CN102510314B - 基于菱形积分双谱的通信电台个体识别方法及装置 - Google Patents

Abstract

本发明提供的基于菱形积分双谱的通信电台个体识别方法包括对通信电台个体信号进行双谱特征分析得到菱形积分双谱RHIB；对所述菱形积分双谱RHIB特征按照Fisher可分离度准则进行优化，并进行通信电台个体特征融合；采用一对一的支撑矢量机作为模式分类器对通信电台个体进行识别。本发明提供的基于菱形积分双谱的通信电台个体识别方法及装置，以RHIB为主体信号特征能够有效的用于对通信电台个体进行识别。

Description

基于菱形积分双谱的通信电台个体识别方法及装置

技术领域

本发明涉及现代通信系统安全和通信信号处理技术领域，特别涉及一种基于菱形积分双谱的通信电台个体识别方法及装置。

背景技术

通信电台个体识别技术是现代通信系统安全技术领域的一大热点，新的通信电台个体特征分析方法逐渐引起了人们的关注，尤其是在利用高阶谱进行通信电台个体特征提取方面取得了良好的效果。由于实际经过编码和调制后的通信电台信号都是非平稳或非高斯信号，而且通信电台的个体特征更多地表现为不规则的非平稳、非线性和非高斯性，传统意义上的一阶、二阶矩或者功率谱分析等通信信号处理方法难以更深入揭示电台个体特征的本质，而高阶谱是一种非平稳信号分析工具，理论上可以完全抑制高斯有色噪声的影响。因此，采用高阶谱分析方法提取通信电台个体特征的技术得到了较为广泛的应用。

目前，研究人员大多采用高阶谱中的双谱进行通信信号个体特征提取，但是直接双谱需要应用匹配滤波器组进行二维匹配，计算量极大，这限制了直接双谱在通信电台个体识别领域的应用。为了克服这一困难，研究人员引入了积分双谱的方法将二维双谱变换为计算简单的一维函数。目前主要有三种积分双谱，即径向积分双谱(RIB)、轴向积分双谱(AIB)、圆周积分双谱(CIB)，以及较为常用的选择双谱方法，上述四种双谱可统称为局部双谱。

径向积分双谱是指沿过原点的双频平面的第一象限对直接双谱进行积分，轴向积分双谱是指沿着双频平面上平行于某一个频率的直线进行积分，圆周积分双谱是指沿双频平面以原点为圆心的一组同心圆对直接双谱进行积分，而选择双谱则是采用类可分离度来判断一个双谱值在信号特征识别中作用大小，然后选择其中一部分具有最强类间分离度的双谱作为信号特征参数。在上述局部双谱中，轴向积分双谱丢失了信号个体的相位特征，对于电台个体识别极为不利，径向积分双谱和圆周积分双谱存在非均匀采样问题，分类特征的准确度不高，而选择双谱对噪声的免疫性弱于上述三种积分双谱。因此，采用上述四种局部双谱特征对通信电台进行个体识别有很大的局限性。

发明内容

本发明所要解决的技术问题是提供一种能够有效的用于对通信电台个体进行识别的基于菱形积分双谱(RHIB)的通信电台个体识别方法及装置。

根据本发明的一个方面，提供一种基于菱形积分双谱的通信电台个体识别方法包括：

对通信电台个体信号进行双谱特征分析得到菱形积分双谱RHIB；

对所述菱形积分双谱RHIB的特征按照Fisher可分离度准则进行优化，并进行通信电台个体特征融合；

采用一对一的支撑矢量机作为模式分类器对通信电台个体进行识别。

进一步地，对通信电台个体信号进行双谱特征分析得到菱形积分双谱RHIB包括：

计算通信电台个体信号{x⁽ⁱ⁾(n)}的傅立叶变换矢量X⁽ⁱ⁾(ω)，其中，所述频率ω∈Ω，

所述T为信号长度，所述Z表示整数域；

计算通信电台个体信号{x⁽ⁱ⁾(n)}的直接双谱B⁽ⁱ⁾(ω)，所述B⁽ⁱ⁾(ω)＝B⁽ⁱ⁾(ω₁，ω₂)＝X⁽ⁱ⁾(ω₁)X⁽ⁱ⁾(ω₂)X⁽ⁱ⁾(ω₁+ω₂)，所述ω＝(ω₁，ω₂)；

