通信辐射源指纹识别技术_朱丽莉
雷达辐射源指纹识别技术综述
ｍｅ ａ ｓ ｕ ｒ ｅ ｒ ｅ ｃ ｏ ｎ ｎ ａ ｉ ｓ ｓ ａ ｎ ｃ ｅ． Ｗ ｉ ｔ ｈ ｔ ｈ ｅ ｉ ｎ ｃ ｒ ｅ ａ ｓ ｉ ｎ ｇ ｌ ｙ ｃ ｏ ｍｐ ｌ ｅ ｘ ｅ ｌ ｅ ｃ ｔ ｒ ｏ ｍａ ｇ ｎ ｅ ｔ ｉ ｃ ｅ ｎ ｖ ｉ ｒ ｏ ｎ ｍｅ ｎｔ ａｎ ｄ ｔ ｈ ｅ ｒ ａ ｐ ｉ ｄ ｄ ｅ ｖ ｅ ｌ ｏ ｐ ｍｅ ｎ ｔ ｏ ｆ ｒ ａ ｄ ａ ｒ ｔ ｅ ｃ ｈ ｎ ｉ ｑ ｕｅ，ｒ ａ ｄ ａ ｒ ｅ ｍｉ ｔ ｔ ｅ ｒ ｉｎ ｆ ｇ ｅ ｒ ｐｒ ｉ ｎ ｔ ｒ ｅ ｃ ｏ ｇ ｎ ｉ ｔ ｉ ｏ ｎ ｐ ｌ ａ ｙ ｓ ａ ｎ ｉ ｍｐ ｏ ｒ ｔ ａ ｎ ｔ
ｒ ｏ ｌ ｅ，ａ ｎｄ ｉ ｓ ｆ ａ ｃ ｉ ｎ ｇ ｓ ｅ ｖ ｅ ｒ ｅ ｃ ｈａ ｌ ｌ ｅ ｎｇ ｅ ｓ ． Ｔｏ ｅ ｘ ｐｏ ｕ ｎ ｄ ｔ ｈ ｅ ｍｅ ｃ ｈ ａ ｎ ｉ ｓ ｍ ｏ ｆ ｉｎ ｆ ｇ ｅ ｒ ｐ ｒ ｉ ｎ ｔ ｃ ｈ ａ ｒ ａ ｃ ｔ ｅ ｉｓ ｒ ｔ ｉ ｃ ｓ，
Ｋｅ ｙ ｗｏ ｒ ｄｓ：ｅ ｍｉ ｔ ｔ ｅ ｒ ｉ ｄ ｅ ｎ ｔ ｉ ｉｃ ｆ ａ ｔ ｉ ｏ ｎ； ｉｎ ｆ ｇ ｅ ｐｒ ｒ ｉ ｎ ｔ ｃ ｈ ａ ｒ ａ ｃ ｔ ｅ ｒ ｉ ｓ ｔ ｉ ｃ；ｔ ｒ ａ ｎ ｓ ｍｉ ｔ ｔ ｅ ｒ ； ｕ ｎｉ ｎｔ ｅ ｎ ｔ ｉ ｏ ｎ ａ ｌ ｍｏ ｄ ｕ ｌ ａ —
Ｒｅ ｃ ｏ ｇ ｎ ｉ ｔ ｉ ｏ ｎ Ｔｅ ｃ ｈｎ ｉｑ ｕ ｅ
Ｗｕ Ｗｅ ｉ ｃ ｈ ｅ ｎ ｇ Ｐ ａ ｎ Ｊ ｉ ｆ ｅ ｉ Ｌ ｉ ｕ Ｘｉ ｎ
（ Ｅ ｌ ｅ ｃ ｔ ｒ ｏ ｎ ｉ ｃ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｉ ｒ ｎ ｇ Ｉ ｎ ｓ ｔ ｉ ｔ ｕ ｔ ｅ ， Ｈ ｅ ｆ ｅ ｉ ２ ３ ０ ０ ３ ７， Ｃ ｈ ｉ ｎ ａ ）
辐射源信号指纹识别技术(2)
电子科技大学UNIVERSITY OF ELECTRONIC SCIENCE AND TECHNOLOGY OF CHINA 硕士学位论文MASTER DISSERTATION（电子科技大学图标）论文题目辐射源信号指纹识别技术学科专业信号与信息处理学号201021020311作者姓名徐扬指导教师吕明副教授分类号密级UDC注1学位论文辐射源信号指纹识别技术（题名和副题名）徐扬（作者姓名）指导教师吕明副教授电子科技大学成都（姓名、职称、单位名称）申请学位级别硕士学科专业信号与信息处理提交论文日期2014.03 论文答辩日期2014.05学位授予单位和日期电子科技大学2014年06月答辩委员会主席评阅人注1：注明《国际十进分类法UDC》的类号。
RESEACH ON THE SIGNAL EMITTER INDIVIDUAL IDENTIFICATION TECHNOLOGYOF THE FINGERPRINTA Master Thesis Submitted toUniversity of Electronic Science and Technology of ChinaMajor: Signal and Information ProcessingAuthor: Xu YangAdvisor: Prof. Lv MingSchool:School of Electronic Engineering独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。
据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。
与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。
作者签名：日期：年月日论文使用授权本学位论文作者完全了解电子科技大学有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。
通信辐射源个体识别技术研究
通信辐射源个体识别技术研究通信辐射源个体识别技术对提升无线通信系统的安全性和提高军事通信侦察对抗能力具有重要意义。
通过提取通信辐射源发射机在设计、生产过程中产生的硬件设备差异特征,可以分辨接收的信号来自哪个通信辐射源。
然而,提取这些细微的辐射源个体差异特征非常困难,使得通信辐射源个体识别技术研究成为一项十分具有挑战性的课题。
本文系统的研究了通信辐射源个体识别的理论框架,在此基础上研究了多种具有理论及实用价值的个体识别算法,通过仿真实验和实测数据验证了算法的有效性,部分算法在实际通信辐射源个体识别系统中得到了应用。
本文主要工作包括以下几个方面:1.通信辐射源个体识别基本理论研究。
分析了通信辐射源射频指纹特征信息的传输和处理流程,构建了通信辐射源个体识别的理论框架。
在建立通信辐射源个体特征信息的编译码模型基础上,分析了辐射源个体识别系统的理论性能,指出辐射源个体识别处理流程中应尽可能减少个体特征信息的损失。
2.基于发射机非线性模型的辐射源个体识别方法研究。
在分析通信辐射源个体差异特征的生成机理基础上,研究了基于发射机功放非线性行为的辐射源个体识别方法,可以刻画辐射源发射机功放的弱记忆非线性行为。
针对单器件非线性参数特征不足以精细建模辐射源发射机的个体差异,研究了发射机正交调制器畸变和功放非线性行为联合建模的辐射源个体识别方法,得到的个体特征向量可以更好地刻画不同发射机差异。
考虑到难以精确建模和求解发射机中包含的所有模拟器件非线性行为,提出了一种基于自然测度的辐射源个体识别方法,将辐射源发射机整体视作一个非线性系统,直接提取发射机系统的非线性特征,可有效分辨不同的辐射源发射机个体。
3.基于统计学习的辐射源个体识别方法研究。
为避免辐射源个体特征提取过程中依赖人的主观经验导致的个体差异信息损失,研究了三种基于统计学习的辐射源个体识别方法。
基于信号暂态稀疏表示的辐射源个体识别方法,利用低维特征空间暂态稀疏表示,采用重构误差最小化原则训练特征提取器,并据此分辨新样本的辐射源类别属性。
基于残差原型网络的辐射源个体识别
差网络的识别方法 也' ($!) 在序列信号的识别中取得了很好
的效 果$另 外'池 化 辅 助 分 类 器 生 成 对 抗 网 络 !C6640./
2;c04021(542))0Q0+1 /+.+12*0R+ 23R+1)21024.+*A61D']NH=
和 ON9"($") 半监督特征提取的方 法 在 ($>) 解 决 小 样 本 问 题
被提出'并用于对G&Y 序列数据的识别分类'这些 方 法 利 用
深度学习的强大特征提取能力*自学习能力和相应的数据
处理方法使得分类性能得到了很大提升$针对序列信号的
特点 基于复数神经网络 '
!56,C4+c=R24;+3.+;124.+*A61D'
和 H799" 网络压缩的高效识别方法 以 ($&) 及基于深度复残
困难$
利用人工提取特征并设计分类器的辐射源个体识别方
法已经有了 大 量 研 究'如 通 过 希 尔 伯 特 黄 变 换!J04T+1*=
矩 形 积 分 双 谱 变 分 模 态 分 J;2./*12.)Q61,'JJE"(")*
* (>)
解 和差分星座轨迹图 (#)
!30QQ+1+.*02456.)*+442*06.*125+Q0/;1+'
AAA8)()=+4+856,
基于残差原型网络的辐射源个体识别
王春升$ 王永民许!华朱华丽
空军工程大学信息与导航学院陕西 西安 #<%%##
基于射频指纹的辐射源个体识别技术综述
第21卷第3期信息工程大学学报Vol.21No.32020年6月Journal of Information Engineering UniversityJun.2020㊀㊀收稿日期:2020-05-13;修回日期:2020-06-10㊀㊀基金项目:国家重点实验室主任基金项目(CEMEE2018Z0103B)㊀㊀作者简介:郑娜娥(1984-),女,讲师,博士,主要研究方向为MIMO 信号分析与处理㊂DOI :10.3969/j.issn.1671-0673.2020.03.006基于射频指纹的辐射源个体识别技术综述郑娜娥,王㊀盛,张靖志,左㊀宗(信息工程大学,河南郑州450001)摘要:辐射源个体识别技术可区分辐射源种类㊁确定辐射源身份,在军事和民用领域均具有广阔的应用前景,近来射频指纹的研究受到广泛关注㊂研究了基于射频指纹的辐射源个体识别技术㊂首先,分析了典型数字无线电发射机结构,从硬件电路的制造容差㊁漂移容差以及电路工作状态的影响等方面,探讨了辐射源射频指纹的产生机理;其次,从辐射源个体识别的一般模型出发,梳理总结了数据预处理㊁辐射源暂态和稳态特征提取以及分类识别的研究现状;最后,指出了目前研究中存在的问题和未来可能的发展方向㊂关键词:个体识别;细微特征;射频指纹;特征提取中图分类号:TN97㊀㊀㊀文献标识码:A文章编号:1671-0673(2020)03-0285-05Overview of Emitter Identification Techniques Based on Radiofrequency FingerprintingZHENG Nae,WANG Sheng,ZHANG Jingzhi,ZUO Zong(Information Engineering University,Zhengzhou 450001,China)Abstract :Specific emitter identification method can identify the categories and individuals of radiodevices,which has broad application prospect in military and civil fields.Recently the research of radiofrequency fingerprinting attracts extensive attention.This article firstly analyzes the structure of typical digital radio transmitters,then discusses the mechanism of radiofrequency fingerprinting fromaspects of circuit elements fabrication tolerance,drift tolerance and work