基于Wi-Fi信號(hào)的人員合法性檢測(cè)系統(tǒng)

魏忠誠，張新秋，馮 浩，連 彬，王 巍

(1.河北工程大學(xué) 信息與電氣工程學(xué)院，河北 邯鄲 056038；2.河北工程大學(xué) 河北省安防信息感知與處理重點(diǎn)實(shí)驗(yàn)室，河北 邯鄲 056038；3.河北工程大學(xué) 水利水電學(xué)院，河北 邯鄲 056038)

0 引 言

隨著人們對(duì)用戶安全和隱私泄露等問題的日益關(guān)注，在提供用戶舒適環(huán)境和保護(hù)個(gè)人隱私的情況下驗(yàn)證人員的合法性有著廣泛的應(yīng)用需求。Wi-Fi感知由于設(shè)備成本低廉、無需佩戴感知設(shè)備、可實(shí)現(xiàn)被動(dòng)式感知和不容易侵犯用戶隱私等優(yōu)點(diǎn)，受到了研究人員的廣泛關(guān)注，其中接收信號(hào)強(qiáng)度指示(received signal strength indicator，RSSI)和信道狀態(tài)信息(channel state information，CSI)為其主要的數(shù)據(jù)形式。但是相較于RSSI僅能夠提供人體的粗粒度信息[1,2]，CSI數(shù)據(jù)包則可以感知到多種細(xì)粒度的人體活動(dòng)，如定位[3]、呼吸頻率[4]、活動(dòng)識(shí)別[5]和持續(xù)時(shí)間檢測(cè)[6]等。

Zhang等[7]將CSI感知引入到身份識(shí)別領(lǐng)域，但未對(duì)人員合法性進(jìn)行分析。當(dāng)有非法人員入侵，系統(tǒng)無法進(jìn)行有效的防御，實(shí)用性不強(qiáng)。Shi等[8]實(shí)現(xiàn)了合法用戶識(shí)別和非法用戶驗(yàn)證，但未對(duì)其進(jìn)行深入分析，并且合法人員個(gè)數(shù)較少，識(shí)別率偏低。針對(duì)身份識(shí)別系統(tǒng)中合法性研究的重要性問題，我們提出了身份合法性認(rèn)證系統(tǒng)[9]，但存在判斷閾值隨實(shí)驗(yàn)群體變化的問題，缺乏自適應(yīng)性。因此基于前期研究，本文再次提出一種基于Wi-Fi信號(hào)的人員合法性檢測(cè)系統(tǒng)(WI-LVS)，通過算法優(yōu)化實(shí)現(xiàn)閾值調(diào)節(jié)，進(jìn)而自適應(yīng)群體變化，并在基于聚類算法的合法性檢測(cè)中提出個(gè)體差異對(duì)合法性研究的影響。實(shí)驗(yàn)過程中收集了10個(gè)志愿者的1000條數(shù)據(jù)，結(jié)果表明WI-LVS具有更高的識(shí)別精度。

1 信道狀態(tài)信息

CSI是物理層信息，表示為發(fā)射機(jī)與接收機(jī)之間信道的固有物理特征，頻域傳播模型[10]為Y=HX+N，Y和X分別為接收端和發(fā)射端信號(hào)向量，N是附加的高斯白噪聲向量。并且，在頻域中，接收端和發(fā)射端信號(hào)分別可表示為Y(f,t) 和X(f,t)， 因此可得知Y(f,t)=H(f,t)*X(f,t)， 其中H(f,t) 為在時(shí)刻t、 載頻f下的信道頻率響應(yīng)(channel frequency response，CFR)。

當(dāng)一個(gè)信號(hào)通過M條不同的路徑到達(dá)接收端時(shí)，H(f,t) 可以由式(1)給出

(1)

