基于卷积-注意力机制与多包推理的射频指纹识别方法及系统技术方案

本发明专利技术涉及基于卷积‑注意力机制与多包推理的射频指纹识别方法及系统，属于通信网络和人工智能技术领域；包括：步骤1、捕捉设备传输信号，并对传输信号进行预处理得到频谱图；步骤2、构建射频指纹识别模型，将得到的频谱图输入到射频指纹识别模型中进行训练，得到训练好的射频指纹识别模型；步骤3、使用已训练好的射频指纹识别模型进行预测，得到最终的预测结果。本发明专利技术针对传统模型融合机制存在的计算复杂度高、模块交互冗余的问题，采用模块分离策略，使卷积模块和Transformer模块独立优化，既降低了计算复杂度，又提升了模型的稳定性。

【技术实现步骤摘要】

本专利技术涉及基于卷积-注意力机制与多包推理的射频指纹识别方法及系统,属于通信网络和人工智能。

技术介绍

1、射频指纹识别（rff, radio frequency fingerprinting）是无线通信系统中设备认证和安全性保障的重要技术，通过提取无线设备在信号传输过程中产生的特有特征，rff能够有效地识别设备身份，传统的射频指纹识别方法通常依赖于特定的特征工程和基于统计方法的分类器，这些方法在面对复杂信道条件、信号噪声干扰以及设备间特性相似性时，往往表现出较低的鲁棒性和分类准确率。近年来，随着深度学习技术的发展，基于深度学习的射频指纹识别模型逐渐成为主流，这些模型可以自动提取信号的时频域特征，并大幅提高了设备分类的准确率。

2、目前，深度学习模型在射频指纹识别领域的应用主要集中在卷积神经网络（cnn）和长短时记忆网络（lstm）等经典结构，然而，单一模型在处理复杂信号特征时可能面临局限性，例如，cnn在捕捉局部特征方面表现优异，但缺乏对全局时间序列信息的建模能力；lstm等循环网络虽然可以捕捉时间序列的长依赖性，但计算效率较低，且难以处理本文档来自技高网...

【技术保护点】

1.基于卷积-注意力机制与多包推理的射频指纹识别方法，其特征在于，包括：

2.根据权利要求1所述的基于卷积-注意力机制与多包推理的射频指纹识别方法，其特征在于，捕捉设备传输信号，并对传输信号进行预处理得到频谱图；包括：

3.根据权利要求2所述的基于卷积-注意力机制与多包推理的射频指纹识别方法，其特征在于，构建射频指纹识别模型，将得到的频谱图输入到射频指纹识别模型中进行训练，得到训练好的射频指纹识别模型；包括：

4.根据权利要求3所述的基于卷积-注意力机制与多包推理的射频指纹识别方法，其特征在于，使用已训练好的射频指纹识别模型进行预测，并结合多包推理方法...

【技术特征摘要】

1.基于卷积-注意力机制与多包推理的射频指纹识别方法，其特征在于，包括：

2.根据权利要求1所述的基于卷积-注意力机制与多包推理的射频指纹识别方法，其特征在于，捕捉设备传输信号，并对传输信号进行预处理得到频谱图；包括：

3.根据权利要求2所述的基于卷积-注意力机制与多包推理的射频指纹识别方法，其特征在于，构建射频指纹识别模型，将得到的频谱图输入到射频指纹识别模型中进行训练，得到训练好的射频指纹识别模型；包括：

4.根据权利要求3所述的基于卷积-注意力机制与多包推理的射频指纹识别方法，其特征在于，使用已训练好的射频...

【专利技术属性】
技术研发人员：乔静萍，张传亭，李凯强，田杰，李腆腆，李承浩，边际，
申请(专利权)人：山东师范大学，
类型：发明
国别省市：