一种融合多特征的RSBU-LSTM射频指纹识别方法技术

本发明专利技术公开了一种融合多特征的RSBU‑LSTM射频指纹识别方法，包括：一、射频信号的采集及处理；二、构建RSBU‑LSTM神经网络模型；三、I分量、Q分量和相位的特征提取；步骤四、RSBU‑LSTM神经网络模型的训练；五、利用训练好的RSBU‑LSTM神经网络模型进行射频指纹识别。本发明专利技术方法步骤简单、设计合理，通过I分量、Q分量和相位信号多个特征作为网络的输入，采用RSBU‑CW模块来抑制噪声并提取相关特征，以及LSTM网络模块提取非相邻周期信号的相关特征，有效提升了在低信噪比环境条件下的射频指纹识别准确率。

【技术实现步骤摘要】

本专利技术属于射频指纹识，具体涉及一种融合多特征的rsbu-lstm射频指纹识别方法。

技术介绍

1、射频指纹特征分析是基于无线设备发射的射频信号的特征来进行识别和区分的。每个无线设备都有其独特的射频指纹，就像人类的指纹一样，这个指纹由设备的硬件和软件特征共同决定。射频指纹特征分析利用了无线设备在发射射频信号时产生的微小差异，通过对这些差异进行分析和比对，可以识别无线设备。

2、射频指纹识别(radio frequency fingerprint identification，rffi)可以区分高度相似的无线通信设备，保护物理层安全，有效提高无线网络的安全性，已被广泛用于频谱管理和物理层安全通信。

3、传统的rffi方法大多在时域或变换域中提取信号的物理参数特征。在获得特征后，通过分类器完成个体识别。在特征提取方面，使用快速傅立叶变换、短时傅立叶变换和离散小波变换提取特征。经典的机器学习分类器，包括支持向量机和随机森林。这些传统的基于特征的识别方法大多依赖于rff特征的经验设计和信号的先验知识，导致缺乏通用性和实时性差，无法满足当前本文档来自技高网...

【技术保护点】

1.一种融合多特征的RSBU-LSTM射频指纹识别方法，其特征在于，该方法包括以下步骤：

2.按照权利要求1所述的一种融合多特征的RSBU-LSTM射频指纹识别方法，其特征在于：所述第一分支神经网络模型、第二分支神经网络模型和第三分支神经网络模型中卷积层的结构为：卷积核的大小为1×7，滑动步长为2，卷积核的个数为64，padding为3。

3.按照权利要求1所述的一种融合多特征的RSBU-LSTM射频指纹识别方法，其特征在于：16个RSBU-CW模块从卷积层至全局平均池化层分别记作第1个RSBU-CW模块，第2个RSBU-CW模块，第3个RSBU-CW模块，......

【技术特征摘要】

1.一种融合多特征的rsbu-lstm射频指纹识别方法，其特征在于，该方法包括以下步骤：

2.按照权利要求1所述的一种融合多特征的rsbu-lstm射频指纹识别方法，其特征在于：所述第一分支神经网络模型、第二分支神经网络模型和第三分支神经网络模型中卷积层的结构为：卷积核的大小为1×7，滑动步长为2，卷积核的个数为64，padding为3。

3.按照权利要求1所述的一种融合多特征的rsbu-lstm射频指纹识别方法，其特征在于：16个rsbu-cw模块从卷积层至全局平均池化层分别记作第1个rsbu-cw模块，第2个rsbu-cw模块，第3个rsbu-cw模块，...，第16个rsbu-cw模块，第1个rsbu-cw模块和第2个rsbu-cw模块中卷积层的结构为：卷积核的大小为1×3，...

【专利技术属性】
技术研发人员：朱丰超，凌浩然，谢佳炜，
申请(专利权)人：中国人民解放军火箭军工程大学，
类型：发明
国别省市：