基于无线感知的智能家庭安防系统

纪科杰，卢明安，李章财，张鑫豪，楼亮亮

（1.台州学院 a.航空工程学院；b.电子与信息工程学院，浙江 台州 318000；2.浙江杰克智能缝制科技有限公司，浙江 台州 318000）

0 引言

近年来，随着人们生活水平的不断提高，人们对智能家庭安防系统的需求越来越大，安防市场规模不断扩大［1］。现阶段市面上常用的安防设备主要有三种：摄像头、雷达与热释电技术［2］。摄像头能提供较为丰富的图像信息，但涉及客户个人隐私，存在客户权益缺乏保护等问题［3-4］；雷达能够提供精确的定位信息，但存在易受到气象等自然因素干扰的问题［5］；热释电拥有成本低的优点，但存在易受热源干扰的问题［6］。为了解决现阶段市面上视频摄像头安防设备存在的客户个人隐私泄露、雷达静态目标识别精准度差以及热释电技术易受到热源干扰等问题，本文引入一种新型智能家庭安防系统检测技术，即无感感知技术。该技术通过检测空间内Wi-Fi信号强度变化与动态目标活动规律的相关性，实现入侵行为的检测。而无线电磁波信号的穿墙属性也克服了摄像头、雷达及热释电等技术在穿墙检测方面的技术瓶颈，为入侵行为检测死角所带来的检测精准度下降问题提供了新的解决思路［7］。

随着Wi-Fi等物联网技术的不断发展，2020年我国Wi-Fi家庭渗透率已经达到90%［8］。总体而言，Wi-Fi技术具有许多优点，如无需布线、覆盖范围广、反应速度快、安全性能好。近年来，基于Wi-Fi信号强度信息的无感感知技术得到了迅速发展，在家庭安防系统体系中也得到了广泛应用。这项技术不仅可以解决传统防盗报警系统检测技术的弊端，还具有识别与定位等功能。因此，本文利用Wi-Fi信号背后所隐含的能量强度特征来构建智能家庭安防系统，以解决传统家庭防盗报警技术中缺乏识别功能、易受热源影响等缺点，提升家庭安防报警系统的精准性与实时可达性。

1 系统介绍

本文提出的智能家庭安防系统主要包括ESP32模块、GPRS模块与蜂鸣器模块。其中ESP32模块抽取空间Wi-Fi信号强度（RSSI，Received Signal Strength Indication）属性，构建入侵行为检测识别体系，实现入侵行为精准识别，继而通过GPRS模块与蜂鸣器模块打造远程与本地化报警等模块。系统具体架构如图1所示。

图1 系统整体框架图

从图1可以看出，Wi-Fi SoC芯片ESP32将实时接收来自家用路由器和手机等设备广播Wi-Fi数据帧，提取隐藏在该数据帧中MAC信息，并抽取隐含在Wi-Fi信号背后的RSSI信号强度数据。当检测到Wi-Fi信号强度发生变化时，则通过识别无线信号中是否包含主人手机Wi-Fi模块的MAC地址信息，实现陌生人与主人分离；当检测到陌生人入侵时，即当前时间窗口内没有检测到主人手机存在时，ESP32模块将传输预警信息给报警模块，并打开蜂鸣器发出警报声，对入侵者予以警告，同时利用GPRS模块向用户拨打电话进行提醒。因此，在外的主人将通过手机获取入侵发生的时间地点信息，进而可以最大程度减少用户的损失。此外，由于Wi-Fi电磁波信号具有穿墙传播能力，本文提出的智能家庭安防系统也具备穿墙感知、定位、远程报警等功能。

综上可知，实现入侵检测的关键在于信号强度的抽取与MAC信息的筛选，而现有的Wi-Fi网络都遵从IEEE 802.11协议规范标准。IEEE 802系列标准是IEEE 802 LAN/MAN标准委员会制定的局域网、城域网技术标准，又称为LMSC（LAN/MAN Standards Committee）。其中802.11规范标准对无线局域网物理层和MAC层进行了定义，并给出物理层和数据链路层的参考模型，确保Wi-Fi设备间的高效互操作性［9］。为了维护无线网络的稳定性，现有的Wi-Fi芯片都在物理层内置信号强度测量引擎，为无线网络信道冲突机制的建构提供了有力支撑，更为本文入侵行为识别算法的实现提供了数据基础［10］。同时，IEEE 802.11规范标准也对MAC地址信息作了唯一性要求，为主人与陌生人身份的识别提供了现实基础［11］。

