一种针对通信辐射源个体识别的信号增强方法和系统技术方案

本发明专利技术提出一种针对通信辐射源个体识别的信号增强方法和系统，属于数字信号处理领域。其中，所述方法通过随机置乱B个样本射频信号的原始顺序来确定置乱顺序，以获取基于所述置乱顺序的B个样本射频信号；依次对基于原始顺序的第i个样本射频信号，随机截取第二长度的信号，并将所述第二长度的信号随机放入基于置乱顺序的第i个样本射频信号的任意位置上，以获取增强的样本射频信号，1≤i≤B，B为正整数。数。数。

【技术实现步骤摘要】
一种针对通信辐射源个体识别的信号增强方法和系统


[0001]本专利技术属于数字信号处理领域，尤其涉及一种针对通信辐射源个体识别的信号增强方法和系统。

技术介绍

[0002]通信辐射源个体识别是指通过分析接收到的射频信号区分发射信号的辐射源个体。由于辐射源设备内部的器件在生产过程中不可避免的精度误差，即使同一型号的辐射源个体发射的相同内容的射频信号也会存在一定的细微差异。这种细微差异又被称为辐射源指纹或射频指纹。通信辐射源个体识别在无线网络安全、频谱管控、军事情报侦察等领域具有广泛应用。
[0003]在通信辐射源个体识别中，基于深度学习的方法是目前准确率较高的方法。该方法使用训练数据的信号样本训练深度神经网络，在测试阶段将测试样本输入神经网络得到识别结果。然而，由于神经网络的参数量较大，深度学习方法通常需要一定规模的训练数据进行训练。在训练样本数较少时，容易造成过拟合，即神经网络对测试样本的识别准确率较低。

技术实现思路

[0004]为了解决上述技术问题，本专利技术提出了一种针对通信辐射源个体识别的信号增强方案，用于扩充训练样本，提高通信辐射源个体识别中神经网络的泛化性能。该方案利用了辐射源指纹的局部特性，将两个不同的样本信号进行随机切分和随机混合，通过拼接形成新的样本。
[0005]本专利技术第一方面公开了一种针对通信辐射源个体识别的信号增强方法，所述方法包括：。
[0006]根据本专利技术第一方面的方法，步骤S1、从用于通信辐射源个体识别的射频信号训练集中随机选取B个样本射频信号组成第一集合，B为正整数，其中：
[0007]所述射频信号训练集中的B个样本射频信号具有第一长度，每个样本射频信号具有单独的信号标签，所述信号标签表征发射所述样本射频信号的辐射源个体的身份信息；
[0008]所述第一集合中的各个样本射频信号具有原始顺序，所述第一集合中的各个样本射频信号的信号标签组成第一标签集合，所述第一标签集合中的各个信号标签基于所述原始顺序排列；
[0009]步骤S2、通过随机置乱所述原始顺序来确定置乱顺序，以获取基于所述置乱顺序的若干样本射频信号组成第二集合，其中：
[0010]所述第二集合中的各个样本射频信号基于所述置乱顺序排列，所述第二集合中的各个样本射频信号的信号标签组成第二标签集合，所述第二标签集合中的各个信号标签基于所述置乱顺序排列；
[0011]步骤S3、依次对所述第一集合中的第i个样本射频信号，随机截取第二长度的信
号，并将所述第二长度的信号随机放入所述第二集合中第i个样本射频信号的任意位置上，以获取增强的样本射频信号，1≤i≤B，所述第二长度小于所述第一长度；
[0012]步骤S4、对所述第一标签集合和所述第二标签集合进行编码，以获取B个所述样本射频信号经编码的信号标签，基于所述增强的样本射频信号和所述经编码的信号标签训练神经网络，并利用经训练的神经网络对从用于所述通信辐射源个体识别的射频信号测试集中的样本射频信号进行识别。
[0013]根据本专利技术第一方面的方法，在所述步骤S4中，对所述第一标签集合和所述第二标签集合进行编码，以获取所述经编码的信号标签，具体包括：
[0014]从所述第一标签集合中获取所述第i个样本射频信号的第一标签，以确定所述第i个样本射频信号的第一标签表征的辐射源个体R
i
；
[0015]从所述第二标签集合中获取所述第i个样本射频信号的第二标签，以确定所述第i个样本射频信号的第二标签表征的辐射源个体Q
i
；
[0016]分别获取所述辐射源个体Ri和所述辐射源个体Qi在辐射源个体集合中的位置Z
Ri
和Z
Qi
，以确定所述第i个样本射频信号的第一标签的编码C
i1
和所述第i个样本射频信号的第二标签的编码C
i2
，其中，C
i1
和C
i2
均为1
×
K的向量，向量C
i1
在位置Z
Ri
上取值为1，其余为0，向量C
i2
在位置Z
Qi
上取值为1，其余为0，K为所述辐射源个体集合中的辐射源个体的数量；
[0017]获取C
i1
和C
i2
的权重混合系数d
i
，基于所述权重混合系数d
i
计算所述第i个样本射频信号经编码的信号标签，计算公式为：S
i
＝d
i
×
C
i1
+(1
‑
d
i
)
×
C
i2
，多次执行上述过程以获取B个样本射频信号经编码的信号标签。
[0018]根据本专利技术第一方面的方法，在所述步骤S5中，基于所述增强的样本射频信号和所述经编码的信号标签训练所述神经网络，具体包括：
[0019]将第i个所述增强的样本射频信号输入至所述神经网络中，并输出所述第i个增强的样本射频信号的置信度向量P
i
，所述置信度向量P
i
表征所述第i个增强的样本射频信号属于K个辐射源个体中的每一个个体的概率；
[0020]计算所述置信度向量P
i
和所述第i个增强的样本射频信号的经编码的信号标签h
i
的交叉熵作为损失函数L
i
，其中，不断调节所述神经网络的参数使得所述损失函数最小，以完成对所述神经网络的训练。
[0021]根据本专利技术第一方面的方法，在所述步骤S3中，从贝塔分布中通过随机采样获取参数λ，参数λ乘以所述第一长度来获取所述第二长度，其中所述贝塔分布Beta(α,β)为定义在(0,1)区间的连续概率分布。
[0022]本专利技术第二方面公开了一种针对通信辐射源个体识别的信号增强系统，所述系统包括：第一处理单元，被配置为，从用于通信辐射源个体识别的射频信号训练集中随机选取B个样本射频信号组成第一集合，B为正整数，其中：
[0023]所述射频信号训练集中的B个样本射频信号具有第一长度，每个样本射频信号具有单独的信号标签，所述信号标签表征发射所述样本射频信号的辐射源个体的身份信息；
[0024]所述第一集合中的各个样本射频信号具有原始顺序，所述第一集合中的各个样本射频信号的信号标签组成第一标签集合，所述第一标签集合中的各个信号标签基于所述原始顺序排列；
[0025]第二处理单元，被配置为，通过随机置乱所述原始顺序来确定置乱顺序，以获取基于所述置乱顺序的若干样本射频信号组成第二集合，其中：
[0026]所述第二集合中的各个样本射频信号基于所述置乱顺序排列，所述第二集合中的各个样本射频信号的信号标签组成第二标签集合，所述第二标签集合中的各个信号标签基于所述置乱顺序排列；
[0027]第三处理单元，被配置为，依次对所述第一集合中的第i个样本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种针对通信辐射源个体识别的信号增强方法，其特征在于，所述方法包括：步骤S1、从用于通信辐射源个体识别的射频信号训练集中随机选取B个样本射频信号组成第一集合，B为正整数，其中：所述射频信号训练集中的B个样本射频信号具有第一长度，每个样本射频信号具有单独的信号标签，所述信号标签表征发射所述样本射频信号的辐射源个体的身份信息；所述第一集合中的各个样本射频信号具有原始顺序，所述第一集合中的各个样本射频信号的信号标签组成第一标签集合，所述第一标签集合中的各个信号标签基于所述原始顺序排列；步骤S2、通过随机置乱所述原始顺序来确定置乱顺序，以获取基于所述置乱顺序的若干样本射频信号组成第二集合，其中：所述第二集合中的各个样本射频信号基于所述置乱顺序排列，所述第二集合中的各个样本射频信号的信号标签组成第二标签集合，所述第二标签集合中的各个信号标签基于所述置乱顺序排列；步骤S3、依次对所述第一集合中的第i个样本射频信号，随机截取第二长度的信号，并将所述第二长度的信号随机放入所述第二集合中第i个样本射频信号的任意位置上，以获取增强的样本射频信号，1≤i≤B，所述第二长度小于所述第一长度；步骤S4、对所述第一标签集合和所述第二标签集合进行编码，以获取B个所述样本射频信号经编码的信号标签，基于所述增强的样本射频信号和所述经编码的信号标签训练神经网络，并利用经训练的神经网络对从用于所述通信辐射源个体识别的射频信号测试集中的样本射频信号进行识别。2.根据权利要求1所述的一种针对通信辐射源个体识别的信号增强方法，其特征在于，在所述步骤S4中，对所述第一标签集合和所述第二标签集合进行编码，以获取所述经编码的信号标签，具体包括：从所述第一标签集合中获取所述第i个样本射频信号的第一标签，以确定所述第i个样本射频信号的第一标签表征的辐射源个体R
i
；从所述第二标签集合中获取所述第i个样本射频信号的第二标签，以确定所述第i个样本射频信号的第二标签表征的辐射源个体Q
i
；分别获取所述辐射源个体Ri和所述辐射源个体Qi在辐射源个体集合中的位置Z
Ri
和Z
Qi
，以确定所述第i个样本射频信号的第一标签的编码C
i1
和所述第i个样本射频信号的第二标签的编码C
i2
，其中，C
i1
和C
i2
均为1
×
K的向量，向量C
i1
在位置Z
Ri
上取值为1，其余为0，向量C
i2
在位置Z
Qi
上取值为1，其余为0，K为所述辐射源个体集合中的辐射源个体的数量；获取C
i1
和C
i2
的权重混合系数d
i
，基于所述权重混合系数d
i
计算所述第i个样本射频信号经编码的信号标签，计算公式为：S
i
＝d
i
×
C
i1
+(1
‑
d
i
)
×
C
i2
，多次执行上述过程以获取B个样本射频信号经编码的信号标签。3.根据权利要求2所述的一种针对通信辐射源个体识别的信号增强方法，其特征在于，在所述步骤S5中，基于所述增强的样本射频信号和所述经编码的信号标签训练所述神经网络，具体包括：将第i个所述增强的样本射频信号输入至所述神经网络中，并输出所述第i个增强的样本射频信号的置信度向量P
i
，所述置信度向量P
i
表征所述第i个增强的样本射频信号属于K
个辐射源个体中的每一个个体的概率；计算所述置信度向量P
i
和所述第i个增强的样本射频信号的经编码的信号标签h
i
的交叉熵作为损失函数L
i
，其中，不断调节所述神经网络的参数使得所述损失函数最小，以完成对所述神经网络的训练。4.根据权利要求3所述的一种针对通信辐射源个体识别的信号增强方法，其特征在于，在所述步骤S3中，从贝塔分布中通过随机采样获取参数λ，参数λ乘以所述第一长度来获取所述第二长度，其中所述贝塔分布Beta(α,β)为定义在(0,1)区间的连续概率分布。5.一种针对通信辐射源个体识别的信号增强系统，其特征在于，所述系统包括：第一处理单元，被配置为，从用于通信辐射源个体识别的射频信号训练集中随机选取B个样本射频信号组成第一集合，B为正整数，其中：所述射频信号训练集中的B个样本射频信号具有第一长度，每个样...

【专利技术属性】
技术研发人员：杨俊安，黄科举，刘辉，呼鹏江，曲凌志，赵东兴，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：