condition of the circuit.Secondly,based on the general model of specific emitter identification,the research status of data preprocessing,transient and steady features extraction,classification and identification are st,the current research problems and the possible directions of future development are pointed out.Key words :individual identification;fine feature;radiofrequency fingerprinting;feature extraction㊀㊀随着电子信息技术的迅猛发展,无线信号调制方式越来越多,辐射源种类和数量不断增加,电磁环境愈发复杂㊂在一个集团军的作战区域内,敌我双方的无线电设备达万余部[1],这使得对辐射源个体信息的获取越来越困难,进而给电子对抗带来了极大挑战㊂传统手段识别信号的调制参数㊁载频㊁带宽㊁码元速率㊁电平等简单特征,已经难以对各种辐射源个体进行识别,无法满足现代战场的需求㊂2003年,文献[2]首次提出 射频指纹 这一概念,就像每个人有不同的指纹,每个无线设备的硬件差异也是一种 射频指纹 ,这种差异会反映在无线信号中,通过分析接收到的射频信号就可以提取出该特征㊂根据无线信号提取设备硬件特征的方法被称为 射频指纹提取 ,利用射频指纹对不同的无线设备进行识别的方法则称为 射频指286㊀信息工程大学学报㊀2020年㊀纹识别 [3],又称为特定辐射源识别(Specific Emit-ter Identification,SEI)㊂通过分析特定辐射源的有效特征属性,区分敌我辐射源,确定敌方辐射源的类别㊁位置㊁威胁等级㊁性质等,具有着重要的军事应用价值㊂此外,特定辐射源识别在民用的无线网络安全㊁频谱管理和通信监视等方面也具有巨大的应用潜力[4-5]㊂根据射频设备的工作状态可以将指纹特征分为暂态特征和稳态特征㊂暂态特征指辐射源开关机,工作状态切换时的特征,具有丰富的非线性㊁非平稳特征㊂稳态特征指辐射源稳定工作时的叠加在射频信号的细微特征㊂暂态特征的提取依赖于提取到完整的暂态信号,而暂态信号难以捕捉和检测,且容易受到信道变化的影响,给特征提取带来了困难㊂稳态特征持续时间长,特征稳定,且不需要信号起点检测㊂目前的研究多针对特定调制方式和特定射频设备,经验地选择特征,根据分类识别实验验证特征的有效性㊂这些方法仅利用了指纹特征机理的现象识别辐射源,难以适应调制方式和设备的改变,缺乏通用性㊂研究辐射源指纹特征需要对辐射源建模分析,探究指纹特征机理,设计特征提取算法㊂本文从辐射源射频指纹产生机理㊁辐射源个体识别过程和方法等方面出发,研究了基于射频指纹的辐射源个体识别技术㊂首先,结合典型数字无线电发射机结构,分析硬件电路的制造容差㊁漂移容差以及电路工作状态等对发射信号的影响,探讨辐射源射频指纹的产生机理;其次,针对数据预处理㊁特征提取以及分类识别这一辐射源个体识别的一般流程,概述了目标信号提取与分离㊁辐射源暂态和稳态特征提取和分类识别方法面临的问题及相应的研究现状;最后,指出了目前研究中存在的问题,并讨论了未来可能的发展方向㊂1㊀辐射源射频指纹产生机理如图1所示是一种典型的数字无线电发射机的系统框图[6]㊂图1㊀典型数字无线电发射机结构基带信号经过数字信号处理后进入模拟电路部分,这部分模拟电路的容差是发射机射频指纹的主要来源[3]㊂模拟电路由电路器件及各种联接关系构成,电路器件由各种电子元器件组成㊂通常,电子元器件的容差可以分成制造容差和漂移容差两部分,其中,制造容差是指在生产过程中,由于设备材料㊁加工工艺等原因,电子元器件的电参数与标称值存在一定的差异㊂漂移容差则主要在元器件使用过程中产生,随着使用时间延长,或者工作环境温度湿度等因素变化,元器件退化老化,其电参数也将发生变化㊂此外,电路容差因素还包括印制电路板的材质㊁走线等㊂上述因素造成容差统称为电路的容差效应㊂容差效应导致即使是同一厂家㊁同一型号㊁同一系列甚至是同一批次的无线设备的实际硬件参数也会存在差异,包括振荡器的频偏㊁相位噪声㊁调制器的调制误差㊁功放的非线性失真以及包括中频㊁射频滤波器等滤波器的失真等㊂这些硬件容差就是产生射频指纹的基础㊂辐射源系统相比图1更加复杂㊂辐射源在启停瞬间㊁模式改变等阶段必然存在过渡状态,这个过渡状态是由整个系统的元器件 合力 所为,对于不同的辐射源,由于各元器件的细微差异,以及调试过程中的人为影响,这个 合力 有所区别,导致不同辐射源在过渡状态有不同的细微特征,这种特征称为暂态特征[7],暂态特征蕴含丰富的非线性㊁非平稳特征㊂辐射源稳定工作状态下的细微特征称为稳态特征[8-9],包括由于内部噪声和器件非线性影响生成的无意调制带来的杂散特征,如谐波㊁交叉调制㊁互相调制和寄生调制[10],频率源的不稳定性导致的载频偏差,以及调制参数等㊂一般情况下,不同的辐射源个体采用不同参数类型的晶体振荡器,即使采用相同的晶体振荡器,由于容差的存在,稳定度也不尽相同㊂并且由于噪声和干扰的存在,任何实际振荡器的幅度和相位都会存在涨落,输出频率有所波动[11]㊂由于内部元器件的差异和电路参数的不同,不同辐射源发射的信号在调制参数的准确度上也有一定偏差,如AM信号的调幅指数㊁数字通信信号的码元速率的准确度㊁调频信号的实际跳速等㊂2㊀基于射频指纹的辐射源个体识别过程和方法㊀㊀辐射源个体识别技术是信号处理领域中一项重点和难点课题,尚属新兴的研究领域㊂近年来,㊀第3期郑娜娥,等:基于射频指纹的辐射源个体识别技术综述287㊀国内外有很多研究单位都对辐射源射频指纹特征识别开展了深入研究,并取得了一定的研究成果[12-13]㊂辐射源个体识别一般模型如图2所示㊂首先对接收机接收到的射频信号进行预处理,分离出待分类识别信号,并做能量归一化㊁去噪等处理,使其适应于射频指纹特征提取㊂其次,利用系统辨识㊁高阶统计量㊁分形等手段提取出发射设备叠加在射频信号的指纹特征㊂最后将提取的特征构成一特征向量,选择合适分类器识别出不同设备㊂图2㊀辐射源个体识别一般模型2.1㊀数据预处理数据预处理的基本功能是为后续的特征提取和分类识别环节提供合适的单个信号㊂实际环境中,多个辐射源的信号通常交织混叠在一起[14]㊂因此,数据预处理首先需要完成目标信号提取或分离[15-16]㊂常用的方法包括独立分量分析(Inde-pendent Component Analysis,ICA)[17]㊁稀疏分量分析(Sparse Component Analysis,SCA)[18]和非负矩阵分解(Non-negative MatrixFactorization,NMF)[19]等㊂获得单个信号后,数据预处理还需要对信号进行下变频㊁相位补偿㊁时频域变换㊁载频估计㊁同相和正交分量分解㊁能量归一化㊁信号去噪等处理㊂通常情况下,接收机采集到的射频信号与辐射源所发射信号相比,受到了多径信道以及其他射频噪声干扰的影响,此时信号所携带的射频指纹特征可能会遭到破坏㊂因此,数据预处理的原则是尽可能地消除信道㊁射频干扰等影响,还原目标设备发射信号,以便提取目标设备的射频指纹㊂2.2㊀射频指纹特征提取目前,针对辐射源射频指纹特征提取技术的研究主要体现在两个方面[3]:一是从暂态信号提取特征;二是从稳态信号提取特征㊂早期研究多针对射频指纹的暂态特征展开㊂文献[20]提出对采集到的VHF FM 暂态信号进行小波分析,用小波系数作为暂态信号的特征,利用遗传算法和神经网络对设备分类,能够有效识别四个厂家的七个不同VHF FM 发射机㊂1997年,文献[21]首次提出采用暂态信号的多重分形轨迹作为射频指纹,利用基于信号幅度的多重分段分形维数的门限检测方法来检测瞬态信号的开始并进行信号的分离,用概率神经网络来进行分类,获得了92.5%的分类准确率㊂2003年开始,文献[2]开始关注蓝牙设备和IEEE 802.11b 设备的暂态信号,提取暂态信号的幅度㊁相位㊁同相分量㊁正交分量㊁功率以及离散小波变换系数等特征㊂第一次提出采用组合多个不同类型的特征作为设备的指纹,最终达到8%的平均错误率㊂辐射源信号暂态特征的性能非常依赖于暂态信号的完整性和一致性[22],与信号检测性能的优劣密切相关,因此辐射源暂态指纹特征的研究主要从暂态信号检测㊁暂态特征提取两个方面进行㊂暂态信号的检测方法主要有门限检测法[21]㊁贝叶斯检测法[23]㊁相位特性检测法[2]等方法㊂在检测到暂态信号之后,需要提取暂态信号的特征㊂暂态特征提取可以从幅度㊁频率等方面来进行划分㊂文献[24]用分形理论分析暂态信号幅度特征,将暂态信号的分形维数作为指纹特征进行辐射源个体识别,文献[25]对暂态信号进行离散小波变换,以小波系数为暂态信号频率细微特征㊂暂态信号持续时间很短,一般难以捕捉(尤其是在非合作条件下),并且只有在高采样率的条件下才能采集到足够多的个体信息㊂此外,暂态信号指纹特征提取容易受信道变化影响,识别率较低,鲁棒性较差㊂这些原因导致暂态特征提取十分困难,暂态特征的使用具有一定的局限性㊂相对于暂态信号,稳态信号持续时间长,表现出的特征比较稳定并且不需要起始点的检测操作㊂尤其是随着技术的不断发展,为了简化接收机的设计,几乎所有的数字通信系统都在数据段之前加入了前导序列㊂稳定的前导提供了一个稳定的可识别的稳态信号[26],因此该领域的研究重点逐渐转向稳态信号的射频指纹提取和识别技术㊂2008年,文献[22]首次进行了基于稳态信号的射频指纹提取和识别研究㊂将通用移动通信系统(Universal Mobile Telecommunications System,UMTS)的前导信号变换为频谱作为射频指纹,用于UMTS 用户设备的识别㊂实验室环境下,当SNR 为15dB 时,7个不同型号的UMTS 用户设备能获得91%的正确识别率;而包含10个同一型号设备的共20个UMTS 用户设备作为待识别对象时,识别率为85%㊂2013年,文献[27]采用于经验模态分解(Empirical Mode Decomposition,EMD)方法分离稳态信号主要成分与杂散成分,提取杂散成分频域特征作为信号细微特征,运用支持向量机(Sup-port Vector Machine,SVM)分类器对无线网卡进行识别,总的识别率达到了98.21%㊂2017年,韩洁等人提出一种基于希尔伯特 黄变换(Hilbert-288㊀信息工程大学学报㊀2020年㊀Huang