一种基于双谱特征和提升树的手机个体识别方法技术

本发明专利技术公开了一种基于双谱特征和提升树的手机个体识别方法，通过分别对所有样本进行采样及预处理后通过计算四种积分双谱，从而组合得到训练卷积神经网络的特征集，然后将特征集按比例划分为训练特征集YTrain和测试特征集Ytest，再使用Ytrain训练提升树，并利用提升树的拟合残差作为下一轮的目标进行训练，最后利用训练好的提升树对测试集YTest进行分类决策，最终输出手机个体识别结果。

A Mobile Phone Individual Recognition Method Based on Bispectral Feature and Lifting Tree

The invention discloses a method of mobile phone individual recognition based on bispectrum feature and lifting tree. By sampling and pretreatment of all samples respectively and calculating four integral bispectrums, the feature set of training convolution neural network is combined, and then the feature set is divided into training feature set YTrain and testing feature set Ytest according to the proportion, and then Ytrain is used to train lifting tree. Fitting residuals of lifting tree are used as the target of the next round of training. Finally, YTest is used to classify the test set, and finally the results of individual recognition of mobile phone are output.

【技术实现步骤摘要】
一种基于双谱特征和提升树的手机个体识别方法
本专利技术属于通信
，更为具体地讲，涉及一种基于双谱特征和提升树的手机个体识别方法。
技术介绍
通信辐射源个体识别通过对接收信号特征测量，确定产生信号的辐射源个体，其定义为“将辐射源惟一电磁特征与辐射源个体关联能力”。辐射源个体特征一般是由于其内部元器件之间也存在着微小差异(如器件的非线性、频率源的不稳定性以及杂散输出等)，这种特征也称为通信信号的“指纹”，是指通信信号中用于标识发送该信号的通信设备身份的特征，对每个个体来说，这种特征是唯一的。目前，通信辐射源个体识别技术已经成为通信信号处理领域里的一个研究热点。通信辐射源个体识别的目标是通过利用通信号信号中的能够标识辐射源个体的细微特征集(一般称为信号细微特征)与数据库中的细微特征集进行匹配，从而达到辐射源个体识别的目的。随着通信技术的发展，无线网络纷繁复杂，为保证无线网络的安全性，需要对网络的用户进行身份验证，原有的身份验证方式主要是密钥验证，但是非法用户若窃取到了密钥，仍然可以入侵无线网络。若同时采取密钥身份验证和硬件个体身份验证两种方式，无线网络的安全性就可大大提高。如在认知无线电领域，移动通信设备如手机，通过感知所在无线网络内的频谱环境，找到注册手机的空闲时段进行通信，在频谱越来越紧张的今天，认知无线电技术大大提高了频谱利用率。然而，这种技术的缺陷在于，目前采用的通过软件认证的方式很容易模仿，这个漏洞也容易被恶意攻击方利用，发动PUE(PrimaryUserEmulation)攻击，从而造成信息泄露或频谱被长期非法占用，给网络管理带来了极大的麻烦。通过本专利技术手机辐射源个体的识别技术，从物理层进行认证，这种认证方式是个体唯一、极难被模仿的，通过设备被动认证，不需要设备间的协作，实施方便，可以有效的阻止PUE攻击，增强认知无线电网络的安全性。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种基于双谱特征和提升树的手机个体识别方法，利用手机设备个体特征的唯一性、不可模仿性，极大地增强无线电网络的安全性。