【技术实现步骤摘要】
一种半监督射频指纹提取的物联网设备身份认证方法
[0001]本专利技术涉及通信
，尤其涉及的是一种半监督射频指纹提取的物联网设备身份认证方法。
技术介绍
[0002]由于物联网设备信号提取较为复杂，极具挑战性；传统算法EMD本身缺少完整的理论基础；且实际中,容易获得大量无标记样本,而有标记样本的数量有限,使得传统的有监督和无监督特征降维方法都不能取得很好的效果。
技术实现思路
[0003]本专利技术的目的在于克服现有技术的缺陷，提供一种半监督射频指纹提取的物联网设备身份认证方法。
[0004]本专利技术是通过以下技术方案实现的：
[0005]一种半监督射频指纹提取的物联网设备身份认证方法，包括以下步骤：
[0006]A、利用通信信号接收器接收来自物联网设备的信号，利用接收机把信号频谱变频至合适的频率，并使用模数转换及滤波操作获取数字信号；
[0007]B、使用基于VMD的方法，将接收到的信号分解成指定数量的模式，运用排列熵确定含高噪分量，然后对低噪分量进行重构实现降噪功能...
【技术保护点】
【技术特征摘要】
1.一种半监督射频指纹提取的物联网设备身份认证方法，包括以下步骤：A、利用通信信号接收器接收来自物联网设备的信号，利用接收机把信号频谱变频至合适的频率，并使用模数转换及滤波操作获取数字信号；B、使用基于VMD的方法，将接收到的信号分解成指定数量的模式，运用排列熵确定含高噪分量，然后对低噪分量进行重构实现降噪功能，从而实现对信号非线性动态特征的提取；C、利用一种基于低秩线性回归分析的半监督式降维方法对其射频指纹进行降维；D、利用LightGBM算法构建分类模型,对获取的数据进行训练；E、实现对简化后的特征聚类以识别物联网设备。2.根据权利要求1所述的一种半监督射频指纹提取的物联网设备身份认证方法，其特征在于：所述步骤A中通信信号接收来自物联网设备的信号后，通过射频的滤波器器件，将信号频谱变频至合适的频率，使得干扰引号衰减，再利用模数转换及滤波操作获取数字信号。3.根据权利要求1所述的一种半监督射频指纹提取的物联网设备身份认证方法，其特征在于：所述步骤B，使用基于VMD和低秩回归分析的方法，VMD分解将原始信号自适应分解为多个本征模态函数(IMF)，根据自相关准则选择噪声分量，然后利用基于峰度最大化的独立分量分析算法实现瞬变电磁信号的最佳估计。4.根据权利要求1所述的一种半监督射频指纹提取的物联网设备身份认证方法，其特征在于：所述步骤C中引入低秩回归分析的半监督降维方法有效提取数据集中的线性结构,有效挖掘未标记样本,有助于使用未标记数据对提取的信号特征进行降维。5.根据权利要求1所述的一种半监督射频指纹提取的物联网设备身份认证方法，其特征在于：所述步骤D中将降维后的特征划分训练集和测试集，给定监督训练集，多次训练，将测试集数据输入LightGBM模型中，得到测试集的准确率。6.根据权利要求1所述的一种半监督射频指纹提取的物联网设备身份认证方法，其特征在于：所述步骤E中将所得的已降维的信号的特征输入至训练完毕的LightGBM模型中，实现聚类识别，得到模型识别和分类的结果。7.根据权利要求1
‑
6所述的一种半监督射频指纹提取的物联网设备身份认证方法，其特征在于：VMD算法对信号的多模态分解过程如下：VMD将信号分量的获取过程转移到变分框架内，采用一种非递归的处理策略，通过构造并求解约束变分问题实现将原始信号分解为指定个数的IMF分量；在VMD算法中，基于调制准则将本征模态函数IMF重新定义为幅频调制(AM
‑
FM)信号，即u
k
(t)＝A
K
(t)cos(φ
k
(t))(1)
ꢀꢀꢀꢀ
(1)φ
k
(t)是u
k
(t)的相位且φ'
k
(t)≥0，A
K
(t)是u
k
(t)在t时刻的瞬时幅值且A
K
(t)≥0；和瞬时幅值u
k
(t)相比，幅值包络A和瞬时角频率B变化缓慢，即在一个足够长的时间范围[t
‑
δ,t+δ]内，在它们中间，(δ≈2π/φ'
k
(t))，u
k
(t)近似是一个具有振幅为A
K
(t)和频率为w
k
(t)的谐波信号；在变分模型迭代求解过程中，各分量的频率中心和带宽不断更新；根据信号的频率特性对信号频带进行自适应分割，得到多个窄带IMF分量；假设VMD将原始信号分解为K个IMF分量，则相应的约束变分模型表达式如下：
{u
k
}＝{u1,u2,...,u
k
}为VMD方法分解的K个IMF分量，{w
k<...
【专利技术属性】
技术研发人员：童琳，李科，孙雨，汪佳，刘永一，
申请(专利权)人：安徽农业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。