式中：ak(f,t) 是復(fù)數(shù)值，表示第k條路徑初始的信號(hào)衰減和相移，exp(-j2πτk(t)) 表示第k條路徑傳播時(shí)間τk(t) 內(nèi)發(fā)生的相移，exp(-j2πΔft) 是由發(fā)射端和接收端之間的頻率偏差導(dǎo)致的相移。

信道的頻率響應(yīng)描述出了信號(hào)的多徑效應(yīng)，反映了CSI信號(hào)的幅值和相位變化，為無線感知提供了豐富的人體活動(dòng)信息，是CSI能夠?qū)崿F(xiàn)細(xì)粒度感知的重要因素。

2 自適應(yīng)距離閾值調(diào)節(jié)系統(tǒng)

2.1 系統(tǒng)結(jié)構(gòu)

WI-LVS系統(tǒng)結(jié)構(gòu)如圖1所示，分為4個(gè)部分：數(shù)據(jù)預(yù)處理、人員檢測(cè)、特征提取、合法性檢測(cè)。實(shí)驗(yàn)使用了Wi-Fi設(shè)備進(jìn)行了數(shù)據(jù)采集，并使用了收發(fā)端第一根天線的主天線鏈路的CSI幅值。

圖1 系統(tǒng)結(jié)構(gòu)

由于受到Wi-Fi設(shè)備的硬件缺陷和周圍環(huán)境的影響，原始數(shù)據(jù)包含著多種噪聲，首先對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理。在數(shù)據(jù)預(yù)處理中主要利用Hampel濾波器進(jìn)行異常值處理，主成分分析(principal component analysis，PCA)和巴特沃斯低通濾波器去除無用的信號(hào)成分以及30 Hz以上的高頻噪聲，這與我們之前的工作一致，不再詳細(xì)闡述。隨后檢測(cè)視距(line of sight，LOS)路徑是否有人員行走，設(shè)計(jì)方差與短時(shí)間能量的乘積分割有效的行走片段。然后利用離散小波變換(discrete wavelet transformation，DWT)算法提取近似系數(shù)特征，并進(jìn)行離群點(diǎn)去除和歸一化處理。最后合法性檢測(cè)提出自適應(yīng)距離閾值(distance threshold，DT)的基于粒子群優(yōu)化(particle swarm optimization，PSO)的近鄰傳播(affinity propagation，AP)算法(DT-PSO-AP)從個(gè)體差異和群體變化兩個(gè)角度對(duì)人員合法性研究進(jìn)行深層次分析。

2.2 人員檢測(cè)

在實(shí)驗(yàn)數(shù)據(jù)采集的過程中，研究人員需要將感知的活動(dòng)與含有人體運(yùn)動(dòng)信息的CSI數(shù)據(jù)相互對(duì)應(yīng)，因此檢測(cè)一個(gè)人是否在環(huán)境區(qū)域內(nèi)行走是十分有必要的。

2.2.1 活動(dòng)檢測(cè)

當(dāng)有人穿過LOS路徑時(shí)，CSI數(shù)據(jù)發(fā)生明顯的波動(dòng)[6]。數(shù)據(jù)的方差可以檢測(cè)出數(shù)據(jù)波動(dòng)程度，短時(shí)能量可以體現(xiàn)多徑傳播后的信號(hào)功率的變化情況。圖2是利用第二主成分的方差和短時(shí)間能量進(jìn)行人員檢測(cè)和片段截取的說明。在圖2記錄了兩輪行走活動(dòng)。從圖中可以明顯看出，方差和短時(shí)能量都可以檢測(cè)出人體存在。但是同一個(gè)人在不同時(shí)刻的行走方式和不同人之間的行走方式都存在著差異[11]，導(dǎo)致對(duì)CSI數(shù)據(jù)計(jì)算得到的方差和短時(shí)能量的峰值不會(huì)總是對(duì)應(yīng)于活動(dòng)持續(xù)時(shí)間的中心，因此單獨(dú)使用方差或短時(shí)能量進(jìn)行人員檢測(cè)的結(jié)果魯棒性不強(qiáng)。觀察圖2(b)、圖2(c)可知，CSI方差和短時(shí)能量的乘積可以更好地表現(xiàn)第二主成分波形的波動(dòng)情況。具體的計(jì)算公式如下

