辐射源识别方法技术

本发明专利技术提供一种辐射源识别方法

【技术实现步骤摘要】
辐射源识别方法、装置、电子设备及存储介质


[0001]本专利技术涉及无线通信安全
，尤其涉及一种辐射源识别方法
、
装置
、
电子设备及存储介质
。

技术介绍

[0002]随着无线通信技术的飞速发展，无线信号覆盖方方面面，各领域都离不开无线设备对信息的传输
。
各类无线通信网络设备，如物联网系统中的
ZigBee
设备
、
蓝牙设备等作为辐射源广泛地应用在各个领域
。
然而，在很多安全性要求较高的无线通信网络应用的场景中，恶意无线设备入侵或非法用户接入系统时有发生
。
这些恶意设备或者非法用户伪装成合法的设备或者用户，进行信息窃取或进行恶意攻击，严重威胁无线通信网络和信息安全
。
因此，无线设备安全与认证已成为重点关注领域，有效识别接入网路中无线设备的身份变得至关重要
。
[0003]现有辐射源识别方法中，通常以提取辐射源信号时频谱图的熵特征
、
一阶矩特征
、
二阶矩特征作为辐射源射频指纹来识别，但这些特征本质上为统计量特征，其容易忽略一些局部且更为精细的有用特征
。
当待识别辐射源设备数量增加或者设备间差异更加细微时，不能够精细刻画个体间的差异，导致识别性能进一步恶化，识别精度较低，无法满足大量无线设备识别认证场景的需求
。
[0004]因此，如何有效提升辐射源识别精度和信号处理效率，并提高待识别辐射源个体数量，以满足大量无线设备识别认证场景的需求已成为业界亟待解决的技术问题
。

