涉及射频（制造技术

本发明专利技术提供了涉及射频

【技术实现步骤摘要】
【国外来华专利技术】涉及射频(RF)数据的数据增强用于改进型RF指纹识别的方法、架构、装置和系统
[0001]相关申请的交叉引用
[0002]本申请要求
2021
年3月4日提交的美国临时专利申请
63/156,818
号的权益，该申请以引用方式并入本文
。

技术介绍

[0003]本文中公开的实施方案大体上涉及无线和
/
或有线通信，并且例如涉及射频
(RF)
数据的数据增强用于改进型
RF
指纹识别的方法
、
架构
、
装置和系统，例如其中可使用
(
或基于
)
无线电传播的一个或多个模型
、
无线电损伤的一个或多个模型
、
频率漂移和一个或多个干扰模型中的任一者来增强
RF
数据
。
附图说明
[0004]从下面的详细描述中可以得到更详细的理解，该描述结合其附图以举例的方式给出
。
与详细描述一样，此类附图中的图是示例
。...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.
一种方法，所述方法包括：通过对在接收器处从发射器接收的射频
(RF)
信号进行采样来获取一个或多个样本；确定所述接收器与所述发射器之间信道的一个或多个信道特性；以及至少部分地基于以下各项来执行
RF
指纹识别：将所述一个或多个样本和所述一个或多个信道特性作为输入输入到使用所训练的神经网络模型形成的神经网络；以及获取从所述神经网络输出的预测值
。2.
根据权利要求1所述的方法，其中将与执行
RF
指纹识别相关的一个或多个统计信道描述输入到所述神经网络
。3.
一种方法，所述方法包括：通过对在接收器处从发射器接收的射频
(RF)
信号进行采样来获取一个或多个样本；确定所述接收器与所述发射器之间信道的一个或多个信道特性；以及至少部分地基于以下各项来执行欺骗检测：将所述一个或多个样本和所述一个或多个信道特性作为输入输入到使用所训练的神经网络模型形成的神经网络；获取从所述神经网络输出的预测值；以及基于所述预测值和一个或多个标准来确定所述发射器的标识符是否被欺骗
。4.
根据权利要求3所述的方法，其中将与执行欺骗检测相关的一个或多个统计信道描述输入到所述神经网络
。5.
根据权利要求1至4中至少一项所述的方法，所述方法包括：至少部分地基于所述一个或多个信道特性来确定所述信道的统计描述；以及基于所述信道的所述统计描述来获取所训练的神经网络模型
。6.
一种方法，所述方法包括：获取射频
(RF)
信号的一个或多个样本；确定所述
RF
信号通过其传输的第一信道的一个或多个信道特性；基于所述一个或多个信道特性来确定所述第一信道的统计描述；以及使用所训练的神经网络模型来部署神经网络，所训练的神经网络模型使用基于具有不同统计描述的第二信道而增强的
RF
数据来训练，其中所述不同统计描述至少部分地对应于所述第一信道的所述统计描述
。7.
根据权利要求6所述的方法，所述方法包括：至少部分地基于以下各项来执行
RF
指纹识别：将所述一个或多个样本和所述一个或多个信道特性作为输入输入到所述神经网络；以及获取从所述神经网络输出的预测值；或者至少部分地基于以下各项来执行欺骗检测：将所述一个或多个样本和所述一个或多个信道特性作为输入输入到所述神经网络；获取从所述神经网络输出的预测值；以及基于所述预测值和一个或多个标准来确定发射器的标识符是否被欺骗
。8.
根据权利要求6至7中至少一项所述的方法，所述方法包括：获取所训练的神经网络
模型
。9.
根据权利要求1至8中至少一项所述的方法，其中所述一个或多个信道特性包括所估计的信道输入响应和所估计的信道输入响应的累积中的任一者
。10.
根据权利要求5和8中至少一项所述的方法，其中获取所训练的神经网络模型包括：从储存库中选择所训练的神经网络模型，其中基于所述统计描述来选择所训练的神经网络模型
。11.
根据权利要求5和8中至少一项所述的方法，其中获取所训练的神经网络模型包括：基于所述统计描述来确定所训练的神经网络模型
。12.
根据权利要求
11
所述的方法，其中所述一个或多个样本是一个或多个第一样本，并且其中确定所训练的神经网络模型包括：基于一个或多个信号损伤来增强一个或多个
RF
信号的一个或多个第二样本；以及使用所增强的一个或多个第二样本来训练未训练的神经网络或部分训练的神经网络
。13.
根据权利要求
12
所述的方法，其中所述一个或多个信号损伤包括以下各项中的任一者：与关联于或归因于发射器的那些信号损伤不同的一个或多个信号损伤；在发射之后发生的一个或多个信号损伤；以及发射器与接收器之间信道的典型的一个或多个传播特性
。14.
根据权利要求
12
至
13
中至少一项所述的方法，其中增强一个或多个
RF
信号的一个或多个第二样本包括：使用模拟所述一个或多个信号损伤的一个或多个变换来增强所述一个或多个第二样本
。15.
根据权利要求
14
所述的方...

【专利技术属性】
技术研发人员：P，
申请(专利权)人：DRNC，
类型：发明
国别省市：