(2)

(3)

S{Var,E}=Var?E

(4)

(5)

圖2 利用第二主成分的方差和短時(shí)間能量進(jìn)行人員檢測(cè)和片段截取的說明

2.2.2 有效片段提取

當(dāng)檢測(cè)到環(huán)境中有人行走時(shí)，記錄S{Var,E}max所對(duì)應(yīng)的主成分位置L，L為有效區(qū)域中心。通過將T設(shè)為有效區(qū)域的持續(xù)時(shí)間，K設(shè)為常用閾值判斷系數(shù)，以L±T為活動(dòng)片段的起點(diǎn)和終點(diǎn)對(duì)CSI數(shù)據(jù)進(jìn)行截取得到有效區(qū)間。

2.3 特征提取

有效片段提取后的CSI數(shù)據(jù)包含豐富的人體運(yùn)動(dòng)信息，直接進(jìn)行識(shí)別會(huì)造成較大的計(jì)算量，且準(zhǔn)確率也不能達(dá)到理想的預(yù)期，因此需要對(duì)CSI有效活動(dòng)片段進(jìn)行特征提取操作。小波系數(shù)可以保留原波形大多數(shù)的脈沖和峰值等特點(diǎn)的高度變化[12]，具有較強(qiáng)的代表性，因此使用DWT算法對(duì)第二主成分波形進(jìn)行小波分解，計(jì)算近似系數(shù)。

2.3.1 離群點(diǎn)去除

大部分聚類算法對(duì)于離群點(diǎn)都有一定的敏感性，因此需要在聚類之前進(jìn)行離群點(diǎn)去除[13]。根據(jù)我們之前的研究[9]，選擇了第一層近似系數(shù)作為特征進(jìn)行實(shí)現(xiàn)。特征的散點(diǎn)圖如圖3所示，其中方框中的點(diǎn)為離群點(diǎn)。由于同一個(gè)人和不同人之間的特征都存在著一定差異，導(dǎo)致特征數(shù)據(jù)中的離群點(diǎn)數(shù)量不同，去除離群點(diǎn)后用于聚類的特征值維度也不同。為了避免以上情況對(duì)系統(tǒng)性能的影響，使用Hampel濾波器去除異常值之后又對(duì)數(shù)據(jù)進(jìn)行插值處理，從而保證特征維度的統(tǒng)一性。

圖3 近似系數(shù)的離群點(diǎn)檢測(cè)

2.3.2 歸一化處理

聚類算法通過各維度的距離計(jì)算對(duì)數(shù)據(jù)進(jìn)行聚類操作，當(dāng)某個(gè)特征值域范圍非常大時(shí)，距離計(jì)算就主要取決于這個(gè)特征，從而降低了其它特征的權(quán)重，造成較低的識(shí)別率[14]。從圖3可以看出，近似系數(shù)的值在各個(gè)維度變化較大，因此本文使用了線性函數(shù)歸一化方法，對(duì)原始數(shù)據(jù)進(jìn)行線性變換，使結(jié)果映射到0～1之間。

2.4 合法性檢測(cè)

AP聚類算法是一種無監(jiān)督算法，通過分析測(cè)試數(shù)據(jù)的內(nèi)在相似性對(duì)未標(biāo)記的數(shù)據(jù)進(jìn)行聚類，非常適合于非法人員未知的合法性檢測(cè)研究。它無需提前設(shè)置分類數(shù)量，這對(duì)于日常生活中樣本種類的變化有更強(qiáng)的魯棒性和靈活性。AP聚類主要有偏向參數(shù)和阻尼因子兩個(gè)參數(shù)，但是它的收斂性嚴(yán)重依賴于這兩個(gè)參數(shù)，容易產(chǎn)生震蕩，為AP聚類算法的一大缺點(diǎn)[15]。同時(shí)，根據(jù)我們之前的研究可知[9]，合法人員與非法人員的距離閾值是判決人員合法性的關(guān)鍵，是一個(gè)非常重要的參數(shù)。它需要根據(jù)環(huán)境中群體的變化而不斷進(jìn)行人為調(diào)整，且參數(shù)調(diào)整工作量很大?；谝陨戏治觯瑢?duì)AP聚類算法進(jìn)行改進(jìn)。

