[发明专利]一种基于双极大值的射频指纹特征提取和识别方法有效
申请号: | 201811477070.0 | 申请日: | 2018-12-05 |
公开(公告)号: | CN109587136B | 公开(公告)日: | 2020-06-19 |
发明(设计)人: | 李雨珊;文红;许爱东;谢非佚;李鹏;蒋屹新;陈松林 | 申请(专利权)人: | 电子科技大学;南方电网科学研究院有限责任公司 |
主分类号: | H04L29/06 | 分类号: | H04L29/06;G06K9/00 |
代理公司: | 成都巾帼知识产权代理有限公司 51260 | 代理人: | 邢伟 |
地址: | 610000 四川省成*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 极大值 射频 指纹 特征 提取 识别 方法 | ||
1.一种基于双极大值的射频指纹特征提取和识别方法,其特征在于:包括以下步骤:
S1.接收端分别接收来自多个射频发射器的信号,并进行样本采集,得到样本集D:
其中,Sij表示从第i个射频收发器信号中采集到的第j个样本,i=1,2,3,...,N,j=1,2,3,...,M;N为射收发器的总数,M为对每个射频收发器采集的信号样本数;
S2.从样本集D中选取样本数据Sij=[d1,d2,...,dk],提取该样本数据中的极大值dl,使之满足dl>dl-1且dl≥dl+1,其中l=2,3,...,k-1;k表示样本数据Sij的维数;将选取出来的前t个极大值组成样本特征其中t表示预设的样本数据维数;
S3.按照步骤S2依次对样本集D中的每一个样本数据进行处理,得到双极大值特征集
S4.基于机器学习算法,在双极大值特征集的基础上训练分类器,对未知身份的射频收发器进行识别。
2.根据权利要求1所述的一种基于双极大值的射频指纹特征提取和识别方法,其特征在于:所述步骤S1包括以下子步骤:
S101.第i个射频发射器持续向接收端发射信号,接收端对接收的波形信号进行起始点位置和结束点位置检测,得到M个信号样本,形成第i个射频发射器的样本集Di:
Di=[Si1,Si2,...,SiM]
S102.对于每一个射频发射器,按照步骤S101重复执行,得到所有射频发射器的样本集D:
3.根据权利要求1所述的一种基于双极大值的射频指纹特征提取和识别方法,其特征在于:所述步骤S4包括以下子步骤:
S401.利用数字1,2,3,…N对射频发射器进行编号,在双极大值特征集中,利用每一个样本特征所对应的射频发射器编号,对该样本特征进行标记;
S402.将双极大值特征集按照2:1的比例划分为训练集和测试集;
S403.利用机器学习算法中的分类算法构建分类器,基于训练集中的数据对分类器进行训练;
S404.利用测试集中的数据对训练得到的分类器进行测试,计算识别率来判断分类器是否达标,若识别率达标,则将训练得到的分类器作为最终的成熟分类器,若不达标,返回步骤S1;
S405.对于任一未知身份的射频发射器,接收端接收其发射的一个波形信号作为样本,对该样本按照步骤S2进行双极大值提取后,送入成熟的分类器中,由分类器输出编号来确定该射频发射器的身份。
4.根据权利要求1所述的一种基于双极大值的射频指纹特征提取和识别方法,其特征在于:步骤S4中所述机器学习算法中的分类算法包括但不限于SVM算法、k-近邻算法、朴素贝叶斯算法和决策树算法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于电子科技大学;南方电网科学研究院有限责任公司,未经电子科技大学;南方电网科学研究院有限责任公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811477070.0/1.html,转载请声明来源钻瓜专利网。