CN114845249B - 基于WiFi-BLE信号主动干扰的跨智能可携带设备关联方法 - Google Patents
基于WiFi-BLE信号主动干扰的跨智能可携带设备关联方法 Download PDFInfo
- Publication number
- CN114845249B CN114845249B CN202210472313.1A CN202210472313A CN114845249B CN 114845249 B CN114845249 B CN 114845249B CN 202210472313 A CN202210472313 A CN 202210472313A CN 114845249 B CN114845249 B CN 114845249B
- Authority
- CN
- China
- Prior art keywords
- signal
- sniffing
- user
- ble
- interference
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W48/00—Access restriction; Network selection; Access point selection
- H04W48/02—Access restriction performed under specific conditions
- H04W48/04—Access restriction performed under specific conditions based on user or terminal location or mobility data, e.g. moving direction, speed
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W48/00—Access restriction; Network selection; Access point selection
- H04W48/08—Access restriction or access information delivery, e.g. discovery data delivery
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W48/00—Access restriction; Network selection; Access point selection
- H04W48/08—Access restriction or access information delivery, e.g. discovery data delivery
- H04W48/10—Access restriction or access information delivery, e.g. discovery data delivery using broadcasted information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W48/00—Access restriction; Network selection; Access point selection
- H04W48/16—Discovering, processing access restriction or access information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W76/00—Connection management
- H04W76/10—Connection setup
- H04W76/14—Direct-mode setup
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于WiFi‑BLE信号主动干扰的跨智能可携带设备关联方法,包括:基于SSD算法分析视频数据进行用户检测;通过设置虚拟地标对用户位置进行估计;在确定用户位置满足干扰条件之后,通过控制干扰器的开启和关闭触发用户BLE设备产生广播信号;每组嗅探设备对用户的移动智能终端及智能穿戴设备分别进行信号嗅探,每组所述嗅探设备得到第一信号及第二信号;判断所述第一信号的信号强度变化趋势与所述第二信号的信号强度变化趋势是否一致;判断第一信号的信号强度对应的第一区域及第二信号的信号强度对应的第二区域是否一致;在确定两者均一致时,建立移动智能终端与智能穿戴设备的关联关系。高效、准确地实施跨智能可携带设备关联。
Description
技术领域
本发明涉及用户设备关联技术领域,特别涉及一种基于WiFi-BLE信号主动干扰的跨智能可携带设备关联方法。
背景技术