改進(jìn)的AP聚類算法首先對(duì)訓(xùn)練集進(jìn)行訓(xùn)練，確定每類數(shù)據(jù)的聚類中心和距離半徑。然后通過距離閾值(距離系數(shù)*距離半徑)對(duì)測(cè)試集進(jìn)行合法性檢測(cè)。最后利用PSO優(yōu)化算法找到參數(shù)在最佳情況下的檢測(cè)結(jié)果。其具體處理步驟如下。

(1)將數(shù)據(jù)樣本分為兩類，合法人員和非法人員；

(2)將合法人員的數(shù)據(jù)分為兩類，即訓(xùn)練集和測(cè)試集，非法人員全部作為測(cè)試集；

這是個(gè)發(fā)散性問題，對(duì)學(xué)生理解疊加法，非常有幫助！數(shù)列遞推關(guān)系，若具備后一項(xiàng)減前一項(xiàng)，且差f(n)能求和，則能用疊加法求通項(xiàng)公式.如an-an-1=n或等，再給出首項(xiàng)a1的值，則由疊加法可求an.

(3)將訓(xùn)練集放入改進(jìn)的AP聚類算法中進(jìn)行聚類，從偏向系數(shù)和阻尼因子的范圍中獲取參數(shù)輸入值，得到第i類的中心坐標(biāo)Oi和第i類中的第j點(diǎn)到Oi的距離Lij， 具體公式如式(6)、式(7)所示，其中N為每個(gè)種類中含有的樣本數(shù)

(6)

Lij=sum(Li)

(7)

(4)從距離系數(shù)的范圍中獲取C， 使得距離閾值Ri=CLij， 并計(jì)算測(cè)試集中的每個(gè)數(shù)據(jù)到各個(gè)聚類中心Oi的距離P。 若P

(5)將合法人員和非法人員識(shí)別率均值作為優(yōu)化目標(biāo)，隨機(jī)粒子在指定范圍內(nèi)按照標(biāo)準(zhǔn)PSO算法規(guī)則不斷改變粒子的速度和位置，更新偏向系數(shù)、阻尼因子和距離系數(shù)；

(6)重復(fù)(3)～(5)的步驟，直到達(dá)到最大迭代次數(shù)結(jié)束循環(huán)，并得到最終的優(yōu)化值。

3 實(shí)驗(yàn)結(jié)果及分析

3.1 實(shí)驗(yàn)設(shè)置

為了驗(yàn)證上述方法的有效性，實(shí)驗(yàn)采集了10名志愿者的數(shù)據(jù)，其中每人包含100條，其基本信息見表1。實(shí)驗(yàn)場(chǎng)景如圖4所示，TP-Link 802.11n無線路由器為無線發(fā)射端，配備Atheros9382 NIC和開源工具Atheros-CSI-Tool的戴爾筆記本電腦為無線接收端并在Ubuntu 14.04 OS上運(yùn)行。實(shí)驗(yàn)過程中設(shè)備離地面的高度約1 m，彼此相距1.5 m，頻段設(shè)置為5 GHz，帶寬為40 MHz，采樣頻率設(shè)置為500 Hz。為了更貼近現(xiàn)實(shí)場(chǎng)景，在數(shù)據(jù)采集過程中不對(duì)志愿者的行走速度和行走方式進(jìn)行限制，整個(gè)實(shí)驗(yàn)過程僅從門口走到室內(nèi)，每次的行走時(shí)間約為20 s，并允許4名干擾人員在實(shí)驗(yàn)室內(nèi)正常工作。

