CN106792552A - 一种无线网络自适应授权接入方法 - Google Patents

Abstract

一种无线网络自适应授权接入方法，属于物联网技术应用领域。本发明采用CSI代替RSSI进行定位，利用CSI能细粒度地刻画多径信号和时间稳定性好的特点，通过在室内环境下搭载基于Intel 5300系列网卡的功控机，将室内环境划分成多个参考点，分别采集各个参考点位置的CSI数据，通过反复训练取平均值建立室内环境指纹数据库，采用EMD距离计算作为指纹匹配的方法，通过阈值的比较实现基于莱斯K系数的人员位置识别，并进一步实现了面向课堂教学的无线网络自适应授权接入。本发明提出的方法提供了一种避免学生基于Wi‑Fi热点浏览网页而分散其课堂听讲注意力的方案，从而为提升课堂教学质量提供前提保障。

Description

一种无线网络自适应授权接入方法

技术领域

本发明是一种适用于课堂教学场景下的无线网络授权接入方法，属于物联网技术应用领域。

背景技术

近年来，随着无线通信技术的迅速发展，Wi-Fi设备成为了一种广泛部署的基础设施，Wi-Fi热点遍布校园各处，在校学生可以随时随地接入无线网络。然而为保证课堂教学的质量，并不是期望所有人员在任何时候任何地方都能便捷地接入无线网络，如课堂教学过程中，为避免学生基于Wi-Fi热点浏览网页而分散其课堂听讲注意力，希望此时Wi-Fi热点自适应地对于教室内同学屏蔽，而允许教室外的人员授权接入，从而为提升课堂教学质量提供前提保障。

实现无线网络的自适应授权接入，首先要有效识别人员的位置，即身处位置在教室内或是教室外。目前的无线室内定位技术中，Wi-Fi因其便利性而占据主导地位，传统Wi-Fi定位方法大多基于接收信号指示强度信息(RSSI)，但其存在粗粒度、不稳定等缺陷，研究工作转为关注细粒度、高鲁棒性的物理层信道状态信息(CSI)。

发明内容

技术问题：本发明目的是针对室内外环境信号传播方式下视距路径存在可能性不同的特点，而实现一种人员位置识别的方法，进一步设计面向课堂教学的无线网络自适应授权接入技术，为提升课堂教学质量提供前提保障。方案采用信道状态信息(CSI)代替接收信号强度指示信息(RSSI)，通过在室内环境下搭载基于Intel 5300系列网卡的功控机，建立室内环境指纹数据库，采用指纹匹配的方法，利用地球移动距离(EMD)计算进行指纹匹配，通过阈值的比较实现人员的位置识别。通过使用本发明提出的方法可以进一步解决课堂教学过程中学生基于Wi-Fi热点浏览网页而分散其课堂听讲注意力的问题，实现无线网络自适应授权接入，为提升课堂教学质量提供了一种轻量级的技术方案。

技术方案：本发明采用CSI代替粗粒度、不稳定的RSSI，利用CSI能细粒度地刻画多径信号、在相同的传播环境中保持相对稳定、在不同的环境中呈现不同的子载波幅度和相位特征等优势，通过在室内环境下搭载基于Intel 5300系列网卡的功控机，采用指纹匹配的方法，利用EMD距离计算进行指纹匹配，通过阈值比较实现基于莱斯K系数的人员位置识别，进一步实现了面向课堂教学的无线网络自适应授权接入。

本发明是一种无线网络自适应授权接入方案，采用细粒度、高鲁棒性的CSI代替粗粒度、易变的RSSI进行人员位置识别，通过在室内环境下搭载基于Intel 5300系列网卡的功控机，建立室内环境指纹数据库，采用指纹匹配的方法，利用EMD距离计算进行指纹匹配，通过阈值的比较实现基于莱斯K系数的人员位置识别，进一步实现了面向课堂教学的无线网络自适应授权接入。

该面向课堂教学的无线网络自适应授权接入方案，包含在以下具体步骤中：

CSI数据采集及Rician-K模型建立：

步骤1)针对室内环境进行CSI数据采集：验证平台包括一台迷你功控机、TP-Link路由器、两个外接天线、液晶显示屏、若干笔记本，其中迷你工控机装有Ubuntu系统、virtual CSI、Intel 5300无线网卡和CSI Tool工具。实验中，TP-Link路由器作为校园无线网络接口AP固定在室外走廊，不断发射无线信号，带有外置天线的迷你功控机作为信号接收机MP接收无线信号。利用virtual CSI和CSI Tool工具来采集传输信道的状态信息，保存到笔记本中；