计算通信电台个体信号{x⁽ⁱ⁾(n)}的菱形积分双谱RHIB⁽ⁱ⁾(ω)，所述

，所述B(ω₁，ω₂)表示菱形路径P_r上通信信号的双谱数值，所述RHIB⁽ⁱ⁾(ω)是第i类通信电台信号样本在频率ω处的菱形积分双谱。

进一步地，所述对所述菱形积分双谱RHIB的特征按照Fisher可分离度准则进行优化，并进行通信电台个体特征融合包括：

假定

是第i类通信电台信号样本在频率ω处的菱形积分双谱集合，

是第j类通信电台信号样本在频率ω处的菱形积分双谱集合；其中，所述i和j表示通信电台信号的类别，所述

中的k表示所监测到的第i类通信电台的第k个监测通信信号样本，所述中的k表示所监测到的第j类通信电台的第k个监测通信信号样本，所述N_i是第i类通信电台监测信号样本的个数，所述N_j是第j类通信电台监测信号样本的个数；

将第i类和第j类个体信号特征间的Fisher可分离度按照如下公式进行计算：

$m^{(i,j)}\left(\mathrm{\ω}\right)=\frac{\underset{l=i,j}{\mathrm{\Σ}}{p}^{\left(l\right)}{[{\mathrm{mean}}_k\left({{\mathrm{RHIB}}_k}^{\left(l\right)}\left(\mathrm{\ω}\right)\right)-{\mathrm{mean}}_l[{\mathrm{mean}}_k\left({{\mathrm{RHIB}}_k}^{\left(l\right)}\left(\mathrm{\ω}\right)\right)\left]\right]}^2}{\underset{l=i,j}{\mathrm{\Σ}}{p}^{\left(l\right)}{\mathrm{var}}_k\left({{\mathrm{RHIB}}_k}^{\left(l\right)}\left(\mathrm{\ω}\right)\right)},$ i≠j，

其中，所述m^(i，j)(ω)表示第i类和第j类个体信号特征间在频率ω处的可分离度；所述p^(l)为第l类电台通信信号发生的先验概率；所述mean_k(RHIB_k ^(l)(ω))代表第l类电台通信信号在频率ω处所有样本菱形积分双谱的均值；所述var_k(RHIB_k ^(l)(ω))代表第l类电台通信信号在频率ω处所有样本菱形积分双谱的方差；所述mean_l[mean_k(RHIB_k ^(l)(ω))]表示所有类型信号全体样本在频率ω处的菱形积分双谱均值；

对于所监测到的第i类通信电台的所有N_i个信号样本，根据第i类和其他类别个体信号特征间的Fisher可分离度筛选出第i类电台的菱形积分双谱信号特征，并标记为RHIB_i(l)；

采用快速傅里叶变换方法对第i类通信信号个体进行分析，得到通信电台个体的发射载频特征，标记为f_c(i)；

对所述菱形积分双谱信号特征RHIB_i(l)和所得到的通信电台个体的发射载频特征f_c(i)按照OSF_i＝{f_c(i)，RHIB_i(l)}进行特征融合，然后对所述OSF_i进行归一化处理，从而得到第i类通信电台的个体信号特征SF_i。

进一步地，所述采用一对一的支撑矢量机作为模式分类器对通信电台个体进行识别包括：

依据所述通信电台第i类通信信号个体信号特征SF_i建立电台特征数据库，并用来训练个体特征匹配识别器；

对所述通信电台第i类通信信号个体信号特征SF_i，由已完成训练的个体特征匹配识别器对未知电台设备的个体信号特征进行匹配识别，并给出最终匹配识别结果，其中匹配识别算法采用一对一的支撑矢量机作为模式分类器对通信电台个体进行识别；

根据所述通信电台个体信号特征SF_i的匹配识别结果，对相应的通信电台进行安全服务：若为已在通信电台信号特征数据库注册的合法无线通信设备，则依据新的电台信号特征更新电台数据库，否则报告关于非法电台设备的警示信息。

