基于信号暂态稀疏表示的AIS辐射源个体识别方法
相关主题
- 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)。
［ １ ４ ］
类的第 时在低维空间仍保持了稀疏表示结构。第 ｃ ｉ 个训练样本 ｘ 的投影为： ｃ ｉ ｙ ＷＴｘ ｃ ｉ＝ ｃ ｉ 其稀疏表示重构样本为：
tion discriminant for emitters in Automatic Identification System is investigated. The algorithm finds a projection preserved mensional discriminable subspace. An objective function is constructed by simultaneously maximizing reconstructed error of ror of sparse representation for test vector is applied to find classification label. Its applications to signals measured through an antenna show promising results for radiometric identification of emitters in Automatic Identification System. Simulations on the data set of the radio transient mathematical model proves the correctness and validity of the proposed method, and the simulation results show that the average correct classification ratio of the proposed method have a huge advantage in comparison with the existing algorithm. Key words: specific emitter identification; sparse representation; reconstruction error
( Center for Cyber Security, School of Electronic Engineering, University of Electronic Science and Technology of China, Chengdu, Sichuan 611731, China)
１ １ １ ２ ］ 。在训练数据集中， Ｒ Ｔ Ｆ Ｓ Ｒ Ｄ的目标是 的效果 ［
wenku.baidu.com
求解一个可保持样本稀疏表示结构且充分利用样 本类别属性信息的投影变换矩阵， 通过该投影变换 矩阵可在低维子空间使新的辐射源测试样本到同 类样本子空间距离最小、 到异类样本子空间距离最 大， 从而可判决测试样本的类别属性。 Ｉ Ｓ信 本文其余内容安排如下： 第 ２节介绍了 Ａ 号结构； 第 ３节重点介绍了 Ｒ Ｔ Ｆ Ｓ Ｒ Ｄ算法， 并在第 ４
Ｃ Ｈ ８ ７ Ｂ （ １ ６ １ ． ９ ７ ５Ｍ Ｈ ｚ ） 或者频率 Ｃ Ｈ ８ ８ Ｂ （ １ ６ ２ ． ０ ２ ５Ｍ Ｈ ｚ ） ， Ｍ Ｓ Ｋ调制， 速率 ９ ６ ０ ０ｋ Ｂ ｄ 。Ａ Ｉ Ｓ信号以突发 采用 Ｇ ６ ． ６ ７ｍ ｓ ， 可传输 ２ ５ ６ 形式传送， 每个突发结构时长 ２ 个符号， 如图 １所示， 其中信号暂态部分 ８个符号， ４个符号， 开始标志码 ８个符号。 训练序列 ２
２ ３ ］ 。基于信号稳态的个体特征向量提取和在变 个体［ ４ ６ ］ 换域寻找个体分辨特征向量的研究［ ， 拓展了个体