Transform,HHT)和多尺度分形特征的新方法㊂通过HHT得到时频能量谱,将其视为三维空间中的复杂曲面,然后利用分形理论通过多尺度分块提取差分盒维数和多重分形维数二维特征组成特征向量;最后,采用支持向量机分类器结合二维特征向量实现通信辐射源的个体分类[28]㊂该方法识别性能受信噪比㊁训练样本数量及目标种类影响小,尤其在低信噪比和训练样本数量较小的情况下识别性能突出㊂总之,基于稳态信号的射频指纹携带辐射源更多的硬件信息,信号更容易采集,识别性能好㊂但是文献中所提出的识别性能都是在一定的条件下得出的,受到信道指纹的影响,这些实验条件与实际应用还有较大距离㊂2.3㊀分类识别根据模式识别的一般过程,在完成了识别对象的特征提取之后,就进入到了模式分类阶段,该阶段包括分类器设计和分类决策两个部分㊂分类器设计就是在样本训练集基础上寻找一个最优的分界面,该分界面使得分类错误率最小或损失最小;分类决策则是利用分类器设计得到的判决准则来对新的识别对象进行分类,判决其归属于哪一类别[29],通常要求所设计的分类器具有强分类能力和强泛化能力[30]㊂目前,模式识别中的分类器主要集中在以下两个方面:第一,以统计决策理论为基础的分类器,应用非常广泛,常见的此类分类器有贝叶斯分类器㊁最近邻分类器㊁二元分类树分类器以及神经网络分类器等㊂由于利用的是经典的统计理论,此类分类器只有在训练样本数非常巨大的时候才能够逼近最优的分类性能,在实际样本数获取有限并且获取代价较高时,难以得到理想性能;但在辐射源个体别系统中,仍然存在有较多的应用;第二,以统计学习理论为基础的分类器,最主要代表就是SVM分类器,针对有限的训练样本在模型复杂性和学习能力之间取得最佳折中[31]㊂3㊀存在问题与发展方向辐射源个体识别是一个热点课题,同时也是一个难点课题,具有很高研究价值㊂射频指纹提取技术可以应用于辐射源个体识别㊁设备认证㊁无线电管理等诸多领域,拥有广阔的应用前景㊂但是,在实际应用和研究中还存在着许多问题,有待于进一步解决:①射频指纹产生机理的建模与分析㊂现有研究对辐射源指纹特征的产生机理缺乏本质的认识,仍未建立起相对完善的数学模型㊂即使采集大量实际信号用于识别分析,也囿于缺乏基本理论支撑,方法与实验结果缺乏一般性和普遍性㊂因此,需要进一步地去挖掘辐射源射频指纹特征的产生机理,建立有效的数学模型㊂②抑制信号主要成分的信号预处理㊂信号的指纹特征一般都隐藏在信号之下㊁甚至是淹没在信号之下,若直接对信号提取指纹特征,由于信号的主要成分的影响以及指纹特征的微弱性,可能所提取到的指纹特征很粗糙㊁甚至无法提取到有效的指纹特征,最后可能会导致严重的分类识别错误㊂因此,引入能够抑制或去除信号的主要成分,保留并放大信号的细微特征的数据处理方法很有必要㊂③多种指纹特征的联合选取㊂由于特征提取技术条件的限制以及发射机器件差异逐步缩小,目前所能提取到的单一特征量难以同时满足普遍性㊁唯一性㊁可检测性和稳定性的要求㊂利用单一特征量进行识别往往难以达到理想的识别效果㊂因此需要选取组合多种指纹特征,实现对辐射源的有效识别㊂④多通道设备的指纹特征提取㊂目前出现了越来越多的集成了多通道的射频设备,如MIMO天线㊁多通道雷达等㊂对这类多通道设备的射频指纹特征提取成为了新的挑战㊂一方面,多通道射频设备使用多个天线收发信号,相对于传统单通道设备,可以提供更多的特征信息,有利于高识别性能;另一方面,多个通道的信号相互混叠,给特征提取增加了难度㊂现有研究鲜有针对多通道设备指纹特征提取问题的研究,还需要进一步加强㊂4㊀结束语辐射源个体识别技术具有重要的军事意义和民用价值㊂随着数字技术的发展和硬件工艺的进步,辐射源的种类不断增加,同类型辐射源差异越来越小,基于射频指纹的辐射源个体识别日益受到重视㊂本文对辐射源射频指纹产生机理㊁基于射频指纹的辐射源个体识别过程和方法进行了深入研究,梳理了现有研究成果,并指出了研究中存在的问题及未来可能的发展方向㊂参考文献:[1]李伟,魏光辉,潘晓东,等.复杂电磁环境下通信装备干扰预测方法[J].电子与信息学报,2017,39㊀第3期郑娜娥,等:基于射频指纹的辐射源个体识别技术综述289㊀(11):2782-2789.[2]HALL J,BARBEAU M,KRANKIS E.Detection of tran-sient in radio frequency fingerprinting using signal phase [C]//Proceedings of the IASTED International Confer-ence on Wireless and Optical Communications,2003: 13-18.[3]俞佳宝,胡爱群,朱长明,等.无线通信设备的射频指纹提取与识别方法[J].密码学报,2016,3(5): 433-446.[4]DANEV B,ZANETTI D,CAPKUN S.On physical-layer identification of wireless devices[J].ACM Computing Surveys(CSUR),2012,45(1):6-14.[5]肖乐群,张玉灵,赵拥军.基于对角积分双谱的雷达辐射源信号识别[J].信息工程大学学报,2012,13(1): 95-99.[6]曹志刚,钱亚生.现代通信原理[M].北京:清华大学出版社,1992.[7]孙娜.通信电台细微特征研究[D].北京:北京邮电大学,2010.[8]YUAN J,HUANG Z,SHA Z.Specific emitter identifica-tion based on transient energy trajectory[J].Progress in Ics Research C,2013,44:67-82.[9]任黎丽.辐射源指纹识别与细微特征提取方法研究[D].哈尔滨:哈尔滨工程大学,2012.[10]许丹.辐射源指纹机理及识别方法研究[D].长沙:国防科学技术大学,2008.[11]徐书华.基于信号指纹的通信辐射源个体识别技术研究[D].武汉:华中科技大学,2007. [12]任春辉.通信电台个体特征分析[D].成都:电子科技大学,2006.[13]李文龙,梁涛,许金勇,等.跳频通信中的射频指纹识别技术[J].解放军理工大学学报(自然科学版),2009,10(S):1-5.[14]李刚,包从开.辐射源个体特征识别技术及在短波电台识别上的应用[J].信息通信,2016,11:175-178.[15]聂皞,汪连栋,曾勇虎,等.电子信息系统复杂电磁环境效应[M].北京:国防工业出版社,2013. [16]YU X,HU D,XU J.Blind source separation:theoryand application[M].Singapore:John Wiley&Sons,2014.[17]LI J,ZHANG H,ZHANG J.Fast adaptive BSS algo-rithm for independent/dependent sources[J].IEEECommunications,2016,20(11):2221-2224. [18]LI Y,AMARI S,CICHOCKI A,et al.Undeterminedblind source separation based on sparse representation[J].IEEE Trans.on Signal Processing,2006,54(2):423-437.[19]ANIL K,CHEVULA V,RAMA R.Unsupervised noiseremoval technique based on constrained NMF[J].IETSignal Processing,2017,11(7):788-795. [20]TOONSTRA J,KINSNER W.A radio transmitter fin-gerprinting system ODO-1[C]//Electrical and Comput-er Engineering,Canadian Conference on.IEEE,1996,1:60-63.[21]SHAW D,KINSNER W.Multifractal modelling of radiotransmitter transients for classification[C]//WES-CANEX97:Communications,Power and Computing.Conference.IEEE,1997:306-312.[22]KENNEDY I O,SCANLON P,MULLANY F J,et al.Radio transmitter fingerprinting:A steady state frequen-cy domain approach[C]//Vehicular Technology Confer-ence,2008.VTC2008-Fall.IEEE68th.IEEE,2008:1-5.[23]URETEN O,SERINKEN N.Bayesian detection of radiotransmitter turn-on transients[C]//NSIp.1999:830-834.[24]CHEN J,KINSNER W.Multi-fractal analysis of transi-ents in power systems[C]//Electrical and ComputerEngineering,2000Canadian Conference on.IEEE,2000,1:307-311.[25]HIPPENSTIEL R D,PAYAL Y.Wavelet based trans-mitter identification[C]//Signal Processing and Its Ap-plications,1996.ISSPA96,Fourth International Sym-posium on.IEEE,1996,2:740-742. [26]SCANLON P,KENNEDY I O,LIU Y.Feature extrac-tion approaches to RF fingerprinting for device identifi-cation in femtocells[J].Bell Labs Technical Journal,2010,15(3):141-151.[27]HUANG D,ZHAO J,SU J.Practical implementation ofHilbert-Huang transform algorithm[J].ActaOceanolog-ica Sinica-English Edition,2003,22(1):1-14. [28]韩洁,张涛,王欢欢,等.基于3D-Hibert能量谱和多尺度分形特征的通信辐射源个体识别[J].通信学报,2017,38(4):99-109.[29]周斌.信号细微特征提取及识别技术研究[D].哈尔滨:哈尔滨工业大学,2011.[30]张浩然,韩正之,李昌刚.支持向量机[J].计算机科学,2002,29(12):135-137.[31]SCH C,LAPTEV I,CAPUTO B.Recognizing humanactions:a local SVM approach[C]//International Con-ference on Pattern Recognition.IEEE,2004,3:32-36.(编辑:刘彦茹)。
