[发明专利]基于差分复数深度神经网络的通信辐射源个体识别方法

说明书

本发明公开了一种基于差分复数深度神经网络的通信辐射源个体识别方法，解决了目前提取具有独特原生属性的射频指纹仍具挑战性，对于同厂家同批次同型号的无线设备的识别率低的问题，其技术方案要点是包括有以下步骤：通过接收机对通信辐射源个体的射频基带信号进行采集，获得初始I/Q两路信号；对每一段初始I/Q信号进行差分处理，形成新的I/Q两路信号片段，对新的I/Q两路信号片段进行归一化处理，作为发射机的发射指纹；利用复数深度神经网络对发射机的射频指纹进行识别，本发明的一种基于差分复数深度神经网络的通信辐射源个体识别方法，能提高识别准确率、有效性和可靠性。

技术领域

本发明涉及射频指纹识别技术，特别涉及一种基于差分复数深度神经网络的通信辐射源个体识别方法。

背景技术

目前对射频指纹识别的研究现状，提取具有独特原生属性的射频指纹仍然是一件极具挑战性的任务，提取的射频指纹仍然受大量因素的制约，在射频指纹产生机理、特征提取和特征选择方面，以及在射频指纹的鲁棒性和抗信道环境干扰等方面，尤其是对于同厂家同批次同型号的无线设备的识别率低，还有大量问题有待研究。

发明内容

本发明的目的是提供一种基于差分复数深度神经网络的通信辐射源个体识别方法，能提高识别准确率、有效性和可靠性。

本发明的上述技术目的是通过以下技术方案得以实现的：

一种基于差分复数深度神经网络的通信辐射源个体识别方法，包括有以下步骤：

S1、通过接收机对通信辐射源个体的射频基带信号进行采集，获得初始I/Q两路信号；

S2、对每一段初始I/Q信号进行差分处理，形成新的I/Q两路信号片段，对新的I/Q两路信号片段进行归一化处理，直接作为发射机的发射指纹；

S3、利用复数深度卷积神经网络对发射机的射频指纹进行识别。

作为优选，所述复数深度卷积神经网络进行训练和识别所用的差分处理后的新的I/Q两路信号片段长度相统一。

作为优选，通过接收机对发射机发送的射频基带信号进行采集具体包括有：

接收机对接收到的信号进行下变频得到基带信号Y(t),

接收机接收到的信号R(t)＝S(t)，S(t)为发射机发射的射频信号，

其中，X(t)为发射机基带信号,f_cTx为发射机载波频率；f_cRx为接收机载波频率，为接收机接收信号时的相位误差；

当f_cRx≠f_cTx时，接收机下变频得到的基带信号即为：

式中，θ＝f_cRx-f_cTx。

作为优选，对I/Q两路信号的差分处理具体如下：

其中，Y^*为取共轭值，n为差分的间隔(这里n取为1)，差分处理后的信号D(t)包含有一个恒定数值的相位旋转因子e^-j2πθn。

综上所述，本发明具有以下有益效果：