合"無(wú)關(guān)"用A4表示，即MdV) =1，利用公式⑶計(jì)算新出現(xiàn)的數(shù)據(jù)流的信號(hào)特征的分布函數(shù)A(x)，并利用公式 (6)計(jì)算新出現(xiàn)的數(shù)據(jù)流&的異常判決門(mén)限》, =Z7,如別；
[0051]對(duì)由于無(wú)線接入點(diǎn)故障引起消失的數(shù)據(jù)流即SjEA且A 的信號(hào)特征Xj，t將其 模糊劃分改為"無(wú)關(guān)"，其隸屬度設(shè)為1，即MCv,.,) = 1:
[0052] 步驟十四：判斷動(dòng)態(tài)環(huán)境中各數(shù)據(jù)流的信號(hào)特征Xj，t(j= 1，2，...，K'）是否大于 各自對(duì)應(yīng)的異常判決門(mén)限t=^^(0.9),(j= 1，2, . . .，K'），若各數(shù)據(jù)流的信號(hào)特征均小 于各自的異常判決門(mén)限，則判斷此時(shí)信號(hào)特征正常且監(jiān)測(cè)環(huán)境中無(wú)入侵，進(jìn)入步驟十五，否 貝1J，判斷此時(shí)信號(hào)特征異常且監(jiān)測(cè)環(huán)境中有入侵情況出現(xiàn)，進(jìn)入步驟十六；
[0053] 步驟十五：將正常的數(shù)據(jù)流信號(hào)特征Xj,t，（j= 1，?…，K'）代入步驟四、步驟十三 中對(duì)應(yīng)的數(shù)據(jù)流，增加正常信號(hào)特征的數(shù)目利用公式（3)重新計(jì)算各數(shù)據(jù)流信號(hào)特征的分 布函數(shù)，利用公式六重新計(jì)算異常判決門(mén)限G，并進(jìn)入步驟十；
[0054]步驟十六：將步驟十四中判斷為異常數(shù)據(jù)流的信號(hào)特征Xj，t，（j= 1，. . .，K'）進(jìn)行 模糊劃分以構(gòu)建模糊輸入，如公式（14)所不：
[0055]若x1;t是 4丨，且x2，t是尤'…，且xK，，^ (14)
[0056]其中，Xj,t(j= 1，? ? ?，K'）為各數(shù)據(jù)流對(duì)應(yīng)的信號(hào)特征，,(j= 1，? ? ?，K'）為相 應(yīng)的數(shù)據(jù)流信號(hào)特征隸屬度最大的模糊集合；
[0057] 步驟十七：將步驟十六構(gòu)建的模糊輸入和模糊規(guī)則庫(kù)中的規(guī)則進(jìn)行匹配，若模糊 規(guī)則庫(kù)中有規(guī)則與之匹配，則進(jìn)入步驟十九，否則，進(jìn)入步驟十八；
[0058] 步驟十八：設(shè)定模糊集合間的距離為：D( "正常"，"異常"）=1，D( "異常"，"嚴(yán)重 異常"）=1，D( "嚴(yán)重異常"，"無(wú)關(guān)"）=1，D( "正常"，"嚴(yán)重異常"）=2，D( "正常"，"無(wú) 關(guān)"）=3，D("異常"，"無(wú)關(guān)"）=2,計(jì)算Xt=[Xl，t，...，％，t]構(gòu)建的模糊輸入與規(guī)則庫(kù)S 中的規(guī)則的相似性，如公式（15)所示；
[0059]
[0060] 其中，&為規(guī)則庫(kù)S中第q個(gè)規(guī)則，M為規(guī)則庫(kù)S中的規(guī)則數(shù)目，為步驟十六中 對(duì)Xj，t，（j= 1，...，K'）劃分的模糊集合，為規(guī)則Rq中第j個(gè)數(shù)據(jù)流信號(hào)特征X^的最 大隸屬模糊集合，在M個(gè)規(guī)則中，找出與步驟十六構(gòu)建的模糊輸入相似性最高的規(guī)則Rq，，如 公式（16)所示；
[0061]S(X(t)，Rq，）彡S(X(t)，Rq)，（q=l，...M)，q'G{1，2，-..，M}公式（16)
[0062] 在公式（16)中，Rq，為與異常數(shù)據(jù)流信號(hào)特征構(gòu)建的模糊輸入相似性最高的規(guī)則， Rq，的模糊輸出為異常數(shù)據(jù)流信號(hào)特征Xt=[xu，x2，t，. . .，xk，，t]對(duì)應(yīng)的入侵檢測(cè)結(jié)果；
[0063] 利用Xt構(gòu)建的模糊輸入與規(guī)則Rq，的模糊輸出，構(gòu)建新的模糊規(guī)則RnOT，利用規(guī)則 RMW擴(kuò)充模糊規(guī)則庫(kù)S。規(guī)則Rn"選為與Xt構(gòu)建的模糊輸入匹配的規(guī)則，進(jìn)入步驟二十；
