一种基于双谱和EMD融合特征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和EMD融合特征的手机个体识别方法，通过分别对所有样本通过计算双谱，再利用PCA降维，得到特征集X；同时计算样本经验模态分解，得到信号杂散成分的功率谱，再通过Fisher判别分析得到特征集Y；对特征集X和Y做CCA特征融合得到融合特征集Z；对Z按m％:n％的比例做水平切分得到训练集Z

【技术实现步骤摘要】
一种基于双谱和EMD融合特征的手机个体识别方法
本专利技术属于通信
，更为具体地讲，涉及一种基于双谱和EMD融合特征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，提供一种基于双谱和EMD融合特征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和EMD融合特征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，再通过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，将采样数据的长度等于L且模值大于预设阈值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)、求取样本特征集X计算每个数据样本的双谱，再求取其矩形围线积分作为双谱特征，最后利用多分类Fisher判别双谱特征，将双谱特征分离度最大的k个特征作为样本特征集X；(5)、求取样本特征集Y计算每个数据样本的经验模态分解，再去除主分量和噪声后计算出杂散成分的功率谱，最后利用主成分分析法对杂散成分的功率谱进行降维，将降维后最大的前p个主成分分量作为样本特征集Y；(6)、利用典型相关分析法对样本特征集X和样本特征集Y进行特征融合，得到融合后的特征集Z，对Z按m％:n％的比例做水平切分，其中，m％作为训练集ZTrain，剩下的为测试集ZTest；(7)、构建随机森林分类器，用训练集ZTrain训练该分类器，并利用训练好的分类器对测试集ZTest进行分类决策，最终输出手机个体识别结果。其中，所述步骤(4)中，求取双谱的矩形围线积分作为双谱特征的具体方法为：(2.1)、将每一个长度为L的样本数据分成K段,保持相邻数据段重叠部分为T％，每段数据长度为表示下取整，并对每段数据去均值；(2.2)、第i段数据的DFT系数Y(i)(λ)：其中，是去均值后的第i段数据，λ是DFT变换后的频点；(2.3)、计算DFT系数的三阶相关：其中，L1的取值满足是在双谱区域沿水平和垂直方向上所要求的两频率采样点之间的间隔，λ1,λ2是频域的相关变量；(2.4)、计算数据样本的双谱其中，(2.5)、对双谱求模得到B(ω1,ω2)，再求取B(ω1,ω2)的矩形围线积分，得到积分后的双谱特征B(l)：其中，Rl表示以零点为中心，在第一、四象限的一组矩形的积分路径，l＝1,2,…,Pl，Pl是积分路径的条数；(2.6)、重复上述步骤(2.1)～(2.5)，计算得到特征集S{n}中每一个样本的矩形围线积分双谱特征。进一步的，所述步骤(5)中，计算杂散成分的功率谱的具体方法为：(3.1)、计算每个样本x(n)的EMD：其中，J表示EMD分解层数，x(n)表示数据样本集S{n}中的数据样本，cj(n)表示第j个成分分量，r(n)表示信号分解后的残差；(3.2)、去除信号的主要成分和噪声成分c1(n)、cJ(n)，将余下的分量求和，得到杂散信号成分(3.3)、对杂散成分xo(n)进行FFT变换，得到功率谱Xo(ω)；(3.4)、重复上述步骤(3.1)～(3.3)，计算得到样本集S{n}中的每一个样本杂散成分的功率谱系数。所述步骤(6)中，利用典型相关分析法对样本特征集X和样本特征集Y进行特征融合的具体方法为：(4.1)、令Sxx∈Rp×p，Syy∈Rq×q分别表示特征集X和Y的方差，Sxy∈Rp×q表示特征集X和Y的协方差，Syx是Sxy的对称矩阵，其中p，q分别是特征集X和特征集Y中的样本个数；(4.2)、构造协方差矩阵S：(4.3)、构造一组线性变换Wx,Wy，使其满足使得在两个特征集X和Y之间的特征对之间的相关性最大，即：其中(4.4)、令cov(X*)＝cov(Y*)＝1，使用拉格朗日乘子法求解上式的目标函数max{cov(X*,Y*)}，即求解关于两个方程的广义特征值问题，可以得到Wx,Wy：其中，R2是特征根对角矩阵，其中非零特征值的个数为d＝rank(Sxy)≤min(n,p,q)，并且按降序排列λ1≥λ2≥…λd，Wx,Wy分别是和非零特征值对应的特征向量空间；(4.5)、由上式得到Wx,Wy的对X和Y两个特征集做特征融合，得到融合后的特征集合：更进一步的，所述步骤(7)中，利用随机森林分类器对特征集Z进行分类决策的方法为：基于随机森林分类(RFC)的决策模型，由多个决策树{ht(z,θt)},z∈ZTrain组成的分类器；θt是相互独立且同分布的随机向量，表示每棵决策树的决策参量；z是输入的训练特征向量；首先用ZTrain训练随机森林分类器，然后对ZTest做分类预测，最终由所有决策树综合决定输入特征向量的最终类别标签，决策树的棵数为NT，采用多数投票法决策：其中，H(z)表示组合分类模型，O表示输出的手机个体类别。本专利技术的专利技术目的是这样实现的：本专利技术一种基于双谱和EMD融合特征的手机个体识别方法，通过分别对所有样本通过计算双谱，再利用PCA降维，得到特征集X；同时计算样本经验模态分解，得到信号杂散成分的功率谱，再通过Fisher判别分析得到特征集Y；本文档来自技高网...

