一种基于轻量化深度学习模型的射频指纹识别方法技术

本发明专利技术属于物联网安全技术领域，具体来说是涉及一种基于轻量化深度学习模型的射频指纹识别方法。本发明专利技术首先将I/Q信号转为复数矩阵，然后对复数矩阵Q进行奇异值分解后，对得到的特征进行降噪后又复原成复数向量，接着构建轻量化深度学习模型进行复数特征提取和分类，最后实现射频指纹识别。本发明专利技术的有益效果为，很好的解决了环境噪声对射频指纹识别的干扰。很好的解决了环境噪声对射频指纹识别的干扰。很好的解决了环境噪声对射频指纹识别的干扰。

【技术实现步骤摘要】
一种基于轻量化深度学习模型的射频指纹识别方法


[0001]本专利技术属于物联网安全
，具体来说是涉及一种基于轻量化深度学习模型的射频指纹识别方法。

技术介绍

[0002]高速发展的无线通信技术在很大程度上便利了人们的生活，随着无线通信的日渐普及，无线通信设备的数量不可避免的爆发式增长。由于无线网络具有空间上的开放性，无线通信设备只要在数据接收范围内即可通信，这在一定程度上增加了无线通信被劫持、篡改和攻击的可能。因此，无线通信急需新型的安全机制与设备身份认证识别技术，以抵御无线设备在网络中潜在的威胁。
[0003]早在1995年，Choe等人就提出利用通信信号进行设备识别，直到2003年，无线电设备射频指纹(Radio Frequency Fingerprint,RFF)的概念正式被提出。射频指纹是指从信号发射机所发出射频信号中提取出的“指纹”特征，就像人的指纹一样，不同发射机具有不同的射频指纹，利用射频信号中的细微差别，可以对不同的发射机进行识别和区分，从而在物理层实现信号发射机的鉴别。由于射频指纹识别工作存在于物理层，其难以伪造本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于轻量化深度学习模型的射频指纹识别方法，其特征在于，包括以下步骤：S1、将获取到的I/Q信号转为复数矩阵，具体为：将获取的I/Q信号写为复数向量X＝(x1,x2,x3,
…
,x
N
)，其中N为样本数，x
i
表示向量中的每一个元素，i＝1,2,3,
…
,N，将X转化为复数矩阵Q
n
×
n
，其中N＝n
×
n，转化方式是：由x1、x
n+1
、x
2n+1
、
……
、x
(n
‑
1)*n+1
构成矩阵第一行，由x2、x
n+2
、x
2n+2
、
……
、x
(n
‑
1)*n+2
构成第二行，以此类推，由x
n
、x
2n
、x
3n
、
……
、x
n*n
构成最后一行；S2、对复数矩阵Q进行特征值分解：其中，UΣ
i
V表示第i个特征，Σ
i
表示仅包含第i个特征值σ
i
、其余元素均为零的矩阵，特征值σ
i
代表了Q矩阵的特征...

【专利技术属性】
技术研发人员：林迪，刘川，胡苏，吴薇薇，杨刚，马上，靳传学，杨钿，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：