一种多粒度智能分类方法及系统技术方案

本发明专利技术公开了一种多粒度智能分类方法及系统，方法包括以下步骤：利用接收机采集射频基带信号中I/Q两路信号；选取I路信号进行方差轨迹检测，截取稳态信号片段；对所述稳态信号片段进行数据标准化处理；计算数据标准化处理后的稳态信号片段的功率谱密度得到特征向量，将所述特征向量作为发射机的射频指纹，并生成射频基因库；利用智能分类器识别所述射频基因库的射频基因特征，输出识别结果，完成通信辐射源个体识别。本发明专利技术的实质性效果包括：通过智能分类器，能够针对具有不同粒度(厂家、型号、批次)的待识别信号，根据待分类特征数据的难易程度，对于提取到的信号特进行识别，实现物理层的设备识别。物理层的设备识别。物理层的设备识别。

【技术实现步骤摘要】
一种多粒度智能分类方法及系统


[0001]本专利技术涉及信号处理领域，特别涉及一种多粒度智能分类方法及系统。

技术介绍

[0002]随着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。近年来各国发生的攻击事件(如通过智能数据攻击导致电网发生切负荷、线路过载断线、连锁故障等)也逐步将电网在信息安全方面存在的各种隐患暴露出来。如何准确地识别和认证物联对象是电力物联网面临的首要问题，也是电力物联网应用的基础。
[0003]传统的认证机制是在应用层实现的，利用密码算法生成第三方难以仿冒的数值结果，但这种机制存在着协议安全漏洞和密钥泄露的风险。电力物联网非法接入设备的数据攻击将对整个网络造成严重的干扰与威胁，仅依靠传统的应用层密码认证方法难以保证通信系统的安全，因此设计有效的物理层认证系统具有重要意义。

技术实现思路

[0004]针对现有技术缺乏有效的物理层认证手段的问题，本专利技术提供了一种多粒度智能分类方法及系统，针对具有不同粒度(厂家、型号、批次)的待识别信号，根据待分类特征数据的难易程度，利用多粒度智能分类器进行识别以得到识别结果。
[0005]以下是本专利技术的技术方案。
[0006]一种多粒度智能分类方法，包括以下步骤：利用接收机采集射频基带信号中I/Q两路信号；选取I路信号进行方差轨迹检测，截取稳态信号片段；对所述稳态信号片段进行数据标准化处理；计算数据标准化处理后的稳态信号片段的功率谱密度得到特征向量，将所述特征向量作为发射机的射频指纹，并生成射频基因库；利用智能分类器识别所述射频基因库的射频基因特征，输出识别结果，完成通信辐射源个体识别。
[0007]作为优选，所述数据标准化处理包括：中心化—压缩处理，其数学公式如下所示：其中为截取的稳态信号片段，为标准化处理后的特征向量。
[0008]作为优选，所述利用智能分类器识别所述射频基因库的射频基因特征步骤中，智能分类器包括支持向量机和灰关联分类器，其中灰关联分类器识别所述射频基因库的射频基因特征的过程包括：
其中B
i
(i＝1,2,
…
)表示待识别的通信辐射源个体特征；定义已建立的通信辐射源个体特征与个体标签之间的射频基因库，包括：其中，C
j
(j＝1,2,
…
)表示已知合法的通信辐射源个体标签，c
j
(j＝1,2,
…
)表示特征参数；定义ρ∈(0，1)：定义ρ∈(0，1)：其中，ρ表示分辨系数，通常取值为0.5，ξ(b
i
(k),c
j
(k))表示B
i
与C
j
之间第k个特征参数的关联系数，ξ(B
i
,C
j
)表示B
i
与C
j
之间的灰色关联度；当求得B
i
与已知射频指纹库中的每一个C
j
(j＝1,2,
…
m)的关联度ξ(B
i
,C
j
)(j＝1,2,
…
,m)后，为了识别B
i
所属的通信辐射源个体是否为合法接入无线通信设备，加入了如下判断准则：若test<阈值，则B
i
所属的通信辐射源个体为非法接入无线通信设备；否则，B
i
所属的通信辐射源个体为合法接入无线通信设备，将B
i
分类至射频指纹库中最大关联度所属的通信辐射源个体标签。
[0009]本专利技术还提供一种多粒度智能分类系统，包括：接收机，用于采集射频基带信号中I/Q两路信号；预处理模块，用于选取I路信号进行方差轨迹检测，截取稳态信号片段；并对所述稳态信号片段进行数据标准化处理；计算模块，用于计算数据标准化处理后的稳态信号片段的功率谱密度得到特征向量，将所述特征向量作为发射机的射频指纹，并生成射频基因库；
智能分类器，用于识别所述射频基因库的射频基因特征，输出识别结果，完成通信辐射源个体识别。
[0010]作为优选，所述预处理模块执行的数据标准化处理包括：中心化—压缩处理，其数学公式如下所示：其中为截取的稳态信号片段，为标准化处理后的特征向量。
[0011]作为优选，所述智能分类器包括支持向量机和灰关联分类器，其中灰关联分类器识别所述射频基因库的射频基因特征的过程包括：其中B
i
(i＝1,2,
…
)表示待识别的通信辐射源个体特征；定义已建立的通信辐射源个体特征与个体标签之间的射频基因库，包括：其中，C
j
(j＝1,2,
…
)表示已知合法的通信辐射源个体标签，c
j
(j＝1,2,
…
)表示特征参数；定义ρ∈(0，1)：定义ρ∈(0，1)：其中，ρ表示分辨系数，通常取值为0.5，ξ(b
i
(k),c
j
(k))表示B
i
与C
j
之间第k个特征参数的关联系数，ξ(B
i
,C
j
)表示B
i
与C
j
之间的灰色关联度；当求得B
i
与已知射频指纹库中的每一个C
j
(j＝1,2,
…
m)的关联度ξ(B
i
,C
j
)(j＝1,2,
…
,m)后，为了识别B
i
所属的通信辐射源个体是否为合法接入无线通信设备，加入了如下判断准则：
若test<阈值，则B
i
所属的通信辐射源个体为非法接入无线通信设备；否则，B
i
所属的通信辐射源个体为合法接入无线通信设备，将B
i
分类至射频指纹库中最大关联度所属的通信辐射源个体标签。
[0012]本专利技术的实质性效果包括：通过智能分类器，能够针对具有不同粒度(厂家、型号、批次)的待识别信号，根据待分类特征数据的难易程度，对于提取到的信号特进行识别，实现物理层的设备识别。
附图说明
[0013]图1是本专利技术实施例的一种流程示意图；图2是本专利技术实施例的视距场景(LOS)下灰关联分类器分类结果图；图3是本专利技术实施例的视距场景(LOS)下支持向量机分类器分类结果图；图4是本专利技术实施例的在变化信噪比场景下灰关联分类器识别结果图；图5是本专利技术实施例的在变化信噪比场景下支持向量机分类器分类结果图。
具体实施方式
[0014]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合实施例，对本技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。...