一种基于相噪特性的辐射源指纹特征提取方法
摘要 ： 辐射源指纹特征可用于实现对辐射源 目标个体 的识别 。为 了提升特征 的区分 能力和识别性 能 ， 提出 了基 于相位 噪声 特性 的辐射源指纹特征提取方法 。通过分析发射机频率源电路 的等效数学模型 ， 建立了描述发射机 相位噪声特性 的 自回归
一
滑动平均 （ Ａ Ｒ ＭＡ） 模 型， 并 提出通 过 ＡＲ ＭＡ参数估计构建辐射源指纹特征 ， 从而完成辐射源个体识 别。仿真结果证实 了上
第３ ０ 卷 第９ 期
文章编号 ： １ ０ ０ ６ — ９ ３ ４ ８ （ ２ ０ １ ３ ） ０ ９ — ０ １ ８ ２ — ０
２ ０ １ ３ 年９ 月
一
种 基 于相 噪 特 性 的辐 射 源指 纹特 征 提 取 方 法
黄渊凌， 郑 辉
（ 西南 电子 电信技术研究所盲信号处理重点实验室 ， 四川 成都 ６ １ ０ ０ ４ １ ）
ｇ ｅ ｎ ｅ ｒ ａ ｔ ｅ ｄ ｂ ｙ ｔ ｈ ｅ ｔ ｒ ａ ｎ ｓ ｍｉ ｔ ｔ ｅ ｓ ．Ｆ ｒ ｉ ｎ ｇ ｅ ｐｒ ｒ ｉ ｎ ｔ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｓ ｗ ｅ ｒ ｅ ｅ ｘ ｔ ｒ ａ ｃ ｔ ｅ ｄ ｔ ｈ ｒ ｏ ｕ ｇ ｈ ｅ ｓ ｔ ｉ ｍａ ｔ ｉ ｎ ｇ ＡＲＭＡ ｐ ａ ｒ ａ ｍｅ ｔ ｅ ｒ ｓ ａ ｎ ｄ ｕ ｓ ｅ ｄ ｆ ｏ ｒ
一种基于雷达信号指纹特征的辐射源识别方法[发明专利]
![一种基于雷达信号指纹特征的辐射源识别方法[发明专利]](https://img.taocdn.com/s3/m/1770e8eaac51f01dc281e53a580216fc700a5318.png)
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201811208283.3(22)申请日 2018.10.17(71)申请人 中国航天科工集团八五一一研究所地址 210007 江苏省南京市白下区后标营35号(72)发明人 刘志武 冀贞海 王昀 李文魁 杨树树 胡新宇 徐学华 侯文栋 马琴 宋海伟 李贵显 (74)专利代理机构 南京理工大学专利中心32203代理人 朱沉雁(51)Int.Cl.G01S 7/28(2006.01)(54)发明名称一种基于雷达信号指纹特征的辐射源识别方法(57)摘要本发明公开了一种基于脉冲包络上升沿特征搜索匹配的个体特征识别方法，根据雷达信号的上升沿包络的特性，通过由有意识别引导的基于Hausdorff距离的上升沿包络匹配法，达到辐射源个体特征识别的目的。
由雷达发射机磁控管参数随机变化造成的寄生调制会导致发射信号的包络具有差异，进而形成雷达“指纹”特征，而脉冲包络上升沿具有受多径、噪声影响较小的特性，在实际应用时具有较高的可靠性，因次本发明采用通过雷达信号的上升沿包络信息作为雷达信号的“指纹”，通过结合使用有意识别引导增加实际运用时匹配的成功概率。
权利要求书1页 说明书3页 附图1页CN 109212491 A 2019.01.15C N 109212491A1.一种基于脉冲包络上升沿特征搜索匹配的个体特征识别方法，其特征在于，方法步骤如下：步骤1、接收雷达脉冲信号并对信号进行有意特征识别与分类，判断模板库中是否存在该有意识别信号类型的模板，转入步骤2；步骤2、判断指纹库是否存在该有意识别信号雷达模板：若指纹库存在该有意识别信号雷达模板，进行上升沿包络提取并计算与模板间的Hausdorff距离，转入步骤3；若指纹库中不存在该有意识别信号雷达模板，则转入步骤4；步骤3、根据上述Hausdorff距离进行阈值判决，如果小于阈值，则认为属于同一雷达辐射源，将此脉冲信号计入该辐射源对应的全脉冲库并更新模板；否则，认为该脉冲来自另一雷达辐射源，转入步骤4；步骤4、进行上升沿包络提取，形成模板入库。
基于星座误差的辐射源指纹特征提取
和 功 放 产 生 的 寄 生 谐 波 、功 放 的 非 线 性 效 应 以 及 发 射 通 路 的等 效 滤 波 器 失 真 等 。 由丁 这 些 发 射机特 性畸变是 ＿ 尤意产生且不可控制 的，Ｉ 大 １ 此
更 好 的性 能 Ｊ 。
由 于 稳 态 信 号 普 遍 存 在 ，相 比 暂 态 信 号 特
直被研 究和关注 。 由于 设 计 容 羞 、 制造误 差 、
征 ，稳 态 信 号特 征 在 辐 射 源 个 体 识 别 中 更 为 重
要 。 问题 在 ｒ如 何 有 效 地 从 稳 态 信 号 中提 取 能 反 映 发 射 机 设 备 差 异 的 信 号 特 征 。 本 文 指 出发 射机畸变将在 信号星座误差 上得到反映 ， 此 提 出从 座 误 差 信 号 上 提 取 指 纹 特 征 。不 ｊ Ｂｒ ｉ ｋ等 人 仪 考 虑 频 率 误 差 、同步 头 相 关 值 、Ｉ ／ Ｑ 偏 移 、幅 度 和 相 位 误 差 等 调 制 参 数 ，本 文 考 虑 了多 项 发 射 机 畸 变 的效 应 ， 并 设 计 了 基 丁 机 器 学 习 的特 征提 取 方 法 ， 以实 现 从 星 庳 误 筹 信 号 中提取辐射源指 纹特征 。
一
号 进行 特 征 提 取 。 Ｂ ｒ ｉ ｋ等 人 提 出 Ｐ Ａ Ｒ ＡＩ ＤＳ办 法 ， 从 信 号 的调 制 域提 取 设 备特 征＿ ６ ］ ，取 得 了 良好 的 效 果 。Ｒ ｕ ｂ ｉ ｎ ｏ对 Ｂ ｒ ｉ ｋ的Ｔ 作 进行 了拓 展 ， 从振 荡 器 的相 位 噪 声 中导 出 了一种 特 征 晕 ，并 获得 了
通信辐射源个体识别中的特征提取方法综述
通信辐射源个体识别中的特征提取方法综述
韦建宇;俞璐
【期刊名称】《通信技术》
【年(卷),期】2022(55)6
【摘要】辐射源个体识别技术,又称辐射源指纹识别或特定辐射源识别(Specific Emitter Identification,SEI),是指通过对接收的电磁波信号的特征进行提取测量,根据已有的先验知识从而识别出发射该电磁波信号的辐射源个体的技术。
相比于其他辐射源,通信辐射源的特征更加细微,提取更加困难。
通过系统梳理近年来通信辐射源特征提取方法的研究现状,从暂态特征、稳态特征以及深度学习特征提取的角度分析了各种方法的优缺点,还分析了个体识别技术重点和难点所在,希望对辐射源个体识别的研究和应用有所帮助。
【总页数】7页(P681-687)
【作者】韦建宇;俞璐
【作者单位】中国人民解放军陆军工程大学
【正文语种】中文
【中图分类】TP18;TN975
【相关文献】
1.通信辐射源瞬态特征提取和个体识别方法
2.基于排列熵分形维数特征提取的通信辐射源个体识别
3.利用小波变换特征提取的通信辐射源个体识别方法
4.面向个体
识别的通信辐射源特征提取方法综述5.基于EMD和SVD特征提取的通信辐射源个体识别方法
因版权原因，仅展示原文概要，查看原文内容请购买。
复杂电磁环境下通信辐射源个体细微特征提取方法
复杂电磁环境下通信辐射源个体细微特征提取方法雷迎科【摘要】针对实际复杂电磁环境下通信辐射源个体细微特征提取面临的标签样本缺失问题,将半监督学习理论引入到通信辐射源细微特征提取,提出一种半监督框架下的局部近邻保持正则化判别分析方法.该方法在双谱估计的基础上,通过向线性判别模型中有效融入由无标签样本所提供的流形结构信息,从而将线性判别方法扩展到半监督学习.在实际采集的同种型号、同种厂家、相同批次以及相同工作模式的不同FM通信电台数据集上的实验结果表明,该方法能够获得更优的分类识别性能.%To cope with the problem that the traditional fine feature extraction methods for identifying communication transmitters suffer from the lack of the labeled samples in real complex electromagnetic environment,an efficient fine feature extraction method,called locally neighborhood preserving regular-ized semi-supervised discriminant analysis,is proposed for communication transmitter recognition.Based on the bispectrum estimation,manifold structure information is incorporated into the linear discriminant model by unlabeled samples,which extends the linear discriminant analysis to the semi-supervised learn-ing.Extensive experiments on the real-world database sampled from different FM communication radios with the same model,manufacturer,manufacturing lot,and work pattern demonstrate that the proposed method can obtain better recognition performance.【期刊名称】《数据采集与处理》【年(卷),期】2018(033)001【总页数】10页(P22-31)【关键词】通信辐射源;细微特征;双谱;局部近邻保持正则化;半监督学习【作者】雷迎科【作者单位】电子工程学院,合肥,230037;通信信息控制和安全技术重点实验室,嘉兴,314033【正文语种】中文【中图分类】TP181引言现有的通信辐射源个体细微特征提取方法大体上可划分为暂态信号特征提取方法和稳态信号特征提取方法[1]。
