[发明专利]基于改进变分模态分解的射频指纹识别方法

权利要求书

1.基于改进变分模态分解的射频指纹识别方法，其特征在于：

所述方法包括：

获取无线通信设备的信号；

初始化分解模态数和惩罚因子，设定混淆门限和能量占比门限；

以初始化的分解模态数和初始化的惩罚因子为分解参数，对信号进行变分模态分解，得到各模态相关系数的最大值和各模态能量占比的最小值；

通过迭代方式获取合格的分解模态数和合格的惩罚因子，包括：

设定混淆门限为，设定能量占比门限为；

如果且，表示出现了模态混叠现象但无过分解问题，则增加分解模态数并返回；否则进行下一步；

如果且，表示出现了模态混叠现象且有过分解问题，则增加惩罚因子并返回；否则进行下一步；

如果且，表示没有出现模态混叠现象且有过分解问题，则减少分解模态数并返回，否则进行下一步；

如果且，表示没有出现模态混叠现象且无过分解问题，分解结果符合要求，输出合格的分解模态数和合格的惩罚因子；

根据合格的分解模态数和合格的惩罚因子，计算得到重构信号，作为信号的射频指纹；

将重构信号输入长短期记忆网络中进行分类识别。

2.根据权利要求1所述的方法，其特征在于：

以初始化的分解模态数和初始化的惩罚因子为分解参数，对信号进行变分模态分解，包括：

无线通信设备的信号为，初始化的分解模态数为，初始化的惩罚因子为；

以初始化的分解模态数和初始化的惩罚因子为分解参数，对信号进行阶变分模态分解，得到个本征模态函数，。

3.根据权利要求2所述的方法，其特征在于：

得到各模态相关系数的最大值，包括：

将个本征模态函数分别离散化，得到个离散化后本征模态函数；

计算其中任意一对离散化后本征模态函数与之间相关系数，定义各模态相关系数的最大值为，，，；

其中：

，分别表示离散化后本征模态函数与两变量对应元素数据对中的协同数对和不协同数对的数目。

4.根据权利要求3所述的方法，其特征在于：

得到各模态能量占比的最小值，包括：

计算本征模态函数的能量，并将信号的总能量表示为，则各本征模态函数的能量在信号总能量中的占比可表示为：

定义各模态能量占比的最小值为。

5.根据权利要求4所述的方法，其特征在于：

根据合格的分解模态数和合格的惩罚因子，计算得到重构信号，作为信号的射频指纹，包括：

根据合格的分解模态数和合格的惩罚因子，计算重构信号，过程为：

。