[0064] 步驟十九：在數(shù)據(jù)庫(kù)中選擇與Xt構(gòu)建的模糊輸入匹配的所有規(guī)則，選擇匹配度最 高的規(guī)則的模糊輸出為定位結(jié)果。規(guī)則匹配度如公式（17)所示。
[0065]Mq= ?qXCFq, (q= (17)
[0066] 選擇匹配度最大的規(guī)則Rq#，其滿(mǎn)足公式十八。
[0067]Mq*彡Mq，（q= 1，...，M) (18)
[0068] 規(guī)則Rq#選為與X,構(gòu)建的模糊輸入匹配的規(guī)則；
[0069] 步驟二十：與&構(gòu)建的模糊輸入匹配規(guī)則的模糊輸出為入侵檢測(cè)定位結(jié)果，輸出 入侵檢測(cè)定位結(jié)果，并結(jié)束入侵檢測(cè)定位。
[0070] 進(jìn)一步的，步驟五中的數(shù)據(jù)流異常判決門(mén)限《/ = /7,1(〇.9)(./ = 1，2"./〇的計(jì)算過(guò)程如 下：
[0071] 首先，基于公式（3)所述的Epanechnikov核函數(shù)，得到Xj，j^概率密度函數(shù)fj(x) (j= 1，? ? ?，K)，如公式（3)所示：
[0072]
[0073] 其中，比為核密度估計(jì)帶寬，其取值根據(jù)Scott規(guī)則得到，如公式五所示， Epanechnikov核函數(shù)V的計(jì)算表達(dá)式如公式（4)所示，
[0074]
[0075] hj= 2. 345 〇jXm^2 (5)
[0076] 其中，〇」為第j個(gè)數(shù)據(jù)流中所有滑動(dòng)窗方差x的標(biāo)準(zhǔn)差；
[0077] 然后，計(jì)算各數(shù)據(jù)流滑動(dòng)窗方差的異常判決門(mén)限+(j= 1，...，K)，如公式（6)所 示：
[0078] uJ=F：x(Q.9) (6)
[0079] 進(jìn)一步的，步驟九的入侵檢測(cè)模糊規(guī)則庫(kù)構(gòu)建，即構(gòu)建信號(hào)特征與入侵區(qū)域的非 線性映射關(guān)系的模糊規(guī)則。構(gòu)建的模糊規(guī)則形式如下：
[0080] 規(guī)則1 :若;de41，且…，且,則入侵區(qū)域?yàn)閆i的置信度為CFi
[0081] 規(guī)則2 :若Ae<，且…，且心e< ,則入侵區(qū)域?yàn)閆2的置信度為CF2
[0082] .........
[0083] 規(guī)則N' ：若Ae41，且…，且~e <，則入侵區(qū)域?yàn)閆N，的置信度為CFN，
[0084] 其中，N'為合并后的規(guī)則數(shù)目，七，(./_二1，2,...，/〇為數(shù)據(jù)流信號(hào)特征（j= 1，2，...，K)隸屬度最大的模糊集合（"正常"、"異常"、"嚴(yán)重異常"），即，(弋）， (P= 1，2, 3)，模糊輸出Z1;Z2,? ? ?，ZN，G{Zone丨，Zone2,? ? ?，ZoneJ為入侵區(qū)域。
[0085] 進(jìn)一步的，步驟十五中利用實(shí)時(shí)監(jiān)測(cè)的非異常信號(hào)特征更新異常門(mén)限（j= 1，2,...，K'），使得入侵檢測(cè)定位算法能有效適應(yīng)實(shí)時(shí)變化的無(wú)線網(wǎng)絡(luò)環(huán)境。異常門(mén)限 Uj,(j= 1，2,? ? ?，K'）的更新方法如下：
[0086]首先，判斷動(dòng)態(tài)環(huán)境中各數(shù)據(jù)流的信號(hào)特征x」，t(j= 1，2，...，K'）是否大于各自 對(duì)應(yīng)的異常判決門(mén)限〃，=GAW),(j=1，2,. . .，K'），若各數(shù)據(jù)流的信號(hào)特征均小于各自 的異常判決門(mén)限，則判斷此時(shí)信號(hào)特征正常且監(jiān)測(cè)環(huán)境中無(wú)入侵，進(jìn)入步驟十五，否則，判 斷此時(shí)信號(hào)特征異常且監(jiān)測(cè)環(huán)境中有入侵情況出現(xiàn)，進(jìn)入步驟十六；
[0087] 然后，將步驟十三中判斷為正常的數(shù)據(jù)流信號(hào)特征Xj，t，（j= 1，. . .，K'）代入步驟 四中增加正常信號(hào)特征的數(shù)目利用公式三重新計(jì)算各數(shù)據(jù)流信號(hào)特征的分布函數(shù)，并利用 公式（6)重新計(jì)算異常判決門(mén)限