【技术保护点】
一种基于双谱和EMD融合特征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f

【技术特征摘要】
1.一种基于双谱和EMD融合特征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，再通过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，将采样数据的长度等于L且模值大于预设阈值的采样数据保存在数据样本集S{}中，n表示数据样本集中采样数据的个数，n≤C×M；(4)、求取样本特征集X计算每个数据样本的双谱，再求取其矩形围线积分作为双谱特征，最后利用多分类Fisher判别双谱特征，将双谱特征分离度最大的k个特征作为样本特征集X；(5)、求取样本特征集Y计算每个数据样本的经验模态分解，再去除主分量和噪声后计算出杂散成分的功率谱，最后利用主成分分析法对杂散成分的功率谱进行降维，将降维后最大的前p个主成分分量作为样本特征集Y；(6)、利用典型相关分析法对样本特征集X和样本特征集Y进行特征融合，得到融合后的特征集Z，对Z按m％:n％的比例做水平切分，其中，m％作为训练集ZTrain，剩下的为测试集ZTest；(7)、构建随机森林分类器，用训练集ZTrain训练该分类器，并利用训练好的分类器对测试集ZTest进行分类决策，最终输出手机个体识别结果。2.根据权利要求1所述的一种基于双谱和EMD融合特征的手机个体识别方法，其特征在于，所述步骤(4)中，求取双谱的矩形围线积分作为双谱特征的具体方法为：(2.1)、将每一个长度为L的样本数据分成K段,保持相邻数据段重叠部分为T％，每段数据长度为表示下取整，并对每段数据去均值；(2.2)、第i段数据的DFT系数Y(i)(λ)：其中，是去值后的第i段数据，λ是DFT变换后的频点；(2.3)、计算DFT系数的三阶相关：其中，L1的取值满足是在双谱区域沿水平和垂直方向上所要求的两频率采样点之间的间隔，λ1,λ2是频域的相关变量；(2.4)、计算数据样本的双谱其中，(2.5)、对双谱求模得到B(ω1,ω2)，再求取B(ω1,ω2)的矩形围线积分，得到积分后的双谱特征B(l)：其中，Rl表示以零点为中心，在第一、四象限的一组矩形的积分路径，l＝1,2,…,Pl...

【专利技术属性】
技术研发人员：杨远望，丁敏，黄培培，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