專利名稱：無線發(fā)射機載波和時鐘相位噪聲指紋特征聯(lián)合識別方法
技術領域：
本發(fā)明涉及無線發(fā)射機指紋識別，尤其是涉及一種無線發(fā)射機載波和時鐘相位噪聲指紋特征聯(lián)合識別方法。
背景技術：
無線發(fā)射機指紋識別是指從接收的無線信號中提取特征向量作為指紋并用以識別發(fā)射機個體的技術。隨著當今復雜電磁環(huán)境下的信息安全等問題日益凸顯，該技術在通信對抗偵察系統(tǒng)、無線網(wǎng)絡安全、通信資源管理等諸多領域有著十分廣闊的應用前景?，F(xiàn)代無線發(fā)射機設備集成度和一致性極高、調(diào)制參數(shù)設置軟件化、載波頻率高信號帶寬大等特點給無線發(fā)射機的個體識別帶來了更高的挑戰(zhàn)。近20年來，國內(nèi)外輻射源個體識別的暫態(tài)信號和穩(wěn)態(tài)信號兩類研究對象。暫態(tài)信號是開關機、通信模式切換和幀切換等過渡過程中產(chǎn)生的信號。相對于暫態(tài)信號而言，無線發(fā)射機在穩(wěn)態(tài)工作狀態(tài)下，由于信號已經(jīng)被調(diào)制，發(fā)射機內(nèi)部個體差異的產(chǎn)生通常無法直接觀察到，需要去掉調(diào)制信號的影響，才能獲取發(fā)射機獨有的細微特征。無線發(fā)射機的穩(wěn)態(tài)特征分析和提取相對來說困難。暫態(tài)特征方面，國內(nèi)外對于暫態(tài)信號發(fā)射機個體識別的研究較多，中國專利CN102693411公開了一種基于射頻的無線發(fā)射機的識別方法，它主要就是從暫態(tài)入手，通過提取暫態(tài)的前導信號特征指紋對無線發(fā)射機進行識別。暫態(tài)的特征提取需要對信號起點進行準確檢測，但是對于部分無線信號，如802.11信號而言，暫態(tài)信號是一個緩慢上升的過程，這就增大了起點的檢測難度，而準確的起點檢測對發(fā)射機的識別至關重要。穩(wěn)態(tài)特征方面，蔡忠偉等發(fā)表在通信學報上的題為“基于雙譜的通信輻射源個體識別”文獻中提出采用雙譜特征對通信輻射源進行個體識別；以及Kim和Spooner在2008年的 GL0BEC0M 會議上發(fā)表 題為 “Specific emitter identification for cognitiveradio with application to IEEE802.11”的文章中提出二階循環(huán)譜特征對福射源進行識別；許丹在論文“輻射源指紋機理及識別方法研究”中提出針對發(fā)射機末級功放的非線性特性進行泰勒級數(shù)建模，提取自激指數(shù)和頻推指數(shù)等特征，但是實驗數(shù)據(jù)只是仿真數(shù)據(jù)?？傊?，在無線發(fā)射機的個體識別技術研究中，雖然已經(jīng)取得了一些研究成果，但是仍存在待解決的一些問題。許多的研究方法針對性較強，只對若干個廠商的發(fā)射機進行了識別，有的只是進行了仿真分析，針對實測數(shù)據(jù)的識別結(jié)果較少，用于識別的實驗數(shù)據(jù)量也很少。一些識別率較高的結(jié)果其發(fā)射機的差異性很大(肉眼觀察差異非常明顯)，尤其對于相同廠商和相同型號的識別研究更是少之又少。其次，很多識別方法僅從信號的表面觀測結(jié)果上尋找差異性，未能有效地從個體細微特征的本質(zhì)上進行研究。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種無線發(fā)射機載波和時鐘相位噪聲指紋特征聯(lián)合識別方法，從穩(wěn)態(tài)特征方面入手，以達到實現(xiàn)對無線發(fā)射機進行準確的識別得目的。
