一种用于电台调制信号的射频指纹识别方法技术

本发明专利技术公开了一种用于电台调制信号的射频指纹识别方法。该方法包括构建第一层PD

【技术实现步骤摘要】
一种用于电台调制信号的射频指纹识别方法


[0001]本专利技术涉及通信
，尤其涉及一种用于电台调制信号的射频指纹识别方法。

技术介绍

[0002]随着无线通信技术的迅猛发展，不断增长的无线应用需求和稀缺的频谱资源之间的矛盾日益突出，作为应对该问题的一种有效途径，认知无线电网络(Cognitive Radio Networks,CRN)近年来受到广泛关注。在CRN中，安全认证问题长久以来都是其研究的一个关键问题，传统采用密钥分发的机制中，攻击者一旦获得密钥，很容易干扰网络内设备的正常通信。鉴于此，现有技术中提出利用射频指纹识别技术识别非法设备的思路，其基本思想是：受制造工艺的限制，不同无线设备的物理特性存在或多或少的差异，这些特性差异在其发射的通信信号中有所体现，通过分析不同无线设备的射频信号可以识别非法设备，即利用辐射源射频特征的唯一性对不同设备身份进行识别，以提升网络安全性。
[0003]目前，现有技术中利用深度学习技术进行设备指纹识别的方法，将信号样本作为神经网络输入，通过端到端的学习完成设备指纹识别。这些方法在低成本和消费级通信设备进行了验证，将发射机信号直接或简单处理后送入神经网络进行训练，不依赖人工提取特征，较大降低了研发过程中的时间成本。低成本和消费级设备的时钟偏差、时钟稳定度和射频放大器非线性等指标要求较低，细微特征提取较为容易。这类方法的不足在于过于依赖经典神经网络进行细微特征提取，而此类网络并非设计用于通信信号的特征提取，此类网络在采用高制造标准的通信电台信号的细微特征提取上失效。r/>
技术实现思路