智能可携带设备是用户可以随身携带方便使用的一类智能设备,随着人们生活需求的多样化,各种功能的智能可携带设备层出不穷,例如移动智能终端(手机)、平板电脑、智能手环和智能手表等。为了对该类设备进行全面地管控,需要以用户为中心,建立用户和设备以及设备和设备之间的关联关系,以构建用户设备图谱。构建用户设备图谱可用于设备认证、用户设备管理和广告推荐等领域。
目前,针对智能可携带设备之间的关联方法的研究还较为缺乏。现有的方法主要是针对移动智能终端和智能穿戴设备之间的关联。相关技术主要包括两类:一类是基于移动智能终端上需要安装智能穿戴设备的特定软件后,才可以连接和使用智能穿戴设备的特征,通过识别该特定软件所产生的相应的网络流量,从而识别出智能穿戴设备,进而实现关联。但是,该类特定软件并不会持续产生网络流量,当没有流量产生时则无法实现关联;另一类是基于WiFi信号和低功耗蓝牙(Bluetooth Low Energy,BLE)信号的联合定位,但是该类方法的应用场景为用户定位,和设备关联的场景不同,需要用户安装软件及部署大量无线AP或蓝牙beacon,而且定位精度有限会导致关联准确率不高,无法保证在多用户的情况下实施关联。因此,现有的方法的覆盖面不全,还不能满足在不需要用户主动参与的情况下采集相应数据从而实现移动智能终端和智能穿戴设备之间的关联。
为了对移动智能终端和智能穿戴设备进行关联,已有研究在智能穿戴设备不连接移动智能终端的情况下,利用WiFi信号和BLE广播信号进行关联,但是当智能穿戴设备连接移动智能终端之后,会在数据信道上进行跳频通信,大部分设备都不会产生BLE广播信号(除Apple公司的设备外)。而且,对数据信道的信号进行嗅探,设备成本太高,不易部署。
发明内容
本发明旨在至少一定程度上解决上述技术中的技术问题之一。为此,本发明的目的在于提出一种基于WiFi-BLE信号主动干扰的跨智能可携带设备关联方法,高效、准确地实施跨智能可携带设备关联,以构建用户设备图谱,从而助力设备管控。针对现有跨智能可携带设备关联中,智能穿戴设备连接移动智能终端后不产生BLE广播报文的场景,本发明利用干扰器,对BLE信号进行干扰,从而触发BLE广播报文的产生,进而对WiFi信号和BLE广播信号进行嗅探,从而实现智能穿戴设备与移动智能终端的关联。
为达到上述目的,本发明实施例提出了一种基于WiFi-BLE信号主动干扰的跨智能可携带设备关联方法,包括:
预先部署若干组嗅探设备、摄像头以及干扰器;
基于SSD算法分析视频数据进行用户检测;
通过设置虚拟地标对用户位置进行估计;
在确定用户位置满足干扰条件之后,通过控制干扰器的开启和关闭触发用户BLE设备产生广播信号;每组嗅探设备对用户的移动智能终端及智能穿戴设备分别进行信号嗅探,每组所述嗅探设备得到第一信号及第二信号;
判断所述第一信号的信号强度变化趋势与所述第二信号的信号强度变化趋势是否一致;
判断所述第一信号的信号强度对应的第一区域及所述第二信号的信号强度对应的第二区域是否一致;
在确定两者均一致时,建立所述移动智能终端与所述智能穿戴设备的关联关系。
根据本发明的一些实施例,预先若干组部署嗅探设备、摄像头以及干扰器,包括:
沿着建筑物的一边设置多个嗅探节点,相邻两个嗅探节点的距离是相等的,在所述每个嗅探节点上分别设置一组嗅探设备;
将中间位置的嗅探节点,作为目标嗅探节点;所述干扰器部署在所述的目标嗅探节点的嗅探区域,所述干扰器与所述目标嗅探节点的距离为2-3m;
将所述摄像头部署在建筑物的一端。
根据本发明的一些实施例,所述基于SSD算法分析视频数据进行用户检测,包括:
采用Caffe框架的SSD算法及预先构建的的行人检测模型进行用户检测,在检测出用户之后,以方框对用户进行标记。
根据本发明的一些实施例,通过设置虚拟地标对用户位置进行估计,包括:
确定方框的四角坐标,以方框底部两坐标的中点作为用户在图像中的位置坐标;
以预设距离在嗅探场地划分方格,设置方格顶点为虚拟坐标,建立实际空间坐标和图像中用户像素位置的映射关系;
基于启发式方法寻找用户像素位置周围的虚拟坐标,借助辅助线,基于相似形原理,确定图像中虚拟坐标和用户像素位置的关系;
根据所述映射关系及图像中虚拟坐标和用户像素位置的关系,计算出用户的实际空间坐标,作为用户位置。
根据本发明的一些实施例,所述在确定用户位置满足干扰条件之后,通过控制干扰器的开启和关闭触发用户BLE设备产生广播信号,包括:
在确定用户位置在所述干扰器的有效干扰范围内时,开启干扰器,对用户BLE设备产生的BLE信号进行干扰;
在确定干扰时长大于预设时长且用户的移动距离大于预设距离阈值后,关闭干扰器,利用多个嗅探节点对用户移动智能终端及智能穿戴设备分别进行信号嗅探,得到第一信号及第二信号。
根据本发明的一些实施例,在判断所述第一信号的信号强度变化趋势与所述第二信号的信号强度变化趋势是否一致前,还包括:
获取预设数量组嗅探设备在所述干扰器关闭后三秒内所采集的第一信号及第二信号的信号强度序列,利用限幅滤波对所述信号强度序列进行处理以过滤冲击噪声。
根据本发明的一些实施例,所述预设数量大于等于3。
根据本发明的一些实施例,一组嗅探设备包括WiFi信号嗅探设备及BLE广播信号嗅探设备,所述WiFi信号嗅探设备与所述BLE广播信号嗅探设备间隔20cm。