技术实现思路

[0005]本专利技术提供一种辐射源识别方法
、
装置
、
电子设备及存储介质，用以提取更加精细的辐射源指纹特征，有效提升识别精度和效率，提高待识别辐射源个体数量，以满足大量无线设备的实时识别认证场景需求
。
[0006]本专利技术提供一种辐射源识别方法，包括：
[0007]基于待识别辐射源所发出信号的时域数据，确定所述待识别辐射源所发出信号的稳态信号，并从所述稳态信号中提取希尔伯特时频谱图指纹特征信息，所述希尔伯特时频谱图指纹特征信息包括控制点信息和幅度信息；
[0008]将所述希尔伯特时频谱图指纹特征信息输入到辐射源识别模型，得到所述辐射源识别模型输出的所述待识别辐射源的身份信息；所述辐射源识别模型是根据辐射源所发出信号对应的希尔伯特时频谱图指纹特征信息样本以及对应的辐射源身份信息标签训练得到的
。
[0009]根据本专利技术提供的一种辐射源识别方法，所述从所述稳态信号中提取希尔伯特时频谱图指纹特征信息，包括：
[0010]对所述稳态信号进行信号分解，得到多个时间模态分量，并确定每个所述时间模态分量对应的目标希尔伯特时频谱图；
[0011]基于每个所述时间模态分量对应的目标希尔伯特时频谱图，确定每个所述时间模态分量对应的希尔伯特三维曲面；
[0012]对每个所述希尔伯特三维曲面进行贝塞尔曲面拟合，确定每个所述希尔伯特三维曲面在最优拟合下的贝塞尔曲面控制点信息，并对每个所述目标希尔伯特时频谱图进行投影变换，得到每个所述目标希尔伯特时频谱图的幅度信息；
[0013]根据每个所述希尔伯特三维曲面的贝塞尔曲面控制点信息和每个所述目标希尔伯特时频谱图的幅度信息，得到所述希尔伯特时频谱图指纹特征信息
。
[0014]根据本专利技术提供的一种辐射源识别方法，所述对所述稳态信号进行信号分解，得到多个时间模态分量，包括：
[0015]对所述稳态信号进行傅里叶变换，得到所述稳态信号对应的频谱序列，并对所述频谱序列进行平滑处理，在处理后的频谱序列中提取各个峰值点对应的角频率；
[0016]从所述各个峰值点对应的角频率中，随机选取与预设模态数量相同数量的目标角频率，并根据各个所述目标角频率设定变分模态分解算法中的初始化角频率参数；
[0017]利用设定好初始化角频率参数的变分模态分解算法，对所述稳态信号进行信号分解，得到多个时间模态分量
。
[0018]根据本专利技术提供的一种辐射源识别方法，所述确定每个所述时间模态分量对应的目标希尔伯特时频谱图，包括：
[0019]对每个所述时间模态分量进行希尔伯特变换，得到每个所述时间模态分量对应的原始希尔伯特时频谱图；
[0020]根据每个所述时间模态分量对应的原始希尔伯特时频谱图，计算每个所述原始希尔伯特时频谱图对应的边际谱；
[0021]根据每个所述原始希尔伯特时频谱图对应的边际谱的峰值中心频率，确定每个所述原始希尔伯特时频谱图中的能量集中区域；
[0022]从每个所述原始希尔伯特时频谱图中截取所述能量集中区域对应的希尔伯特时频谱图，得到每个所述时间模态分量对应的目标希尔伯特时频谱图
。
[0023]根据本专利技术提供的一种辐射源识别方法，所述对每个所述希尔伯特三维曲面进行贝塞尔曲面拟合，确定每个所述希尔伯特三维曲面在最优拟合下的贝塞尔曲面控制点信息，包括：
[0024]按照预设步长，将每个所述希尔伯特三维曲面划分为多段希尔伯特子曲面；
[0025]对每个所述希尔伯特三维曲面中的各段希尔伯特子曲面进行贝塞尔曲面拟合，得到每段所述希尔伯特子曲面对应的贝塞尔拟合曲面的控制点信息；
[0026]综合每个所述希尔伯特三维曲面的各段希尔伯特子曲面对应的控制点信息，得到每个所述希尔伯特三维曲面在最优拟合下的贝塞尔曲面控制点信息
。
[0027]根据本专利技术提供的一种辐射源识别方法，在所述将所述希尔伯特时频谱图指纹特征信息输入到辐射源识别模型之前，所述方法还包括：
[0028]获取多个已知辐射源所发出信号对应的希尔伯特时频谱图指纹特征信息样本及对应的辐射源身份信息标签；
[0029]将每个所述希尔伯特时频谱图指纹特征信息样本及对应的辐射源身份信息标签作为一组训练样本，获取多组训练样本；
[0030]利用所述多组训练样本，对辐射源识别模型进行训练
。
[0031]根据本专利技术提供的一种辐射源识别方法，所述利用所述多组训练样本，对辐射源识别模型进行训练，包括：
[0032]对于任意一组训练样本，将所述训练样本输入辐射源识别模型，输出所述训练样本对应的预测结果；
[0033]利用预设损失函数，根据所述训练样本对应的预测结果和所述训练样本中的人员信息标签计算损失值；
[0034]基于所述损失值，对所述辐射源识别模型的模型参数进行调整，直至训练完所有训练样本；
[0035]将训练完最后一个训练样本时所得到的模型参数作为训练好的辐射源识别模型的模型参数
。
[0036]本专利技术还提供一种辐射源识别装置，包括：
[0037]处理模块，用于基于待识别辐射源所发出信号的时域数据，确定所述待识别辐射源所发出信号本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种辐射源识别方法，其特征在于，包括：基于待识别辐射源所发出信号的时域数据，确定所述待识别辐射源所发出信号的稳态信号，并从所述稳态信号中提取希尔伯特时频谱图指纹特征信息，所述希尔伯特时频谱图指纹特征信息包括控制点信息和幅度信息；将所述希尔伯特时频谱图指纹特征信息输入到辐射源识别模型，得到所述辐射源识别模型输出的所述待识别辐射源的身份信息；所述辐射源识别模型是根据辐射源所发出信号对应的希尔伯特时频谱图指纹特征信息样本以及对应的辐射源身份信息标签训练得到的
。2.
根据权利要求1所述的辐射源识别方法，其特征在于，所述从所述稳态信号中提取希尔伯特时频谱图指纹特征信息，包括：对所述稳态信号进行信号分解，得到多个时间模态分量，并确定每个所述时间模态分量对应的目标希尔伯特时频谱图；基于每个所述时间模态分量对应的目标希尔伯特时频谱图，确定每个所述时间模态分量对应的希尔伯特三维曲面；对每个所述希尔伯特三维曲面进行贝塞尔曲面拟合，确定每个所述希尔伯特三维曲面在最优拟合下的贝塞尔曲面控制点信息，并对每个所述目标希尔伯特时频谱图进行投影变换，得到每个所述目标希尔伯特时频谱图的幅度信息；根据每个所述希尔伯特三维曲面的贝塞尔曲面控制点信息和每个所述目标希尔伯特时频谱图的幅度信息，得到所述希尔伯特时频谱图指纹特征信息
。3.
根据权利要求2所述的辐射源识别方法，其特征在于，所述对所述稳态信号进行信号分解，得到多个时间模态分量，包括：对所述稳态信号进行傅里叶变换，得到所述稳态信号对应的频谱序列，并对所述频谱序列进行平滑处理，在处理后的频谱序列中提取各个峰值点对应的角频率；从所述各个峰值点对应的角频率中，随机选取与预设模态数量相同数量的目标角频率，并根据各个所述目标角频率设定变分模态分解算法中的初始化角频率参数；利用设定好初始化角频率参数的变分模态分解算法，对所述稳态信号进行信号分解，得到多个时间模态分量
。4.
根据权利要求2所述的辐射源识别方法，其特征在于，所述确定每个所述时间模态分量对应的目标希尔伯特时频谱图，包括：对每个所述时间模态分量进行希尔伯特变换，得到每个所述时间模态分量对应的原始希尔伯特时频谱图；根据每个所述时间模态分量对应的原始希尔伯特时频谱图，计算每个所述原始希尔伯特时频谱图对应的边际谱；根据每个所述原始希尔伯特时频谱图对应的边际谱的峰值中心频率，确定每个所述原始希尔伯特时频谱图中的能量集中区域；从每个所述原始希尔伯特时频谱图中截取所述能量集中区域对应的希尔伯特时频谱图，得到每个所述时间模态分量对应的目标希尔伯特时频谱图
。5.
根据权利要求2所述的辐射源识别方法，其...

【专利技术属性】
技术研发人员：郭少颖，李子扬，李晓辉，朱家佳，
申请(专利权)人：中国科学院空天信息创新研究院，
类型：发明
国别省市：