[發(fā)明專利]一種基于相參積累消噪的射頻指紋特征提取和識別方法

有效

• 申請?zhí)枺?/td>: 201710557441.5
• 申請日: 2017-07-10
• 公開（公告）號: CN107392123B
• 公開（公告）日: 2021-02-05
• 發(fā)明（設(shè)計）人: 謝非佚;文紅;陳松林;陳宜;李雨珊
• 申請（專利權(quán)）人: 電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06F17/14;H04B17/00
• 代理公司: 成都金英專利代理事務所(普通合伙) 51218
• 代理人: 袁英

1.一種基于相參積累消噪的射頻指紋特征提取和識別方法，其特征在于：包括以下步驟：

檢測步驟S1、樣本點采集步驟S2、編號步驟S3、相參積累消噪步驟S4、幅度值翻折步驟S5、多分辨率分析步驟S6、波形歸一化處理S7；其中，

S1：檢測接收到的開機瞬態(tài)信號的起始點位置和結(jié)束點位置；

S2：采集一個設(shè)備的多個開機瞬態(tài)信號樣本點，每個信號包含M個樣本點；

S3：編號開機瞬態(tài)信號樣本點，以每個開機瞬態(tài)信號樣本點對應的幅值定義開機瞬態(tài)信號樣本點幅值函數(shù)f_i：

f_i＝{amp:(1,2,……,M)}

＝{amp₁,amp₂,……,amp_M}

S4：將同一設(shè)備的k個開機瞬態(tài)信號樣本點幅值函數(shù)進行相參積累，即相加并取均值：

S5：將處理后的信號的幅度值翻折，即取絕對值：

f_avi＝|f_mi|，其中f_avi為幅度值翻折后的信號；

S6：對處理后的波形做三級多分辨率分析，以dB2波形函數(shù)為母小波，對信號波形依次做三次離散小波變換：

f_a1i＝DWT(f_avi,dB2)

f_a2i＝DWT(f_a1i,dB2)

f_a3i＝DWT(f_a2i,dB2)；

S7：將小波變換后的波形歸一化處理：

f_a'3i＝map min max(f_a3i,0～1)＝{amp₁'，amp₂'，……，amp_M'}

其中，

amp i'＝(amp_i-amp_min)·(amp_max-amp_min)

其中，M為開機瞬態(tài)信號樣本點數(shù)量，amp_M'為第M個開機瞬態(tài)信號樣本點的幅值；

S8：對多個設(shè)備重復以上S1～S7操作，以設(shè)備編號為反饋，使用支持向量機對多個設(shè)備的處理后的信號進行機器學習；

S9：以支持向量機的學習結(jié)果對待檢測波形進行分類，判定其屬于哪一個設(shè)備；

所述的步驟S4，將同一設(shè)備的多個開機瞬態(tài)信號樣本點幅值函數(shù)進行相參積累，信號強度變?yōu)樵瓉淼亩啾叮玫较鄥⒎e累消噪信號；

所述的步驟S6，對步驟S4中得到的所述相參積累消噪信號，進行多分辨率分析；

在所述的步驟S4中，相參積累消噪信號采用如下算法計算：

(1)設(shè)接收到的第m個脈沖是p_m(t)：

p_m(t)＝s(t)+n_m(t)

其中s(t)是信號，n_m(t)是不相關(guān)的高斯白噪聲，經(jīng)過n_k個脈沖的相參積累后：

(2)在積累后的信號z(t)中，噪聲的功率等于它的方差：

其中是一個脈沖噪聲的功率，δ_ml為累加判定，當m＝l時，δ_ml＝1；當m≠l時，δ_ml＝0，n_l(t)為高斯白噪聲，n_k為相參積累的脈沖個數(shù)，為噪聲功率，l和m為相參積累計數(shù)單位；

在對n_k個脈沖進行相參積累后，信噪比提高為原來的n_k倍；若按照分貝(dB)計算為：

(SNR)n_k ＝(SNR)_p+10lgn_k

為相參積累后的信噪比，(SNR)_p為相參積累前的信噪比，n_k為相參積累的脈沖個數(shù)；

所述的多分辨率分析采用三級多分辨率分析，以dB2波形函數(shù)為母小波，對信號波形依次做三次離散小波變換：

f_a1i＝DWT(f_avi,dB2)

f_a2i＝DWT(f_a1i,dB2)

f_a3i＝DWT(f_a2i,dB2)。