公开(公告)号：CN108416419B

公开(公告)日：2021-07-30

申请号：CN201810093472.4

申请日：2018-01-31

Applicant: 重庆邮电大学

Inventor： 周牧 ,  林艺馨 ,  谢良波 ,  杨小龙 ,  何维

IPC: G06N3/00 ,  G06N3/04 ,  H04W4/33 ,  H04W24/06

Abstract: 本发明本发明提出了一种基于多元信号特征的WLAN(Wireless Local Area Network)室内目标入侵检测方法。它解决了利用现有WLAN基础设施实现对未知目标的室内入侵检测方法中离线阶段需要大量人力及时间开销进行RSS特征数据库构建和入侵检测鲁棒性低的问题。它首先建立基于自适应深度射线树的准三维射线追踪模型，对室内静默和入侵状态下的接收信号强度(Received Signal Strength,RSS)传播特性进行建模；其次，联合RSS均值、方差、最大值、最小值、极差值和中位值六种信号特征构建概率神经网络(Probabilistic Neural Network,PNN)的训练数据库；最后，利用训练得到的PNN对新采集RSS数据进行多分类判决，进而实现对入侵目标的检测与区域定位。本发明方法能够运用于无线电通信网络环境。

公开(公告)号：CN108416419A

公开(公告)日：2018-08-17

申请号：CN201810093472.4

申请日：2018-01-31

Applicant: 重庆邮电大学

Inventor： 周牧 ,  林艺馨 ,  谢良波 ,  杨小龙 ,  何维

IPC: G06N3/00 ,  G06N3/04 ,  H04W4/33 ,  H04W24/06

Abstract: 本发明本发明提出了一种基于多元信号特征的WLAN(Wireless Local Area Network)室内目标入侵检测方法。它解决了利用现有WLAN基础设施实现对未知目标的室内入侵检测方法中离线阶段需要大量人力及时间开销进行RSS特征数据库构建和入侵检测鲁棒性低的问题。它首先建立基于自适应深度射线树的准三维射线追踪模型，对室内静默和入侵状态下的接收信号强度(Received Signal Strength,RSS)传播特性进行建模；其次，联合RSS均值、方差、最大值、最小值、极差值和中位值六种信号特征构建概率神经网络(Probabilistic Neural Network,PNN)的训练数据库；最后，利用训练得到的PNN对新采集RSS数据进行多分类判决，进而实现对入侵目标的检测与区域定位。本发明方法能够运用于无线电通信网络环境。