本發(fā)明包括以下步驟:I)建立調(diào)頻(FM)多重調(diào)制線譜相位噪聲模型；2)采用高次方去調(diào)制法獲取寬帶調(diào)制信號的載波相位噪聲譜，另通過延遲相乘法實現(xiàn)歸零碼的轉(zhuǎn)化，從而在碼元速率處獲得時鐘相位噪聲譜；3)采用改進的二級分類譜線分離算法分別提取載波相位噪聲譜和時鐘相位噪聲譜的線譜特征向量，同時采用分形維數(shù)的方法提取載波相位噪聲譜的盒子維數(shù)特征向量；4)聯(lián)合載波相位噪聲和時鐘相位噪聲線譜特征向量以及分形盒子維數(shù)特征向量作為無線發(fā)射機的個體指紋特征，利用識別器對無線發(fā)射機信號進行識別。在步驟I)中，所述建立調(diào)頻多重調(diào)制線譜相位噪聲模型的目的在于改變FM調(diào)制的參數(shù)，可獲得與載波相位噪聲近似的線譜。在步驟2)中，所述高次方去調(diào)制法，是由于寬帶調(diào)制信號中并不直接包含載波相位噪聲的線譜，因此要通過去調(diào)制，達到去除調(diào)制信息的影響，從而在高倍載波分量處獲得載波的線譜的目的；所述延時相乘法，是因為時鐘相位噪聲描述了實際信號碼元時鐘頻率對其理想時鐘頻率的偏移量，表現(xiàn)在頻域上即為碼元時鐘附近的離散線譜及連續(xù)譜，所以通過延時相乘方法可以將非歸零碼轉(zhuǎn)換為歸零碼，在碼元速率處獲取時鐘的線譜。在步驟3)中，所述改進的二級分類譜線分離算法，即兩級分類的特征提取算法，利用線譜的分布情況，對其分類然后進行特征提取，實現(xiàn)了不同分布的線譜特征的提取；所述分形維數(shù)的方法，目的是把相位噪聲線譜的自相似性盒子維數(shù)特征提取出來。在步驟4)中，所述識別器是支持向量機(SVM)識別器和BP神經(jīng)網(wǎng)絡識別器；把提取出來的載波相位噪聲，時鐘相位噪聲，以及相位噪聲線譜盒子維數(shù)作為識別器輸入向量，利用識別器，即可對無線發(fā)射器信號進行識別。

本發(fā)明與現(xiàn)有的方法不同，提出了將載波相位噪聲和時鐘相位噪聲的線譜作為無線發(fā)射機指紋特征的新概念，提取載波相位噪聲和時鐘相位噪聲線譜特征和及其相位噪聲的分形維數(shù)作為指紋。通過本發(fā)明所提起無線發(fā)射機信號相位噪聲指紋特征，利用支持向量機(SVM)識別器和BP神經(jīng)網(wǎng)絡識別器對無線發(fā)射機信號進行識別。實測數(shù)據(jù)識別結(jié)果表明，單獨采用載波相位噪聲指紋進行識別，同一型號同一批次軟件無線電設備的載波相位噪聲指紋識別率最高可達90.5%，利用載波和時鐘相位噪聲指紋的聯(lián)合檢測，同一型號同一批次8臺軟件無線電設備識別率高達98.75%。


圖1為某無線發(fā)射機接收到實測信號并去調(diào)制后的載波相位噪聲譜圖。圖2為二重FM調(diào)制的仿真信號。圖3為一種編號XSDR002無線發(fā)射機載波相位噪聲譜及線譜特征值圖。在圖3中，曲線a為線譜特征值圖，曲線b為載波相位噪聲譜。圖4為一種編號XSDR005無線發(fā)射機載波相位噪聲譜及線譜特征值圖。在圖4中，曲線a為線譜特征值圖，曲線b為載波相位噪聲譜。圖5為一種編號XSDR002時鐘相位噪聲譜，算法改進前50組測量數(shù)據(jù)線譜的位置。
圖6為一種編號XSDR002時鐘相位噪聲譜，算法改進后50組測量數(shù)據(jù)線譜的位置。圖7為幾種同一廠家同一批次的無線發(fā)射機的載波相位噪聲譜的盒子維數(shù)特征。在圖 7 中，標記 為 XSDR002，〇為 XSDR004，□為 XSDR005， 為 XSDROlI。圖8為幾種不同特征組合識別結(jié)果對比。在圖8中，標記a為SVM，b為BP神經(jīng)網(wǎng)絡。
具體實施例方式無線發(fā)射機信號載波相位噪聲和時鐘相位噪聲指紋特征聯(lián)合識別方法主要有以下4個步驟:1.建立FM多重調(diào)制線譜相位噪聲模型。因為相位噪聲可看作是一種FM調(diào)制，通過建立FM多重調(diào)制線譜相位噪聲模型，改變FM調(diào)制的參數(shù)，從而可獲得和載波相位噪聲近似的線譜。一重 FM 調(diào)制:s (t) = AcCos [2 η fct+ β sin (2 π fmt)]二重 FM 調(diào)制:s (t) = AcCos [2 π fct+ β jsin (2 π fmlt+ β 2cos (2 π fm2t))]三重FM調(diào)制:s (t) = AcCos [2 π fct+ β jsin (2 π fmlt+ β 2cos (2 π fm2t+ β 3sin (2 π fm3t)))]其中β = Λ f/fm，Δ f為最大頻偏，fm為調(diào)制頻率，fc為載波頻率，Ac為幅值。