[0004]本专利技术主要解决的技术问题是提供一种用于电台调制信号的射频指纹识别方法，解决现有技术中对电台调制信号难以有效提取频率细微特征，以及识别效率低，不能在多种信噪比条件下提高识别精度的问题。
[0005]为解决上述技术问题，本专利技术采用的一个技术方案是提供一种用于电台调制信号的射频指纹识别方法，包括步骤：包括步骤：第一步，构建PD
‑
RNN网络，所述PD
‑
RNN网络中包括PD模块，用于进行复采样信号的相位差分的操作，在时刻n向所述PD模块输入待识别调制信号的复信号采样点s
n
，同时所述PD模块也输入复采样数据向量PD模块输出的相位差分后的向量p
n
与连接后，再与权值向量W相乘加上偏向量b，并经tanh激活函数后得到新的隐藏向量PD
‑
RNN网络输出为第二步，构建LSTM网络，将PD
‑
RNN网络的输出端接入到所述LSTM网络的输入端，在所述LSTM网络的输出层为Softmax层，用于射频指纹识别的分类输出。
[0006]优选的，在构建PD
‑
RNN网络步骤中，满足：
[0007][0008][0009][0010][0011]其中，Q为最大相位差分间隔，PD模块提供了间隔为0～Q
‑
1的相位差分用于计算，符号为矩阵Kronecker乘，11×
Q
表示维度为1
×
Q的全1行向量，符号(
·
)表示矩阵点乘，为复采样数据向量，中存储了Q个n时刻之前的复信号采样点，为复数p
n
取出的实部和虚部后组成的向量，也为复数向量。
[0012]优选的，所述PD
‑
RNN网络按照下式对和进行更新：
[0013][0014]上式中符号表示取向量的前Q
‑
1个元素，不含第Q
‑
1个元素。
[0015]优选的，在构建LSTM网络步骤中，所述LSTM网络为包含一个单元数为128的LSTM网络层。
[0016]优选的，所述待识别调制信号为CPFSK调制信号。
[0017]优选的，所述CPFSK调制信号采用全响应L＝1的方形滤波器的第k个CPFSK调制符号，即：
[0018][0019]其中，a
k
为信息码序列,h为调制指数，载波频率为f
c
，k的取值为从0开始的正整数，即k＝0,1,2,
…
，设T为每个CPFSK符号持续时间，T
k
＝kT为第k个符号之前所有符号的持续总时间，为第k
‑
1个CPFSK符号的结束相位。
[0020]优选的，载波频率f
c
细微特征是发射机细微特征的重要组成部分，载波频率的细微偏差归结于电台发射机的载波频率偏差；发射机载波频率为f
c
＝f
cb
+f
e
，其中f
e
为载波偏移量，f
cb
为载波频率标称值；载波频率偏差值是随机引入发射机的，不同的发射机具有不同的载波频率偏差。
[0021]优选的，基于载波频率偏差，第k个CPFSK调制符号为：
[0022][0023]将上述CPFSK调制信号以标称载波频率f
cb
下变频至基带，得到基带信号如下：
[0024][0025]优选的，利用所述PD
‑
RNN网络和LSTM网络对所述CPFSK调制信号进行射频识别验证，包括步骤有：首先，采集数据，利用N台相同型号的超短波通信电台，这些电台通过自组织网络协议进行组网通信，信号调制方式采用4
‑
CPFSK，电台以TDMA模式收发数据，各电台信号接收时经过下变频变至基带后，采用同一个采集设备进行数据采集；然后，先设置Softmax分类器输出节点数为a1，此时训练集仅包含a1部电台的采集信号；当训练集分类精度达到90％以上时，停止训练；然后，在训练集中增加m个电台数据，并将Softmax分类器输
出节点增加到a2，在a1分类训练的基础上进行a2分类训练，同样分类精度达到90％时停止训练；以此类推，逐步增加训练集的电台数目，直到全部N个电台都参与训练；最后，实验效果检验，参与训练的电台数N按照前述方法进行训练后，选取不同Q取值，对训练总时间、总步数及训练最终效果进行统计分析。
[0026]优选的，所述电台信号中还叠加不同信噪比的加性噪声，以此验证不同信噪比条件下的射频识别的精度。
[0027]本专利技术的有益效果是：本专利技术公开了一种用于电台调制信号的射频指纹识别方法。该方法包括构建第一层PD
‑
RNN网络，为CPFSK通信信号的细微频率特征的提取提供了便利，同时还保留了可以将通信信号的原始细微特征交由第二层网络继续进行提取；构建第二层LSTM网络，该网络可以用于处理时间序列中间隔较长的事件，同时还保留了处理时间序列间隔较短的事件的能力。实验结果表明，本专利技术用于电台调制信号的射频指纹识别方法，具有较强的泛化能力，在较低信噪比下具有近90％的识别准确率，在较高信噪比识别准确率接近100％。
附图说明
[0028]图1是根据本专利技术用于电台调制信号的射频指纹识别方法一实施例中的组本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于电台调制信号的射频指纹识别方法，其特征在于，包括步骤：第一步，构建PD
‑
RNN网络，所述PD
‑
RNN网络中包括PD模块，用于进行复采样信号的相位差分的操作，在时刻n向所述PD模块输入待识别调制信号的复信号采样点s
n
，同时所述PD模块也输入复采样数据向量PD模块输出的相位差分后的向量p
n
与连接后，再与权值向量W相乘加上偏向量b，并经tanh激活函数后得到新的隐藏向量PD
‑
RNN网络输出为第二步，构建LSTM网络，将PD
‑
RNN网络的输出端接入到所述LSTM网络的输入端，在所述LSTM网络的输出层为Softmax层，用于射频指纹识别的分类输出。2.根据权利要求1所述的用于电台调制信号的射频指纹识别方法，其特征在于，在构建PD
‑
RNN网络步骤中，满足：RNN网络步骤中，满足：RNN网络步骤中，满足：RNN网络步骤中，满足：其中，Q为最大相位差分间隔，PD模块提供了间隔为0～Q
‑
1的相位差分用于计算，符号为矩阵Kronecker乘，11×
Q
表示维度为1
×
Q的全1行向量，符号(
·
)表示矩阵点乘，为复采样数据向量，中存储了Q个n时刻之前的复信号采样点，为复数p
n
取出的实部和虚部后组成的向量，也为复数向量。3.根据权利要求2所述的用于电台调制信号的射频指纹识别方法，其特征在于，所述PD
‑
RNN网络按照下式对和进行更新：上式中符号表示取向量的前Q
‑
1个元素，不含第Q
‑
1个元素。4.根据权利要求1所述的用于电台调制信号的射频指纹识别方法，其特征在于，在构建LSTM网络步骤中，所述LSTM网络为包含一个单元数为128的LSTM网络层。5.根据权利要求1所述的用于电台调制信号的射频指纹识别方法，其特征在于，所述待识别调制信号为CPFSK调制信号。6.根据权利要求5所述的用于电台调制信号的射频指纹识别方法，其特征在于，所述CPFSK调制信号采用全响应L＝1的方形滤波器的第k个CPFSK调制符号，即：其中，a
k
为信息码序列,h为调制指数，载波频...

【专利技术属性】
技术研发人员：董政，刘伯栋，王伯昶，黄晓可，王大明，张先志，解庆纷，刘翼，麻曰亮，刘备，张广军，
申请(专利权)人：中国人民解放军六三八九一部队，
类型：发明
国别省市：