基于排列熵分形维数特征提取的通信辐射源个体识别

由于辐射源个体之间存在差异， 导致通信 信号 携 带 设 备 个 体 差 异 特 征 ， 所 以 只 要 能够提取 通信 信 号 中 携 带 的 个 体 特 征 ， 便 可 以 进 行分类识 别 ．基于暂态信号特征和稳态信号特征的个 体识别 是目前主流的两大方法．后者因稳态 信号获取容易、 稳定、 实用性强， 获得了广泛的 研究， 目前主要有频率源 、 噪声特性 、 调制参 数 和杂散特性
理想增益 实际增益１ （ Ｇ ） １ 实际增益２ （ Ｇ ） wenku.baidu.com ３ ０ ２ ０ 输入功率 ／ ｄ Ｂ １ ０
４ ０ ０ ３ ０ ０
(a)
增益 随输入功率变化
， 特别是可以很好地放大系
输出幅度 ／ Ｖ
[12]
统的 微 变 信 号 ， 同 时 检 测 出 复 杂 系 统 的 动力学突 ．目前， 排列熵算法主要应用于气候 、 医学
第 31 卷 第 3 期 2017 年 6 月
空 军 预 警 学 院 学 报 Journal of Air Force Early Warning Academy
Vol.31 No.3 Jun. 2017
DOI: 10.3969/j.issn.2095-5839.2017.03.007
基于排列熵分形维数特征提取的通信辐射源个体识别
[7]
特性 的 特 征 提 取 方 法 性 能 较 好 ． 功率放大器作为具有非线性特性的通信器 件存 在 于 所 有 辐 射 源 系 统 中 ， 其 非 线 性 特性对信 号的 个 体 差 异 影 响 较 大 ， 可 以 作 为 识 别 特征 ． 目 前， 基 于 功 率 放 大 器 杂 散 特 性 特 征 提 取 的识别方 法主要有基于高阶统计量特性 、 频谱再生特性 以及多重分形维数 等． 排列熵算法是近年来新兴的一种研究自然 界中不规则性以及非线性系统的算法．它可以 将以前不能定量描述或是很难定量描述的复杂 系统 用 一 种 较 为 简 便 的 方 法 描 述 出 来 ， 在理想环 境、 高斯信道和真实环境中， 都能很好地反映各 类时间序列的测度 变 物
[14]
、 生
２ ０ ０ １ ０ ０ ０ ０ ． ２ 理想增益 实际增益１ （ Ｇ ） １ 实际增益２ （ Ｇ ） ２ ０ ． ４ ０ ． ６ 输入幅度 ／ Ｖ ０ ． ８
和图像处理
[15]
等 领 域 ． 文 献 [16] 提
出了一种基于排列熵的通信辐射源个体识别方 法， 该 方 法 提 取 排 列 熵 的 均 值 和 方 差 用 于个体识 别， 计 算 简 单 ．虽 然 排 列 熵 在 描 述 信 号 细微变化 特性 上 有 着 较 好 的 性 能 ， 但 是 仅 仅 依 靠 提取其均 值和 方 差 作 为 特 征 向 量 用 于 个 体 识 别 ， 效果并不
[5] [6] [3] [4] [2] [1]
理想， 为此， 本文考虑运用能够较好统计序列分 布的分形维数方法将得到的排列熵进行进一步 分析， 提 出 一 种 改 进 的 基 于 排 列 熵 的 个 体识别算 法， 提升特征提取的性能．
1
功率放大器非线性模型
功率放大器是无线通信设备中最重要的器
4 个研究方向， 其中基于杂散
收稿 日 期 ： 2017-05-18 作者 简 介 ： 余 沁 (1993-) 男，硕 士 生 ，主 要 从 事 通 信 信 号 处 理 研 究 ．
(b)
输入输出关系
图1
功 率放 大 器 增 益 曲 线
第3期
余 沁， 等： 基于排列熵分形维数特征提取的通信辐射源个体识别
185
和器 件 的 随 机 性 ， 功 率 放 大 器 增 益 特 性 是非线性 的， 甚至即使是同型号、 同批次的功率放大器的 增益特性也不可能完全相同， 如 图 1(a) 中 实 际 增 益 G1、G 2 间 也 存 在 增 益 差 Dg ， 于是输入和输出 的 幅 度 关 系 如 图 1(b) 所 示 ， 不同的非线性特性就 为信 号 添 加 了 “ 指 纹 特 征” ． 为研究功率放大器的 “指纹特征” ， 需要对 功率放大器进行建模来表征其工作特性．当功 率放大器的非线性较弱， 用 Taylor 级 数 模 型 较好地描述功放的非线性特性 器的 Taylor 级 数 模 型 为
[11] [13] [10] [7] [8] [9]
件之一， 其增益曲线如图 1 所示．在理想情况下， 功率放大器的增益恒定不变； 因 制 造 工 艺的限制
２ ７ ． ５ ２ ８ ． ０
２ ７ ． ０
∆ｇ
增益 ／ ｄ Ｂ
２ ６ ． ０ ２ ５ ． ０
２ ６ ． ５ ２ ５ ． ５
２ ４ ． ５ ４ ０
此 处 cij 为 第 i 个 重 构 分 量 中 第 j x(i + (cim - 1)τ ) ， 个 元 素 所 在 列 的 索引， 即新序列中各元素在原序 列中的列数， 记该组重构分量的符号序列 而这只是 Ci ={ci1 ci2 cij cim} (i = 1 2 K ) ， 符 号 序 列 m ! 种 排 列 方 法 π q (q = 1 2 m !) 中 的 一种， 因 此 任 意 符 号 序 列 Ci 都 可 以 根 据 π q 被 重 新 映 射 ． 此 处 将 π q 的 概 率 分 布 定 义 为 p(π q) = 其中 C 是时间 C {n|n £ τ - m + 1 Ci π q}/(τ - m + 1) ， 序列中的所有元素
y(t) = a1 x(t) + a 2 x2 (t) + a3 x3(t) + = å a n xn (t) (1)
n=1 N
[18] [17]
将重构空间中第 i 个重构分量 [ x(i) x(i + τ )
x(i + (m - 1)τ )] 中 各 元 素 按 照 升 序 重 新 排 列 得 到 ： x(i + (ci1 - 1)τ ) £ x(i + (ci2 - 1)τ ) £ £ x(i + (cij - 1)τ ) £ £
余 沁， 程 伟， 杨瑞娟
（空军预警学院， 武汉 430019）
摘
要： 为解决通信辐射源个体差异小、 识别困难的问题， 对功率放大器非线性特征进行建模， 提出了一种改
进的基于排列熵分形维数特征提取的通信辐射源个体识别方法．该方法对接收信号进行相空间重构得到能够反 映信号细微变化规律的相对排列熵值， 通过盒维数、 信息维数对排列熵进行进一步特征提取用于通信辐射源个体 识别．仿真结果表明， 在低信噪比环境及通信辐射源个体差异较小的情况下仍有较好的识别效果， 从而验证了该 方法的有效性． 关键词： 通信辐射源个体识别； 功率放大器非线性； 分形维数； 排列熵 中图分类号： TN914 文献标识码： A 文章编号： 2095-5839(2017)03-0184-06