节以实际 Ａ Ｉ Ｓ 数据验证了算法的有效性； 最后对所 提算法进行了总结， 并展望下一步的研究工作。
２ Ａ Ｉ Ｓ信号
根据国际海事组织要求， Ａ Ｉ Ｓ终端发射机要遵循
。受此启发， 可以认为辐射源个体特
征向量的提取就是一个将信号空间高维矢量变换 到特征空间的低维矢量， 这个投影变换可以在训练 数据集自动学习得到。通过自动学习所提取的辐 射源个体特征比人工指定的具备明确物理意义的 个体特征具备更强的差异描述能力。针对 Ａ Ｉ Ｓ 辐射 源信号特点和现有方法个体识别准确率不高的 问 题， 本文提出一种基于信号暂态稀疏表示的通信辐射 Ｒ ａ ｄ ｉ ｏＴ ｒ ａ ｎ ｓ ｉ ｅ ｎ ｔ Ｆ ｉ ｎ ｇ ｅ ｒ ｐ ｒ ｉ ｎ ｔ Ｓ ｐ ａ ｒ ｓ ｅ 源个体识别方 法 （ Ｒ ｅ ｐ ｒ ｅ ｓ ｅ ｎ ｔ ａ ｔ ｉ ｏ ｎＤ ｉ ｓ ｃ ｒ ｉ ｍ ｉ ｎ ａ ｎ ｔ ，Ｒ Ｔ Ｆ Ｓ Ｒ Ｄ ） 。该 方 法 可 以从暂态信号直接提取低维的个体差异特征向量， 避免了提取具备物理意义的特征时存在的差异信 息损失， 具备很强分类辨别能力。近年来， 稀疏表 示广泛运用于压缩感知、 图像去噪、 图像分类等领 域。稀疏表示在图像识别领域的应用取得了很好
［ ９ １ ０ ］
图１ Ａ Ｉ Ｓ 信号传输帧结构 Ｆ ｉ ｇ ． １ Ｆ ｒ ａ ｍ ｅｓ ｔ ｒ ｕ ｃ ｔ ｕ ｒ ｅｏ ｆ Ａ Ｉ Ｓｓ ｉ ｇ ｎ ａ ｌ
Ａ Ｉ Ｓ 发射机信号稳态输出功率标称值为 １ ２ ． ５ Ｗ （ Ａ类终端） 或者 ２ Ｗ（ Ａ类或 Ｂ类终端） ， 容差范围 １ｄ Ｂ到 １ ． ５ｄ Ｂ 。发射机在训练序列前 ６个符号处 的信号暂态输出功率应比信号稳态输出功率至少 低 ５ ０ｄ Ｂ ， 在训练序列第 ３个符号处输出功率应不 低于信号稳态输出功率 ８ ０ Ｉ Ｓ发 。对于每一个 Ａ 射机来说， 信号暂态尚无调制信息， 各发射机暂态 波形应该一致， 但是受辐射源结构设计、 器件工艺 影响， 实际接收到的信号暂态波形是不同的， 不同 Ｉ Ｓ 发射机的个体差异信息。如 的信号暂态反映了 Ａ 经预处理后的五个 Ａ Ｉ Ｓ发射机信号暂态 图 ２所示， 归一化幅度有明显区别。
信号暂态特征主要反映了辐射源发射机的器 件特性和开关机时无意调制特征， 可以较好的表征 辐射源个体特性； 信号稳态中的无意调制特征是各 种因素综合作用的结果， 从中提取反映辐射源个体 的特征矢量比较困难， 信号稳态的随机调制， 进一 步加大了个体特征矢量的提取难度。上述各种方 法提取的个体特征向量都具备明确的物理意义， 使 得特征的提取过程会造成信息损失， 因此这些方法 的个体识别准确率依赖于精确的物理建模和经验 参数。同时， 一般提取的个体特征向量都是高维向 量， 部分学者研究了对提取的高维个体特征向量的 降维方法
文章编号:1003-0530 ( 2016 ) 10-1146-07
第 32 卷摇 第 10 期 2016 年 10 月
JOURNAL OF SIGNAL PROCESSING
信
号
处
理
Vol. 32摇 No. 10 Oct. 2016
基于信号暂态稀疏表示的 AIS 辐射源个体识别方法
( 电子科技大学网络空间安全研究中心 电子工程学院, 四川成都 611731 ) 摘摇 要: 针对民用船舶自动报告系统通信辐射源个体识别问题, 该文提出一种基于信号暂态稀疏表示的个体识 别方法。 该算法求解一个充分利用信号暂态样本类别信息且可保持样本稀疏表示结构的投影变换, 来提取低维 个体特征矢量。 该算法通过最大化类间特征的重构误差和最小化类内特征的重构误差来构造目标函数求解投影 变换, 并在低维辨别子空间以最小稀疏表示重构误差准则来判定测试样本类别属性。 对实际数据处理结果表明 该文提出的新算法可有效识别不同辐射源个体; 对辐射源暂态信号建模仿真结果, 验证了该文算法的正确性和 有效性, 且平均正确识别率优于现有算法。 关键词: 特定辐射源识别; 稀疏表示; 重构误差
中,如果有人修改了唯一标识舰船身份信息的海事