【技术保护点】

【技术特征摘要】
1.一种多粒度智能分类方法，其特征在于，包括以下步骤：利用接收机采集射频基带信号中I/Q两路信号；选取I路信号进行方差轨迹检测，截取稳态信号片段；对所述稳态信号片段进行数据标准化处理；计算数据标准化处理后的稳态信号片段的功率谱密度得到特征向量，将所述特征向量作为发射机的射频指纹，并生成射频基因库；利用智能分类器识别所述射频基因库的射频基因特征，输出识别结果，完成通信辐射源个体识别。2.根据权利要求1所述的一种多粒度智能分类方法，其特征在于，所述数据标准化处理包括：中心化—压缩处理，其数学公式如下所示：其中为截取的稳态信号片段，为标准化处理后的特征向量。3.根据权利要求1所述的一种多粒度智能分类方法，其特征在于，所述利用智能分类器识别所述射频基因库的射频基因特征步骤中，智能分类器包括支持向量机和灰关联分类器，其中灰关联分类器识别所述射频基因库的射频基因特征的过程包括：
……
，
……
；其中B
i
(i＝1,2,
…
)表示待识别的通信辐射源个体特征；定义已建立的通信辐射源个体特征与个体标签之间的射频基因库，包括：
…
，
…
，其中，C
j
(j＝1,2,
…
)表示已知合法的通信辐射源个体标签，c
j
(j＝1,2,
…
)表示特征参数；定义ρ∈(0，1)：定义ρ∈(0，1)：
其中，ρ表示分辨系数，通常取值为0.5，ξ(b
i
(k),c
j
(k))表示B
i
与C
j
之间第k个特征参数的关联系数，ξ(B
i
,C
j
)表示B
i
与C
j
之间的灰色关联度；当求得B
i
与已知射频指纹库中的每一个C
j
(j＝1,2,
…
m)的关联度ξ(B
i
,C
j
)(j＝1,2,
…
,m)后，为了识别B
i
所属的通信辐射源个体是否为合法接入无线通信设备，加入了如下判断准则：若test<阈值，则B
i
所属的通信辐射源个体为非法接入无线通信设备；否则，B
i
所属的通信辐射源个体为合法接入无线通信设备，将B
i
分类至射频指纹库中最大关联度所属的通信辐射源个体...

【专利技术属性】
技术研发人员：王旭杰，王申华，蒋红亮，应雨龙，方小方，何湘威，李靖超，吴辉，王挺，林军，曹保良，曹俊，彭超，
申请(专利权)人：国网浙江省电力有限公司金华供电公司，
类型：发明
国别省市：