根据本发明的一些实施例,相邻两个嗅探节点的距离为3m。
在一实施例中,在判断所述第一信号的信号强度变化趋势与所述第二信号的信号强度变化趋势是否一致前,还包括:
将所述第一信号及所述第二信号,作为采集信号;
基于变分模态分解法将所述采集信号进行分解,得到若干层本征模态函数;
对所述若干层本征模态函数的高频分量、中频分量及低频分量进行小波包分解,得到多个小波包系数;
设置小波包系数修正阈值,基于所述小波包系数修正阈值对多个小波包系数进行修正处理,得到修正小波包系数;
根据修正小波包系数将本征模态函数的高频分量、中频分量及低频分量进行信号重构,得到重构信号;
计算所述重构信号的信噪比,并判断是否小于预设信噪比;
在确定所述信噪比小于预设信噪比时,对所述重构信号进行位平面转换,得到位平面矩阵;
对所述位平面矩阵进行解析,获取平面矩阵中各个区域对应的信号的突变次数,筛选出突变次数大于预设突变次数的信号,作为目标信号;
对所述目标信号进行短时傅里叶变换,得到频谱图;
对所述频谱图进行特征提取,得到特征谱线;获取所述特征谱线上各个节点的能量值,并筛选出最大的能量值;
根据最大的能量值查询预设能量值-降噪系数表,确定降噪系数,根据所述降噪系数对所述目标信号进行降噪处理。
有益效果:
1、在不需要用户主动参与的情况下,实现了在没有BLE广播报文的场景下的两类设备关联,弥补了现有关联方法覆盖面的不足;
2、利用已广泛部署的普通监控摄像头以及辅助使用虚拟地标,对用户位置进行有效地估计,不需要额外部署带有距离探测功能的摄像头,有效地降低了嗅探设备的部署成本;
3、基于用户两类设备信号具有静态强弱一致性的特征,利用不同嗅探节点间的信号强弱关系进行设备关联,关联准确率较高。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是根据本发明一个实施例的一种基于WiFi-BLE信号主动干扰的跨智能可携带设备关联方法的流程图;
图2是根据本发明一个实施例的基于主动信号干扰的关联设备部署示意图;
图3是根据本发明一个实施例的用户位置最近标记点寻找过程图;
图4是根据本发明一个实施例的用户实际位置计算示意图;
图5是根据本发明一个实施例的关联方法屏蔽开启条件示意图;
图6是根据本发明一个实施例的关联方法屏蔽关闭条件示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
根据附图1-6对一种基于WiFi-BLE信号主动干扰的跨智能可携带设备关联方法进行解释说明。
为达到上述目的,本发明实施例提出了一种基于WiFi-BLE信号主动干扰的跨智能可携带设备关联方法,包括:
预先部署若干组嗅探设备、摄像头以及干扰器;
基于SSD算法分析视频数据进行用户检测;
通过设置虚拟地标对用户位置进行估计;
在确定用户位置满足干扰条件之后,通过控制干扰器的开启和关闭触发用户BLE设备产生广播信号;每组嗅探设备对用户的移动智能终端及智能穿戴设备分别进行信号嗅探,每组所述嗅探设备得到第一信号及第二信号;
判断所述第一信号的信号强度变化趋势与所述第二信号的信号强度变化趋势是否一致;
判断所述第一信号的信号强度对应的第一区域及所述第二信号的信号强度对应的第二区域是否一致;
在确定两者均一致时,建立所述移动智能终端与所述智能穿戴设备的关联关系。
上述技术方案的工作原理:预先部署若干组嗅探设备、摄像头以及干扰器;基于SSD算法分析视频数据进行用户检测;通过设置虚拟地标对用户位置进行估计;在确定用户位置满足干扰条件之后,通过控制干扰器的开启和关闭触发用户BLE设备产生广播信号;每组嗅探设备对用户的移动智能终端及智能穿戴设备分别进行信号嗅探,每组所述嗅探设备得到第一信号及第二信号;判断所述第一信号的信号强度变化趋势与所述第二信号的信号强度变化趋势是否一致;判断所述第一信号的信号强度对应的第一区域及所述第二信号的信号强度对应的第二区域是否一致;在确定两者均一致时,建立所述移动智能终端与所述智能穿戴设备的关联关系。
上述技术方案的有益效果:高效、准确地实施跨智能可携带设备关联,以构建用户设备图谱,从而助力设备管控。针对现有跨智能可携带设备关联中,智能穿戴设备连接移动智能终端后不产生BLE广播报文的场景,本发明利用干扰器,对BLE信号进行干扰,从而触发BLE广播报文的产生,进而对WiFi信号和BLE广播信号进行嗅探,基于用户通常会携带移动智能终端和智能穿戴设备共同行走的行为习惯,即移动智能终端和智能穿戴设备的信号强度一致性特征,从而得出关联结果,最终实现两类设备的关联。
根据本发明的一些实施例,预先若干组部署嗅探设备、摄像头以及干扰器,包括:
沿着建筑物的一边设置多个嗅探节点,相邻两个嗅探节点的距离是相等的,在所述每个嗅探节点上分别设置一组嗅探设备;
将中间位置的嗅探节点,作为目标嗅探节点;所述干扰器部署在所述的目标嗅探节点的嗅探区域,所述干扰器与所述目标嗅探节点的距离为2-3m;
将所述摄像头部署在建筑物的一端。
