CN103220055A - 无线发射机信号的多重分形梯度特征指纹识别方法 - Google Patents
无线发射机信号的多重分形梯度特征指纹识别方法 Download PDFInfo
- Publication number
- CN103220055A CN103220055A CN2013101721830A CN201310172183A CN103220055A CN 103220055 A CN103220055 A CN 103220055A CN 2013101721830 A CN2013101721830 A CN 2013101721830A CN 201310172183 A CN201310172183 A CN 201310172183A CN 103220055 A CN103220055 A CN 103220055A
- Authority
- CN
- China
- Prior art keywords
- transmitting set
- signal
- transient
- fractal
- gradient
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 239000013598 vector Substances 0.000 claims abstract description 24
- 238000001228 spectrum Methods 0.000 claims abstract description 13
- 230000001052 transient effect Effects 0.000 claims description 67
- 239000000284 extract Substances 0.000 claims description 17
- 238000001514 detection method Methods 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 230000000630 rising effect Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 230000005855 radiation Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000008685 targeting Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000011031 large-scale manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Landscapes
- Collating Specific Patterns (AREA)
Abstract
无线发射机信号的多重分形梯度特征指纹识别方法,涉及无线发射机指纹识别。对采集的无线发射机暂态信号数据进行归一化,以消除噪声等干扰带来幅度的差异;采用基于统计学的暂态起点检测算法,通过计算相位方差统计量差值的最大值位置准确地获取无线发射机缓慢上升的暂态信号的起点位置;通过计算无线发射机暂态信号的短时傅里叶能量谱,并从谱图能量最高点对应的瞬时频率作切片处理,即可获得暂态信号光滑的能量切片包络曲线;提取暂态信号特征参数;联合多重分形双对数曲线梯度特征向量和多项式拟合系数特征向量作为无线发射机的个体识别指纹特征,利用识别器对无线发射机信号进行识别。
Description
技术领域
本发明涉及无线发射机指纹识别,尤其是涉及一种无线发射机信号的多重分形梯度特征指纹识别方法。
背景技术
在无线通信信号中,反映每台无线设备个体特点的指纹特征是表现在多方面的。常见指纹特征如信号载频偏差、调制参数、杂散输出、暂态特征等。这些指纹特征能较好地满足可检测性、稳定性和唯一性的特点,但随着微电子生产工艺不断地发展,元器件之间的差异性也越来越小,发射机个体特征提取和识别的难度也越来越高,尤其是同型号同一批次的无线发射机的指纹特征非常不明显,需要更深入的研究和探讨其可识别性。
国外Northrop Grumman公司与美国海军合作对SEI(Specific Emitter Identification)即“特定辐射源识别”技术持续研究了长达40年之久,主导和参与开发了一系列的军用和民用SEI系统。并将SEI技术进行延伸和扩展,所侦察的对象包括雷达信号、通信信号、非雷达和非通信信号,及非有意辐射的信号。SEI的军用和民用价值不断地得到重视和挖掘,但是出于保密的原因国外公开的SEI的技术资料少之又少。
国内科研院所和院校也对辐射源个体识别技术进行研究,其中包括雷达信号的指纹分析、通信电台的个体识别、敌我识别系统等,均取得了较好的识别效果。但总体上仍处于起步阶段,一些结果仍处于仿真阶段,还有一部分实测数据缺乏大数据的验证,同时在指纹产生机理、个体特征选取和识别器优化设计等问题上仍存在很多尚未解决的问题,尤其是宽带调制无线发射机个体识别技术具有很大的研究空间。
现代无线通信信号大多以帧的形式发送,信号表现为突发的方式,因此在每帧信号的起始端可以获得发射机的暂态信号。该信号为各个元器件产生的冲激响应,含有丰富的特征信息,可从暂态信号中提取无线发射机特征信息用于无线发射机个体识别。
中国专利CN102693411公开了一种基于射频指纹的无线发射机的识别方法,包括:接收无线发射机发射的无线信号,无线信号是无线发射机在功率渐升的同时发射的前导序列;检测无线信号的参考时刻;根据检测到的参考时刻对无线信号进行前导信号的截取;把截取后的前导信号变换为射频指纹;对变换后的射频指纹进行特征提取,进行无线发射机的识别。中国专利CN102694559揭示了一种基于前导的Wi-Fi发射机的射频指纹的检测方法,用于Wi-Fi发射机的射频指纹识别。中国专利CN102547560则提出一种在包括多个发射机的单频网络中由终端识别发射机的方法。
针对非合作通信条件下的调制方式识别问题,安金坤、田斌等在其发表于华南理工大学学报上题为“OFDM信号的多重分形谱特征盲识别算法”文献中提出了一种正交频分复用(OFDM)信号的多重分形谱特征盲识别算法。该算法首先提取通信信号多重分形谱最大值对应的奇异性指数以及通信解析信号平方处理后经两次傅里叶变换的幅频信号的多重分形谱跨度作为信号特征参数,然后通过多层决策树分类器完成对OFDM信号和单载波信号的识别.