表1 志愿者信息

圖4 實(shí)驗(yàn)場(chǎng)景平面圖

3.2 性能評(píng)估

本文將從TPR、TNR、正確率、PTNR這4個(gè)方面深入分析個(gè)體差異和群體變化對(duì)人員合法性的影響，在不同的數(shù)據(jù)集上進(jìn)行驗(yàn)證。實(shí)驗(yàn)統(tǒng)計(jì)信息見表2，每次實(shí)驗(yàn)重復(fù)5次?；局笜?biāo)量定義見表3。

表2 實(shí)驗(yàn)統(tǒng)計(jì)信息

表3 混淆矩陣

真陽性率(TPR)：系統(tǒng)對(duì)合法人員做出正確判斷的概率

(8)

真陰性率(TNR)：系統(tǒng)對(duì)非法人員做出正確判斷的概率

(9)

正確率：系統(tǒng)對(duì)合法人員和非法人員做出正確判斷的概率

(10)

用戶TNR需求度下識(shí)別率(PTNR)：用戶TNR需求度為P?(0,1) 下的系統(tǒng)識(shí)別率

PTNR=(1-P)*TPR+P*TNR

(11)

3.3 選取合適的訓(xùn)練集比例

不同的訓(xùn)練集比例包含著不等量的特征信息，因此選擇合適比例在研究中是較為關(guān)鍵的一步。為了選擇合適的訓(xùn)練集比例，我們使用了TNR和TPR兩個(gè)評(píng)價(jià)指標(biāo)進(jìn)行測(cè)試。在本實(shí)驗(yàn)中，設(shè)計(jì)了5個(gè)合法人員的5種不同樣本比例進(jìn)行分類訓(xùn)練，合法人員的剩余樣本比例和所有非法人員的樣本進(jìn)行測(cè)試。

圖5描述了去除異常值前后的5種不同比例的TPR和TNR。當(dāng)訓(xùn)練集比例從10%增加到30%時(shí)，去除離群點(diǎn)后的TPR、TNR分別由90%、80%增加為93%、83%，提升較為明顯。但是訓(xùn)練集樣本持續(xù)增加時(shí)，提升速度開始變慢，原因是訓(xùn)練集含有的特征信息已趨于飽和。因此，在其它的實(shí)驗(yàn)評(píng)估中，我們將訓(xùn)練集比例設(shè)為30%。從圖5中還可以得知，未進(jìn)行離群點(diǎn)去除的TPR、TNR在人數(shù)規(guī)模增加時(shí)也呈現(xiàn)同樣的規(guī)律，但精度稍低于去除離群點(diǎn)后。這是由于AP聚類把數(shù)據(jù)的真實(shí)值作為潛在聚類中心，對(duì)離群點(diǎn)的敏感度不強(qiáng)。

圖5 訓(xùn)練集比例對(duì)系統(tǒng)的影響

3.4 個(gè)體差異對(duì)系統(tǒng)的影響

從以往的身份識(shí)別研究可知每個(gè)人的自然行走方式具有較大差異，為識(shí)別一個(gè)人的身份提供了可能性。根據(jù)這一現(xiàn)象，我們開展了人員合法性檢測(cè)實(shí)驗(yàn)。

3.4.1 不同個(gè)體的人員組合

為了驗(yàn)證不同個(gè)體對(duì)系統(tǒng)的影響，我們選取1～4個(gè)合法人員進(jìn)行多種組合，得到如圖6所示的4個(gè)直方圖。圖6(a)可以看出，1號(hào)、2號(hào)、3號(hào)的PTNR為100%，5號(hào)的PTNR為98%，而4號(hào)的PTNR為82%，相對(duì)偏低。一個(gè)人的步態(tài)和他/她的身高、體重和年齡大致相關(guān)。查看表1可知，4號(hào)的身高和體重在合法人員中都是較大的，可推測(cè)人的身高、體重可能對(duì)合法性檢測(cè)影響較大，并在下一小節(jié)進(jìn)行了實(shí)驗(yàn)驗(yàn)證。