上述技术方案的工作原理及有益效果:部署设备:本发明中所涉及到的设备主要包括WiFi、BLE两类信号的嗅探设备、干扰器和摄像头。各类设备部署如图2所示,嗅探设备包括WiFi信号嗅探和BLE广播信号嗅探两类,本发明中所用WiFi信号嗅探设备为苹果公司的MAC笔记本,利用其自带的无线诊断功能,可以对特定频段的WiFi信号进行嗅探;所用的BLE广播信号嗅探设备为Ubuntu系统笔记本加上Ubertooth-one芯片,具体的命令为ubertooth-btle-f-q文件名。为了保证嗅探所得的两类信号强度变化趋势相近,两类嗅探设备需要靠近布置(大约间隔20厘米)。由于需要依据多个嗅探节点的信号强弱关系进行关联,图2中展示了最少的三个节点布置情况,三个节点沿建筑物一边两两间隔dp(本发明中取3米),如果需要扩大嗅探范围,可以按相同的间隔距离增加嗅探节点。干扰器布置在中间嗅探节点的对面,相距两到三米的距离。考虑到网络摄像头和监控摄像头已广泛存在于各类建筑中,本发明利用该类摄像头进行用户视频数据的采集,一般情况下,该类摄像头布置在建筑物一端。
根据本发明的一些实施例,所述基于SSD算法分析视频数据进行用户检测,包括:
采用Caffe框架的SSD算法及预先构建的的行人检测模型进行用户检测,在检测出用户之后,以方框对用户进行标记。
上述技术方案的工作原理及有益效果:基于SSD算法的用户检测:在部署完各类设备之后,需要利用摄像头拍摄用户视频数据,并从中对用户进行检测。本发明采用了基于Caffe框架的SSD算法,该算法是一种基于深度学习的目标检测算法,具有检测速度快和准确性高的特点。为了对用户进行检测,需要预先训练模型,通过对比现有的行人检测模型,本发明选择了pyimagesearch网站所提供的模型。在检测过程中,首先利用OpenCv提供的接口,获取摄像头数据,为了适应SSD的处理速度,可以对图像分辨率进行相应的调整,当SSD模型检测出用户之后,会利用方框对用户进行编辑,并输出方框四角所在的像素坐标。这里,取方框底部两角的坐标的中点作为用户的像素位置,作为用户实际位置估算的输入数据。
根据本发明的一些实施例,通过设置虚拟地标对用户位置进行估计,包括:
确定方框的四角坐标,以方框底部两坐标的中点作为用户在图像中的位置坐标;
以预设距离在嗅探场地划分方格,设置方格顶点为虚拟坐标,建立实际空间坐标和图像中用户像素位置的映射关系;
基于启发式方法寻找用户像素位置周围的虚拟坐标,借助辅助线,基于相似形原理,确定图像中虚拟坐标和用户像素位置的关系;
根据所述映射关系及图像中虚拟坐标和用户像素位置的关系,计算出用户的实际空间坐标,作为用户位置。
上述技术方案的工作原理及有益效果:虚拟地标设置:由于本发明使用了日常所用的监控摄像头,不带红外测距的功能,因此需要在嗅探场地设置虚拟地标,以建立实际空间坐标和图像中的像素位置的映射,从而辅助计算用户实际的空间位置。在摄像头固定的场景下,本发明按一定距离(1米)将摄像头所拍摄的场景划分为方格图,然后在图片中标记出方格顶点的像素坐标,作为虚拟地标。特别要说明的是,由于透视以及拍摄角度的问题,实际空间中的正方形会在图片中呈现出普通的四边形。用户位置估计:在获取用户在视频中的像素坐标之后,通过与虚拟地标进行对比,可以对用户实际位置进行估计。首先需要寻找出用户周围四个最近的标记点,即确定用户像素坐标落在哪个标记点方框之内。由于透视导致的变形,我们利用一个启发式的方法进行最近标记点寻找。如图3所示,以标定的中心位置为起始点,不妨设其坐标为(x_c,y_c),计算其以及周围八个标记点和用户像素坐标的欧氏距离,选择其中距离最短的标记点作为下一次计算的起始点,如果该标记点为起始点,则最近点寻找成功,否则重复上述步骤继续进行寻找。以图3为例,B点为距离用户最近的标记点。然后,将最近标记点和用户像素坐标连线,然后计算该连线和方格线之间的夹角,再计算经过最近标记点的两条方格线之间的夹角(可在标定后预先计算),通过对比夹角的大小,从而确定用户像素坐标落在四边形ABCD内。为了计算用户的实际位置,如图4所示,不妨设用户的像素坐标为(x0,y0),通过计算AB和CD的斜率,取其平均值过(x0,y0)作辅助线交BC和AD于点(x2,y2)和(x4,y4)。同样的,计算BC和AD的斜率,取其平均值过(x0,y0)作辅助线交AB和CD于点(x1,y1)和(x3,y3)。A点的实际坐标不妨设为(XA,YA),方格的实际边长为L,则用户的实际坐标可以根据比例计算为在得出用户的实际坐标之后,则可以计算出用户之间和用户设备之间的实际欧式距离。
根据本发明的一些实施例,所述在确定用户位置满足干扰条件之后,通过控制干扰器的开启和关闭触发用户BLE设备产生广播信号,包括:
在确定用户位置在所述干扰器的有效干扰范围内时,开启干扰器,对用户BLE设备产生的BLE信号进行干扰;
在确定干扰时长大于预设时长且用户的移动距离大于预设距离阈值后,关闭干扰器,利用多个嗅探节点对用户移动智能终端及智能穿戴设备分别进行信号嗅探,得到第一信号及第二信号。
