一种通信辐射源时频特征提取与个体识别方法及系统技术方案

一种通信辐射源时频特征提取与个体识别方法及系统，包括以下步骤：射频数据接收，对原始射频数据信号按信号帧进行均值——方差归一化，使每帧信号均服从均值为0，方差为1的高斯分布；对归一化之后的信号帧进行短时傅里叶变换，调整变换参数，得到的时频矩阵为方阵；对时频矩阵进行最大值——最小值归一化，然后进行取整操作，得到灰度图像；时频灰度图像作为输入，输出样本所属的类别。本发明专利技术基于非参数化时频特征的半监督通信辐射源个体识别方法在具体应用时，采用的时频特征可以更好的表征无线信号中的细微特征，方法的泛化能力较强；其次采用半监督学习的方法可以有效解决在大规模个体识别中，标签数据集难以获取和标签数据集的错误标签问题。据集的错误标签问题。据集的错误标签问题。

【技术实现步骤摘要】
一种通信辐射源时频特征提取与个体识别方法及系统


[0001]本专利技术属于通信辐射源个体识别
，特别涉及一种通信辐射源时频特征提取与个体识别方法及系统。

技术介绍

[0002]随着无线通信技术的快速发展和物联网设备的数量的快速增长，无线通信系统的安全性日益受到人们的重视，传统基于密钥的身份认证系统由于易窃取，易更改等问题，难以满足物联网时代大规模无线设备的身份认证问题，因此设计一种智能的身份认证系统进行合法设备辨识也就变得极为重要。在通信系统中，通信辐射源之间由于其硬件设备的特性差异，导致发射的无线信号中带有可区分的细微特征，这部分细微特征被称为射频指纹，与发射机结构中的载波频偏、相位偏移以及功率放大器非线性特性等有关。由于射频指纹的唯一性、稳定性、不可改变性等特性，现如今，基于射频指纹的通信辐射源个体识别技术已经称为了频谱监管和个体识别的重要技术。
[0003]传统的基于射频指纹的通信辐射源个体识别技术，首先进行专家特征提取，然后利用分类器进行个体识别，这种方法存在复杂度较高，先验信息难以提取等问题，泛化能力和鲁棒性较低。得益于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种通信辐射源时频特征提取与个体识别方法，其特征在于，包括以下步骤：射频数据接收，对原始射频数据信号按信号帧进行均值——方差归一化，使每帧信号均服从均值为0，方差为1的高斯分布；对归一化之后的信号帧进行短时傅里叶变换，调整变换参数，得到的时频矩阵为方阵；对时频矩阵进行最大值——最小值归一化，然后进行取整操作，得到灰度图像；得到包含大量数据的无标签时频数据集，以及包含少量数据的标签时频数据集；时频灰度图像作为输入，并在像素值均值——方差归一化后输入卷积神经网络，采用半监督学习方法进行网络训练，训练好的网络模型用于个体分类识别，接受新的时频样本作为输入，并输出样本所属的类别。2.根据权利要求1所述的一种通信辐射源时频特征提取与个体识别方法，其特征在于，短时傅里叶变换具体为：对每一信号帧进行短时傅里叶变换STFT，通过调整STFT的FFT长度，overlap长度参数，得到的时频矩阵为一方阵。3.根据权利要求1所述的一种通信辐射源时频特征提取与个体识别方法，其特征在于，得到灰度图像具体为：对时频矩阵进行最大值——最小值归一化，然后乘以255后进行取整，将时频矩阵值映射到[0，255]区间，即一个像素大小为W
×
W的灰度图像。4.根据权利要求1所述的一种通信辐射源时频特征提取与个体识别方法，其特征在于，均值——方差归一化和最大值——最小值归一化的计算公式分别为：均值——方差归一化和最大值——最小值归一化的计算公式分别为：5.根据权利要求1所述的一种通信辐射源时频特征提取与个体识别方法，其特征在于，得到包含大量数据的无标签时频数据集D＝(x
i
)
i∈[1，N]
，以及包含少量数据的标签时频数据集S＝(x
si
，y
i
)
i∈[1，M]
，其中x为时频数据，y为对应的标签数据，M＜＜N；构建每一批训练的数据集：对于每一个时频图像x
i
∈D执行随机数据增强，方式包括：几何变换、仿射变换、视觉变换、添加随机噪声或高斯滤波操作，具体增强方式为每次随机选取；经过数据增强以后，每个x
i
得到两个视图样本和分别称为锚视图和正视图；对于x
si
∈S，不进行任何数据增强操作。6.根据权利要求5所述的一种通信辐射源时频特征提取与个体识别方法，其特征在于，得到每一批训练的数据集，其中锚视图数据集为正视图数据集为标签数据集为x
s
∈R
m
×
(w
×
w
×
1)
，n和m分别为对应的批大小；对于标签数据集中数据对应的标签进行独热编码，得到对应的标签矩阵为y
s
∈R
...

【专利技术属性】
技术研发人员：任品毅，任占义，张田田，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：