低信噪比环境中物联网射频指纹的识别方法技术

本发明专利技术公开了一种低信噪比环境中物联网射频指纹的识别方法，包括以下步骤：采集若干I/Q信号作为样本信号，构建DSLN架构，并初始化DSLN架构的参数；根据样本信号，采用最小化交叉熵误差的梯度下降算法对初始化后的DSLN架构进行训练，获取射频指纹识别器；采集待识别I/Q信号，并将其输入至射频指纹识别器，得到物联网射频指纹识别结果。本发明专利技术提出了一种低信噪比环境中物联网射频指纹的识别方法，解决了在低信噪比环境中，现有技术的射频指纹识别方法的性能会显著下降的问题。本发明专利技术提出了一种DSLN架构，能够提高在低信噪比环境中对设备识别的准确度，同时还能大幅度地减少运行的时间，提高了工作效率。提高了工作效率。提高了工作效率。

【技术实现步骤摘要】
低信噪比环境中物联网射频指纹的识别方法


[0001]本专利技术属于射频指纹识别技术与深度学习领域，具体涉及一种低信噪比环境中物联网射频指纹的识别方法。

技术介绍

[0002]作为一项很有前景的技术，物联网(IoT)正在重构许多领域，包括交通、医疗、商业等。典型的物联网系统是由多个相互连接的设备组成，通过无线通信基础设施交换海量数据。据预测，到2025年将有超过500亿台物联网设备通过互联网连接。无线设备的爆炸式增长势必会产生海量的数据，将极大提高物联网中收集和处理决策的能力，进而促进智能产业的创新。
[0003]然而，物联网的广泛应用却带来了安全性和可信性问题。在物联网系统中，云端服务器集群用于数据存储和用户身份验证。由于服务器中数据的私密性，识别移动设备的身份验证对于控制用户访问非常重要。因为大多数使用IP或MAC地址的认证方法(如数字签名)较容易受到恶意攻击(比如复制和改变IP地址)，所以这些方法很可能已不能适用于物联网的场景中。因此，安全问题已成为制约物联网进一步应用和发展的瓶颈。
[0004]在此背景下，在物联网用户身份本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种低信噪比环境中物联网射频指纹的识别方法，其特征在于，包括以下步骤：S1、采集若干I/Q信号作为样本信号；S2、构建DSLN架构，并初始化DSLN架构的参数；S3、根据样本信号，采用最小化交叉熵误差的梯度下降算法对初始化后的DSLN架构进行训练，获取射频指纹识别器；S4、采集待识别I/Q信号，并将其输入至射频指纹识别器，得到物联网射频指纹识别结果。2.根据权利要求1所述的低信噪比环境中物联网射频指纹的识别方法，其特征在于，所述步骤S2中DSLN架构包括依次连接的第一卷积层CL、残差构建单元RSBU、第一归一线性化层BRC、第一全局平均池化层GAP和第一全连接层FC。3.根据权利要求2所述的低信噪比环境中物联网射频指纹的识别方法，其特征在于，所述残差构建单元RSBU包括依次设置的第二归一线性化层BRC、第三归一线性化层BRC、第二平均池化模层GAP、第二全连接层FC以及第四归一线性化层BRC；所述残差构建单元RSBU的输入为第一卷积层处理后的数据流，其输出为经过动态阈值处理后的数据流。4.根据权利要求3所述的低信噪比环境中物联网射频指纹的识别方法，其特征在于，所述归一线性化层BRC包括依次连接的批处理归一化BN、整流线性单元ReLu和第二卷积层。5.根据权利要求4所述的低信噪比环境中物联网射频指纹的识别方法，其特征在于，所述动态阈值选择具体为：其中，fI表示I/Q信号信号特征，fO表示动态阈值选择输出的特征，τ表示设定的动态阈值。6.根据权利要求5所述的低信噪比环境中物联网射频指纹的识别方法，其特征在于，所述步骤S3具体为：S3.1、将I/Q信号输入至初始化后的DSLN架构中第一卷积层进行处理，获取第一输出结果为：O
j
＝I
i
...

【专利技术属性】
技术研发人员：胡苏，吴薇薇，高原，林迪，曹江，尹峻松，王双双，
申请(专利权)人：中国人民解放军军事科学院战争研究院，
类型：发明
国别省市：