[發明專利]一種輻射源個體識別方法、裝置及設備

在審

• 申請號: 202210233321.0
• 申請日: 2022-03-10
• 公開（公告）號: CN114580481A
• 公開（公告）日: 2022-06-03
• 發明（設計）人: 馮志勇;黃賽;李天資;張平;應山川;張軼凡
• 申請（專利權）人: 北京郵電大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;H04L27/38
• 代理公司: 北京銀龍知識產權代理有限公司 11243
• 代理人: 胡影

本申請實施例提供一種輻射源個體識別方法、裝置及設備，涉及通信技術領域，所述方法包括：接收第一調制信號；對所述第一調制信號進行增強處理，獲得與所述第一調制信號相關的包含非線性統計特征的星座圖；將所述星座圖輸入至目標輻射源識別模塊，輸出對與所述第一調制信號相關的輻射源個體的分類結果；其中，所述目標輻射源識別模塊用于：根據所述星座圖包含的非線性統計特征識別所述輻射源個體的類別。本方案在噪聲較大時也能確保輻射源個體識別的準確率。

技術領域

本申請涉及通信技術領域，特別是指一種輻射源個體識別方法、裝置及設備。

背景技術

隨著無線通信的高速發展，無線通信業務飛速增長。為了保障無線通信的高效安全，需要進行無線電監測。所以，輻射源識別技術作為處于信號接收和解調的中間步驟，是一種通過分析接收信號的隱含的非理想硬件指紋的統計特征，從而快速、自動地識別不同輻射源的技術。

目前已有的輻射源識別技術分為兩大類：基于似然的調制方式識別技術和基于特征的輻射源識別技術。前者可以得到最優結果但計算時間復雜度較高，故不常用在實際場景中；而后者雖然結果次優，但能夠提取有辨識度的輻射源內在硬件的差異特征，并有計算復雜度低的優點，故具有較大的實用價值。常用的基于特征的方法有瞬態信號特征提取法、非線性特征估計法、機器學習法等。

機器學習法因其高表征力，在近年來廣為使用，較為常用的機器學習方法如：支持向量機法、神經網絡法等。但是常見的基于特征的方法在噪聲較大時識別準確率很低。

發明內容

本申請實施例的目的是提供一種輻射源個體識別方法、裝置及設備，解決了現有的輻射源個體識別方法在噪聲較大時識別準確率低的問題。

為達到上述目的，本申請的實施例提供一種輻射源個體識別方法，包括：

接收第一調制信號；

對所述第一調制信號進行增強處理，獲得與所述第一調制信號相關的包含非線性統計特征的星座圖；

將所述星座圖輸入至目標輻射源識別模塊，輸出對與所述第一調制信號相關的輻射源個體的分類結果；

其中，所述目標輻射源識別模塊用于：根據所述星座圖包含的非線性統計特征識別所述輻射源個體的類別。

可選地，對所述第一調制信號進行增強處理，獲得與所述第一調制信號相關的包含非線性統計特征的星座圖，包括：

對所述第一調制信號進行解調，獲得與所述第一調制信號對應的解調信號；

對所述解調信號進行歸一化處理，獲得歸一化的信號序列；

將所述信號序列映射到復平面上，獲得所述星座圖。

可選地，對所述第一調制信號進行解調，獲得與所述第一調制信號對應的解調信號，包括：

將所述第一調制信號輸入至接收成形濾波器，獲得所述解調信號；

其中，所述接收成形濾波器用于根據所述接收成形濾波器的函數對所述第一調制信號進行解調。

可選地，根據所述接收成形濾波器的函數對所述第一調制信號進行解調，包括：

根據公式對所述第一調制信號進行解調，獲得所述解調信號；

其中，為所述解調信號，為所述輻射源個體發送的第二調制信號，為信道噪聲，為所述接收成形濾波器的函數，所述第二調制信號和所述信道噪聲的和為所述第一調制信號，i表示第i個輻射源個體。

可選地，根據所述星座圖包含的非線性統計特征識別所述輻射源個體的類別，包括：

提取所述星座圖中的非線性特征信息；

將所述非線性統計特征壓縮為一維特征；