基于双谱理论的雷达辐射源指纹特征提取
１ ５ ０ ０ ０ １ ； １ 辐 射 源指 纹 特 征 提 取 困 难 的 问题 ，提 出 了基 于 双谱 切 片 法 和 双 谱 围线 积 分 法 ，提 取 辐 射 源 指 纹
特征 的方法。介绍 了二相编码信号的无意调制 ，仿真 了理 想情 况和含 有相位噪 声的二相编码信 号的 时域 波形。阐述 了 含相位噪声 雷达信号 的双谱估计 ，仿 真了含相位噪 声的二相 编码 信号的双谱 图及等高 图。最后利 用双谱切 片法和双谱
２ ． Ｍ ｉ ｎ ｉ ｓ ｔ ｒ ｙ ｏ ｆ Ｄ ｅ ｖ ｅ ｌ ｏ ｐ ｍ ｅ ｎ ｔ ａ ｎ ｄ Ｃ ｏ ｎ ｓ ｔ ｒ ｕ ｃ ｔ ｉ ｏ ｎ ，Ｙ ｏ ｎ ｇ ｊ ｉ Ｒ ｕ ｒ ａ ｌ Ｐ ｏ ｗ ｅ ｒ Ｃ ｏ ． ，Ｊ ｉ ｌ ｉ ｎ １ ３ ０ ２ ０ ０ ，Ｃ ｈ ｉ ｎ ａ ）
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ Ｉ ｎ ｌ ｉ ｇ ｈ ｔ ｏ ｆ ｔ ｈ ｅ ｄ ｉ ｆ ｉｃ ｆ ｕ ｌ ｔ ｙ ｉ ｎ ｓ ｐ ｅ ｃ ｉ ｉｃ ｆ ｅ ｍｉ ｔ ｔ ｅ ｒ ｉｎ ｆ ｇ ｅ ｒ ｐ ｉｎ ｒ ｔ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｅ ｘ ｔ ｒ ａ ｃ ｔ ｉ ｏ ｎ， ｔ ｈ ｉ ｓ ｐａ ｐ ｅ ｒ ｐ ｒ ｅ ｓ ｅ ｎ ｔ ｓ ｍｅ ｔ ｈ ｏ ｄ ｓ
Ｅ ｌ ｅ ｃ ｔ ｒ ｏ ｎ ｉ ｃ Ｓ ｃ ｉ ． ＆Ｔ ｅ ｃ ｈ ． ／ Ｊ ｕ ｎ ｅ ． １ ５．２ ０ １ ３
基 于双 谱 理 论 的 雷 达 辐射 源 指 纹 特 征提 取
张春杰 ，李 娜 ，周 沫
（ １ ．哈尔滨工程 大学 信息与通 信工程学院 ，黑龙江 哈尔滨 ２ ．吉林省吉林市永吉 县农 电有 限公 司 发展建设 部 ，吉林 吉林
（ １ ． Ｃ ｏ ｌ ｌ ｅ ｇ ｅ ｏ ｆ Ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ ａ ｎ ｄ Ｃ ｏ ｍｍｕ ｎ ｉ ｃ ａ ｔ ｉ ｏ ｎ ，Ｈａ ｒ ｂ ｉ ｎ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｉ ｒ ｎ ｇ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ，Ｈａ ｒｂ ｉ ｎ １ ５ ０ ０ ０ １ ，Ｃ ｈ ｉ ｎ ａ ；
类型_射线能谱指纹的识别机理
类型γ射线能谱指纹的识别机理刘素萍 伍怀龙 古当长 龚 建 郝樊华 胡广春(中国工程物理研究院核物理与化学研究所,绵阳 621900)(2002年1月2日收到;2002年4月6日收到修改稿) 放射源的辐射指纹能起到标识和鉴别放射性物体的作用.在涉及核弹头不可逆销毁过程的深度核裁军核查中,核弹头的辐射指纹对标识和鉴别裁减下来的核弹头将起到关键作用.预先研究辐射指纹的有关技术,如识别机理的研究,将有助于深度核裁军的核弹头核查技术发展.以实验室放射源为研究对象,探索了类型γ射线能谱指纹的同一性识别机理.类型γ射线指纹识别机理的研究,就是要找出一种合适的方法,以较高的置信度,描述两个正在进行比较的γ射线指纹是否为同一放射源的指纹.采用了谱形比较法,并用谱相似度概念来描述两个指纹的相似程度.在谱形比较思想的指导下,编制了放射源类型指纹识别软件,并通过放射源同一性的识别实验验证了软件的有效性,同时研究了谱相似度随统计涨落和测量条件,如时间、源强和本底等因素的变化情况.研究结果表明:1)用相似度概念来描述两个指纹的相似程度,回答两个待比较的γ射线能谱是否代表同一类型放射源,是切实可行的;2)该识别机理只具备识别放射源类型的能力,而对同一类型、差异甚微的放射源个体还不能识别.关键词:γ射线能谱指纹,辐射指纹,识别机理,核查技术PACC:0150M,0650D11引言任何放射性物体都有自己的辐射指纹.依据辐射种类的不同,辐射指纹可以分成中子指纹、γ射线指纹、x射线指纹等.这些射线指纹有时能起到标识和鉴别放射性物体的作用,例如,在核弹头的销毁核查中,为了证明进入弹头销毁厂的弹头容器里确实装有约定类型的弹头,就需要利用军控界人士熟悉的术语“指纹印技术”[1].在核弹头的销毁应用中,指纹印技术是指:东道国向核查人员提供各种型号待拆卸核弹头的样弹各一枚,核查人员首先通过核查双方认可的一些核查方式对样弹的真假进行识别[2],并获取样弹的类型γ射线指纹(或者类型中子指纹),并将之安全地存放在所谓的“指纹识别器”中(其安全可靠性需由核查双方,尤其是被核查方认可);然后核查人员用指纹识别器对送入拆卸厂的弹头容器逐一核查,以确保弹头的真实性[3,4].指纹印技术也可以应用到核弹头的存储核查中,以确保正在存储状态下的未部署及按条约裁减下来的核弹头没有违反条约而转为他用[5].就γ射线指纹而言,指纹印技术的关键是如何从前后两个指纹的比较中得出肯定或否定的结论,换言之,指纹印技术的关键问题在于用什么样的识别机理去进行识别.γ射线指纹可以表现为γ射线能谱的形式.本文将对放射源γ射线能谱指纹的识别机理作深入研究. 21类型γ射线指纹的识别机理类型γ射线指纹识别机理的研究,就是要找出一种合适的方法,以较高的置信度,描述两个正在进行比较的γ射线指纹是否为同一类型的放射源指纹.指导我们探索识别机理的基本思想是谱形比较,即比较两个指纹究竟能够重合到何种程度.为此,引入了“谱相似度”概念来描述两个指纹的谱形相似程度,简称为“谱形比较法”.2111寻峰谱形比较法共分4个步骤.第一步是找出参考谱和比较谱在扣除对应采样本底后的有关能峰信息,包括峰中心位置(道数Π能量)、峰强度、峰强度相对误差等.我们用便携式、高分辨、高纯锗γ谱仪(EG&G ORTEC公司生产)分别采集实验室标准放射源的γ射线指纹和环境辐射本底,得到γ谱指纹文件和对应的本底文件(3chn).γ谱由连续谱和若干第51卷第11期2002年11月100023290Π2002Π51(11)Π2411206物 理 学 报ACT A PHY SIC A SI NIC AV ol.51,N o.11,N ovember,2002ν2002Chin.Phys.S oc.分立能峰组成.我们利用Mariscotti 寻峰法[6]对谱数据作了能峰搜寻,生成能峰信息报告文件(3RPT ).在扣除本底时,我们摒弃了传统的将本底谱和放射源谱对应道数计数相减的剥谱方法,因为那样做有时会导致原有的单峰因本底扣除而劈开.我们引入卡峰值a 来寻找本底谱和指纹谱的能峰对应关系.卡峰值a 代表一定的能谱宽度,当两个能谱对应射线能量差值的绝对值小于a 时,它们被认为是同一条射线.在确定本底谱和指纹谱的能峰对应关系后,对应能峰的强度之差便是扣除本底后的峰强度计数.2121能峰属性标定谱形比较法的第二步是找出参考谱和比较谱(以下简称为参、比谱)的能峰对应关系,并确定各能峰的属性,包括匹配能峰与不匹配能峰,重要与不重要等.参、比谱的能峰对应关系有匹配能峰和不匹配能峰两种.所谓匹配能峰是指在参、比谱中同时存在的相同能量的能峰.不匹配能峰则是指那些在一能谱中存在而在另一能谱中不存在的能峰.按其重要性划分,匹配能峰和不匹配能峰均可以分成重要与非重要两种,分别由重要核素(或同位素)和非重要核素(或同位素)产生.在标定参、比谱的能峰属性,如匹配与不匹配,重要与不重要时,我们也遵守所谓的卡峰原则.2131能谱相似度计算谱形比较法的第三步是计算“能峰相似度”和“能谱相似度”.213111能峰相似度引入能峰相似度函数来描述每对匹配能峰的相似程度.能峰相似度函数F i 的定义为F i =e-(Δi ΠI i)2×100%,当Δi >(I r i μr i )2+(I ci μci )2,1,当Δi ≤(I ri μri )2+(I ci μci )2,(1)式中Δi 为第i 对匹配能峰的计数强度差值;I i 为第i 对匹配能峰弱峰的计数强度;I ri ,I ci 分别为第i 对匹配能峰中参、比谱的计数强度;μri ,μci 分别为第i 对匹配能峰中参、比谱的能峰强度相对误差.当匹配能峰的峰强度差异Δi 大于其统计涨落(I ri μri )2+(I ci μci )2时,这种差异有可能被探测到;而当Δi 小于或等于(I ri μri )2+(I ci μci )2时,这种差异会被淹没在统计涨落中.以不同的方式处理这两种情况有助于提高指纹识别能力,尤其是当参、比谱存在非统计涨落引起的细微差异时.(1)式中I i 定义为第i 对匹配能峰弱峰的计数强度,而不是指定为参、比谱的此峰对应计数强度.这样做的目的是为了解决两个能谱比较时,由于参、比谱的互换而引起的能峰相似度数值变化,换言之,对任意一对匹配能峰而言,能峰相似度的值是唯一的1)1)当考虑两个能峰的峰相似程度时,可用能峰相似度来描述,且能峰相似度始终为正值,并具有惟一性;而当考虑两个能峰的峰差异时,可用能峰差异度来描述,且能峰差异度可能是正值,也可能是负值,正负号取决于参考谱的选取. 能峰相似度的概念也可以外延到不匹配能峰.显然,所有不匹配能峰的峰相似度都为零.这样两个能谱的所有能峰对(匹配能峰或不匹配能峰)都可以用能峰相似度来描述.213121能谱相似度每对能峰(匹配能峰或不匹配能峰)对两个能谱总相似度的贡献有差异.贡献的大小遵从下列两个原则:1)强峰的贡献比弱峰大;2)重要核素(或同位素)特征峰(匹配能峰和不匹配能峰)的贡献比其他能峰的贡献大.依据上述原则,引入能谱相似度函数P 来描述两个能谱的总相似度.能谱相似度函数P 为两个能谱中重要核素(或同位素)的特征峰,包括匹配能峰和不匹配能峰的权重得到特殊加强后的所有能峰相似度函数的计数强度加权平均值.P =∑iF iMI i+∑jF ′j I ′j∑iMI i+∑jI ′j+∑kNI ″k,(2)式中F i ,I i 分别为第i 对重要匹配能峰的峰相似度和强峰计数强度;M 为重要匹配能峰的重要因子;∑i为对所有重要匹配能峰的求和;F ′j,I ′j分别为第j 对非重要匹配能峰或不匹配能峰的峰相似度和强峰计数强度;∑j为对所有非重要能峰(包括匹配能峰和不匹配能峰)的求和;I ″k 为第k 个重要不匹配能峰的计数强度;N 为重要不匹配能峰的重要因子;∑k为对所有重要不匹配能峰的求和.2142物 理 学 报51卷当两个能谱比较时,若发现重要核素(或同位素)的匹配能峰强度差异较大,或者发现重要核素(或同位素)的不匹配能峰存在时,两个能谱分别代表两个不同类型的放射源的概率将会显著增大.