[0088] 進(jìn)一步的，步驟十三中利用實(shí)時(shí)監(jiān)測(cè)的數(shù)據(jù)流集合變化情況自適應(yīng)更新模糊規(guī)則 庫(kù)，其更新方法如下：
[0089] 首先，對(duì)由于無(wú)線接入點(diǎn)增加引起的新出現(xiàn)的數(shù)據(jù)流（即SfA'且&g3 )的信 號(hào)特征將其劃分到新的模糊集合"無(wú)關(guān)"中，隸屬度設(shè)為1，模糊集合"無(wú)關(guān)"用A4表示， 即心(巧,,）=1，利用公式三計(jì)算新出現(xiàn)的數(shù)據(jù)流（即A'且)的信號(hào)特征的分布 函數(shù)A(x)，并利用公式六計(jì)算新出現(xiàn)的數(shù)據(jù)流h的異常判決門(mén)限士二圩如.9);
[0090] 然后，對(duì)由于無(wú)線接入點(diǎn)故障引起消失的數(shù)據(jù)流（即heA且)的信號(hào)特 征將其模糊劃分改為"無(wú)關(guān)"，其隸屬度設(shè)為1，即h4(\v)=1;
[0091] 進(jìn)一步的，步驟十八中利用相似性構(gòu)建新的模糊規(guī)則R_并進(jìn)行入侵檢測(cè)定位，相 似性構(gòu)建模糊規(guī)則的過(guò)程如下：
[0092] 首先，設(shè)定模糊集合間的距離為：D("正常"，"異常"）=1，D("異常"，"嚴(yán)重異常"） =1，D( "嚴(yán)重異常"，"無(wú)關(guān)"）=1，D( "正常"，"嚴(yán)重異常"）=2，D( "正常"，"無(wú)關(guān)"）= 3,D( "異常"，"無(wú)關(guān)"）=2,計(jì)算Xt=[xu，. . .，xK，，t]構(gòu)建的模糊輸入與規(guī)則庫(kù)S中的規(guī) 貝IJ的相似性，如公式（15)所示；
[0093]
[0094] 其中，Rq為規(guī)則庫(kù)S中第q個(gè)規(guī)則，M為規(guī)則庫(kù)S中的規(guī)則數(shù)目。4為步驟十六 中對(duì)Xj，t，（j= 1，. . .，K'）劃分的模糊集合，七為規(guī)則Rq中第j個(gè)數(shù)據(jù)流信號(hào)特征x的 最大隸屬模糊集合。在M個(gè)規(guī)則中，找出與步驟十六構(gòu)建的模糊輸入相似性最高的規(guī)則Rq，， 如公式（16)所示；
[0095] S(X(t)，Rq，）彡S(X(t)，Rq)，（q=l，...M)，q'G{1，2，...，M}公式（16)
[0096] 在公式（16)中，Rq，為與異常數(shù)據(jù)流信號(hào)特征構(gòu)建的模糊輸入相似性最高的規(guī)則，Rq，的模糊輸出為異常數(shù)據(jù)流信號(hào)特征Xt=[xu，x2，t，. . .，xk，，t]對(duì)應(yīng)的入侵檢測(cè)結(jié)果； [0097] 然后，利用Xt構(gòu)建的模糊輸入與規(guī)則Rq，的模糊輸出，構(gòu)建新的模糊規(guī)則Rn"，利 用規(guī)則R_擴(kuò)充模糊規(guī)則庫(kù)S。規(guī)則Rn"選為與Xt構(gòu)建的模糊輸入匹配的規(guī)則，進(jìn)入步驟 二十。
[0098] 本發(fā)明的優(yōu)點(diǎn)及有益效果如下：
[0099] 本發(fā)明基于模糊規(guī)則更新的室內(nèi)WLAN被動(dòng)入侵檢測(cè)定位方法第一、相對(duì)于傳統(tǒng) 的室內(nèi)檢測(cè)定位方法無(wú)需待定位目標(biāo)攜帶定位設(shè)備，且無(wú)需待定位目標(biāo)主動(dòng)參與，利用監(jiān) 測(cè)環(huán)境中的WLAN信號(hào)數(shù)據(jù)流的變化實(shí)現(xiàn)檢測(cè)和定位。第二、本發(fā)明在現(xiàn)有廣泛的WLAN網(wǎng) 絡(luò)上即可實(shí)現(xiàn)，無(wú)需額外的網(wǎng)絡(luò)部署和硬件設(shè)備升級(jí)，節(jié)省開(kāi)銷(xiāo)。第三、本發(fā)明步驟五中的 數(shù)據(jù)流異常判決門(mén)限的計(jì)算創(chuàng)新的利用數(shù)據(jù)