本发明还提供一种基于菱形积分双谱的通信电台个体识别装置包括：

菱形积分双谱提取模块、特征优化融合模块以及电台个体匹配识别模块；

所述菱形积分双谱提取模块，对通信电台个体信号进行双谱特征分析得到菱形积分双谱RHIB；

所述特征优化融合模块，对所述菱形积分双谱RHIB特征按照Fisher可分离度准则进行优化，并进行通信电台个体特征融合；

所述电台个体匹配识别模块，采用一对一的支撑矢量机作为模式分类器对通信电台个体进行识别。

本发明提供的基于菱形积分双谱的通信电台个体识别方法及装置，以RHIB为主体的信号特征能够有效的用于对通信电台个体进行识别。

附图说明

图1为本发明实施例提供的基于菱形积分双谱的通信电台个体识别方法的流程示意图；

图2为本发明实施例提供的菱形积分双谱在双频平面上的积分路径的示意图；

图3为本发明实施例提供的基于菱形积分双谱的通信电台个体识别装置的结构框图。

具体实施方式

参见图1，本发明实施例提供的一种基于菱形积分双谱的通信电台个体识别方法包括：

步骤10、在对接收到的通信电台个体信号进行下变频和数字采样后，对通信电台个体信号进行双谱特征分析得到菱形积分双谱RHIB。

步骤20、对菱形积分双谱RHIB特征按照Fisher可分离度准则进行优化，并进行通信电台个体特征融合。

步骤30、采用一对一的支撑矢量机作为模式分类器对通信电台个体进行识别。

其中，步骤10对通信电台个体信号进行双谱特征分析得到菱形积分双谱RHIB包括：

步骤101、计算通信电台个体信号{x⁽ⁱ⁾(n)}的傅立叶变换矢量X⁽ⁱ⁾(ω)，其中，所述频率ω∈Ω，

所述T为信号长度，所述Z表示整数域。

步骤102、计算通信电台个体信号{x⁽ⁱ⁾(n)}的直接双谱B⁽ⁱ⁾(ω)，所述B⁽ⁱ⁾(ω)＝B⁽ⁱ⁾(ω₁，ω₂)＝X⁽ⁱ⁾(ω₁)X⁽ⁱ⁾(ω₂)X⁽ⁱ⁾(ω₁+ω₂)，所述ω＝(ω₁，ω₂)。

步骤103、计算通信电台个体信号{x⁽ⁱ⁾(n)}的菱形积分双谱RHIB⁽ⁱ⁾(ω)，所述，所述B(ω₁，ω₂)表示菱形路径P_r上通信信号的双谱数值(结构如图2所示)，RHIB积分路径P_r的选择使得积分值可以保留通信信号个体的尺度和相位信息，而且在指定的菱形积分路径上不存在双谱数值的非均匀采样问题，因而可以保证个体特征的区别精度。同时，RHIB还具有积分双谱所具备良好的抗噪性能。RHIB⁽ⁱ⁾(ω)是第i类通信电台信号样本在频率ω处的菱形积分双谱。

其中，步骤20对所述菱形积分双谱RHIB特征按照Fisher可分离度准则进行优化，并进行通信电台个体特征融合包括：

步骤201、假定

是第i类通信电台信号样本在频率ω处的菱形积分双谱集合，

是第j类通信电台信号样本在频率ω处的菱形积分双谱集合。

和

是采用步骤101-步骤103计算所得到第i类和第j类通信电台信号样本的菱形积分双谱集合。其中，所述i和j表示通信电台信号的类别，所述中的下标k表示所监测到的第i类通信电台的第k个通信信号样本，所述

中的下标k表示所监测到的第j类通信电台的第k个通信信号样本，所述N_i是第i类通信电台监测信号样本的个数，所述N_j是第j类通信电台监测信号样本的个数。

将第i类和第j类个体信号特征间的Fisher可分离度按照如下公式进行计算：

$m^{(i,j)}\left(\mathrm{\ω}\right)=\frac{\underset{l=i,j}{\mathrm{\Σ}}{p}^{\left(l\right)}{[{\mathrm{mean}}_k\left({{\mathrm{RHIB}}_k}^{\left(l\right)}\left(\mathrm{\ω}\right)\right)-{\mathrm{mean}}_l[{\mathrm{mean}}_k\left({{\mathrm{RHIB}}_k}^{\left(l\right)}\left(\mathrm{\ω}\right)\right)\left]\right]}^2}{\underset{l=i,j}{\mathrm{\Σ}}{p}^{\left(l\right)}{\mathrm{var}}_k\left({{\mathrm{RHIB}}_k}^{\left(l\right)}\left(\mathrm{\ω}\right)\right)},$ i≠j，

其中，所述m^(i，j)(ω)表示第i类和第j类个体信号特征间在频率ω处的可分离度，据此选择出Q个具有最强分离度的频率集合作为菱形积分双谱特征点(Q一般取为256或者128)；所述p^(l)为第l类电台通信信号发生的先验概率；所述mean_k(RHIB_k ^(l)(ω))代表第l类电台通信信号在频率ω处所有样本菱形积分双谱的均值；所述var_k(RHIB_k ^(l)(ω))代表第l类电台通信信号在频率ω处所有样本菱形积分双谱的方差；所述meanl[mean_k(RHIB_k ^(l)(ω))]表示所有类型信号全体样本在频率ω处的菱形积分双谱均值；

对于所监测到的第i类通信电台的所有N_i个信号样本，根据第i类和其他类别个体信号特征间的Fisher可分离度筛选出的菱形积分双谱信号特征标记为RHIB_i(l)；类似地，对于其他任一类别的通信电台，按照上述同样的方法可以筛选出其菱形积分双谱信号特征。