上述技术方案的工作原理及有益效果:1、信号干扰:如图5所示,当摄像头检测到用户在干扰器的有效干扰范围ds附近时,则开启干扰器进行干扰,从而导致BLE通讯链接断开,进而触发BLE设备重新产生广播报文。本发明中所用的干扰器为深圳车普安科技有限公司干扰器W2,针对各类BLE设备,最小有效干扰范围ds约为9米,其工作频段为2400-2485MHz和5725-5850MHz,覆盖了BLE的频段范围2400-2483.5MHz。在开启干扰器之后,会导致BLE通讯异常,主设备无法接收数据报文。由于BLE主从设备在建立链接时会约定一个timeout时间参数,即当主设备在timeout时间后,收不到从设备的数据报文时,则认为当前链接断开,主设备停止发送数据请求报文,需要重新建立链接。因此,当干扰器干扰的时间大于timeout之后,会导致链接断开,从而触发BLE设备重新产生广播报文,以建立新的链接。2、信号嗅探:如图6所示,在经过Tshield时间的干扰之后,当用户之间间距大于一定距离du(本发明的场景中,du取3米)时,关闭干扰器,并进行WiFi、BLE两类信号的嗅探,并将嗅探所得文件保存成pcap格式文件。一般情况下,干扰所需要的时间长度Tshield大于timeout时间参数,本发明所测试的BLE设备所需干扰时间范围如表1所示。
表1各类BLE设备干扰所需时长统计
3、设备关联:在嗅探到两类信号之后,对报文进行解析,抽取信号强度值,再结合嗅探节点的位置以及用户相对位置的信息,进行设备关联。一般情况下,在设备重连时,BLE从设备在发送广播报文几秒钟内,就会被主设备发现,从而重连成功,导致广播报文采样有限,难以计算两类信号的相似度。本发明为了解决该问题,设置三个连续的采样点,即3个嗅探节点,利用不同位置的采样点所采集到用户设备信号大小不同的特征进行设备关联。如图6所示,虚线标出两两节点之间的中线,从而将场景划分为ABC三个区域。这里,我们不妨假设目标用户在B区域,满足周围其他用户与其相距大于du的条件,此时干扰器关闭进行信号嗅探。三个节点所采集到的用户设备两类信号的RSS值相应的大小情况比较如表2所示,其中,为了避免冲击噪声影响计算结果,我们对三个节点所嗅探得到的初始RSS值计算平均值,以该平均值作为起始值,进行一次限幅滤波,然后再计算均值得到RSS1、RSS2、RSS3。所以,当用户在B区域内时,三个嗅探节点所嗅探到的目标用户设备的两类信号的RSS值大小关系和AC区域的用户设备不同。因此,当两个WiFi设备和BLE设备的RSS值符合B区域特征时,则可以对其进行关联。需要说明的是,本发明的三个节点代表的是数量最少的设备部署,在实际情况中,可以通过连续布置多个节点,从而覆盖更广的场景范围。
表2用户所处不同区域时对应的设备RSS值
用户所处区域 | 各节点用户设备RSS值大小 |
A | RSS<sub>1</sub>>RSS<sub>2</sub>>RSS<sub>3</sub> |
B | RSS<sub>2</sub>>RSS<sub>3</sub>且RSS<sub>2</sub>>RSS<sub>1</sub> |
C | RSS<sub>3</sub>>RSS<sub>2</sub>>RSS<sub>1</sub> |
根据本发明的一些实施例,在判断所述第一信号的信号强度变化趋势与所述第二信号的信号强度变化趋势是否一致前,还包括:
获取预设数量组嗅探设备在所述干扰器关闭后三秒内所采集的第一信号及第二信号的信号强度序列,利用限幅滤波对所述信号强度序列进行处理以过滤冲击噪声。
上述技术方案的有益效果:提高得到的信号强度的准确性。
根据本发明的一些实施例,所述预设数量大于等于3。
根据本发明的一些实施例,一组嗅探设备包括WiFi信号嗅探设备及BLE广播信号嗅探设备,所述WiFi信号嗅探设备与所述BLE广播信号嗅探设备间隔20cm。
根据本发明的一些实施例,相邻两个嗅探节点的距离为3m。
在一实施例中,在判断所述第一信号的信号强度变化趋势与所述第二信号的信号强度变化趋势是否一致前,还包括:
将所述第一信号及所述第二信号,作为采集信号;
基于变分模态分解法将所述采集信号进行分解,得到若干层本征模态函数;
对所述若干层本征模态函数的高频分量、中频分量及低频分量进行小波包分解,得到多个小波包系数;
设置小波包系数修正阈值,基于所述小波包系数修正阈值对多个小波包系数进行修正处理,得到修正小波包系数;
根据修正小波包系数将本征模态函数的高频分量、中频分量及低频分量进行信号重构,得到重构信号;
计算所述重构信号的信噪比,并判断是否小于预设信噪比;
在确定所述信噪比小于预设信噪比时,对所述重构信号进行位平面转换,得到位平面矩阵;
对所述位平面矩阵进行解析,获取平面矩阵中各个区域对应的信号的突变次数,筛选出突变次数大于预设突变次数的信号,作为目标信号;
对所述目标信号进行短时傅里叶变换,得到频谱图;
对所述频谱图进行特征提取,得到特征谱线;获取所述特征谱线上各个节点的能量值,并筛选出最大的能量值;
根据最大的能量值查询预设能量值-降噪系数表,确定降噪系数,根据所述降噪系数对所述目标信号进行降噪处理。