移动 服 务 识 别 号 ( Maritime Mobile Service Identity, MMSI)、位置、航速和其他 AIS 载荷信息,将给航行安 全带来极大威胁。 Takashi I 提出了两种 AIS 辐射源 个体识别方法[1] 。 近年来,Hall 等人研究了基于信号
当同类数据样本是在一个低维流形上时， 可以用 稀疏表示方法求解辐射源个体识别问题。本文提出的 Ｒ Ｔ Ｆ Ｓ Ｒ Ｄ算法， 充分利用了辐射源信号暂态样本类别属 性信息和保持了样本稀疏表示结构， 在低维空间以稀 疏重构误差最小为判别准则， 即测试样本数据到同类 训练样本数据子空间距离最小时稀疏重构误差最小、 到异类训练样本数据子空间距离最大时稀疏重构误差 最大， 可以直接提取辐射源的低维个体特征向量， 辨别 样本类别属性， 有效提升辐射源个体识别准确率。 在辐射源个体识别问题研究中， 常采用的暂态 Ｆ Ｄ Ｔ Ｄ （ Ｖ ａ ｒ ｉ ａ ｎ ｃ ｅＦ ｒ ａ ｃ ｔ ａ ｌ Ｄ ｉ ｍ ｅ ｎ ｓ ｉ ｏ ｎ 信号检测方法有 Ｖ ） 方法 Ｔ ｈ ｒ ｅ ｓ ｈ ｏ ｌ ｄＤ ｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ
贾永强摇 甘摇 露
中图分类号: TN92摇 摇 摇 文献标识码: A摇 摇 摇 DOI: 10. 16798 / j. issn. 1003鄄0530. 2016. 10. 02
A Novel Fingerprint Identification Method Based on Sparse Representation for Transient of AIS Emitter
JIA Yong鄄qiang摇 GAN Lu
Abstract: Based on the sparse representation of transient, a novel method of radio transient fingerprint sparse representa鄄 sparse representation structure of transient vectors and class label information to project the test vector to the optimal low di鄄 inter鄄class features, and minimizing reconstructed error of intra鄄class features. The criterion of minimum reconstruction er鄄
技术可运用于检测非法辐射源信号, 如在民用船舶
第１ ０期
贾永强 等： 基于信号暂态稀疏表示的 Ａ Ｉ Ｓ 辐射源个体识别方法
１ １ ４ ７
Ｄ ＷＴ系数等个体特征向量提 的瞬时幅度、 瞬时相位、 取方法， 可以识别 Ｂ ｌ ｕ ｅ ｔ ｏ ｏ ｔ ｈ 和Ｉ Ｅ Ｅ Ｅ８ ０ ２ ． １ １ 的发射机
１ ３ ］ Ｉ Ｔ Ｕ ＲＭ ． １ ３ ７ １ ４规 范 要 求［ 。Ａ Ｉ Ｓ信 号 占 用 频 率
ｒ ｉ ｋ提出以解调信号的星座 特征向量的提取方法。Ｂ 图向量误差来表征发射机个体
［ ７ ］
， 唐智灵提取辐射源
功放的静态非线性特征参数作为辐射源个体特征向
８ ］ 量［ ， 也取得了很好的识别效果。
图２ 五个辐射源归一化幅度均值曲线 Ｆ ｉ ｇ ． ２ Ｍ ｅ ａ ｎｏ ｆ ｎ ｏ ｒ ｍ ａ ｌ ｉ ｚ ｅ ｄａ ｍ ｐ ｌ ｉ ｔ ｕ ｄ ｅ ｅ ｘ ｔ ｒ ａ ｃ ｔ ｅ ｄｆ ｒ ｏ ｍ５Ａ Ｉ Ｓｅ ｍ ｉ ｔ ｔ ｅ ｒ ｓ
１ １ ４ ８
信
号
处
理
第３ ２卷
３ Ｒ Ｔ Ｆ Ｓ Ｒ Ｄ算法
1摇 引言
SEI) 技术是一种利用信号处理方法, 分析测量获取 的辐射源数据,来识别辐射源个体属性的技术。 SEI
收稿日期: 2016-04-08; 修回日期: 2016-06-14
自动报告系统( Automatic Identification System, AIS)