为实现上述专利技术目的，本专利技术一种基于双谱特征和提升树的手机个体识别方法，其特征在于，包括以下步骤：(1)、对待识别的手机个体采样在手机通话阶段，使用AD9361软件无线电平台对待识别的手机个体采样，采样频段为a～bMHz，采样频率为fsMHz，其中，设待识别的手机个体共C个，每个手机个体采样M组采样数据，则待识别的手机个体共计采样出C×M组采样数据；(2)、采样数据预处理将C×M组采样数据依次通过PCIE实时传输到PC机上，再对采样数据进行解帧和重组，得到I、Q两路数据信号；(3)、获取数据样本集计算I、Q两路数据信号的模值，挑选出I、Q两路数据信号中数据长度等于L且模值大于预设阈值的数据信号，再将这些数据信号对应的采样数据保存在数据样本集S{n}中，n表示数据样本集中采样数据的个数，n≤C×M；(4)、提取数据样本集S{n}的四种积分双谱SIB(ω)、PRIB(α)、CIB(α)和AIB(ω)，并组合成样本特征集Y；(5)、训练提升树(5.1)、将样本特征集Y分为训练特征集YTrain和测试特征集YTest；设训练集YTrain和测试集YTest中均包含N类手机，每类手机训练一列树，每列树训练H棵树；设训练集YTrain中的每个样本为xi，每个样本xi中有P个特征，每个样本xi的拟合初始值设为将所有的样本xi和对应的拟合初始值组合成样本集Yroot；(5.2)、在每列树的每棵树中，初始化根节点R，使满足xi∈R；设置根节点R计数值rc的取值范围为[1,2,…,m]，m为计数最大值；初始化根节点R计数值为rc＝1，根节点R输出值fn＝0，特征划分下标pc＝0和特征划分值RL＝0；(5.3)、在样本集Yroot中，将所有的样本xi的特征中标记出单个特征最大值值Pmax和单个特征最小值Pmin；在所有特征中设置η-1个划分点，并计算出每个划分点Lk，Lk＝Pmin+k/η*(Pmax-Pmin)，k＝1,2,…,η-1；(5.4)、在样本集Yroot中，将所有的样本xi的特征值小于划分点Lk的样本xi放入训练特征集Yroot_L，将特征值大于划分点Lk的样本xi放入训练特征集Yroot_R；然后计算每个RLk，其中，若样本xi的类别数与当前列数相同，则y'xi＝1，否则y'xi＝0；hxi＝1，λ和γ分别为设置的常数；(5.5)、在η-1个RLk值中选出划分点RL，RL＝max(RL1,RL2,…,RLη-1)，再将根节点R的特征划分下标值pc设置为使RLk取最大值的k，即pc＝argmax(RL1,RL2,…,RLη-1)；(5.6)、在样本集Yroot中，将所有的样本xi的特征值小于划分点RL的样本xi归属于根节点R的左子节点RL，将特征值大于划分点RL的样本xi归属于根节点R的右子节点RR，然后将根节点R的计数值rc加1后作为RL和RR的rc值；(5.7)、计算左子节点RL的输出值其中，若样本xi的类别数与当前列数相同，则y’xi＝1，否则y’xi＝0；计算右子节点RR的输出值其中，若样本xi的类别数与当前列数相同，则y'xi＝1，否则y'xi＝0；(5.8)、判断子节点RL的rc值是否达到最大值m，如果达到最大值m，则所有的样本xi∈RL，样本xi拟合值fn为子节点RL输出值，再进行步骤(5.9)，否则，重复步骤(5.3)--(5.7)；(5.9)、判断子节点RR的rc值是否达到最大值m，如果达到最大值m，则所有的样本xi∈RR，样本xi拟合值fn为子节点RR输出值，再进行步骤(5.10)，否则，重复步骤(5.3)--(5.7)；(5.10)、重复步骤(5.2)--(5.9)，直到该列树中的每棵树遍历完成，达到该列树的H棵树训练完毕，再重复步骤(5.2)--(5.9)进行下一列树的H棵树的训练，直到N列树全部训练完毕，得到训练完成的提升树；(6)、将测试特征集YTest中的样本xi输入至训练完成的提升树，输出手机个体识别结果。本专利技术的专利技术目的是这样实现的：本专利技术基于双谱特征和提升树的手机个体识别方法，通过分别对所有样本进行采样及预处理后通过计算四种积分双谱，从而组合得到训练卷积神经网络的特征集，然后将特征集按比例划分为训练特征集YTrain和测试特征集Ytest，再使用Ytrain训练提升树，并利用提升树的拟合残差作为下一轮的目标进行训练，最后利用训练好的提升树对测试集YTest进行分类决策，最终输出手机个体识别结果。同时，本专利技术基于双谱特征和提升树的手机个体识别方法还具有以下有益效果：(1)、提取的手机个体特征稳定度较好，四种双谱几乎涵盖了大多数有意义的积分路径，它们提取的特征能够互相补充，期望获得更优的识别效果，从而提高了手机个体的识别率，并且该专利技术所使用的方法适用且很容易推广到3G、4G频段的手机个体识别，可以增强混合认知无线电网络的安全性。(2)、平台可以采用分布式部署，可将手机信号特征提取过程部署在分布式平台上，采用并行计算，可大幅度节约特征提取花费时间；特征列排序后以块的形式存储在内存中，在迭代中可以重复使用，降低运算量。(3)、本专利技术为辐射源识别个体识别提供了一种新的思本文档来自技高网...