1.1 检测原理

为确保用户体验度，家用Wi-Fi路由器会定期广播Beacon信号，确保手机等Wi-Fi设备快速链接，Beacon广播的周期默认为100 ms。而作为现阶段的生活必需品手机，可以时刻伴随着主人出现在任何区域，它也将定期广播Beacon Probe数据帧，以此实现Wi-Fi通信链路的快速建立。根据电磁波理论，无线传播空间内出现的人或其他动态事物，必然对电磁波的传播路径造成干扰，进而导致电磁波发生反射、折射和衍射等现象，而电磁波能量强度是表征上述现象的有力证据之一。

根据IEEE 802.11规范标准可知，Wi-Fi数据包的数据帧头可分为数据帧控制域（Frame Control）、持续时间和标识（Duration/ID）、地址域（Address）、序列控制域（Sequence Control），共计 30 Byte，如图 2所示。从图2可以看出，在IEEE 802.11规范标准MAC层数据定义中，任意Wi-Fi设备必须都具有唯一的MAC地址。因此，利用主人手机内在Wi-Fi模块MAC地址的唯一性，为主人与陌生人的识别提供了先决条件。此外，若有人在监测区域内活动时，必然影响Wi-Fi信号强度，经由ESP32采集处置后，通过比对MAC地址在数据库中的存储关系，实现入侵行为的精准识别。而且通过对周边不用区位部署的家用路由器信号的抽取，也可实现入侵行为发生的粗略位置信息。

图2 Wi-Fi数据包的帧头定义

1.2 入侵检测

系统上电以后，ESP32模块持续接收空间内的Wi-Fi信号。若空间内无人入侵，空间内Wi-Fi信号的强度将保持基本恒定，那么ESP32模块所抽取到的隐含在Wi-Fi信号背后的RSSI数据也将呈现出稳态性质，该状态下所抽取的信号也可作为基准数据。由于该状态下抽取到的RSSI值的变化量必然小于预设的RSSI阈值，所以不启动报警模块。然而，当检测区域内有人存在时，由于人员在无线环境中活动，将会对Wi-Fi信号造成衍射和反射等现象，以至于电磁波信号能量被人体反射和吸收，进而导致接收该信号的ESP32模块所量测的Wi-Fi信号强度发生改变，即ESP32模块量测所得的RSSI数据将随着人员活动现场的变化发生一定程度的跳变。因此，本文将RSSI数据变化量与提前设置好的RSSI阈值进行比较分析，若信号接收模块检测到的RSSI值大于预设RSSI阈值，信号处理模块将会启动报警模块进行报警，否则将不启动报警进程。

1.3 身份判断

为了保障用户体验度，手机也将在每个信道上定期广播Beacon Request数据帧。当Wi-Fi路由器接收来自手机Beacon Request数据帧时，在匹配账号密码信息的基础上，实现Wi-Fi网络的快速建立。因此，当户主回家时，其手机必然会自动连接至家庭路由器且作为家庭路由器的信道，定期广播心跳数据来确保网络的连接性［12］。基于上述特性，ESP32也将接收到来自主人手机内置Wi-Fi模块发送的无线信号，该信号隐含有户主手机的MAC地址与RSSI等相关数据。由此可见，在识别到RSSI扰动特性的基础上，基于手机Wi-Fi模块MAC地址的唯一性，能够实现户主身份的有效识别。而诸如基于热释电与雷达等的传统家庭安防系统，则因为无法解决主人与陌生人的识别问题，存在需要户主人工关闭系统才能破解虚警的技术瓶颈。本文提出的方案，通过识别主人手机Wi-Fi模块所携带唯一性MAC地址信号，实现了主人与陌生人入侵行为的精准分离。