步骤202、采用快速傅里叶变换方法对所有类别电台的通信信号个体进行分析，得到所有类别通信电台个体的发射载频特征。例如，对第i类通信信号个体，所得到的发射载频可以标记为f_c(i)。

步骤203、对步骤201得到的菱形积分双谱信号特征RHIB_i(l)和步骤202得到的通信电台个体的发射载频特征f_c(i)按照OSF_i＝{f_c(i)，RHIB_i(l)}进行特征融合，然后对所述OSF_i进行归一化处理，从而得到第i类通信电台的个体信号特征SF_i；对其他类别的通信电台，按照同样的特征融合方法可以得到其个体信号特征。

步骤30采用一对一的支撑矢量机作为模式分类器对通信电台个体进行识别包括：

步骤301、依据以菱形积分双谱为主体的通信电台个体信号融合特征，对采集到的所有电台个体信号的样本特征建立电台特征数据库，并用来训练个体特征匹配识别器。例如，依据所述通信电台第i类通信信号个体信号特征SF_i建立电台特征数据库，并用来训练个体特征匹配识别器。

步骤302、对通信电台第i类通信信号个体信号特征SF_i，由已完成训练的个体特征匹配识别器对未知电台设备的个体信号特征进行匹配识别，并给出最终匹配识别结果，其中匹配识别算法采用一对一的支撑矢量机作为模式分类器对通信电台个体进行识别；

步骤303、根据通信电台第i类通信信号个体信号特征SF_i的匹配识别结果，对相应的通信电台进行安全服务：若为已在通信电台信号特征数据库注册的合法无线通信设备，则依据新的电台信号特征更新电台数据库，否则报告关于非法电台设备的警示信息。

参见图3，基于菱形积分双谱的通信电台个体识别装置，其包括菱形积分双谱提取模块6、特征优化融合模块7以及电台个体匹配识别模块8。菱形积分双谱提取模块6可根据步骤101-步骤103对通信电台个体信号进行双谱特征分析得到菱形积分双谱RHIB。特征优化融合模块7可根据步骤201-步骤203对所述菱形积分双谱RHIB特征按照Fisher可分离度准则进行优化，并进行通信电台个体特征融合。电台个体匹配识别模块8采用一对一的支撑矢量机作为模式分类器对通信电台个体进行识别(具体参见步骤301-303)。

本发明实施例提供的基于菱形积分双谱的信号特征分析方法，提取反映通信电台设备属性的个体特征，并依据匹配识别结果对未知的通信电台个体进行识别。本发明中的菱形积分双谱可以表现为不同的形式(例如，多维稳定的信号特征矢量)。对于具有不同特性的通信设备个体，都有相应的菱形积分双谱提取优化，以及与之相应的特征匹配识别方法，这使得菱形积分双谱信号特征及其在现代通信系统安全领域中的具体应用方式具有极大的灵活性。

最后所应说明的是，以上具体实施方式仅用以说明本发明的技术方案而非限制，尽管参照实例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (4)

1.一种基于菱形积分双谱的通信电台个体识别方法，其特征在于，包括： 

对通信电台个体信号进行双谱特征分析得到菱形积分双谱RHIB； 

对所述菱形积分双谱RHIB的特征按照Fisher可分离度准则进行优化，并进行通信电台个体特征融合； 

采用一对一的支撑矢量机作为模式分类器对通信电台个体进行识别；所述对通信电台个体信号进行双谱特征分析得到菱形积分双谱RHIB包括： 

计算通信电台个体信号{x⁽ⁱ⁾(n)}的傅立叶变换矢量X⁽ⁱ⁾(ω)，其中，所述频率ω∈Ω，

所述T为信号长度，所述Z表示整数域； 

计算通信电台个体信号{x⁽ⁱ⁾(n)}的直接双谱B⁽ⁱ⁾(ω)，所述B⁽ⁱ⁾(ω)=B⁽ⁱ⁾(ω₁,ω₂)=X⁽ⁱ⁾(ω₁)X⁽ⁱ⁾(ω₂)X⁽ⁱ⁾(ω₁+ω₂)，所述ω=(ω₁,ω₂)； 