上述技术方案的工作原理:将所述第一信号及所述第二信号,作为采集信号;基于变分模态分解法将所述采集信号进行分解,得到若干层本征模态函数;VMD(Variationalmode decomposition)是一种自适应、完全非递归的模态变分和信号处理的方法。该技术具有可以确定模态分解个数的优点,其自适应性表现在根据实际情况确定所给序列的模态分解个数,随后的搜索和求解过程中可以自适应地匹配每种模态的最佳中心频率和有限带宽,并且可以实现固有模态分量(IMF)的有效分离、信号的频域划分、进而得到给定信号的有效分解成分,最终获得变分问题的最优解。可以降低复杂度高和非线性强的时间序列非平稳性,分解获得包含多个不同频率尺度且相对平稳的子序列。对所述若干层本征模态函数的高频分量、中频分量及低频分量进行小波包分解,得到多个小波包系数;设置小波包系数修正阈值包括设定其中,δ为噪声的标准差;M为采集信号的采样数;b为第b层本本征模态函数;e为自然常数。基于所述小波包系数修正阈值对多个小波包系数进行修正处理,得到修正小波包系数,包括将小波包系数小于小波包系数修正阈值时,进行去除处理,保留大于小波包系数修正阈值的小波包系数。根据修正小波包系数将本征模态函数的高频分量、中频分量及低频分量进行信号重构,得到重构信号;计算所述重构信号的信噪比,并判断是否小于预设信噪比;在确定所述信噪比小于预设信噪比时,对所述重构信号进行位平面转换,得到位平面矩阵;对所述位平面矩阵进行解析,获取平面矩阵中各个区域对应的信号的突变次数,筛选出突变次数大于预设突变次数的信号,作为目标信号;对所述目标信号进行短时傅里叶变换,得到频谱图;对所述频谱图进行特征提取,得到特征谱线;获取所述特征谱线上各个节点的能量值,并筛选出最大的能量值;根据最大的能量值查询预设能量值-降噪系数表,确定降噪系数,根据所述降噪系数对所述目标信号进行降噪处理。
上述技术方案的有益效果:基于将本征模态函数的高频分量、中频分量及低频分量进行信号重构,实现第一次全面降噪处理,得到重构信号;对重构信号进行信号检测,在确定还存在较多噪声时,执行第二次降噪处理。首先筛选出突变次数大于预设突变次数的信号,作为目标信号,作为待处理信号,便于实现局部降噪,提高了降噪效率,使得降噪更具有针对性,提高降噪效果。在对目标信号进行降噪时,基于目标信号对应的节点的最大的能量值,确定降噪系数,根据所述降噪系数对所述目标信号进行降噪处理,提高了降噪准确性,保证获取的采样信号的准确性,进而有利于后续在对信号的强度进行分析的过程中,提高分析的准确性。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种基于WiFi-BLE信号主动干扰的跨智能可携带设备关联方法,其特征在于,包括:
预先部署若干组嗅探设备、摄像头以及干扰器;
基于SSD算法分析视频数据进行用户检测;
通过设置虚拟地标对用户位置进行估计;
在确定用户位置满足干扰条件之后,通过控制干扰器的开启和关闭触发用户BLE设备产生广播信号;每组嗅探设备对用户的移动智能终端及智能穿戴设备分别进行信号嗅探,每组所述嗅探设备得到第一信号及第二信号;
判断所述第一信号的信号强度变化趋势与所述第二信号的信号强度变化趋势是否一致;
判断所述第一信号的信号强度对应的第一区域及所述第二信号的信号强度对应的第二区域是否一致;
在确定两者均一致时,建立所述移动智能终端与所述智能穿戴设备的关联关系;
其中,所述在确定用户位置满足干扰条件之后,通过控制干扰器的开启和关闭触发用户BLE设备产生广播信号,包括:
在确定用户位置在所述干扰器的有效干扰范围内时,开启干扰器,对用户BLE设备产生的BLE信号进行干扰;
在确定干扰时长大于预设时长且用户的移动距离大于预设距离阈值后,关闭干扰器,利用多个嗅探节点对用户移动智能终端及智能穿戴设备分别进行信号嗅探,得到第一信号及第二信号。
2.如权利要求1所述的基于WiFi-BLE信号主动干扰的跨智能可携带设备关联方法,其特征在于,预先若干组部署嗅探设备、摄像头以及干扰器,包括:
沿着建筑物的一边设置多个嗅探节点,相邻两个嗅探节点的距离是相等的,在所述每个嗅探节点上分别设置一组嗅探设备;
将中间位置的嗅探节点,作为目标嗅探节点;所述干扰器部署在所述的目标嗅探节点的嗅探区域,所述干扰器与所述目标嗅探节点的距离为2-3m;
将所述摄像头部署在建筑物的一端。
3.如权利要求1所述的基于WiFi-BLE信号主动干扰的跨智能可携带设备关联方法,其特征在于,所述基于SSD算法分析视频数据进行用户检测,包括:
采用Caffe框架的SSD算法及预先构建的的行人检测模型进行用户检测,在检测出用户之后,以方框对用户进行标记。
4.如权利要求3所述的基于WiFi-BLE信号主动干扰的跨智能可携带设备关联方法,其特征在于,通过设置虚拟地标对用户位置进行估计,包括:
确定方框的四角坐标,以方框底部两坐标的中点作为用户在图像中的位置坐标;
以预设距离在嗅探场地划分方格,设置方格顶点为虚拟坐标,建立实际空间坐标和图像中用户像素位置的映射关系;
基于启发式方法寻找用户像素位置周围的虚拟坐标,借助辅助线,基于相似形原理,确定图像中虚拟坐标和用户像素位置的关系;
根据所述映射关系及图像中虚拟坐标和用户像素位置的关系,计算出用户的实际空间坐标,作为用户位置。
