[发明专利]基于射频信号精细画像的物联网物理层多级特征提取方法

说明书

本发明公开了一种基于射频信号精细画像的物联网物理层多级特征提取方法，其包括：进行一级信号多层次特征提取与画像表示，从多层次来刻画不同类别、型号、批次的个体信号精细特征，构成一级画像；对于具有二级信号特征的个体设备，根据待识别信号的可分类程度，将信号的多属性特征利用深度学习进行智能融合，更全面的描述信号的多维度基因融合特征，构成二级画像；根据基于融合特征的等势星球图的方法，将多维向量特征转换为多维彩色图像，结合深度学习算法的智能感知方法，对不同图像特征进行多信度智能融合，增加射频信号样本间特征差异的信息量，构成三级精细画像。本发明可提取信号的多层次、多维度、多粒度的精细画像特征。

技术领域

本发明属于通信技术领域，特别涉及一种基于射频信号精细画像的物联网物理层多级特征提取方法。

背景技术

物联网物理层信号的特征提取，主要是为物联网的安全认证提供可靠的特征数据库。传统的认证机制是在应用层实现的，利用密码算法生成第三方难以仿冒的数值结果，但这种机制存在着协议安全漏洞和密钥泄露等风险。物联网感知层终端设备具有多样化、智能化、复杂化且数量庞大的特点，虽然传统的认证机制可以在一定程度上保障信息安全，但是并不适用于处理大规模网络及其所带来的海量数据，难以满足物联网的信息安全需求。知名安全厂商赛门铁克联合全球最大的芯片提供商德州仪器公司，以及密码服务提供商wolfSSL公司，将认证技术、加密技术以及嵌入式技术结合到一起，为物联网设备提供可靠的信息加密和身份认证，然而这种基于嵌入式技术的设备保护方法需要较高的成本。对于输变电物联网与配电物联网的终端设备身份认证，常用的有基于身份ID标识的条形码和RFID技术。其中，RFID技术本质上是利用电磁波所携带的有意调制信息经解调后进行设备身份认证，但其安全和隐私威胁涉及窃听、假冒和标签克隆等问题[1]。因此，研究一种低错误率、高效率、低成本的感知层终端设备接入与控制的身份识别认证方法[2,3]，是确保物联网稳健运行的关键。

物联网物理层接入认证的本质是射频的指纹识别技术。现有的射频指纹识别技术根据利用物理层资源的不同，可分为基于信道的指纹识别技术和基于传输信号的指纹识别技术。基于信道特征的指纹识别技术旨在利用设备的唯一位置信息来作为不同用户在不同场景下的身份检测指标，通常应用于物联网设备的室内定位。常用的信道特征有无线电信号强度(RSS)、信道状态信息(CSI)和信道频率响应(CFR)。基于传输信号的指纹识别技术分为基于瞬态信号的指纹识别技术和基于稳态信号的指纹识别技术。瞬态信号不包含任何数据信息，只体现发射机的硬件特征，具有独立性，射频指纹最初就是从瞬态信号中提取的，如瞬态信号的持续时间、分形维数特征、频谱特性、时域包络、小波系数等。由于瞬态信号持续时间短，难以捕获，对突变点检测和定位较为敏感，限制了其在实际环境中的应用。稳态信号是发射机处于稳定工作状态时的信号，其持续时间长，更容易获得，利用廉价的接收机即可完成，但稳态信号中存在的射频指纹更不容易提取，如频率偏移、Holder系数特征、熵特征等。随着射频指纹识别技术的发展，学者们逐渐从利用瞬态信号到利用稳态信号的前导序列，再到利用稳态信号的传输数据段，逐步减少了对待识别信号检测和提取的要求。

[1]C.Bertoncini,K.Rudd,B.Nousain,et al.Wavelet fingerprinting ofradio-frequency identification(RFID)tags[J].IEEE Transactions on IndustrialElectronics,2012,59(12):4843-4850.

[2]Dajiang Chen,Ning Zhang,Zhen Qin,et al.S2M:A lightweight acousticfingerprints-based wireless device authentication protocol[J].IEEE Internetof Things Journal,2017,4(1):88-100.

[3]曾勇虎,陈翔,林云,等.射频指纹识别的研究现状及趋势[J].电波科学学报,2019.DOI:10.13443/j.cjors.2019070501