步骤2)计算室内环境下采集的数据各个信道样本的Rician-K，并绘制Rician-K频率分布直方图，完成Rician-K模型的建立；

室内环境指纹数据库建立：

步骤3)针对室内场景，将室内划分成n个参考点，将接收机分别放置在n个参考点的位置，采集CSI数据，并进行反复训练取平均值，计算Rician-K并绘制Rician-K频率分布直方图作为该参考点位置的指纹，完成室内指纹数据库的建立；

人员位置识别：

步骤4)利用EMD距离计算将待测数据的Rician-K频率分布直方图与室内环境指纹数据库进行匹配，选取EMD距离最小值与由先验实验确定的阈值TH进行大小比较识别人员位置。若最小值小于阈值TH，则人员识别在室内；反之，若最小值大于阈值TH，则人员识别在室外。

无线网络授权接入：

步骤5)识别在室外的人员允许接入无线网络，识别在室内的人员不允许接入无线网络。

至此，实现面向课堂教学的无线网络自适应授权接入。

以上步骤中所涉及的一些关键操作定义如下：

Rician-K模型建立思想：

典型的室内环境中由于障碍物的存在，信号多为非视距(NLOS)传播，多径效应明显；相反，室外环境较为空旷，信号多为视距(LOS)传播，多径效应影响较小，因此我们可以用视距路径存在的可能性大小来区分室内外环境。

由于莱斯K系数(Rician-K)的物理含义是信道存在LOS路径的可能性，莱斯K系数越大，环境视距路径存在的可能性越大，多径效应影响越小。因此我们引入Rician-K来描述环境信息，通过计算室内环境信号的Rician-K，并绘制Rician-K频率分布直方图作为该环境的指纹。

Rician-K求解的表达式为其中A是LOS传输的信号幅度的主峰值，假设信号幅度峰值点的传输方式是LOS，峰值附近的一定区间也视为LOS传输，该区间数据的平均值即为A；σ表示多径传输信号的强度，将主峰值区间数据剔除后，σ即为剩余数据的方差。具体步骤如下:

(1)信号幅度归一化处理，减弱信号的自然衰落对数据处理造成的影响；

其中，x_i表示归一化前的信号数据，x′_i表示归一化后的数值，μ表示数据的均值。

(2)求信号幅度的主峰值A。

A的物理意义为LOS传输的峰值，假设信号幅度峰值点的传输方式是LOS，峰值附近的一定区间也视为LOS传输，计算该区间数据的平均值A。

(3)求多径信号幅度的方差σ。

σ表示多径传输信号的强度，将上一步主峰值区间数据剔除后，计算剩余数据的方差σ。

(4)计算Rician-K。将求得的A和σ值代入公式：

(5)绘制Rician-K频率分布直方图。

计算采集的数据各个信道的Rician-K，绘制Rician-K频率分布直方图。

至此，完成了Rician-K模型的建立。

指纹匹配算法：

我们引入EMD距离计算作为指纹匹配算法。EMD距离表示两个直方图之间的最小距离，是待测数据的Rician-K频率分布直方图与指纹数据库中的直方图匹配程度的数值表示，匹配程度越高，EMD数值越小。

EMD距离计算基本步骤如下：

设两个直方图分别为P＝{(p_i,u_i)}，i＝1,2,…,m；Q＝{(q_j,v_j)}，j＝1,2,…,n。其中，u_i，p_i分别表示直方图P中第i个元素的位置，该元素在直方图中的权重；v_j，p_j分别表示直方图Q中第j个元素的位置，该元素在直方图中的权重。直方图中的一个长方形条就是一个元素，EMD计算公式如下：

各个变量的取值范围：

f_ij≥0

其中f_ij是两个直方图i、j元素间转换对应的权重，d_ij为i、j两个元素间的距离。

有益效果：本发明设计了一种基于CSI的无线网络自适应授权接入方案，对应方案有如下优点：

1.普适性

方案利用部署广泛的Wi-Fi信号，对室内环境的Wi-Fi信号特征进行研究，设计出针对室内环境CSI信号特点建立指纹数据库，采用指纹匹配方法，通过阈值的比较来识别人员位置的方法，加之CSI能从普通商业Wi-Fi设备上获得，因此具有普适性。

2.可靠性

方案采用细粒度、高鲁棒性的CSI代替粗粒度、易变的RSSI，对于相同的环境CSI能保持相对的稳定，对于不同的环境能呈现不同的子载波特征。因此利用CSI能很好地表征环境信息，具有可靠性。

3.实用性

方案实现了自适应地对教室内人员屏蔽无线网络，对教室外的人员提供网络接入服务，为避免学生基于Wi-Fi热点浏览网页而分散其课堂听讲注意力提供了一种技术支持，为提升课堂教学质量提供了前提保障。