发明内容
本发明的目的是提供一种无线发射机信号的多重分形梯度特征指纹识别方法,以达到实现对无线发射机进行准确的识别。
本发明包括以下步骤:
1)数据进行归一化:对采集的无线发射机暂态信号数据进行归一化,以消除噪声等干扰带来幅度的差异;
2)检测暂态信号起点:采用基于统计学的暂态起点检测算法,通过计算相位方差统计量差值的最大值位置准确地获取无线发射机缓慢上升的暂态信号的起点位置;
3)提取暂态信号包络:通过计算无线发射机暂态信号的短时傅里叶能量谱,并从谱图能量最高点对应的瞬时频率作切片处理,即可获得暂态信号光滑的能量切片包络曲线;
4)提取暂态信号特征参数:将能量切片包络曲线看作射频滤波器的冲激响应,用多项式曲线拟合的方法拟合能量切片包络曲线,得到多项式拟合系数;同时从能量切片包络曲线中提取多重分形双对数曲线梯度,选择梯度差异较大的区间作为梯度特征指纹,构建多项式拟合系数和多重分形双对数曲线梯度特征的联合指纹特征向量;
5)分类识别:联合多重分形双对数曲线梯度特征向量和多项式拟合系数特征向量作为无线发射机的个体识别指纹特征,利用识别器对无线发射机信号进行识别。
在步骤1)中,所述暂态信号数据进行归一化的目的在于,由于采集的无线发射机暂态信号数据受噪声等干扰,存在不同幅度的差异,因此对暂态信号数据进行归一化以消除噪声等干扰带来的幅度差异。
在步骤2)中,所述检测暂态信号起点,是无线发射机识别的关键步骤,可采用基于统计学的暂态起点检测算法,所述基于统计学的暂态起点检测算法是利用均值变点检测分析法;所述均值变点检测分析法是统计学中常用的检测方法,无需门限值的判断,也无需非参数估计的假设检验,只需通过计算相位方差统计量差值的最大值位置即可判断暂态的起点位置。
在步骤3)中,所述提取暂态信号包络,可通过计算无线发射机暂态信号的短时傅里叶能量谱,并从谱图能量最高点对应的瞬时频率作切片处理,即可获得暂态信号光滑的能量切片包络曲线,且能最大程度地保留发射机个体的特征。
在步骤4)中,所述提取暂态信号特征参数的目的是,由于经过起点检测和包络提取后的暂态信号仍然具有很大的数据量,因此需要对暂态信号包络进一步提取特征参数,用多项式曲线拟合的方法拟合能量切片包络曲线,得到多项式拟合系数;同时从能量切片包络曲线中提取多重分形双对数曲线梯度,选择梯度差异较大的区间作为梯度特征指纹,构建多项式拟合系数和多重分形双对数曲线梯度特征的联合指纹特征向量。
在步骤5)中,所述识别器可采用BP神经网络识别器等;所述利用识别器对无线发射机信号进行识别是将提取出来的多重分形双对数曲线梯度特征向量和多项式拟合系数联合作为无线发射机的个体识别指纹特征,输入识别器,即可实现无线发射器信号的识别。
与现有的方法相比,本发明将多重分形双对数曲线的梯度值作为暂态特征指纹之一,构建多项式拟合系数和多重分形梯度特征的联合指纹特征向量作为无线发射机指纹特征。通过本发明所提出的无线发射机暂态信号的多重分形梯度特征向量,利用BP神经网络识别器对无线发射机信号进行识别。实测数据的识别结果表明,单独采用多项式拟合系数指纹特征进行识别,不同生产厂家无线网卡的平均识别达到91.67%,但是同一生产厂家同一型号的无线网卡平均识别率只有78.4%,而由多重分形特征与拟合系数特征向量组成新的联合特征向量作为暂态指纹,不同生产厂家无线网卡的平均识别率高达97.17%,而且同一生产厂家同一型号的无线网卡平均识别率也大大提高到88%。