【技术保护点】
1.一种基于双谱特征和提升树的手机个体识别方法，其特征在于，包括以下步骤：(1)、对待识别的手机个体采样在手机通话阶段，使用AD9361软件无线电平台对待识别的手机个体采样，采样频段为a～bMHz，采样频率为fsMHz，其中，设待识别的手机个体共C个，每个手机个体采样M组采样数据，则待识别的手机个体共计采样出C×M组采样数据；(2)、采样数据预处理将C×M组采样数据依次通过PCIE实时传输到PC机上，再对采样数据进行解帧和重组，得到I、Q两路数据信号；(3)、获取数据样本集计算I、Q两路数据信号的模值，挑选出I、Q两路数据信号中数据长度等于L且模值大于预设阈值的数据信号，再将这些数据信号对应的采样数据保存在数据样本集S{n}中，n表示数据样本集中采样数据的个数，n≤C×M；(4)、提取数据样本集S{n}的四种积分双谱SIB(ω)、PRIB(α)、CIB(α)和AIB(ω)，并组合成样本特征集Y；(5)、训练提升树(5.1)、将样本特征集Y分为训练训练特征集YTrain和测试特征集YTest；设训练集YTrain和测试集YTest中均包含N类手机，每类手机训练一列树，每列树训练H棵树；设训练集YTrain中的每个样本为xi，每个样本xi中有P个特征，每个样本xi的拟合初始值设为...

【技术特征摘要】
1.一种基于双谱特征和提升树的手机个体识别方法，其特征在于，包括以下步骤：(1)、对待识别的手机个体采样在手机通话阶段，使用AD9361软件无线电平台对待识别的手机个体采样，采样频段为a～bMHz，采样频率为fsMHz，其中，设待识别的手机个体共C个，每个手机个体采样M组采样数据，则待识别的手机个体共计采样出C×M组采样数据；(2)、采样数据预处理将C×M组采样数据依次通过PCIE实时传输到PC机上，再对采样数据进行解帧和重组，得到I、Q两路数据信号；(3)、获取数据样本集计算I、Q两路数据信号的模值，挑选出I、Q两路数据信号中数据长度等于L且模值大于预设阈值的数据信号，再将这些数据信号对应的采样数据保存在数据样本集S{n}中，n表示数据样本集中采样数据的个数，n≤C×M；(4)、提取数据样本集S{n}的四种积分双谱SIB(ω)、PRIB(α)、CIB(α)和AIB(ω)，并组合成样本特征集Y；(5)、训练提升树(5.1)、将样本特征集Y分为训练训练特征集YTrain和测试特征集YTest；设训练集YTrain和测试集YTest中均包含N类手机，每类手机训练一列树，每列树训练H棵树；设训练集YTrain中的每个样本为xi，每个样本xi中有P个特征，每个样本xi的拟合初始值设为将所有的样本xi和对应的拟合初始值组合成样本集Yroot；(5.2)、在每列树的每棵树中，初始化根节点R，使满足xi∈R；设置根节点R计数值rc的取值范围为[1,2,…,m]，m为计数最大值；初始化根节点R计数值为rc＝1，根节点R输出值fn＝0，特征划分下标pc＝0和特征划分值RL＝0；(5.3)、在样本集Yroot中，将所有的样本xi的特征中标记出单个特征最大值值Pmax和单个特征最小值Pmin；在所有特征中设置η-1个划分点，并计算出每个划分点Lk，Lk＝Pmin+k/η*(Pmax-Pmin)，k＝1,2,…,η-1；(5.4)、在样本集...

【专利技术属性】
技术研发人员：杨远望，王炳程，游长江，朱学勇，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51