5.如权利要求1所述的基于WiFi-BLE信号主动干扰的跨智能可携带设备关联方法,其特征在于,在判断所述第一信号的信号强度变化趋势与所述第二信号的信号强度变化趋势是否一致前,还包括:
获取预设数量组嗅探设备在所述干扰器关闭后三秒内所采集的第一信号及第二信号的信号强度序列,利用限幅滤波对所述信号强度序列进行处理以过滤冲击噪声。
6.如权利要求5所述的基于WiFi-BLE信号主动干扰的跨智能可携带设备关联方法,其特征在于,所述预设数量组大于等于3。
7.如权利要求1所述的基于WiFi-BLE信号主动干扰的跨智能可携带设备关联方法,其特征在于,一组嗅探设备包括WiFi信号嗅探设备及BLE广播信号嗅探设备,所述WiFi信号嗅探设备与所述BLE广播信号嗅探设备间隔20cm。
8.如权利要求2所述的基于WiFi-BLE信号主动干扰的跨智能可携带设备关联方法,其特征在于,相邻两个嗅探节点的距离为3m。
9.如权利要求1所述的基于WiFi-BLE信号主动干扰的跨智能可携带设备关联方法,其特征在于,在判断所述第一信号的信号强度变化趋势与所述第二信号的信号强度变化趋势是否一致前,还包括:
将所述第一信号及所述第二信号,作为采集信号;
基于变分模态分解法将所述采集信号进行分解,得到若干层本征模态函数;
对所述若干层本征模态函数的高频分量、中频分量及低频分量进行小波包分解,得到多个小波包系数;
设置小波包系数修正阈值,基于所述小波包系数修正阈值对多个小波包系数进行修正处理,得到修正小波包系数;
根据修正小波包系数将本征模态函数的高频分量、中频分量及低频分量进行信号重构,得到重构信号;
计算所述重构信号的信噪比,并判断是否小于预设信噪比;
在确定所述信噪比小于预设信噪比时,对所述重构信号进行位平面转换,得到位平面矩阵;
对所述位平面矩阵进行解析,获取平面矩阵中各个区域对应的信号的突变次数,筛选出突变次数大于预设突变次数的信号,作为目标信号;
对所述目标信号进行短时傅里叶变换,得到频谱图;
对所述频谱图进行特征提取,得到特征谱线;获取所述特征谱线上各个节点的能量值,并筛选出最大的能量值;
根据最大的能量值查询预设能量值-降噪系数表,确定降噪系数,根据所述降噪系数对所述目标信号进行降噪处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210472313.1A CN114845249B (zh) | 2022-04-29 | 2022-04-29 | 基于WiFi-BLE信号主动干扰的跨智能可携带设备关联方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210472313.1A CN114845249B (zh) | 2022-04-29 | 2022-04-29 | 基于WiFi-BLE信号主动干扰的跨智能可携带设备关联方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114845249A CN114845249A (zh) | 2022-08-02 |
CN114845249B true CN114845249B (zh) | 2022-12-06 |
Family
ID=82567108
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210472313.1A Active CN114845249B (zh) | 2022-04-29 | 2022-04-29 | 基于WiFi-BLE信号主动干扰的跨智能可携带设备关联方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114845249B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105812904A (zh) * | 2016-03-22 | 2016-07-27 | 广东欧珀移动通信有限公司 | 播放设备的蓝牙模块控制方法及音视频播放系统 |
CN108540968A (zh) * | 2018-03-30 | 2018-09-14 | 成都心吉康科技有限公司 | 电子设备的配对方法、配对系统及电子设备 |
CN109068302A (zh) * | 2018-07-04 | 2018-12-21 | 清华大学 | 利用无线信号进行配对的配对方法和无线设备 |
CN110021045A (zh) * | 2019-04-17 | 2019-07-16 | 桂林理工大学 | 设备定位方法、装置、定位系统及电子设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108616982A (zh) * | 2018-04-12 | 2018-10-02 | 南京信息工程大学 | 一种智能建筑微区域内被动式人员定位及统计方法 |
-
2022