從圖6整體可以看出，組合中的人員越多，PTNR越趨于穩(wěn)定，這是由于群體的PTNR是組合中不同個(gè)體的共同作用結(jié)果。因此當(dāng)合法人員增多時(shí)，系統(tǒng)仍然保持較好的性能，甚至呈現(xiàn)出更好的穩(wěn)定性。根據(jù)圖6(b)～圖6(d)中含有4號(hào)的組合的PTNR低于其它組合這一現(xiàn)象，還可以推斷出4號(hào)的人員合法性檢測(cè)效果較差，這一發(fā)現(xiàn)也正好與圖6(a)對(duì)應(yīng)，進(jìn)一步驗(yàn)證了系統(tǒng)的魯棒性。

圖6 不同個(gè)體組合對(duì)系統(tǒng)的影響

3.4.2 不同個(gè)體的身高、體重

從我們之前的身份識(shí)別研究可知[9]，當(dāng)實(shí)驗(yàn)人員的身高和體重與其它人員相差較大時(shí)，錯(cuò)誤分類的概率最低，如8號(hào)在所有的志愿者中身高和體重都是較低的，她的識(shí)別率是100%。相似的，在本文中1號(hào)、2號(hào)、3號(hào)的身高和體重是5個(gè)合法人員中相對(duì)較低的，也達(dá)到了100%的識(shí)別率，與身份識(shí)別中的結(jié)論對(duì)應(yīng)，因此人體的身高和體重對(duì)合法性檢測(cè)影響較大具有一定的理論依據(jù)。接下來，設(shè)計(jì)了兩個(gè)實(shí)驗(yàn)進(jìn)行反向驗(yàn)證。

實(shí)驗(yàn)1中，合法人員設(shè)置為1～5號(hào)，非法人員設(shè)置為7～10號(hào)。實(shí)驗(yàn)2中，合法人員設(shè)置為1號(hào)、2號(hào)、3號(hào)、6號(hào)、5號(hào)，非法人員保持不變，同時(shí)其余實(shí)驗(yàn)參數(shù)不變。圖7為實(shí)驗(yàn)驗(yàn)證結(jié)果，從圖7中可以看出，在訓(xùn)練集為一名合法人員的5種組合中，當(dāng)合法人員由4號(hào)變?yōu)?號(hào)時(shí)，PTNR發(fā)生明顯下降。因此驗(yàn)證實(shí)驗(yàn)發(fā)現(xiàn)具有較高的可信度，并且進(jìn)一步驗(yàn)證了人體身高和體重對(duì)無線信號(hào)傳輸有重要影響。

圖7 不同個(gè)體對(duì)系統(tǒng)的影響

3.5 群體變化對(duì)系統(tǒng)的影響

在本節(jié)中，我們從群體變化角度介紹系統(tǒng)的性能。

3.5.1 不同訓(xùn)練集比例

為了驗(yàn)證不同比例對(duì)系統(tǒng)的影響，實(shí)驗(yàn)將5名合法人員都作為訓(xùn)練樣本，并在相同的實(shí)驗(yàn)條件下對(duì)比了WI-LVS與傳統(tǒng)方式的識(shí)別效果。從圖8可以看出，兩種方法的識(shí)別精度都隨著訓(xùn)練集規(guī)模的增大而增大，其原因是樣本數(shù)量越多，人類步行活動(dòng)的有效特征也就越多。但在相同訓(xùn)練集情況下，WI-LVS始終保持較高正確率，說明了WI-LVS性能更好。

圖8 訓(xùn)練集比例對(duì)系統(tǒng)的影響

3.5.2 不同群體個(gè)數(shù)

群體的大小對(duì)系統(tǒng)的計(jì)算復(fù)雜度有一定的影響，因此設(shè)計(jì)了1～5名合法人員進(jìn)行實(shí)驗(yàn)。如圖9所示，隨著群體人數(shù)規(guī)模的增加，WI-LVS的PTNR從96%下降到88%。產(chǎn)生這一現(xiàn)象的原因是，群體規(guī)模越大，行走特征越相似，越難識(shí)別合法志愿者，并且傳統(tǒng)方式也呈現(xiàn)了相同趨勢(shì)。另外，因?yàn)閭鹘y(tǒng)方式對(duì)同一人數(shù)規(guī)模的個(gè)體組合進(jìn)行了隨機(jī)選擇，當(dāng)選取規(guī)模為5時(shí)組合方式唯一，因此在此規(guī)模下進(jìn)行了算法比較，從實(shí)驗(yàn)可以得出WI-LVS具有更好的性能。

圖9 群體個(gè)數(shù)對(duì)系統(tǒng)的影響

同時(shí)，從圖9可以看出，相同距離系數(shù)C的PTNR變化明顯，甚至隨著群體規(guī)模的增大而迅速減小(如C=2.7)，因此特定系數(shù)C不能令PTNR在所有群體規(guī)模下都達(dá)到最優(yōu)，需要用戶手動(dòng)調(diào)整以達(dá)到理想結(jié)果，但是這一過程時(shí)間復(fù)雜度高，用戶參與度高。而DT-PSO-AP算法可以通過自適應(yīng)調(diào)整距離系數(shù)C避免這一問題。

3.5.3 不同用戶需求度

由于生活中人們對(duì)TNR的需求度不同，實(shí)驗(yàn)選取了5種需求供用戶使用。實(shí)驗(yàn)中訓(xùn)練集中包含5名合法人員。圖10為WI-LVS和傳統(tǒng)方式在不同需求下的實(shí)驗(yàn)結(jié)果。如圖10所示，當(dāng)傳統(tǒng)方式中不同需求的PTNR都達(dá)到最高時(shí)，存在4個(gè)不同距離系數(shù)C。隨著用戶需求的改變，PTNR值也發(fā)生了改變，這是因?yàn)椴煌脩粜枨髮?duì)應(yīng)的TPR和TNR的權(quán)重不同，當(dāng)用戶需求為0.1和0.9時(shí)，更加強(qiáng)調(diào)單個(gè)指標(biāo)(TNR/TPR)的重要性，PTNR相對(duì)較高。與傳統(tǒng)方式相比，WI-LVS具有更高的PTNR。

圖10 用戶需求度對(duì)系統(tǒng)的影響

3.5.4 測(cè)試集中合法人員比例

圖11 合法人員比例對(duì)系統(tǒng)的影響

4 結(jié)束語

隨著無線路由器在生活中的普及，使得無線信號(hào)的獲取更加便捷，基于Wi-Fi信號(hào)的無線感知識(shí)別研究更受關(guān)注。我們著眼于人員合法性檢測(cè)系統(tǒng)的信息采集和識(shí)別方式存在隱私性差、舒適度低的現(xiàn)象，提出了一種基于Wi-Fi信號(hào)的人員合法性檢測(cè)系統(tǒng)，將其獨(dú)立應(yīng)用于日常檢測(cè)。在非法人員不參與合法性檢測(cè)訓(xùn)練基礎(chǔ)上，利用聚類算法實(shí)現(xiàn)高精度的自適應(yīng)合法性檢測(cè)。評(píng)估結(jié)果表明，本文提出的方法優(yōu)于傳統(tǒng)的合法人員檢測(cè)方法。下一步將收集更多的數(shù)據(jù)擴(kuò)大合法人員個(gè)數(shù)滿足更大的用戶需求，并在非視距場(chǎng)景下檢測(cè)人員合法性。