一种基于遮挡分析的电磁信号时域增强方法技术

一种基于遮挡分析的电磁信号时域增强方法，它涉及一种电磁信号时域增强方法。本发明专利技术为了解决现有的数据增强方法算法不适配，效率不高的问题。本发明专利技术的核心在于设计了一种面向电磁信号的数据增强策略，采用遮挡分析和加性高斯白噪声获得增强数据，在尽可能保证原始数据分布和标签不变的情况下，生成额外的数据，极大程度上提升深度学习算法的工程效率。本发明专利技术属于数字信号处理技术领域。明属于数字信号处理技术领域。明属于数字信号处理技术领域。

【技术实现步骤摘要】
一种基于遮挡分析的电磁信号时域增强方法


[0001]本专利技术涉及一种电磁信号时域增强方法，属于数字信号处理


技术介绍

[0002]随着5G和低功耗广域网(low Power WideArea，LPWA)技术的发展，物联网(IoT)已经从数字上改变了我们的日常生活，实现万物互联。思科公司预测，到2030年将有3000亿台物联网设备以无线方式连接。然而，无线传输的广播性质使得设备认证具有挑战性，非法用户可以访问网络。传统的设备认证依赖于一个预共享密钥和数字签名实现加密认证，容易遭受欺骗、伪造和攻击，并且对于物联网设备，密钥的管理和分配也有挑战性。因此基于射频指纹的物理层安全认证算法，收到了广泛的关注，提取收发设备独特的、稳定的、难以篡改的硬件特征作为设备身份标识符。
[0003]深度学习近些年在电磁信号处理上取得了优异的性能，广泛应用于信号调制识别、频谱预测、时频资源调度以及辐射源识别等领域。现有深度学习算法有效的前提是大量标签数据，且算法性能随着训练数据增加而显著提高。然而，在某些情况下标签数据获取难，边缘计算终端设备的存储容量低于云数据中心，训练数据有限。数据增强作为一种简单有效的数据扩充策略，在图像分类中被使用并提升模型性能。然而缺乏面向电磁信号的有效数据增强策略。