1.4 报警模块

为确保入侵行为的及时可达性，系统将利用GPRS模块和蜂鸣器报警模块，构建远程化与本地化相结合的报警模式。当检测到有陌生人入侵时，利用ESP32串口向GPRS模块发送报警指令，使其向户主拨打电话并发送含有入侵地址的短信，并通过ESP32的GPIO输出高电平，触发蜂鸣器报警模块进行报警。与此同时，远在外地的主人也通过GPRS网络、远程控制报警系统的启动与关闭，为客人的到访误触发提供了有效的保障措施。本地化与远程化相结合的报警模式，提高了本文所建构的安防系统的实用性，为同行业研究人员提供了设计参考模板。

2 研究结果与分析

2.1 实现流程

系统实现流程如图3所示。从图3可以看出，系统上电之后，ESP32开始对周边的Wi-Fi信号进行接收，并对其RSSI值进行测量与分析。若RSSI值没有跳变，该系统不做出任何反应；若RSSI值发生跳变，将进行入侵行为识别，如果没有发现异常情况，继续接收Wi-Fi信号并抽取RSSI与MAC数据；若RSSI出现波动现象，且在没有发现户主手机Wi-Fi MAC信息的基础上，启动入侵行为报警。

图3 系统流程图

2.2 实验结果

为了验证设计的合理性与可实践性，本文基于ESP32模块、GPRS模块以及蜂鸣器等，打造了实验原型机，其中ESP32模块为TTGO-T8-V17，GPRS模块为SIM800C。ESP32与GPRS模块将通过UART进行连接，而蜂鸣器则受控于ESP32的IO口，以此实现报警信号的快速本地化响应与远程实时传输。实验原型机实物如图4所示。

图4 系统实物图

实验采用简单的二室一厅户型作为试验场地，假设两个相邻房间分别为A与B，一间大厅为C，若将系统单独放在大厅C靠近A房间并固定，则家用路由器放置在以系统为中心的任意3米距离位置处。系统上电后，ESP32开始实时检测源于家用路由器和其他设备的Wi-Fi信号，若无人在该区域内活动，则采集到RSSI一直保持相对稳定状态，但不低于提前设置好的RSSI阈值；若有人在该区域内活动，因为反射衍射等现象存在，导致RSSI值变化量大于预设阈值。

为得到相关阈值，进一步对实验测量所得的RSSI数据进行处理分析，通过数据统计方法得出相关的判决阈值。此外，为降低模拟实验数据的误差，计算中利用三次平滑滤波算法对原始数据进行滤波，具体实验结果如图5所示。从图5可以看出，当有人入侵时，RSSI值会衰减到-65 dBm以下。通过对比入侵状态下的RSSI数据与阈值之间相关性可以看出，如果当前时刻的RSSI数据低于阈值，且在当前时刻未检测到主人手机内置Wi-Fi模块MAC地址的情况下，可激活系统报警模块，即打开蜂鸣器，且通过短信与电话的形式通知主人。同时，实验过程中也对入侵精准度进行了测试，实验结果如表1所示。

图5 人体作用下RSSI值变化规律

表1 入侵检测精准度测试结果

从表1可以看出，本文提出的安防系统能够对入侵行为进行较为精准的识别，准确率可达95%以上。然而，本文提出的阈值仅在针对特定人员入侵行为识别的基础上训练所得，因此存在样本不足等问题，进而导致有些入侵行为的识别精准度较低，如两次入侵行为间隔时间较短（小于5 s），在实际测试中仅被认为一次。

3 结语

文中开发的家庭安防系统利用Wi-Fi信号所隐含的RSSI数据与MAC地址信息，构建入侵行为检测以及主人识别系统，并通过分析实验所得RSSI数据特征获取RSSI阈值，为入侵行为识别算法提供了判决依据。该系统无隐私泄露问题且不易受热源干扰，具有较高的精准度与实用性。但由于现阶段系统只能设置固定阈值实现入侵检测，因此在时变环境下存在检测精准度不高等问题，今后将升级改进信号处理方面的相关算法，进一步提升系统检测精准度。