多重FM調(diào)制模型通過迭代算法，改變參數(shù)βP β 2，β 3，fml，fm2，fm2得到仿真信號。如圖1和圖2所示，圖1為某無線發(fā)射機接收到實測信號并去調(diào)制后的載波相噪譜圖，圖2為二重FM調(diào)制的仿真信號。通過仿真與實測數(shù)據(jù)對比，可以看出仿真圖可以模擬實測信號的載波相位噪聲指紋。2.從已調(diào)信號中獲取含有指紋信息的信號是特征提取的首要步驟。載波相位噪聲指紋需要獲得載波的信息，時鐘相位噪聲指紋需要獲得碼元時鐘的信息，因此可以借鑒通信系統(tǒng)中載波同步和時鐘同步的方法，但又為保留載波和時鐘線譜附近的相位噪聲信息，又不能和同步估計的方法完全一致。本發(fā)明通過去除調(diào)制信息的影響，從而在高倍載波分量處獲得載波的線譜；同時通過延遲相乘將非歸零碼轉(zhuǎn)換為歸零碼，在碼元速率處獲取時鐘的線譜。載波相位噪聲可看作是一種FM調(diào)制。高次方去調(diào)制的方法是調(diào)制信號經(jīng)過N次倍頻后，鍵控信號的調(diào)制信息將被消除，可以得到N倍載波分量，提取出帶相位噪聲的載波譜。
延遲相乘法通過延遲半個碼元周期，使得離散譜達到最大，時鐘線譜分量最強，這時源于時鐘抖動帶來的相位噪聲的線譜則分布在碼元速率的線譜周圍，繼而獲取其相位噪聲線譜。3.除了無線設備自身帶有的底部噪聲之外，信號功率譜估計誤差引起的毛刺成分等隨機因素對連續(xù)譜的幅度影響都比較大，不利于特征提取，因此需要將線譜分量從含有連續(xù)譜中分離出來，即為接下來需要處理的步驟。
采用局部極大值法，可以有效的提取相位噪聲的線譜，不同時刻的樣本受噪聲等的干擾，線譜的幅度略有起伏，而線譜提取算法是根據(jù)幅值的大小取前7個幅值最大的線譜頻率值，造成判別的差異。因而本發(fā)明提出改進的局部極大值譜分離方法。根據(jù)線譜分布不同，對不同軟件無線電設備作兩級分類，在對第一級進行分類后，根據(jù)線譜分布情況，進行第二級分類，繼而分別對兩類信號進行各自特征提取。如圖3和4，即為利用上面步驟，經(jīng)過4次倍頻后在4倍載波處±2KHz范圍獲取到編號XSDR002和編號XSDR005的兩種同一廠家同一批次的不同無線發(fā)射機的載波相位噪聲譜及線譜特征值，圖3和4可以看出，該兩種同意廠家同一批次的不同無線發(fā)射機載波相位噪聲線譜特征值差異明顯。本發(fā)明在時鐘相位噪聲線譜在提取過程，發(fā)現(xiàn):由于噪聲干擾等因素，當采樣的數(shù)據(jù)組數(shù)增加時，線譜的位置發(fā)生較大的變化，如圖5所示，一種編號XSDR002時鐘相位噪聲譜，算法改進前50組測量數(shù)據(jù)線譜的位置。而通過算法的改進，如圖6所示，線譜的位置基本一直，達到很好的效果。在提取載波相位噪聲譜的盒子維數(shù)特征向量方面，采用分形維數(shù)的方法。多重FM調(diào)制模型通過迭代算法，改變參數(shù)可模擬不同軟件無線電設備的相位噪聲指紋。由迭代算法生成相位噪聲指紋圖形具有自相似性，即滿足分形對象的特征描述。因此相位噪聲的功率譜信號可以采用分形的方法提取其特征參數(shù)。如圖7所示，可以看出不同時刻發(fā)射機的分形盒子維數(shù)具有一定的差異性，因此載波相位噪聲譜的盒子維數(shù)特征可以用來作為無線發(fā)射機的識別。4.獲取每組數(shù)據(jù)的載波相位噪聲線譜以及時鐘相位噪聲線譜位置處的頻率值，以及獲取到的載波相位噪聲譜的盒子維數(shù)特征參數(shù)作為特征向量，利用支持向量機(SVM)識別器和BP神經(jīng)網(wǎng)絡識別器，分別對提取出來的相位噪聲指紋特征進行無線發(fā)射機識別。本發(fā)明在對識別過程中的結(jié) 果進行分析，發(fā)現(xiàn)，單獨載波相位噪聲指紋特征和時鐘相位噪聲指紋特征對同一廠家同一批次生產(chǎn)出來的無線發(fā)射機進行識別時，平均識別率最高分別達到89%和75.25%。