发射频率为2.4GHZ。安装有Intel5300NIC(NetworkInterfaceController)的ThinkpadX200笔记本电脑作为接收器、终端设备，操作系统为Ubuntu14.04。发射器有三根天线，接收器有两根天线。电脑和发射器相距2.5m。本实施例中，在数据采集过程中对志愿者的行走方式进行了限定：如图2所示，志愿者从左向右行走，并在起步时通过调整位置使自己在自然状态下以三种落脚方式通过视距路径：1)先左脚踏入ab区域，再右脚落入bc区域；2)先右脚落入ab区域，再左脚落入bc区域；3)先左脚落在a点附近，再右脚落在b点附近，再左脚落在c点附近，ab、bc长度分别为65cm。对采集到的信号进行滤波处理，减少数据中的高频噪声。使用巴特沃斯滤波器进行滤波处理，因其不会显著地扭曲信号的相位信息，且通频带的频率响应曲线最平滑。根据观察得到行走引起的信号变化频率为10HZ以内，故截止频率为10HZ。滤波后的效果图如图3所示。基于滤波后的信号，利用主成分分析(PCA)方法提取CSI序列的主成分。对于每对发射-接收天线，首先对CSI数据进行Z-score标准化，使其均值为0，标准差为1，然后使用PCA得到其CSI时间序列的p(p<30)维主成分，即对每一用户有p*MTx*MRx个LOS波形与之对应。实验观察发现，高4维的主成分包含了行走所引起波形变化的主要信息，因此设置p＝4。图4所示为一对发射-接收天线CSI序列的高四维主成分。本文档来自技高网...

【技术保护点】
一种基于Wi‑Fi信号的用户身份识别方法，包括Wi‑Fi发射器、信号接收器、终端设备；其特征在于，所述Wi‑Fi发射器发射Wi‑Fi信号，所述信号接收器接收Wi‑Fi信号获取信息状态信息，当人体经过时信道状态信息发生变化；所述终端设备对信道状态信息数据进行去噪处理，提取视线波形的形状特征，通过匹配比较视线波形的形状特征进行分类得出识别结果。

【技术特征摘要】
1.一种基于Wi-Fi信号的用户身份识别方法，包括Wi-Fi发射器、信号接收器、终端设备；其特征在于，所述Wi-Fi发射器发射Wi-Fi信号，所述信号接收器接收Wi-Fi信号获取信息状态信息，当人体经过时信道状态信息发生变化；所述终端设备对信道状态信息数据进行去噪处理，提取视线波形的形状特征，通过匹配比较视线波形的形状特征进行分类得出识别结果。2.根据权利要求1所述的一种基于Wi-Fi信号的用户身份识别方法，其特征在于：所述去噪处理使用巴特沃斯滤波器进行滤波处理。3.根据权利要求1所述的一种基于Wi-Fi信号的用户身份识别方法，其特征在于：所述的提取视线波形形状特征，具体包括以下步骤：S1：基于滤波后的信道状态信息数据，利用主成分分析方法提取信道状态信息序列主成分；S2：选定人经过视距路径时作为识别窗口，利用基于平均绝对偏差的滑动窗口方法，截取出信道状态信息序列中由于人通过视距路径时引起的视线波形；S3：采用离散小波变换计算视线波形的近似系数，并将其作为波形的形状特征。4.根据权利要求2所述的一种基于Wi-Fi信号的用户身份识别方法，其特征在于：所述S2中基于滑动窗口的信道状态信息时间序列分割方法，通过寻找序列中具有显著上...

【专利技术属性】
技术研发人员：郭斌，辛通，王柱，於志文，周兴社，李明阳，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：陕西;61