[發(fā)明專利]一種基于QPSK信號(hào)雙譜能量熵和顏色矩的射頻指紋識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710396747.7
• 申請(qǐng)日: 2017-05-31
• 公開（公告）號(hào): CN107092898B
• 公開（公告）日: 2020-09-04
• 發(fā)明（設(shè)計(jì)）人: 崔高峰;王欣;王新宇;王程;王衛(wèi)東
• 申請(qǐng)（專利權(quán)）人: 北京郵電大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00
• 代理公司: 北京永創(chuàng)新實(shí)專利事務(wù)所 11121
• 代理人: 趙文利

1.一種基于QPSK信號(hào)雙譜能量熵和顏色矩的射頻指紋識(shí)別方法，其特征在于，具體步驟如下：

步驟一、針對(duì)OFDM系統(tǒng)發(fā)送端的某個(gè)比特流信號(hào)，采用QPSK映射得到QPSK信號(hào)s(n)；

n＝0,1,2…N-1，N為QPSK信號(hào)s(n)的長(zhǎng)度；

步驟二、將QPSK信號(hào)s(n)經(jīng)過上變頻后，得到調(diào)頻信號(hào)p(n)，并輸入到功率放大器中，輸出信號(hào)Φ(n)；

調(diào)頻信號(hào)p(n)計(jì)算如下：

p(n)＝s(n)e^j2πnfT

其中f為發(fā)送端的載波頻率，為QPSK信號(hào)s(n)的采樣間隔；

功率放大器輸出信號(hào)為：

L_s為泰勒多項(xiàng)式的階數(shù)，{a_l}為多項(xiàng)式系數(shù)；

步驟三、將輸出信號(hào)Φ(n)經(jīng)過數(shù)模轉(zhuǎn)換處理后得到模擬信號(hào)，將模擬信號(hào)發(fā)送出來(lái)并在發(fā)送過程中加入高斯白噪聲，接收端經(jīng)過模數(shù)轉(zhuǎn)換處理后得到數(shù)字信號(hào)r(n)；

r(n)＝Φ(n)+υ(n)

υ(n)為高斯白噪聲；

步驟四、將數(shù)字信號(hào)r(n)經(jīng)過下變頻后得到基帶信號(hào)，從基帶信號(hào)中提取射頻指紋特征；

射頻的指紋特征包括：雙譜能量熵，一階矩和二階矩；

具體為：

步驟401、將數(shù)字信號(hào)r(n)經(jīng)過下變頻后得到基帶信號(hào)y(n)；

y(n)＝r(n)e^-j2πnfT

步驟402、計(jì)算基帶信號(hào)y(n)的三階累積量c_3y(τ₁,τ₂)，并利用三階累積量求出信號(hào)雙譜B(ω₁,ω₂)；

三階累積量計(jì)算如下：c_3y(τ₁,τ₂)＝E{y^*(n)y(n+τ₁)y(n+τ₂)}

*代表復(fù)共軛，τ₁,τ₂≥0代表時(shí)間的差值；

對(duì)三階累積量c_3y(τ₁,τ₂)進(jìn)行二維離散傅里葉變換得到基帶信號(hào)雙譜B(ω₁,ω₂)：

ω₁,ω₂∈(-π,π]代表數(shù)字角頻率，分辨率為其中N_fft為傅里葉變換點(diǎn)數(shù)；根據(jù)傅里葉變換點(diǎn)數(shù)構(gòu)造N_fft*N_fft的矩陣為基帶信號(hào)雙譜矩陣B；雙譜矩陣B中第行列的數(shù)據(jù)為B(ω₁,ω₂)的值；

步驟403、利用基帶信號(hào)雙譜B(ω₁,ω₂)求出射頻指紋特征——雙譜能量熵；

首先，利用基帶信號(hào)雙譜B(ω₁,ω₂)計(jì)算雙譜能量矩陣E中點(diǎn)(i,j)的雙譜能量值E_ij；

計(jì)算如下：

其中i,j＝1,2…N_fft；

然后，計(jì)算雙譜能量矩陣E中各點(diǎn)能量之和，并計(jì)算點(diǎn)(i,j)的能量在總能量中的占比p_ij；

雙譜能量矩陣E中各點(diǎn)能量之和為：

占比p_ij表示為：

最后，利用每個(gè)點(diǎn)的能量在總能量中的占比p_ij計(jì)算雙譜能量熵E_n；

如下：

步驟404、將雙譜矩陣B轉(zhuǎn)化為ζ-bit灰度圖像矩陣G；

代表向下取整；B_m',n'代表雙譜矩陣B中點(diǎn)(m',n')的數(shù)據(jù)；G_m',n'代表灰度圖像矩陣G中的點(diǎn)(m',n')的數(shù)據(jù)，取值范圍為0～2^ζ-1；m',n'＝1,2…N_fft；

步驟405、分別求出灰度圖像矩陣G的一階矩μ和二階矩ξ；

其中N_B＝N_fft×N_fft代表灰度圖像矩陣G中點(diǎn)的總數(shù)；

步驟五、通過SVM分類器對(duì)射頻指紋特征進(jìn)行分類訓(xùn)練和測(cè)試，得到測(cè)試類別結(jié)果；

步驟六、將測(cè)試類別結(jié)果與其實(shí)際類別結(jié)果做對(duì)比，得到分類準(zhǔn)確率P_c。