基于模糊函数图法的特定辐射源识别方法技术

本发明专利技术公开了一种基于模糊函数图法的特定辐射源识别方法，属于辐射源识别技术领域，包括以下步骤：S1：获取实际接收信号，并重构理想信号；S2：根据实际接收信号与重构的理想信号，得到信号的模糊函数图；S3：使用模糊函数图作为二维的图像来提取射频指纹特征；S4：利用神经网络模型对射频指纹特征进行学习和分类；S5：将神经网络模型部署到实际的系统中进行实时的辐射源识别。本发明专利技术充分利用了模糊函数图的信息，以及卷积神经网络强大的特征学习能力，具有很大的应用潜力。具有很大的应用潜力。具有很大的应用潜力。

【技术实现步骤摘要】
基于模糊函数图法的特定辐射源识别方法


[0001]本专利技术属于辐射源识别
，具体涉及一种基于模糊函数图法的特定辐射源识别方法。

技术介绍

[0002]现有的信号射频指纹识别方法大多数针对某一类特定信号，使用Raw I/Q基带信号作为识别系统输入参数，基带信号虽然保留了最原始的信号特点，但无法直观的反应射频指纹的特点。同时，单纯的Raw I/Q数据包含了大量的噪声、信道环境影响，导致识别正确率下降，目前的方法均没有直观可分析性。
[0003]传统的射频指纹识别方法通常是基于(1)统计特征：幅度，相位噪声，IQ平衡；(2)非线性的特征：谐波失真，时钟偏差，ADC/DAC非线性误差；(3)信号变换：频域分析，相空间重构，时频分析等。然而，这些方法的性能往往会受到信号的质量、环境噪声以及硬件限制等因素的影响，而且需要大量的手工特征提取和选择。信号本身就是一种射频指纹，但这种指纹包含的冗余信息过多，维数太大，识别阶段计算量巨大，导致识别效率不足。因此，需要先去除可识别信号中无关和冗余信息，尽可能多的保留设备特征，这本质上就是一个信号降维的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于模糊函数图法的特定辐射源识别方法，其特征在于：包括以下步骤：s1：获取实际接收信号，并重构理想信号；S2：根据实际接收信号与重构的理想信号，得到信号的模糊函数图；S3：使用模糊函数图作为二维的图像来提取射频指纹特征；S4：利用神经网络模型对射频指纹特征进行学习和分类；S5：将神经网络模型部署到实际的系统中进行实时的辐射源识别。2.根据权利要求1所述的基于模糊函数图法的特定辐射源识别方法，其特征在于：步骤S1中，理想信号发射机理想基带信号为x(t)＝x
I
(t)+j*x
Q
(t)，将其调制到一个载波频率为f的高频信号：其中x
I
(t)，x
Q
(t)通信系统的I/Q两路数字基带信号；考虑无线通信系统中存在频率漂移f
g
，实际载波频率为f
c
+f
g
；对于接收到信号，假设信道理想，则接收机上接收到的信号为：其中f
cx
为接收系统的频率漂移，f
cx
≠f
g
，针对所有接收到的信号，对于同一个接收机而言，有Δf＝(f
g
+f
c
)
‑
(f
cx
+f...

【专利技术属性】
技术研发人员：屈剑明，郑云菲，王胜寒，
申请(专利权)人：北京空天智数科技有限公司，
类型：发明
国别省市：