- 2022-04-29 CN CN202210472313.1A patent/CN114845249B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105812904A (zh) * | 2016-03-22 | 2016-07-27 | 广东欧珀移动通信有限公司 | 播放设备的蓝牙模块控制方法及音视频播放系统 |
CN108540968A (zh) * | 2018-03-30 | 2018-09-14 | 成都心吉康科技有限公司 | 电子设备的配对方法、配对系统及电子设备 |
CN109068302A (zh) * | 2018-07-04 | 2018-12-21 | 清华大学 | 利用无线信号进行配对的配对方法和无线设备 |
CN110021045A (zh) * | 2019-04-17 | 2019-07-16 | 桂林理工大学 | 设备定位方法、装置、定位系统及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN114845249A (zh) | 2022-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106687773B (zh) | 基于上下文事件检测的传感器节点定位和传感器网络组织 | |
US10943091B2 (en) | Facial feature point tracking method, apparatus, storage medium, and device | |
CN107909025B (zh) | 基于视频和无线监控的人物识别及追踪方法和系统 | |
Datla et al. | A spectrum surveying framework for dynamic spectrum access networks | |
US8478319B2 (en) | Feature extraction and data compression system and method for distributed sensor networks | |
Xu et al. | Pedestrain monitoring system using Wi-Fi technology and RSSI based localization | |
CN112543411B (zh) | 一种无线通信系统的干扰定位方法、装置和系统 | |
JP2007316067A (ja) | 無線端末の居場所を特定する方法 | |
JP5853995B2 (ja) | 協調スペクトラムセンシング方法および車載無線通信装置 | |
JP2007316069A (ja) | 無線端末の居場所の予測方法 | |
JP2008017455A (ja) | 無線端末の居場所の予測方法 | |
US20180011164A1 (en) | Radio wave intensity distribution assessment apparatus, radio wave quality distribution assessment apparatus, radio wave intensity distribution assessment method and radio wave quality distribution assessment method | |
CN107645772B (zh) | 人体定位方法、人体定位系统与定位服务器 | |
CN110138468B (zh) | 多节点软件无线电平台的Lora信号监测系统及方法 | |
JP2007316070A (ja) | 無線端末の居場所の予測方法 | |
CN109960969A (zh) | 移动路线生成的方法、装置及系统 | |
CN102158868B (zh) | 基于扫频的干扰矩阵的获取方法及系统 | |
Hilal et al. | DataLoc+: A data augmentation technique for machine learning in room-level indoor localization | |
CN117128947A (zh) | 栅格地图的生成方法和服务器 | |
CN109640255B (zh) | 位置指纹室内定位系统及方法 | |
CN114845249B (zh) | 基于WiFi-BLE信号主动干扰的跨智能可携带设备关联方法 | |
CN111343662A (zh) | 嗅探设备数据采集和处理方法、系统、存储介质及处理器 | |
CN103679681B (zh) | 一种无线网络干扰的分析方法及装置 | |
KR101694521B1 (ko) | 전파지문지도 생성 장치 및 방법 | |
CN114449444B (zh) | 基于WiFi-BLE信号被动嗅探的跨智能可携带设备关联方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |