一种基于混沌加权随机融合的射频指纹识别方法技术

本发明专利技术公开一种基于混沌加权随机融合的射频指纹识别方法，包括：S1：采集各电台个体的射频信号；S2：对采集得到的射频信号进行预处理，得到射频指纹数据集；S3：将所述射频指纹数据集划分为训练集和测试集；S4：从所述训练集中选择指定数量的原始样本，利用混沌序列对所述原始样本进行加权融合，产生新样本，并得到增强后的训练集；S5：利用增强后的数据集训练神经网络，得到训练好的神经网络；S6：利用所述测试集对训练好的神经网络进行性能检验；S7：利用通过性能检验的神经网络实现射频指纹识别。本发明专利技术将随机特性良好的混沌序列与RI算法结合，从而提升生成样本的多样性与最大数量，具有更好的识别准确率与鲁棒性。具有更好的识别准确率与鲁棒性。具有更好的识别准确率与鲁棒性。

【技术实现步骤摘要】
一种基于混沌加权随机融合的射频指纹识别方法


[0001]本专利技术涉及通信
，更具体地，涉及一种基于混沌加权随机融合的射频指纹识别方法。

技术介绍

[0002]由于硬件个体差异性及制造过程中的工艺因素，任何不同个体间都不可避免地存在着细微差异，即便是同一型号同一条生产线的电台，其发射的信号也会存在独有的个体特征，这种特征被称为射频指纹。随着现代战争形态加速向信息化战争演变，以电台为代表的各种电子设备，承担着通信、监视、电子干扰等重要任务，故能否先敌一步识别出敌方电台个体，是电子对抗的重要内容，一定程度上决定了战场的主动权。因此，近年来射频指纹识别技术受到了各国研究人员的广泛关注。
[0003]一般来说，射频指纹识别问题可以被视作一种分类问题，而大部分目前最先进的射频指纹识别分类器均是基于深度学习技术。得益于其强大的特征提取与模式识别能力，基于深度学习的分类器可以取得相当高的识别准确率，但其在线下训练阶段需要大量的训练集样本来确保得到令人满意的性能并避免过拟合问题的出现。在实际应用场景，尤其是电子对抗等非协作通信场景中，如何取得充足本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于混沌加权随机融合的射频指纹识别方法，其特征在于，包括以下步骤：S1：采集各电台个体的射频信号；S2：对采集得到的射频信号进行预处理，得到射频指纹数据集；S3：将所述射频指纹数据集划分为训练集和测试集；S4：从所述训练集中选择指定数量的原始样本，利用混沌序列对所述原始样本进行加权融合，产生新样本，并得到增强后的训练集，所述混沌序列由混沌生成函数生成；S5：利用增强后的数据集训练神经网络，得到训练好的神经网络，所述神经网络根据输入的射频指纹，输出射频指纹对应的电台标号；S6：利用所述测试集对训练好的神经网络进行性能检验；S7：利用通过性能检验的神经网络实现射频指纹识别。2.根据权利要求1所述的基于混沌加权随机融合的射频指纹识别方法，其特征在于，所述射频指纹为射频信号的开机暂态信号。3.根据权利要求2所述的基于混沌加权随机融合的射频指纹识别方法，其特征在于，步骤S2中对采集得到的射频信号进行预处理，得到射频指纹数据集，具体为：S2.1：提取射频信号的开机暂态信号作为射频指纹；S2.2：将提取的开机暂态信号进行正则化处理，得到正则开机暂态信号；S2.3：提取正则开机暂态信号的包络作为射频指纹数据集。4.根据权利要求3所述的基于混沌加权随机融合的射频指纹识别方法，其特征在于，步骤S2.1中提取射频信号的开机暂态信号作为射频指纹，具体为：通过计算滑动窗口中各采样点为开机暂态信号起始点的后验概率来确定起点，并取从起点开始固定长度L的射频信号为开机暂态信号。5.根据权利要求4所述的基于混沌加权随机融合的射频指纹识别方法，其特征在于，步骤S2.2中将提取的开机暂态信号进行正则化处理，具体为：式中，a[v]和a
′
[v]分别为初始开机暂态信号及正则开机暂态信号的第v个瞬时值，L为开机暂态信号的长度。6.根据权利要求5所述的基于混沌加权随机融合的射频指纹识别方法，其特征在于，步骤S2.3中提取正则开机暂态信号的包络，具体为：...

【专利技术属性】
技术研发人员：姜园，张皓天，
申请(专利权)人：中山大学，
类型：发明
国别省市：