特定辐射源识别( Specific Emitter Identification,
类的第 时在低维空间仍保持了稀疏表示结构。第 ｃ ｉ 个训练样本 ｘ 的投影为： ｃ ｉ ｙ ＷＴｘ ｃ ｉ＝ ｃ ｉ 其稀疏表示重构样本为：
tion discriminant for emitters in Automatic Identification System is investigated. The algorithm finds a projection preserved mensional discriminable subspace. An objective function is constructed by simultaneously maximizing reconstructed error of ror of sparse representation for test vector is applied to find classification label. Its applications to signals measured through an antenna show promising results for radiometric identification of emitters in Automatic Identification System. Simulations on the data set of the radio transient mathematical model proves the correctness and validity of the proposed method, and the simulation results show that the average correct classification ratio of the proposed method have a huge advantage in comparison with the existing algorithm. Key words: specific emitter identification; sparse representation; reconstruction error
( Center for Cyber Security, School of Electronic Engineering, University of Electronic Science and Technology of China, Chengdu, Sichuan 611731, China)
１ １ １ ２ ］ 。在训练数据集中， Ｒ Ｔ Ｆ Ｓ Ｒ Ｄ的目标是 的效果 ［
wenku.baidu.com
求解一个可保持样本稀疏表示结构且充分利用样 本类别属性信息的投影变换矩阵， 通过该投影变换 矩阵可在低维子空间使新的辐射源测试样本到同 类样本子空间距离最小、 到异类样本子空间距离最 大， 从而可判决测试样本的类别属性。 Ｉ Ｓ信 本文其余内容安排如下： 第 ２节介绍了 Ａ 号结构； 第 ３节重点介绍了 Ｒ Ｔ Ｆ Ｓ Ｒ Ｄ算法， 并在第 ４
Ｃ Ｈ ８ ７ Ｂ （ １ ６ １ ． ９ ７ ５Ｍ Ｈ ｚ ） 或者频率 Ｃ Ｈ ８ ８ Ｂ （ １ ６ ２ ． ０ ２ ５Ｍ Ｈ ｚ ） ， Ｍ Ｓ Ｋ调制， 速率 ９ ６ ０ ０ｋ Ｂ ｄ 。Ａ Ｉ Ｓ信号以突发 采用 Ｇ ６ ． ６ ７ｍ ｓ ， 可传输 ２ ５ ６ 形式传送， 每个突发结构时长 ２ 个符号， 如图 １所示， 其中信号暂态部分 ８个符号， ４个符号， 开始标志码 ８个符号。 训练序列 ２
２ ３ ］ 。基于信号稳态的个体特征向量提取和在变 个体［ ４ ６ ］ 换域寻找个体分辨特征向量的研究［ ， 拓展了个体
节以实际 Ａ Ｉ Ｓ 数据验证了算法的有效性； 最后对所 提算法进行了总结， 并展望下一步的研究工作。
２ Ａ Ｉ Ｓ信号
