[發明專利]基于Kronecker積參數分離的寬帶通信設備射頻指紋認證方法

有效

• 申請號: 202110220124.0
• 申請日: 2021-02-26
• 公開（公告）號: CN113037726B
• 公開（公告）日: 2021-10-26
• 發明（設計）人: 袁紅林;宗磊;徐晨;顧菊平
• 申請（專利權）人: 南通大學
• 主分類號: H04L29/06
• 分類號: H04L29/06
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 周科技

本發明公開了一種基于Kronecker積參數分離的寬帶通信設備射頻指紋認證方法，包括估計IQ不平衡和待認證發射機的非線性模型系數、特征提取和分類。獲取接收信號幀，移除循環前綴部分，抽取共軛反對稱導頻部分；采用KPS技術估計發射機的非線性模型因子矢量與多徑信道脈沖響應矢量；構造信道循環矩陣；設置發射機非線性PA的線性近似放大倍數集合；設置線性近似放大倍數估計；計算代價函數；搜索代價函數最小值，得到IQ不平衡參數組合的估計值；構造特征矢量，根據構造的特征矢量使用分類器對RF設備進行分類。本發明方法消除了無線多徑信道的影響，發射機的新型IQ不平衡和非線性模型系數指紋具有穩定性。

技術領域

本發明涉及射頻設備指紋認證領域，尤其涉及一種基于Kronecker積參數分離的寬帶通信設備射頻指紋認證方法。

背景技術

隨著第五代移動通信和物聯網等技術的飛速發展，通信網絡的物理層信息安全不可避免地成為熱門話題。射頻(RF)設備指紋認證是用于物理層安全的方法之一，它依賴于稱為“RF設備指紋”的通信設備硬件特性，而不是加密密鑰或媒體訪問控制(MAC))地址等數字信息來驗證無線電發射機的真實身份。

盡管通信訓練幀的數字前導或導頻是確定的，但從不同無線電設備發送的相應模擬信號卻有所不同，因為它們的發射機硬件是唯一的，即使這些設備來自相同型號和相同系列。因此，接收到的訓練幀信號被廣泛用于開發RF設備指紋，以用于無線設備的身份驗證。[1]提出了一種前導碼處理技術，可以準確地用于IEEE 802.15.4設備的認證。但是，該技術無法區分具有相同類型的設備。[2]提出了一種基于經驗模式分解的設備指紋提取技術，該技術在SNR大于10dB時對WLAN前導信號有效。[3]基于卷積神經網絡開發了2.4GHzZigbee設備的TD復基帶錯誤信號指紋，其指紋識別率達92.29％，但未考慮無線信道的影響。然而，訓練信號及其RF設備指紋的穩定性容易受到通常隨時間變化的無線多徑衰落信道的破壞。

另一方面，RF發射器的非線性已被估計為認證無線設備的另一種重要的RF設備指紋。無線電設備的非線性RF指紋主要由發射機中的功率放大器(PA)和數模轉換器(DAC)等確定。相關研究包括發射機[4,5]非線性模型的系數估計和接收信號的模式分解或熵變換[6,7,8]。

References:

1B.W.Ramsey,B.E.Mullins,M.A.Temple and M.R.Grimaila,Wirelessintrusion detection and device fingerprinting through preamble manipulation,IEEE Transactions on Dependable and Secure Computing,vol.12,no.5,September.2015.

2J.Liang,Z.Huang and Z.Li,Method of empirical mode decomposition inspecific emitter identification,Wireless Personal Communication,vol.2017,no.96,pp.2447-2461,May.2017.

3MERCHANT K,REVAY S,STANTCHEV G,NOUSAIN B.Deep Learning for RF DeviceFingerprinting in Cognitive Communication Networks[J].IEEE Journal ofSelected Topics in Signal Processing,2018,12(1):160-167.