为此,引入重要性因子M和N,分别对重要核素(或同位素)匹配能峰和不匹配能峰对能谱相似度的贡献和影响进行有意夸大,以利于显示类型指纹差异.(2)式中M和N是人为选取的大于1的数,按理均可以提到求和号之外,但为了让能谱相似度的定义更清晰,M和N的作用更明确,故意将M和N保留在求和号之内.2141能谱相似度优化从能谱相似度的计算过程可以看到,能峰属性的正确标定十分重要.例如,在比较两个原本极为相似的能谱时,由于能峰对应关系的错位,原本是匹配峰的能峰对有可能被识别成双倍个数的不匹配能峰,从而造成相似度的急剧下降.又比如,当参、比谱分别与重要核素库中的重要射线作卡峰标定时,有可能发生这样的情况:原本是重要的能峰,可能在一能谱中被标定为重要,而在另一能谱中却被标定为非重要.这样,当参、比谱互换时,就会出现不同的能谱相似度值,使得相似度的惟一性遭到破坏.因此,必须对能峰属性的标定作仔细的检查,以便得到正确的相似度值.在检查能峰属性的标定时,卡峰值的动态调整十分有用.卡峰值的大小变化不仅会影响到本底扣除,而且会影响到匹配属性和重要属性的标定.对于指定的两个能谱而言,只有当卡峰值的选取十分恰当时,才能保证正确的属性标识,才能保证相似度的惟一性.然而,仅靠卡峰值的优化是不够的,还需要用能谱平移(固定一能谱,逐步平移另一能谱)的方法来进一步寻找参、比谱的最佳能峰对应关系.参、比谱的采集可能是由同一台谱仪完成的,也可能是由同一型号不同个体的谱仪完成的.由于能谱采集的环境、时间甚至谱仪可能不同,同一放射源的参、比谱可能出现零道位置不重合,即能谱漂移的情况.无论参、比谱之间的能谱漂移有多大,若它们有着某种程度的相似,则只有当匹配能峰的个数达到最多时,两个能谱的能峰对应关系找得最准.能谱平移的目的就是要找出这种最佳匹配.显然,此时的能谱相似度达到极大值,该值便是表征两个能谱相似程度的最终值.31放射源γ射线指纹识别根据上述识别机理,我们编制了类型γ射线能谱指纹识别软件,并用实验室标准放射源γ射线能谱识别来验证识别软件的有效性,同时,研究了能谱相似度随统计涨落和测量条件,如时间、源强和本底等因素的变化情况.在以下实验中取下列参数:重要性因子M和N均为10(取值具有一定的随意性,原则上,M和N的值越大,越有利于类型指纹的区分);能谱平移范围为±013keV;卡峰值的初始值为015keV,步长为0105keV.3111能谱相似度与统计涨落在完全相同的测量条件下,我们对组合源Eu1 +C OCs+Ba进行了反复测量(测量时间为1000s),以便考察放射性测量统计涨落对能谱相似度的影响.测量结果见表1.表1 能谱相似度与统计涨落能谱文件能谱相似度备注能谱文件能谱相似度备注1A8B7DA31A8B7DB1A8B7DC1A8B7DD1A8B7DF1A8B7DG1A8B7DH1A8B7DI1A8B7DA J1009311694148901399410990121921919410990154以Eu152的特征γ射线为重要射线1A8B7DA31A8B7DB1A8B7DC1A8B7DD1A8B7DF1A8B7DG1A8B7DH1A8B7DI1A8B7DA J1009717698160961259810696106971479810696144以Eu152,C o60,Cs137和Ba133的特征γ射线为重要射线 注:上角3为比较谱(以下各表均与此相同).表1的数据说明,即使在完全相同的能谱采集条件下,对同一辐射源的某一固定部位作反复测量,每次所测得的能谱并不完全相同,存在着因统计涨落而引起的细微差异.此外,重要射线的选定也会影响到统计差异,当进行比较的两个能谱的主要能峰被尽可能多地标定为重要射线时,统计涨落引起的差异会大大减小.从能谱相似度存在统计差异这一事实得到启发:在确定指纹的同一性时,不能机械地以100%能谱相似度作判据,而只能在一定的置信水平上,作出肯定或否定的判定.314211期刘素萍等:类型γ射线能谱指纹的识别机理3121能谱相似度与测量时间在311节的测量条件下,我们仅改变测量时间,考察了能谱相似度随测量时间的变化情况,测量结果见表2.从表2可以看出,在400至2000s的时间跨度内,相似度的变化主要由统计涨落引起;而在400s 以下,相似度随测量时间的缩短而明显下降.不难理解,测量时间的长短会影响到测量精度,从而影响对能谱相似程度的判定.在本轮实验中,400s以下的测量时间偏短,测量精度尚不够;400s以后,测量达到一定精度.由此可以得出结论:放射源指纹的采集时间有下限;当测量时间超过下限后,相似程度的判定对测量时间的要求并不严格.由于不同类型放射源的时间下限各不相同,因此我们建议,统一所有指纹的采集时间,以便将问题简单化.表2 能谱相似度与测量时间能谱文件测量时间Πs能谱相似度备注Zh1t20a3 Zh1t18a Zh1t16a Zh1t14a Zh1t12a Zh1t10a Zh1t8a Zh1t6a Zh1t4a Zh1t2a Zh1t1a Zh1t05a Zh1t02a 2000180016001400120010008006004002001005020100100971849816097109961999519997144971089811894160941739012189114以Eu152,C o60,Cs137和Ba133的特征γ射线为重要射线3131能谱相似度与源强根据放射源源强在参、比谱的采集时间间隔内的变化情况,可以将放射源分成长、短寿命两种,长寿命放射源的源强可以看作是恒定的,而短寿命放射源的源强则有明显的变化.在311节的测量条件下,更换不同强度的Eu152源,考察了能谱相似度随长寿命放射源源强的变化情况.从表3可以看出, Eu152的源强大致可以分成1312×104Bq和212×104Bq两个等级,它们之间的能谱相似度差异显著;但同一等级的源强,如131397×104Bq和131142×104Bq的能谱相似度差异几乎与统计涨落相当,亦即当同一类型的长寿命放射源的个体强度差异不很显著时,本论文所讨论的识别机理只具备识别类型的功能,而不能识别个体.表3 能谱相似度与源强能谱文件Eu152活度Π104Bq能谱相似度备注1A8B7DA3A8B7DA4A8B7DA35A8B7DA6A8B7DA13139713114221182221179521299184106831741001009717295110以Eu152的特征γ射线为重要射线我们也考察了该识别机理对短寿命放射源个体的识别能力.实验用的是I131放射源(T1Π2=8104 day),实验结果见表4.从表4可以看出,随时间的推移,相同测量条件下所获得的能谱与同一标准能谱(此处为11ha)的相似度差异逐渐增大.考虑到能谱相似度存在统计差异,我们可以保守地得出这样的结论:当I131的源强衰减16%以后,能谱相似度的变化开始显著起来,识别机理能对此变化进行识别,作出否定的判定.表4 能谱相似度与源强能谱文件相对时间间隔Πh相对源强差异Π%能谱相似度备注11ha311hb12ha12hb12hd13ha13hb13hc17ha17hb17hc18ha18hb18hc0100111117156181702314347127481164818813816014313014413816010516110816212601000138518561227174151001512615147371913819039113421324215242176100991189910398180971395126941759414665126113160138531345110348166以I131的特征γ射线为重要射线3141能谱相似度与本底扣除参、比谱在作相似度比较之前均应扣除相应的本底.在311—313节的实验中,参、比谱的采谱环境相同,在作相似度比较时,两个能谱扣除的是同一实验室天然本底.为了检验本底扣除的准确性,我们利用实验室放射源C o60,Ba133,Eu152分别作铀标准丰度源UT B900的本底,并用识别软件对UT B900的同一性进行自动识别,实验结果与事实符合较好(参见表5).4142物 理 学 报51卷表5 能谱相似度与本底扣除能谱文件本底能谱相似度备注UT B9003 C oUT B900 BaUT B900 EuUT B900天然C o60Ba133Eu152100971069616694151以U235,U238的特征γ射线为重要射线41结论识别软件的有效性验证实验表明,用能谱相似度概念来描述两个指纹的相似程度,回答两个待比较的γ射线能谱是否代表同一类型的放射源,是切实可行的.通过对放射源γ射线指纹识别机理的研究,进一步明确了γ射线指纹的概念内涵以及指纹采集条件.γ射线指纹是指在特定的测量条件下,个体放射源γ射线能谱的组成,包括核素的种类、特征γ射线的相对强度等.特定的测量条件是指用同一型号的探测器,在相同探测距离、方位对个体放射源的固定部位作不低于某一测量精度的测量.在识别长寿命放射源的同一性时,由于能谱相似度存在统计差异,该识别机理只具备识别类型的能力,而对同一类型、差异甚微的个体还不能识别.