[发明专利]基于前导差分谱的OFDM设备识别方法及装置

说明书

本发明公开了一种基于前导差分谱的OFDM设备识别方法及装置,方法包括：(1)随机选择L个不同的物理位置接收目标发射机发射的OFDM信号，得到L个接收信号，每个接收信号包含F帧；(2)针对每个位置的接收信号，计算其包含的所有帧的每个子载波的前导差分谱；(3)计算每个位置所有帧的每个子载波的前导差分谱的均值和方差；(4)对于每个子载波，根据最小方差原则选取对应的均值作为该子载波处的前导差分谱值，并组成指纹特征；(5)将所述指纹特征与预存的指纹特征进行匹配，若匹配成功，则判定当前目标发射机为正常设备，否则判定为异常设备。本发明识别准确率更高，可以更有效的克服信道的影响。

技术领域

本发明涉及设备识别技术，尤其涉及一种基于前导差分谱的OFDM设备识别方法及装置。

背景技术

WiFi已经成为连接局域网(LAN)和物联网(loT)中各种无线设备的一种无处不在的通信媒介。然而，在WiFi网络中，恶意AP和客户端设备可能伪造合法设备的密码、SSID和/或MAC/IP地址，并播放各种模拟和重播攻击。需要一种实时检测、识别和预防机制来应对恶意WiFi连接。然而，传统的网络安全机制难以解决这些问题，特别是在数据链路层及其以下可能发生攻击的情况下。事实上，指纹应该不随环境条件的变化而改变。但是在实际应用中使用射频指纹仍然存在重大挑战。最大的挑战之一是无线信道的负面影响。大多数先前的研究都集中在理想化的场景中，即训练和验证之间的信道是不变的。然而，当训练和验证的信道不同时，识别的准确性会降低。研究表明，无线信道对接收机捕获的复杂符号的分布有着不可忽视的影响。因此，克服无线信道的影响，不随环境条件变化而改变的射频指纹特征是非常重要的。

发明内容

发明目的：本发明针对现有技术存在的问题，提供一种基于前导差分谱的OFDM设备识别方法，该方法利用IEEE802.11n信标帧前导码中两个长训练序列(LTS)的频谱的幅度商(AoQ)，即前导差分谱，作为指纹特征进行识别，该指纹不会随环境条改变而改变，识别结果更准确。

技术方案：本发明所述的基于前导差分谱的OFDM设备识别方法包括：

(1)随机选择L个不同的物理位置接收目标发射机发射的OFDM信号，得到L个接收信号，每个接收信号包含F帧，L、F都为大于1的整数；

(2)针对每个位置的接收信号，计算其包含的所有帧的每个子载波的前导差分谱；

(3)计算每个位置所有帧的每个子载波的前导差分谱的均值和方差；

(4)对于每个子载波，根据最小方差原则选取对应的均值作为该子载波处的前导差分谱值，并组成指纹特征；

(5)将所述指纹特征与预存的指纹特征进行匹配，若匹配成功，则判定当前目标发射机为正常设备，否则判定为异常设备。

进一步的，步骤(2)具体包括：

(2.1)对于第l个位置的第f帧，计算其第p个长训练序列中第j个子载波位置处的接收信号频率响应其中，l＝1,..,L，f＝1,...,F，p＝1,2，j＝1,...,K_long，K_long为一个长前导符号中包含的子载波的个数；

(2.2)计算第l个位置的第f帧的第j个子载波位置处的前导差分谱值

进一步的，步骤(3)具体包括：

(3.1)根据以下公式计算第l个位置的接收信号的第j个子载波的前导差分谱的均值：

式中，为第l个位置的第f帧的第j个子载波的前导差分谱值，K_long为一个长前导符号中包含的子载波的个数；

(3.2)根据以下公式计算第l个位置的接收信号的第j个子载波的前导差分谱的方差：