根据国际海事组织要求， Ａ Ｉ Ｓ终端发射机要遵循
。受此启发， 可以认为辐射源个体特
征向量的提取就是一个将信号空间高维矢量变换 到特征空间的低维矢量， 这个投影变换可以在训练 数据集自动学习得到。通过自动学习所提取的辐 射源个体特征比人工指定的具备明确物理意义的 个体特征具备更强的差异描述能力。针对 Ａ Ｉ Ｓ 辐射 源信号特点和现有方法个体识别准确率不高的 问 题， 本文提出一种基于信号暂态稀疏表示的通信辐射 Ｒ ａ ｄ ｉ ｏＴ ｒ ａ ｎ ｓ ｉ ｅ ｎ ｔ Ｆ ｉ ｎ ｇ ｅ ｒ ｐ ｒ ｉ ｎ ｔ Ｓ ｐ ａ ｒ ｓ ｅ 源个体识别方 法 （ Ｒ ｅ ｐ ｒ ｅ ｓ ｅ ｎ ｔ ａ ｔ ｉ ｏ ｎＤ ｉ ｓ ｃ ｒ ｉ ｍ ｉ ｎ ａ ｎ ｔ ，Ｒ Ｔ Ｆ Ｓ Ｒ Ｄ ） 。该 方 法 可 以从暂态信号直接提取低维的个体差异特征向量， 避免了提取具备物理意义的特征时存在的差异信 息损失， 具备很强分类辨别能力。近年来， 稀疏表 示广泛运用于压缩感知、 图像去噪、 图像分类等领 域。稀疏表示在图像识别领域的应用取得了很好
［ ９ １ ０ ］
图１ Ａ Ｉ Ｓ 信号传输帧结构 Ｆ ｉ ｇ ． １ Ｆ ｒ ａ ｍ ｅｓ ｔ ｒ ｕ ｃ ｔ ｕ ｒ ｅｏ ｆ Ａ Ｉ Ｓｓ ｉ ｇ ｎ ａ ｌ
Ａ Ｉ Ｓ 发射机信号稳态输出功率标称值为 １ ２ ． ５ Ｗ （ Ａ类终端） 或者 ２ Ｗ（ Ａ类或 Ｂ类终端） ， 容差范围 １ｄ Ｂ到 １ ． ５ｄ Ｂ 。发射机在训练序列前 ６个符号处 的信号暂态输出功率应比信号稳态输出功率至少 低 ５ ０ｄ Ｂ ， 在训练序列第 ３个符号处输出功率应不 低于信号稳态输出功率 ８ ０ Ｉ Ｓ发 。对于每一个 Ａ 射机来说， 信号暂态尚无调制信息， 各发射机暂态 波形应该一致， 但是受辐射源结构设计、 器件工艺 影响， 实际接收到的信号暂态波形是不同的， 不同 Ｉ Ｓ 发射机的个体差异信息。如 的信号暂态反映了 Ａ 经预处理后的五个 Ａ Ｉ Ｓ发射机信号暂态 图 ２所示， 归一化幅度有明显区别。
信号暂态特征主要反映了辐射源发射机的器 件特性和开关机时无意调制特征， 可以较好的表征 辐射源个体特性； 信号稳态中的无意调制特征是各 种因素综合作用的结果， 从中提取反映辐射源个体 的特征矢量比较困难， 信号稳态的随机调制， 进一 步加大了个体特征矢量的提取难度。上述各种方 法提取的个体特征向量都具备明确的物理意义， 使 得特征的提取过程会造成信息损失， 因此这些方法 的个体识别准确率依赖于精确的物理建模和经验 参数。同时， 一般提取的个体特征向量都是高维向 量， 部分学者研究了对提取的高维个体特征向量的 降维方法
文章编号:1003-0530 ( 2016 ) 10-1146-07
第 32 卷摇 第 10 期 2016 年 10 月
JOURNAL OF SIGNAL PROCESSING
信
号
处
理
Vol. 32摇 No. 10 Oct. 2016
基于信号暂态稀疏表示的 AIS 辐射源个体识别方法
( 电子科技大学网络空间安全研究中心 电子工程学院, 四川成都 611731 ) 摘摇 要: 针对民用船舶自动报告系统通信辐射源个体识别问题, 该文提出一种基于信号暂态稀疏表示的个体识 别方法。 该算法求解一个充分利用信号暂态样本类别信息且可保持样本稀疏表示结构的投影变换, 来提取低维 个体特征矢量。 该算法通过最大化类间特征的重构误差和最小化类内特征的重构误差来构造目标函数求解投影 变换, 并在低维辨别子空间以最小稀疏表示重构误差准则来判定测试样本类别属性。 对实际数据处理结果表明 该文提出的新算法可有效识别不同辐射源个体; 对辐射源暂态信号建模仿真结果, 验证了该文算法的正确性和 有效性, 且平均正确识别率优于现有算法。 关键词: 特定辐射源识别; 稀疏表示; 重构误差
中,如果有人修改了唯一标识舰船身份信息的海事
移动 服 务 识 别 号 ( Maritime Mobile Service Identity, MMSI)、位置、航速和其他 AIS 载荷信息,将给航行安 全带来极大威胁。 Takashi I 提出了两种 AIS 辐射源 个体识别方法[1] 。 近年来,Hall 等人研究了基于信号
当同类数据样本是在一个低维流形上时， 可以用 稀疏表示方法求解辐射源个体识别问题。本文提出的 Ｒ Ｔ Ｆ Ｓ Ｒ Ｄ算法， 充分利用了辐射源信号暂态样本类别属 性信息和保持了样本稀疏表示结构， 在低维空间以稀 疏重构误差最小为判别准则， 即测试样本数据到同类 训练样本数据子空间距离最小时稀疏重构误差最小、 到异类训练样本数据子空间距离最大时稀疏重构误差 最大， 可以直接提取辐射源的低维个体特征向量， 辨别 样本类别属性， 有效提升辐射源个体识别准确率。 在辐射源个体识别问题研究中， 常采用的暂态 Ｆ Ｄ Ｔ Ｄ （ Ｖ ａ ｒ ｉ ａ ｎ ｃ ｅＦ ｒ ａ ｃ ｔ ａ ｌ Ｄ ｉ ｍ ｅ ｎ ｓ ｉ ｏ ｎ 信号检测方法有 Ｖ ） 方法 Ｔ ｈ ｒ ｅ ｓ ｈ ｏ ｌ ｄＤ ｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ
贾永强摇 甘摇 露
中图分类号: TN92摇 摇 摇 文献标识码: A摇 摇 摇 DOI: 10. 16798 / j. issn. 1003鄄0530. 2016. 10. 02
A Novel Fingerprint Identification Method Based on Sparse Representation for Transient of AIS Emitter
JIA Yong鄄qiang摇 GAN Lu
Abstract: Based on the sparse representation of transient, a novel method of radio transient fingerprint sparse representa鄄 sparse representation structure of transient vectors and class label information to project the test vector to the optimal low di鄄 inter鄄class features, and minimizing reconstructed error of intra鄄class features. The criterion of minimum reconstruction er鄄
技术可运用于检测非法辐射源信号, 如在民用船舶
第１ ０期
贾永强 等： 基于信号暂态稀疏表示的 Ａ Ｉ Ｓ 辐射源个体识别方法
１ １ ４ ７
Ｄ ＷＴ系数等个体特征向量提 的瞬时幅度、 瞬时相位、 取方法， 可以识别 Ｂ ｌ ｕ ｅ ｔ ｏ ｏ ｔ ｈ 和Ｉ Ｅ Ｅ Ｅ８ ０ ２ ． １ １ 的发射机
１ ３ ］ Ｉ Ｔ Ｕ ＲＭ ． １ ３ ７ １ ４规 范 要 求［ 。Ａ Ｉ Ｓ信 号 占 用 频 率
ｒ ｉ ｋ提出以解调信号的星座 特征向量的提取方法。Ｂ 图向量误差来表征发射机个体
［ ７ ］
， 唐智灵提取辐射源
功放的静态非线性特征参数作为辐射源个体特征向
８ ］ 量［ ， 也取得了很好的识别效果。
图２ 五个辐射源归一化幅度均值曲线 Ｆ ｉ ｇ ． ２ Ｍ ｅ ａ ｎｏ ｆ ｎ ｏ ｒ ｍ ａ ｌ ｉ ｚ ｅ ｄａ ｍ ｐ ｌ ｉ ｔ ｕ ｄ ｅ ｅ ｘ ｔ ｒ ａ ｃ ｔ ｅ ｄｆ ｒ ｏ ｍ５Ａ Ｉ Ｓｅ ｍ ｉ ｔ ｔ ｅ ｒ ｓ
１ １ ４ ８
信
号
处
理
第３ ２卷
３ Ｒ Ｔ Ｆ Ｓ Ｒ Ｄ算法
1摇 引言
SEI) 技术是一种利用信号处理方法, 分析测量获取 的辐射源数据,来识别辐射源个体属性的技术。 SEI
收稿日期: 2016-04-08; 修回日期: 2016-06-14
自动报告系统( Automatic Identification System, AIS)
特定辐射源识别( Specific Emitter Identification,