[1]Liu S P2000A Verification Regime for Warhead Control Publ.byCIS AC(US A:S tan ford University)[2]Liu S P,Hu G C,G ong J,Hao F H and X iang Y C2001ActaPhys.Sin.501405(in Chinese)[刘素萍、胡广春、龚 建、郝繁华、向永春2001物理学报501405][3]Fetter S1996Verification Nuclear Disarmament,Fetter is an Associ2ate Pro fessor in the School o f Public Affairs(University of M aryland,C ollege Park)[4]Sun X L and Du X W1993Identifying Nuclear Warheads———AnApproach o f Verification on Dismantlement o f Nuclear Warheads(Bei2jing:Institute of Applied Physics and C om putational M athematics) [5]Du X W1996Science and Technological Groundwork for NuclearArms Control(Beijing:National Defense Industry Press)pp114—157(in Chinese)[杜祥琬1996核军备控制的科学技术基础(北京:国防工业出版社)第114—157页][6]M ariscotti M A1967Nucl.Instru.Methods(50)309514211期刘素萍等:类型γ射线能谱指纹的识别机理6142物 理 学 报51卷Inve stigation of gamma2ray fingerprint identifing mechanismfor the type s of radiation source sLiu Su2Ping Wu Huai2Long G u Dang2Chang G ong Jian Hao Fan2Hua Hu G uang2Chun(Institute o f Nuclear Physics and Chemistry,China Academy o f Engineering Physics,Mianyang 621900,China)(Received2January2002;revised manuscript received6April2002)AbstractRadiation fingerprints sometimes can be used to label and identify the radiation resources.F or instance,in a future nuclear reduction treaty that requires verification of irreversible dismantling of reduced nuclear warheads,the radiation fingerprints of nu2 clear warheads are expected to play a key role in labeling and identifying the reduced warheads.It w ould prom ote the develop2 ment of nuclear warheads deep2cuts verification technologies if we start right now some investigations on the issues related to the radiation fingerprints.This paper is dedicated to the investigation of gamma2ray fingerprint identifying mechanism for the types of radiation resources.The purpose of the identifying mechanism investigation is to find a credible way to tell whether any tw o gamma2ray spectral fingerprints that are under com parison are radiated from the same resource.W e created the spectrum pattern com parison(SPC) to study the com parability of the tw o radiation fingerprints.G uided by the principle of SPC,we programmed a software dedicated to identify the types of radiation resources.The efficiency of the software was tested by a series of experiments with some labora2 tory gamma2ray resources.The experiments were designed to look into the relations between com parability and radioactive statis2 tics,and the relations between com parability and some measurement conditions such as real time,resource activity and back2 ground etc.T w o main results can be drawn from the investigation:1)it is quite feasible to use the concept of spectral com para2 bility to answer the question whether any tw o gamma2ray fingerprints are identity or not;2)the identifying mechanism can only identify the types of radiation resources,and cannot identify the individuals with the same type and small differences.K eyw ords:gamma2ray spectral fingerprints,radiation fingerprints,identifying mechanism,verification technologyPACC:0150M,0650D。
探测指纹的新技术
探测指纹的新技术
佚名
【期刊名称】《警察技术》
【年(卷),期】2011(000)006
【摘要】美国洛斯阿拉莫斯国家实验室的科学家们研究出一种新技术，能够探测到原来很难在物体表面上看得见的指纹。
该项技术将一束密集的X光对准留有指纹的物体表面，并根据扫描结果绘制出计算机图像。
参与该科研项目的科学家克里斯托弗·沃利说，该方法使用了一种“微×射线束荧光技术”，可以探测到指纹携带的化学成分，却不会改变指纹的保存状态。
【总页数】1页(P79-79)
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.大面积可燃气体探测新技术—线型红外可燃气体探测器 [J], 张玺林;王文清;等
2.桩位岩溶探测新技术--管波探测法 [J], 李学文;郭金根;饶其荣
3.瑞利波探测新技术在矿井巷道掘进超前探测中的应用 [J], 胡礼忠
4.大面积可燃气体探测新技术——线型红外可燃气体探测器 [J], 张玺林; 王文清
5.一种基于软件定义网络的主机指纹抗探测模型 [J], 张涛;芦斌;李玎;何康
因版权原因，仅展示原文概要，查看原文内容请购买。
基于双谱理论的雷达辐射源指纹特征提取
基于双谱理论的雷达辐射源指纹特征提取
张春杰;李娜;周沫
【期刊名称】《电子科技》
【年(卷),期】2013(026)006
【摘要】针对雷达辐射源指纹特征提取困难的问题,提出了基于双谱切片法和双谱围线积分法,提取辐射源指纹特征的方法.介绍了二相编码信号的无意调制,仿真了理想情况和含有相位噪声的二相编码信号的时域波形.阐述了含相位噪声雷达信号的双谱估计,仿真了含相位噪声的二相编码信号的双谱图及等高图.最后利用双谱切片法和双谱围线积分法,提取了辐射源的指纹特征,通过计算机仿真实验验证了该方法的可实施性.
【总页数】5页(P53-57)
【作者】张春杰;李娜;周沫
【作者单位】哈尔滨工程大学信息与通信工程学院,黑龙江哈尔滨150001;哈尔滨工程大学信息与通信工程学院,黑龙江哈尔滨150001;吉林省吉林市永吉县农电有限公司发展建设部,吉林吉林130200
【正文语种】中文
【中图分类】TN957.51
【相关文献】
1.雷达辐射源信号双谱二次特征提取方法 [J], 王占领;张登福;王世强
2.基于双谱分析的雷达辐射源个体特征提取 [J], 陈昌孝;何明浩;王志斌;高峰
3.基于围线积分双谱的雷达辐射源信号个体特征提取 [J], 陈韬伟;金炜东;李杰
4.基于双谱分析的雷达辐射源个体特征提取 [J], 陈昌孝;何明浩;朱元清;王广学
5.雷达辐射源信号的伪Zernike矩双谱二次特征提取 [J], 王占领;张登福;王世强因版权原因，仅展示原文概要，查看原文内容请购买。
指纹信号的识别特征提取和处理技术
指纹信号的识别特征提取和处理技术
李文藻;邹兴平
【期刊名称】《西南民族大学学报（自然科学版）》
【年(卷),期】2007(033)003
【摘要】指纹识别技术一般由图像采集,预处理,特征提取,特征匹配,数据库管理五部分组成. 本文根据方向图二值化处理,提取细节特征点,以及点模式匹配等算法对初始指纹图像进行处理,实验效果达到了预先的设想,成功实现了指纹图像的识别和匹配.
【总页数】4页(P648-651)
【作者】李文藻;邹兴平
【作者单位】成都信息工程学院通信工程系,四川成都,610225;成都信息工程学院通信工程系,四川成都,610225
【正文语种】中文
【中图分类】TP391.1
【相关文献】
1.一种优化的基于信号幅度排序的射频指纹特征提取和识别算法 [J], 谢非佚;程伟;陈宜;文红;
2.适合终端的射频指纹信号特征提取及识别 [J], 李雨珊;谢非佚;陈松林;张腾月;文红
3.一种优化的基于信号幅度排序的射频指纹特征提取和识别算法 [J], 谢非佚;程伟;陈宜;文红
4.一种敌我识别辐射源暂态信号指纹特征提取方法 [J], 吕敏
5.自动指纹识别系统预处理技术及细节特征提取算法的研究 [J], 杨小冬;宁新宝;尹义龙
因版权原因，仅展示原文概要，查看原文内容请购买。
射频指纹识别技术在无线定位中的应用
射频指纹识别技术在无线定位中的应用
李文杰;魏红
【期刊名称】《微计算机信息》
【年(卷),期】2006(022)020
【摘要】射频指纹识别技术是一种基于网络的定位技术.信号传播时由于对地理环境的依赖性而体现出很强的站点特殊性.这样的特点被认为是对应该位置的信号指纹.利用这一点可以来确定该移动终端的位置.本文运用了神经网络模型,讨论了信号特征的选取,主要研究分析了无线定位中的射频指纹识别技术,讲述了它在无线定位中的应用过程.也讨论了其它几种现有的定位技术.
