[發明專利]一種基于智能載波同步的高區分度射頻指紋學習與提取方法

在審

• 申請號: 202110894778.1
• 申請日: 2021-08-05
• 公開（公告）號: CN113609982A
• 公開（公告）日: 2021-11-05
• 發明（設計）人: 許威;謝仁杰;胡愛群
• 申請（專利權）人: 東南大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K7/10;G06K9/62
• 代理公司: 南京瑞弘專利商標事務所(普通合伙) 32249
• 代理人: 孫峰

1.一種基于智能載波同步的高區分度射頻指紋學習與提取方法，其特征在于，包括如下步驟：

步驟S1、采集基帶信號，并對基帶信號進行能量歸一化處理；

步驟S2、利用參數化載波頻偏估計器對所述基帶信號進行載波頻偏估計，再利用估計所得的頻偏對所述基帶信號進行補償，得到頻偏修正后信號；利用參數化載波相偏估計器對所述頻偏修正后信號進行載波相偏估計，再用估計所得相偏對所述頻偏修正后信號進行補償得到智能載波同步后的信號；

步驟S3、將所述智能載波同步后的信號輸入至參數化射頻指紋提取器中，獲得射頻指紋向量；其中，

所述參數化載波頻偏估計器包括第一可學習參數，所述參數化載波相偏估計器包括第二可學習參數，所述參數化射頻指紋提取器包括第三可學習參數，所述第一可學習參數、第二可學習參數以及第三可學習參數是通過大似然估計求得。

2.根據權利要求1所述的一種基于智能載波同步的高區分度射頻指紋學習與提取方法，其特征在于，所述步驟S1具體包括：

接收機以采樣率f_s接收射頻信號r(t)，得到離散信號r(n)，采樣點個數為M，通過下變頻得到全部基帶信號x_r(n)，并將x_r(n)的能量歸一化至1。

3.根據權利要求2所述的一種基于智能載波同步的高區分度射頻指紋學習與提取方法，其特征在于，所述步驟S2具體包括：

步驟S201、將經過了能量歸一化處理后的基帶信號x_r(n)輸入至所述參數化載波頻偏估計器f(·；θ_ω)中，估計所述基帶信號x_r(n)的頻偏ω，表達式為

ω＝f(x_r(n)；θ_ω) (1)

公式(1)中，θ_ω表示為第一可學習參數；

步驟S202、利用步驟S201中估計得到的頻偏ω，對所述基帶信號x_r(n)進行頻偏補償，得到頻偏修正后信號x_ω(n)，表達式為：

x_ω(n)＝x_r(n)e^-j2πωn (2)

公式(2)中，j為虛數單位，即j²＝-1，n為離散時間點；

步驟S203、將步驟S202得到的頻偏修正后信號x_ω(n)輸入至所述參數化載波相偏估計器f(·；θ_φ)中，估計所述頻偏修正后信號x_ω(n)的相偏φ，表達式為：

φ＝f(x_ω(n)；θ_φ) (3)

公式(1)中，θ_φ表示為第二可學習參數；

步驟S204、利用步驟S203中估計得到的相偏φ，對所述頻偏修正后信號x_ω(n)進行相偏補償，得到所述智能載波同步后的信號x_ω，φ(n)，表達式為：

x_ω，φ(n)＝x_ω(n)e^j2πφ (4)

公式(4)中，j為虛數單位，即j²＝-1，n為離散時間點。

4.根據權利要求3所述的一種基于智能載波同步的高區分度射頻指紋學習與提取方法，其特征在于，所述步驟S3具體包括：

將所述智能載波同步后的信號x_ω，φ(n)輸入至參數化射頻指紋提取器f(·；θ_RFF)提取x_ω，φ(n)中的射頻指紋向量z，表達式為：

z＝f(x_ω，φ(n)；θ_RFF) (5)

公式(5)中，θ_RFF表示為第三可學習參數。