技术实现思路

[0004]本专利技术为解决现有的数据增强方法算法不适配，效率不高的问题，进而提出一种基于遮挡分析的电磁信号时域增强方法。
[0005]本专利技术为解决上述问题采取的技术方案是：本专利技术的步骤如下：
[0006]步骤一、对接收到的电磁复数信号进行预处理，得到IQ信号矩阵；
[0007]步骤二、对二维堆叠IQ矩阵进行信号遮挡分析，得到网络显著性图；
[0008]步骤三、将网络显著性图二值化，获得前景和背景掩码图；
[0009]步骤四、将IQ信号分别与前景掩码图进行哈达玛积运算，之后添加加性高斯白噪声，获得增强信号前景；
[0010]步骤五、叠加增强信号前景与原始信号背景，得到增强信号。
[0011]进一步的，步骤一中对电磁信号IQ两路信号进行预处理采用经验公式：
[0012][0013][0014]r
′
(n)＝r(n)
cfo_com
/max(abs(r(n)
cof_com
))
ꢀꢀ
(3)，
[0015][0016]公式(1)、(2)、(3)、(4)中，ε表示载波频偏估计值，r(n)表示接收机基带信号，N表示傅里叶变换点数，L表示接收机信号总长度，n表示接收机信号采样点，D表示两段重复样点间的距离，r
*
(n)表示接收机基带信号共轭，r(n+D)表示接收机基带信号延迟D采样点，r(n)
cfo_com
表示载波频率偏移矫正之后的信号，x(n)表示，e表示指数，j表示虚数。
[0017]进一步的，步骤二中对IQ矩阵x(n)进行网络遮挡分析，得到信号显著性图I
ooc
，其中I
ooc
与x(n)维度一致：
[0018]I
ooc
＝f
ooc
(f(x
i
),w
size
,w
stride
)
ꢀꢀ
(5)，
[0019]公式(5)中f(
·
)表示预训练模型，x
i
表示当前进行掩码分析的信号样本，w
size
和w
stride
为遮挡分析的超参数，w
size
∈R2×
L
表示遮挡块的大小，具有两个通道，缩放参数w
stride
表示滑块沿着输入信号的两个原始主分量每次滑动的步长。
[0020]进一步的，f
ooc
算法根据模型预测结果和置信度实现信号显著性分析。
[0021]进一步的，步骤三中将信号显著性图进行二值化处理，获得前景和背景掩码图：
[0022][0023]公式(6)中，I
b
(j,i)表示二值化掩码，I
ooc
(j,i)表示模型显著性分析掩码，j表示IQ通道，其中I通道j＝0，Q通道j＝1，i表示时域采样点，N表示信道总采样点数。
[0024]进一步的，步骤四中将IQ信号与前景掩码图进行哈达玛积运算，之后添加加性高斯白噪声，获得增强信号前景：
[0025]x
fore
＝x
s
⊙
I
b
ꢀꢀ
(7)，
[0026]x
′
fore
＝awgn(x
s
⊙
I
b
,SNR)
ꢀꢀ
(8)，
[0027]公式(7)和(8)中SNR为添加噪声的信噪比，单位为dB，
⊙
表示哈达玛积运算，即逐元素乘积，x
fore
表示信号前景部分(即射频指纹分布密集区域)，x
′
fore
表示信号前景增强结果，x
s
表示进行掩码分析的原始信号样本，I
b
表示二值化掩码；
[0028]叠加增强信号前景与原始信号背景，得到数据增强信号：
[0029]x
back
＝x
s
⊙
(1
‑
I
b
)
ꢀꢀ
(9)，
[0030]x
aug
＝x
′
fore
+x
back
ꢀꢀ
(10)，
[0031]公式(9)和(10)中，x
back
表示信号背景部分(即射频指纹分布稀疏区域)，x
aug
表示增强的信号样本。
[0032]本专利技术的有益效果是：
[0033]1、本专利技术采用遮挡分析获取信号射频指纹特征的时域分布规律，提供不同尺度的信号分析，数据增强性能高，灵活性强；
[0034]2、本专利技术采用预训练模型进行网络显著性分析，有效扩充信号语义空间，算法响应时间快，工程可实现性强；
[0035]3、本专利技术的核心在于设计了一种面向电磁信号的数据增强策略，采用遮挡分析和加性高斯白噪声获得增强数据，在尽可能保证原始数据分布和标签不变的情况下，生成额外的数据，极大程度上提升深度学习算法的工程效率。
附图说明
[0036]图1是本专利技术的流程框图；
[0037]图2是本专利技术的遮挡分析结果示意图；
[0038]图3是本专利技术的二值化前景掩码示意图；
[0039]图4是本专利技术的10dB遮挡分析增强信号示意图。
具体实施方式
[0040]具体实施方式一：结合图1说明本实施方式，本实施方式所述一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于遮挡分析的电磁信号时域增强方法，其特征在于：所述一种基于遮挡分析的电磁信号时域增强方法的步骤如下：步骤一、对接收到的电磁复数信号进行预处理，得到IQ信号矩阵；步骤二、对二维堆叠IQ矩阵进行信号遮挡分析，得到网络显著性图；步骤三、将网络显著性图二值化，获得前景和背景掩码图；步骤四、将IQ信号分别与前景掩码图进行哈达玛积运算，之后添加加性高斯白噪声，获得增强信号前景；步骤五、叠加增强信号前景与原始信号背景，得到增强信号。2.根据权利要求1所述的一种基于遮挡分析的电磁信号时域增强方法，其特征在于：步骤一中对电磁信号IQ两路信号进行预处理采用经验公式：骤一中对电磁信号IQ两路信号进行预处理采用经验公式：r
′
(n)＝r(n)
cfo_com
/max(abs(r(n)
cof_com
))(3)，公式(1)、(2)、(3)、(4)中，ε表示载波频偏估计值，r(n)表示接收机基带信号，N表示傅里叶变换点数，L表示接收机信号总长度，n表示接收机信号采样点，D表示两段重复样点间的距离，r
*
(n)表示接收机基带信号共轭，r(n+D)表示接收机基带信号延迟D采样点，r(n)
cfo_com
表示载波频率偏移矫正之后的信号，x(n)表示，e表示指数，j表示虚数。3.根据权利要求1所述的一种基于遮挡分析的电磁信号时域增强方法，其特征在于：步骤二中对IQ矩阵x(n)进行网络遮挡分析，得到信号显著性图I
ooc
，其中I
ooc
与x(n)维度一致：I
ooc
＝f
ooc
(f(x
i
),w
size
,w
stride
)(5)，公式(5)中f(
·
)表示预训练模型，x
i
表示当前进行掩码分析的信号样本，w
size
和w
stride
为遮挡分析的超参数，w
size
∈R2×
L
表示遮挡块的大小，具有两个通道，缩放参数w
...

【专利技术属性】
技术研发人员：林云，王翰红，查浩然，高洪元，孙智，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：