入侵检测,是指检测目标在不携带信号收发设备的条件下,通过感知目标对无线电波的影响程度实现对环境的异常检测,在智能家居、警务安保、企业管理、国防军事等领域具有潜在的应用价值。传统的基于计算机视觉、图像的入侵检测技术受光线和视距传播的影响,而基于传感器、超宽带雷达的入侵检测技术需要特殊的硬件设备,从而限制了入侵检测技术的应用推广。基于无线局域网的入侵检测技术利用室内广泛部署的无线网络,具有易部署、成本较低、覆盖面积广等特点,从而得到了广泛的关注。现有的入侵检测方法具有以下特点:一、在数据预处理阶段不区分正常链路和异常链路,由于同频干扰、多径效应等因素可能会造成链路信号异常,进而影响系统的检测性能;二、特征类型较单一,主要使用时域统计特征,对频域变换特征的利用较少,而频域特征往往更能有效地表现信号的变化情况;三、难以兼顾训练时间成本开销和系统检测性能。基于此,本文将深入开展基于无线局域网的室内入侵检测算法研究,研究内容主要包括:第一,开展异常链路检测的算法研究。重点研究利用核密度估计方法估计每条数据流在静默状态下的概率密度函数,并利用Kullback-Leibler散度来度量链路间的分布差异,最后根据分布差异检测出异常链路。第二,开展有效特征子集筛选的算法研究。针对特征类型较单一的问题,通过滑动窗函数提取时域统计特征和频域变换特征来共同刻画不同的环境状态。同时,为避免特征之间的冗余、相同特征组合无法适应不同实验场景的问题,利用基于互信息的无监督特征筛选方法挑选出有效特征组合。第三,开展入侵检测的算法研究。利用单分类技术,支持向量数据域描述,构建基于静默信号样本的入侵检测模型,结合交叉验证和粒子群寻优算法获取支持向量数据域描述的参数取值,通过联合多链路的判决结果进行入侵检测判断。在复杂的室内环境和空旷的走廊环境中进行算法验证,结果表明该算法在保证训练开销较低的同时,能有效地提升系统的检测性能。