4.可优化性

本方案只利用CSI的幅度信息进行研究，通过考虑CSI的相位信息能实现更细粒度的检测。

附图说明

图1是室内环境无线信号多径传播示意图。

图2是面向课堂教学的无线网络自适应授权接入方案流程图。

具体实施方式

本发明是一种无线网络自适应授权接入方案，采用细粒度、高鲁棒性的CSI代替粗粒度、易变的RSSI进行人员位置识别，通过在室内环境下搭载基于Intel 5300系列网卡的功控机，并将室内划分成n个参考点，在各个参考点采集数据建立室内指纹数据库，采用指纹匹配的方法，利用EMD距离计算进行指纹匹配，通过阈值比较实现基于莱斯K系数的人员位置识别，进一步实现了面向课堂教学的无线网络自适应授权接入。

该面向课堂教学的无线网络自适应授权接入方案，包含在以下具体步骤中：

CSI数据采集及Rician-K模型建立：

步骤1)针对室内环境进行CSI数据采集：验证平台包括一台迷你功控机、TP-Link路由器、两个外接天线、液晶显示屏、若干笔记本，其中迷你工控机装有Ubuntu系统、virtual CSI、Intel 5300无线网卡和CSI Tool工具。实验中，TP-Link路由器作为校园无线网络接口AP固定在室外走廊，不断发射无线信号，带有外置天线的迷你功控机作为信号接收机MP接收无线信号。利用virtual CSI和CSI Tool工具来采集传输信道的状态信息，保存到笔记本中；

步骤2)计算室内环境下采集的数据各个信道样本的Rician-K，并绘制Rician-K频率分布直方图，完成Rician-K模型的建立；

室内环境指纹数据库建立：

步骤3)针对室内场景，将室内划分成n个参考点，将接收机分别放置在n个参考点的位置，采集CSI信号，并进行反复训练取平均值，计算Rician-K并绘制Rician-K频率分布直方图作为该参考点位置的指纹，完成室内指纹数据库建立；

人员位置识别：

步骤4)利用EMD距离计算将待测数据的Rician-K频率分布直方图与室内环境指纹数据库进行匹配，选取EMD距离最小值与由先验实验确定的阈值TH进行大小比较识别人员位置。若最小值小于阈值TH，则人员识别在室内；反之，若最小值大于阈值TH，则人员识别在室外。

无线网络授权接入：

步骤5)识别在室外的人员允许接入无线网络，识别在室内的人员不允许接入无线网络。

至此，实现面向课堂教学的无线网络自适应授权接入。

Claims (1)

1.一种无线网络自适应授权接入方法，其特征在于包含以下步骤：

建立模型：

步骤1)针对室内环境进行CSI数据采集：验证平台包括一台迷你功控机、TP-Link路由器、两个外接天线、液晶显示屏、若干笔记本，TP-Link路由器作为校园无线网络接口AP固定在室外走廊，不断发射无线信号，带有外置天线的迷你功控机作为信号接收机MP接收无线信号；利用virtual CSI和CSI Tool工具来采集传输信道的状态信息，保存到笔记本中；

步骤2)根据公式计算室内环境下采集的数据各个信道样本的Rician-K，并绘制Rician-K频率分布直方图，完成Rician-K模型的建立；其中A是LOS传输的信号幅度的主峰值，假设信号幅度峰值点的传输方式是LOS，峰值附近的一定区间也视为LOS传输，该区间数据的平均值即为A；σ表示多径传输信号的强度，将主峰值区间数据剔除后，σ即为剩余数据的方差；

室内环境指纹数据库建立：

步骤3)针对室内场景，将室内划分成n个参考点，将接收机分别放置在n个参考点的位置，采集CSI信号，并进行反复训练取平均值，计算Rician-K并绘制Rician-K频率分布直方图作为该参考点位置的指纹，完成室内指纹数据库建立；

人员位置识别：

步骤4)根据公式其中 f_ij≥0，计算待测数据的Rician-K频率分布直方图与室内环境指纹数据库进行匹配，选取EMD距离最小值与由先验实验确定的阈值TH进行大小比较识别人员位置；若最小值小于阈值TH，则人员识别在室内；反之，若最小值大于阈值TH，则人员识别在室外；设两个直方图分别记为P＝{(p_i,u_i)}，i＝1,2,…,m；Q＝{(q_j,v_j)}，j＝1,2,…,n；其中，u_i，p_i分别表示直方图P中第i个元素的位置，该元素在直方图中的权重；v_j，p_j分别表示直方图Q中第j个元素的位置，该元素在直方图中的权重；直方图中的一个长方形条就是一个元素，其中f_ij是两个直方图i、j元素间转换对应的权重，d_ij为i、j两个元素间的距离；

无线网络授权接入：

步骤5)识别在室外的人员允许接入无线网络，识别在室内的人员则不允许接入无线网络。