System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及特定辐射源识别领域,特别是一种抗干扰复信号sei系统模版设计方法及设备。
技术介绍
1、目前无线设备的数量随着技术的发展,各行各业都开始采用无线方式进行技术、信息互联,这种无线互联方式通常是采用通信协议,携带协议地址用以表明设备身份。当涉及到无线互联安全的时候,通信协议地址由于其采用的软件调制方式从而容易通过人为方式来冒充身份或恶意欺骗终端设备。因此,近年来提出了基于射频指纹(radio frequencyfingeprint,rff)的特定辐射源识别(special emitter identificaion,sei),该指纹由于是由设备出厂电路的独特性决定,被证明是每个设备的唯一身份,并且难以被欺骗或者冒充。
2、sei领域中,一般有两种方式实现射频指纹识别,一种是传统方式,通过通信领域的傅里叶变化、能量谱计算、滤波器使用等,实现不同信号之间的关联计算,从而判断射频指纹是否属于某一设备;一种是基于深度学习的方式,通过深度学习网络对射频指纹的分布性进行学习并判定设备身份。
3、但目前所使用的两种射频指纹提取与识别方式都具有很大的局限性。比如,“reising,d.,et al."radio identity verification-based iot security using rf-dna fingerprints and svm,"ieee internet things,vol.8,no.10,pp.8356-8371,may,2021”中所提到的射频指纹提取方式是采用了6种以上
4、综上,目前特定辐射源识别系统在动态干扰和复杂环境下性能极易不可靠、前期处理严重依赖专业通信算法处理、系统包含的两大技术“指纹提取算法”与“识别网络”无法进行统一设计、面对外部环境变化需要手动调整全系统参数带来巨大工作量以及无法同时解决信噪比与多普勒频移等,这些问题在sei实际应用领域亟待解决。
技术实现思路
1、本专利技术的目的在于克服现有技术中所存在的特定辐射源识别系统在动态干扰和复杂环境下性能不可靠以及设计和调整操作复杂的问题,提供一种抗干扰复信号sei系统模版设计方法及设备。
2、为了实现上述专利技术目的,本专利技术提供了以下技术方案:
3、一种抗干扰复信号sei系统模版设计方法,包括以下步骤:
4、s1:获取无线信号,对其进行预处理后存入无线信号数据集;
5、所述无线信号数据集包括训练数据集以及测试数据集;所述预处理包括信号身份标注、信噪比处理以及人为噪声干扰处理;
6、s2:对所述无线信号数据集内的无线信号进行同步头截取处理,得到同步头信号;
7、s3:将所述同步头信号进行虚部与实部的分离,得到两个包含噪声干扰的时间序列实函数;
8、s4:分别对实虚部的所述时间实序列函数进行离散小波变化多重分解,直至分解到最大分解层,得到实虚部小波分解层集;
9、s5:提取所述实虚部小波分解层集的高低频信息,并根据所述高低频信息为所述实虚部小波分解层集赋予权重参数,输出复信号ref特征提取模板;
10、其中,所述复信号ref特征提取模板包括实虚部小波分解层集及其对应的权重参数;所述实虚部小波分解层集包括若干实部小波分解层以及若干虚部小波分解层。
11、作为本专利技术的优选方案,所述s2包括以下步骤:
12、s21:确定所述无线信号的同步头脉冲数量;
13、s22:根据所述同步头脉冲数量的确定同步头长度;
14、s23:根据所述同步头长度截取所述无线信号的同步头信号。
15、作为本专利技术的优选方案,所述s3中实虚部的时间序列实函数表达式如下:
16、i′(i)=i1+e′i1,i2+e′i2,...,in+e′in,
17、q′(i)=q1+e′q1,q2+e′q2,…,qn+e′qn,
18、其中,i′(i)为实部的时间序列实函数,in为理想无干扰的信号实部波形,e′in为信号实部的干扰因子,q′(i)为虚部的时间序列实函数,qn为理想无干扰的信号虚部波形,e′qn为虚部的干扰因子。
19、作为本专利技术的优选方案,所述s4中离散小波变化多重分解的表达式为:
20、
21、
22、其中,fft为快速傅里叶变化,dwt为离散小波变化,与是为每一层分解层与高低频信息分配的权重矩阵,i′为实部,q′为虚部,dwt1h为分解层第一层的高频信息,dwt1l为分解层第一层的低频信息,以此类推。
23、作为本专利技术的优选方案,所述复信号ref特征提取模板包括:
24、实部小波分解层集:fwi′∈[1l,1h,2l,2h...kl,kh],
25、对应的权重参数:[α1l,α1h,,,,αkl,αkh],
26、虚部小波分解层集:fwq′∈[1l,1h,2l,2h...kl,kh],
27、对应的权重参数:[β1l,β1h,,,,βkl,βkh],
28、其中,n/2k=1,ail,αih,βil,βih∈{0,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8本文档来自技高网...
【技术保护点】
1.一种抗干扰复信号SEI系统模版设计方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种抗干扰复信号SEI系统模版设计方法,其特征在于,所述S2包括以下步骤:
3.根据权利要求1所述的一种抗干扰复信号SEI系统模版设计方法,其特征在于,所述S3中实虚部的时间序列实函数表达式如下:
4.根据权利要求3所述的一种抗干扰复信号SEI系统模版设计方法,其特征在于,所述S4中离散小波变化多重分解的表达式为:
5.根据权利要求4所述的一种抗干扰复信号SEI系统模版设计方法,其特征在于,所述复信号REF特征提取模板包括:
6.根据权利要求1所述的一种抗干扰复信号SEI系统模版设计方法,其特征在于,还包括S6,对生成的复信号REF特征提取模块进行智能调优;
7.根据权利要求6所述的一种抗干扰复信号SEI系统模版设计方法,其特征在于,所述S63采用融合公式进行特征融合,其表达式为:
8.一种抗干扰复信号SEI系统模版设计设备,其特征在于,包括至少一个处理器,以及与所述至少一个处理器通信连接的存储器;所述
...【技术特征摘要】
1.一种抗干扰复信号sei系统模版设计方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种抗干扰复信号sei系统模版设计方法,其特征在于,所述s2包括以下步骤:
3.根据权利要求1所述的一种抗干扰复信号sei系统模版设计方法,其特征在于,所述s3中实虚部的时间序列实函数表达式如下:
4.根据权利要求3所述的一种抗干扰复信号sei系统模版设计方法,其特征在于,所述s4中离散小波变化多重分解的表达式为:
5.根据权利要求4所述的一种抗干扰复信号sei系统模版设计方法,其特征在于,所述复信号ref特征提取模板包括...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。