计算通信电台个体信号{x⁽ⁱ⁾(n)}的菱形积分双谱RHIB⁽ⁱ⁾(ω)，所述 

所述B(ω₁,ω₂)表示菱形路径P_r上通信信号的双谱数值，所述RHIB⁽ⁱ⁾(ω)是第i类通信电台信号样本在频率ω处的菱形积分双谱。 

2.根据权利要求1所述的识别方法，其特征在于，所述对所述菱形积分双谱RHIB的特征按照Fisher可分离度准则进行优化，并进行通信电台个体特征融合包括： 

假定是第i类通信电台信号样本在频率ω处的菱形积分双谱集合，是第j类通信电台信号样本在频率ω处的菱形积分双谱集合；其中，所述i和j表示通信电台信号的类别， 所述

中的k表示所监测到的第i类通信电台的第k个监测通信信号样本，所述

中的k表示所监测到的第j类通信电台的第k个监测通信信号样本，所述N_i是第i类通信电台监测信号样本的个数，所述N_j是第j类通信电台监测信号样本的个数； 

将第i类和第j类个体信号特征间的Fisher可分离度按照如下公式进行计算： 

其中，所述m^(i,j)(ω)表示第i类和第j类个体信号特征间在频率ω处的可分离度；所述p^(l)为第l类电台通信信号发生的先验概率；所述 

代表第l类电台通信信号在频率ω处所有样本菱形积分双谱的均值；所述

代表第l类电台通信信号在频率ω处所有样本菱形积分双谱的方差；所述

表示所有类型信号全体样本在频率ω处的菱形积分双谱均值； 

对于所监测到的第i类通信电台的所有N_i个信号样本，根据第i类和其他类别个体信号特征间的Fisher可分离度筛选出第i类电台的菱形积分双谱信号特征，并标记为RHIB_i(l)； 

采用快速傅里叶变换方法对第i类通信信号个体进行分析，得到通信电台个体的发射载频特征，标记为f_c(i)； 

对所述菱形积分双谱信号特征RHIB_i(l)和所得到的通信电台个体的发射载频特征f_c(i)按照OSF_i={f_c(i),RHIB_i(l)}进行特征融合，然后对所述OSF_i进行归一化处理，从而得到第i类通信电台的个体信号特征SF_i；所述OSF_i是融合的第i类通信电台的个体信号特征，由载频特征fc(i)与菱形积分双谱特征RHIB(i)合并而成。 

3.根据权利要求1所述的识别方法，其特征在于，所述采用一对一的支撑矢量机作为模式分类器对通信电台个体进行识别包括： 

依据所述通信电台第i类通信信号个体信号特征SF_i建立电台特征数据库，并用来训练个体特征匹配识别器； 

对所述通信电台第i类通信信号个体信号特征SF_i，由已完成训练的个体特征匹配识别器对未知电台设备的个体信号特征进行匹配识别，并给出最终匹配识别结果，其中匹配识别算法采用一对一的支撑矢量机作为模式分类器对通信电台个体进行识别； 

根据所述通信电台个体信号特征SF_i的匹配识别结果，对相应的通信电台进行安全服务：若为已在通信电台信号特征数据库注册的合法无线通信设备，则依据新的电台信号特征更新电台数据库，否则报告关于非法电台设备的警示信息。 

4.一种基于菱形积分双谱的通信电台个体识别装置，其特征在于，包括： 

菱形积分双谱提取模块、特征优化融合模块以及电台个体匹配识别模块； 

所述菱形积分双谱提取模块，对通信电台个体信号进行双谱特征分析得到菱形积分双谱RHIB；所述对通信电台个体信号进行双谱特征分析得到菱形积分双谱RHIB包括：计算通信电台个体信号{x⁽ⁱ⁾(n)}的傅立叶变换矢量X⁽ⁱ⁾(ω)，其中，所述频率

所述T为信号长度，所述Z表示整数域；计算通信电台个体信号{x⁽ⁱ⁾(n)}的直接双谱B⁽ⁱ⁾(ω)，所述B⁽ⁱ⁾(ω)=B⁽ⁱ⁾(ω₁,ω₂)=X⁽ⁱ⁾(ω₁)X⁽ⁱ⁾(ω₂)X⁽ⁱ⁾(ω₁+ω₂)，所述ω=(ω₁,ω₂)；计算通信电台个体信号{x⁽ⁱ⁾(n)}的菱形积分双谱RHIB⁽ⁱ⁾(ω)，所述

所述B(ω₁,ω₂)表示菱形 路径P_r上通信信号的双谱数值，所述RHIB⁽ⁱ⁾(ω)是第i类通信电台信号样本在频率ω处的菱形积分双谱； 

所述特征优化融合模块，对所述菱形积分双谱RHIB特征按照Fisher可分离度准则进行优化，并进行通信电台个体特征融合； 

所述电台个体匹配识别模块，采用一对一的支撑矢量机作为模式分类器对通信电台个体进行识别。 

Images