【总页数】2页(P233-234)
【作者】李文杰;魏红
【作者单位】210009,南京工业大学信息科学与工程学院;210009,南京工业大学信息科学与工程学院
【正文语种】中文
【中图分类】TN014
【相关文献】
1.无线射频技术在农业环境定位系统中的应用 [J], 朱创录;阴国富
2.无线射频(RFID)技术在高速检测列车精确定位中的应用 [J], 夏博光;王卫东;王登阳
3.射频指纹识别技术在无线定位中的应用 [J], 李文杰;魏红
4.无线射频识别技术在地下管线标识和定位中的应用分析 [J], 田克君
5.无线射频技术在造船起重机定位系统中的应用 [J], 徐亮;单珊
因版权原因，仅展示原文概要，查看原文内容请购买。
基于指纹的网络身份认证
基于指纹的网络身份认证
朱建新;杨小虎
【期刊名称】《计算机应用研究》
【年(卷),期】2001(018)012
【摘要】网络安全是目前信息系统应用的一个重要研究方向,如何确定用户身份以控制用户对信息资源的访问,是其中的一个重要问题.先简要介绍身份认证的概念和技术,在分析和比较各种生物认证技术后提出,利用指纹作为身份认证的依据并结合网络传输加密是控制用户访问、保护信息系统的可靠方法,并给出了一个基于指纹的网络身份认证系统的设计与实现.
【总页数】4页(P14-17)
【作者】朱建新;杨小虎
【作者单位】浙江大学人工智能研究所,浙江杭州,310027;浙江大学人工智能研究所,浙江杭州,310027
【正文语种】中文
【中图分类】TP393.18
【相关文献】
1.基于指纹认证与混合加密的网络身份认证协议的设计与实现 [J], 朱丽娟
2.一种基于指纹加密的网络身份认证方案 [J], 罗雅丽
3.基于指纹和数字水印的网络身份认证系统研究 [J], 孙印杰;陈智芳;王敏;洪力
4.人物合一的身份认证方法--一种基于指纹和USB Key的网络用户身份认证机制
[J], 蔺守河;戴紫彬
5.基于指纹认证与混合加密的网络身份认证协议的设计与实现 [J], 朱丽娟
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
2011 年第 24 卷第 12 期 Electronic Sci. ＆ Tech. / Dec. 15，2011
电子·电路
通信辐射源指纹识别技术
朱丽莉，王爱粉，赵 星
（ 空军工程大学 电讯工程学院，陕西 西安 710077） 摘 要 通信辐射源个体识别是近来通信对抗领域的重要研究课题，不同于传统通信信号侦察中的调制模式识别 研究，通信辐射源识别主要研究体现同类辐射源之间个体差异的信号指纹的分析提取技术。文中研究分析信号指纹的 分析提取存在的技术难点和解决方案。对稳态通信信号的个体细微特征，如通信发射信号在载频和调制参数特征上的 偏差，以及信号杂散输出成分的差异，并考虑将上述特征确立为反映通信电台个体技术特点的信号指纹，提出一个基 于证据理论的通信辐射源识别方案，是实现个体识别在军事通信对抗作战计划的重要依据。 关键词 通信辐射源； 模式识别； 频率稳定度； 个体识别 中图分类号 TN971 + . 1； TP391. 4 文献标识码 A 文章编号 1007 － 7820（2011）12 － 063 － 03
通信信号指纹识别的本质是模式识别问题，识别 的过程由设计和实现组成。设计是指用一定数量的样 本进行分类器设计，实现是指用设计的分类器对待识 别的样本进行分类决策。
线性信号处理系统，具有强大的模式识别分类和泛函 逼近能力，并具有良好的容错性。
组合分类器是近年来提出的一个新课题，指通过 一个组合器对不同分类器的输出作第二次判决，由于 融合了多个分类器的决策，所以可以得到更好的分类
1 指纹及信号指纹机理分析
1. 1 通信辐射源指纹 通信辐射源个体信号的细微特征也称通信信号的
“指纹”，指信号中可以用于标识发送该信号的通信设 备身份的特征。通过通信信号处理技术，发现通信信 号上所承载的通信辐射源稳定的硬件特征信息。可以 认为信号指纹主要表现为同一通信设备在其发送的所 有信号中反复表现出的一种有规律的变化趋势，而通 信信号个体中这种重复出现的变化规律信息具有反映 信号个体特点的技术特征，可以作为“指纹”用于标识 发送该信号的通信设备的个体特征。
电子·电路
图 2 基于证据理论组合分类器的辐射源个体识别结构
D － S 证据组合分类器对独立的信息才能进行融 合，其关键在于基本概率分配函数（ BPA） 的确定。文 献［7］认 为 如 果 各 分 类 器 使 用 不 同 的 特 征 集 或 训 练 集，则可认为不同分类器结果之间是独立的。因而，文 中利用不同的辐射源个体特征训练不同的成员分类 器，并进行 D － S 证据理论组合，可以根据需要选择合 适的证据组合规则进行通信辐射源类别的判断。
体的基础上，得到信号中通信设备的工作参数和特征 参数，然后利用这些参数获取该通信设备的体制、用途 和型号等信息，进而掌握其工作状态，了解其战术运用 特点、活动规律以及作战能力的过程。
文中研究的是同型号、同批次并工作于相同调制 方式、频段的多个电台辐射信号的个体识别技术。通 信辐射源个体识别主要包括 3 个过程： 预处理、特征提 取和分类识别。
2 通信信号指纹识别方法
性能，而其中的每个分类器都不要求是最优的，为通信
2. 1 特征参数值域判别法 采用特征参数值域判别法，首先要提取一个或多
信号的识别提供了新途径。
3 一种基于证据理论的个体识别方案
个能反映通信信号个体特征的参数值，根据各特征参 数所在的值域范围，采用模式识别的方法进行个体识 别，分析处理的主要过程是在时域和频域 ［3 － 4］。
Identification Technology for Individual Radio Transmitters
ZHU Lili，WANG Aifen，ZHAO Xing （ Institute of Telecommunication Engineering，Air Force Engineering University，Xi'an 710077，China） Abstract Recently identification of individual radio transmitters is an important problem，which is different from traditional modulation identification of communication signals． Identification technology of radio transmitters is an analysis and extraction technology based on individual different signal dactylogram of the same kind of radio transmitters． The difficulties and solution are discussed in this article． The individual characters of steady radio signals， such as radio transmitters offset of carrier frequency and modulation parameter and the difference of signal hash export component，are discussed． These characters are carried as signal dactylogram reflecting the individual technical characteristic of radio transmitters． An identification project of individual radio transmitters is proposed which is important for individual identification to play a role in the military communication counter-measure program． Keywords radio transmitters； pattern recognition； frequency stabilization； individual identification
目前常用的分类器是基于统计决策理论的参数和 非参数分类算法，如线性和广义线性决策函数，k － 最 近邻算法（ K － NN） ，二元分类树等。如果待识别特征 的概率密度函数已知或可以通过样本得到精确估计， 那么这些分类算法可以得到最佳识别性能，但是在通 信信号指纹识别问题中，这些条件很难满足，传统分类 器难以获得满意的个体识别性能。主要缺点是识别率 低、稳健性差［5 － 6］。
文中对通 信 信 号 指 纹 的 研 究 主 要 采 用“机 理 研 究 － 特征分析 － 特征提取 － 分类实验”的方法，其中 由于实际通信信号信噪比变化范围大，容易导致识别 率下降，直接影响分类器的分类性能。基于 D － S 证 据组合原理进行分类器设计，可以由不同类别指纹特 征参量集进行特征提取，下面给出一种基于证据理论 组合分类器的辐射源个体识别的设计方法，其结构如 图 2所示。
体差异。（ 3） 电台的杂散输出差异。 辐射 源 可 提 取 的 特 征 参 数 可 分 为 如 下 几 类：
（ 1） 技术特 征。 调 制 方 式、载 频 精 度、频 率 稳 定 度。 （ 2） 内部特征。数字通信的信息传输速率。（ 3） 频域特 征。信号带宽、调频参数调制失真度。（ 4） 时变特征。
对于接收到的通信信号，首先通过通信信号预处 理，再进行指纹特征提取，通过确立通信信号的载频、 调制参数及杂散成分特性为稳态信号指纹，可以对上 述特征运用时域、频域分析方法和现代时频域和高阶 谱方法进行特征分析提取。在分类器设计方面，第一 级分类器可以选用特征参数值域判别法、信号模本匹 配识别法等方法实现第一级分类，第二级采用并行组 合分类器，这样将高维特征空间的判分问题转化为针
www. dianzikeji. org
63
电子·电路
朱丽莉，等： 通信辐射源指纹识别技术
瞬时包络、频率、相位。
务是根据某一准则把一个给定的由特征向量表示的输
1. 2 信号指纹机理分析
入归入到一个适当的特征类别，即实现从特征空间到
通信辐射源个体识别是指在分析截获通信信号个 决策空间的转换，从而完成特征类的分类任务。
决策理论的发展克服了传统分类器的不足，提出
了更先进的不确定性推理理论，在此基础上，分类器识
别性能得到了显著提高。其中，神经网络分类器作为
一种先进的自适应、非参数和非线性分网络是一种以
图 1 通信辐射源个体识别系统的基本组成
自组织、自适应和大规模分布式并行计算为特征的非
的某模本相匹配，即可完成个体识别。
对不同低维空间进行划分的问题，再对第一级分类器
2. 3 通信信号指纹识别分类器
的输出作第二次判决。这样，融合了多个分类器的决
在统计模式识别中，分类器即分类算法的基本任 策，能够获得较好的分类性能。
64
www. dianzikeji. org
朱丽莉，等： 通信辐射源指纹识别技术
特征参数值域判别法也可以通过计算特征类的距 离进行个体识别，其难点在于如何从原始测量数据提 取和选择合适且必要的特征向量进行计算，重点是特 征的提取和选择算法。 2. 2 信号模本匹配识别法
信号模本匹配识别法的基本思想如下： （ 1） 对同一种通信信号形式中的 N 个信号进行参 数提取，提取的特征参数为 M 个，N 个已知信号的同 一个特征参数值各不相同，这样，每一个信号就有 M 个特征参数值与其他信号相区别； （ 2） 将 N 个信号的 M × N 个特征参数存入数据 库，建立包含 N 个已知信号模本的模本库； （ 3） 提取待识别信号的 M 个特征参数，与模本库 中的模本进行比较，如果提取的特征参数与模本库中