基于深度卷积神经网络的大规模无线电信号识别方法技术

本发明专利技术提供一种基于深度卷积神经网络的大规模无线电信号识别方法，包括步骤：S1：通过接收机对通信辐射源个体的射频基带信号进行采集，获得I/Q基带信号；S2：截取I/Q基带信号的稳态信号片段作为通信辐射源个体的射频指纹；S3：将射频指纹按照4:1的比例分为一训练样本和一测试样本；S4：建立一深度卷积神经网络并利用训练样本和测试样本对深度卷积神经网络进行训练；S5：利用训练后的深度卷积神经网络对射频指纹进行识别。本发明专利技术的一种基于深度卷积神经网络的大规模无线电信号识别方法，可阻止设备克隆、重放攻击和用户身份假冒等问题的发生，准确地识别和认证物联对象，并可提高识别准确率和可靠性。别准确率和可靠性。别准确率和可靠性。

【技术实现步骤摘要】
基于深度卷积神经网络的大规模无线电信号识别方法


[0001]本专利技术涉及射频指纹提取与识别领域，尤其涉及一种基于深度卷积神经网络的大规模无线电信号识别方法。

技术介绍

[0002]信息安全是构建可靠、稳健的物联网的关键。由于无线电传输的开放性，无线通信网络带来的信息安全问题不断涌现，尤其是用户身份假冒、重放攻击和设备克隆等问题。可信的识别认证对于保障物联网设备信息安全至关重要。每个物联网设备都应具有自己的身份以形成一个可信的物联生态网络系统。为阻止设备克隆、重放攻击和用户身份假冒等问题的发生，如何准确地识别和认证物联对象是物联网面临的首要问题，也是物联网应用的基础。
[0003]传统的认证机制在应用层利用密码算法生成第三方难以仿冒的数值结果来实现，但这种应用层认证机制通常存在密钥泄露和协议安全漏洞等风险。现今，物联网感知层的终端设备具有智能化、多样化、复杂化等特点，传统的认证机制可以在一定程度上已难以满足物联网的信息安全需求。物理层认证是保障无线通信安全的核心技术之一，相比于应用层认证机制，它能够有效抵御模仿攻击，具有兼容性好，复杂度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度卷积神经网络的大规模无线电信号识别方法，包括步骤：S1：通过接收机对通信辐射源个体的射频基带信号进行采集，获得I/Q基带信号；S2：截取所述I/Q基带信号的稳态信号片段作为所述通信辐射源个体的射频指纹；S3：将所述射频指纹按照4:1的比例分为一训练样本和一测试样本；S4：建立一深度卷积神经网络并利用所述训练样本和所述测试样本对所述深度卷积神经网络进行训练；S5：利用训练后的所述深度卷积神经网络对所述射频指纹进行识别。2....

【专利技术属性】
技术研发人员：李靖超，应雨龙，
申请(专利权)人：上海电机学院，
类型：发明
国别省市：