而載波相位噪聲指紋特征結(jié)合通過計算載波相位噪聲線譜的分形維數(shù)——盒子維數(shù)作為載波相位噪聲的另一個指紋特征時，平均識別率最高達到90.5%。通過分析發(fā)現(xiàn)，載波相位噪聲指紋特征和時鐘相位噪聲指紋特征，兩者對不同的軟線無線電設備的分離度性能各有不同。因而，本發(fā)明把載波相位噪聲指紋特征，時鐘相位噪聲指紋特征，載波相位噪聲線譜的分形維數(shù)，作為聯(lián)合指紋特征，對同一廠家同一批次生產(chǎn)出來的無線發(fā)射機進行識別。得到的結(jié)果是，同一型號同一批次8臺軟件無線電設備識別率最高達98.75%。幾個識別過程對比如圖8所示。
權利要求
1.無線發(fā)射機載波和時鐘相位噪聲指紋特征聯(lián)合識別方法，其特征在于包括以下步驟: 1)建立調(diào)頻多重調(diào)制線譜相位噪聲模型； 2)采用高次方去調(diào)制法獲取寬帶調(diào)制信號的載波相位噪聲譜，另通過延遲相乘法實現(xiàn)歸零碼的轉(zhuǎn)化，從而在碼元速率處獲得時鐘相位噪聲譜； 3)采用改進的二級分類譜線分離算法分別提取載波相位噪聲譜和時鐘相位噪聲譜的線譜特征向量，同時采用分形維數(shù)的方法提取載波相位噪聲譜的盒子維數(shù)特征向量； 4)聯(lián)合載波相位噪聲和時鐘相位噪聲線譜特征向量以及分形盒子維數(shù)特征向量作為無線發(fā)射機的個體指紋特征，利用識別器對無線發(fā)射機信號進行識別。
2.如權利要求1所述無線發(fā)射機載波和時鐘相位噪聲指紋特征聯(lián)合識別方法，其特征在于在步驟2)中，所述延時相乘法，是通過延時相乘方法將非歸零碼轉(zhuǎn)換為歸零碼，在碼元速率處獲取時鐘的線譜。
3.如權利要求1所述無線發(fā)射機載波和時鐘相位噪聲指紋特征聯(lián)合識別方法，其特征在于在步驟2)中，所述改進的二級分類譜線分離算法，即兩級分類的特征提取算法，具體方法是利用線譜的分布情況，對其分類然后進行特征提取，實現(xiàn)了不同分布的線譜特征的提取。
4.如權利要求1所述無線發(fā)射機載波和時鐘相位噪聲指紋特征聯(lián)合識別方法，其特征在于在步驟3)中，所述分形維數(shù)的方法，是把相位噪聲線譜的自相似性盒子維數(shù)特征提取出。
5.如權利要求1所述無線發(fā)射機載波和時鐘相位噪聲指紋特征聯(lián)合識別方法，其特征在于在步驟4)中，所述識別器是支持向量機識別器和BP神經(jīng)網(wǎng)絡識別器。
6.如權利要求1所述無線發(fā)射機載波和時鐘相位噪聲指紋特征聯(lián)合識別方法，其特征在于在步驟4)中，所述利用識別器對無線發(fā)射機信號進行識別是把提取出來的載波相位噪聲，時鐘相位噪聲，以及相位噪聲線譜盒 子維數(shù)作為識別器輸入向量，利用識別器，即可對無線發(fā)射器信號進行識別。
全文摘要
無線發(fā)射機載波和時鐘相位噪聲指紋特征聯(lián)合識別方法，涉及無線發(fā)射機指紋識別。建立調(diào)頻多重調(diào)制線譜相位噪聲模型；采用高次方去調(diào)制法獲取寬帶調(diào)制信號的載波相位噪聲譜，另通過延遲相乘法實現(xiàn)歸零碼的轉(zhuǎn)化，從而在碼元速率處獲得時鐘相位噪聲譜；采用改進的二級分類譜線分離算法分別提取載波相位噪聲譜和時鐘相位噪聲譜的線譜特征向量，同時采用分形維數(shù)的方法提取載波相位噪聲譜的盒子維數(shù)特征向量；聯(lián)合載波相位噪聲和時鐘相位噪聲線譜特征向量以及分形盒子維數(shù)特征向量作為無線發(fā)射機的個體指紋特征，利用識別器對無線發(fā)射機信號進行識別。從穩(wěn)態(tài)特征方面入手，達到實現(xiàn)對無線發(fā)射機進行準確的識別得目的。
文檔編號G06K9/00GK103226704SQ20131017230
公開日2013年7月31日 申請日期2013年5月10日 優(yōu)先權日2013年5月10日
發(fā)明者趙彩丹, 黃聯(lián)芬, 吳雄鵬, 姚彥 申請人:廈門大學