附图说明
图1为无线发射机信号的时域波形。
图2为无线发射机暂态信号的起点。
图3为相位方差差值变化轨迹。
图4为无线发射机暂态信号的能量包络图。
图5为不同维数双对数曲线图。
图6为双对数曲线梯度图。
图7为不同厂家无线发射机双对数曲线梯度图(q=2)。在图7中,各标记为:*为MW54U,○为Tplink,◇为W323G,□为W541U,☆为G200U,×为NW330。
图8为几种指纹特征识别结果对比图。在图8中,标记a为小波高阶统计量,b为多项式拟合系数,c为联合多重分形特征。
具体实施方式
本发明提出的无线发射机信号的多重分形梯度特征指纹识别方法主要有以下5个步骤:
1.对无线发射机暂态信号进行归一化,对采集无线发射机暂态信号数据进行归一化,以消除噪声等干扰带来幅度的差异。
2.检测暂态信号的起点,采用基于统计学的暂态起点检测算法,通过计算相位方差统计量差值的最大值位置准确地获取无线发射机缓慢上升的暂态信号的起点位置。
基于统计学的暂态起点检测算法采用均值变点检测分析法。均值变点检测分析法是统计学中常用的检测方法,无需门限值的判断,也无需非参数估计的假设检验,只需通过计算相位方差统计量差值的最大值位置即可判断暂态的起点位置。
设样本序列为x1,x2,…,xN,均值变点检测分析法的计算过程如下,
3)绘制S-Si的曲线,曲线的最大值点位置即为变点位置。
均值变点检测分析法的思想在于变点的存在使得分段后的样本统计量与原始样本统计量的差值变大,最大差值处即为变点所在,也就是暂态起点的位置。
图2即为采用基于统计学的暂态起点检测算法得到的无线发射机暂态信号的起点位置,图1和3分别为对应无线发射机信号的时域波形和相位方差差值变化轨迹。
3.提取暂态信号包络,无线发射机的暂态信号是已调制信号,其包络的变化体现了不同发射机的特征,可以从暂态响应的包络来提取特征信息。通过计算无线发射机暂态信号的短时傅里叶能量谱,并从谱图能量最高点对应的瞬时频率作切片处理,即可获得暂态信号光滑的能量切片包络曲线。
谱图时频分析方法不仅能得到光滑的能量切片包络曲线,而且能最大程度地保留了发射机个体的特征。
谱图是短时傅里叶变换的二次型时频表示,即对短时傅里叶谱进一步求取平方。短时傅里叶变换(STFT)的基本思想是假定非平稳信号为分段平稳,信号在傅里叶变换前乘以一个窗函数,通过滑动窗截取信号,从而得到一组局部的频谱,获得信号的时频特性。
为提取光滑的能量包络,从谱图能量最高点对应的瞬时频率作切片处理,可以获得时间能量切片包络曲线,如图4所示。
4.提取暂态信号特征参数,对暂态信号包络进一步提取特征参数。将能量切片包络曲线看作射频滤波器的冲激响应,用多项式曲线拟合的方法拟合能量切片包络曲线,得到多项式拟合系数特征向量;同时从能量切片包络曲线中提取多重分形双对数曲线梯度,选择梯度差异较大的区间作为梯度特征指纹,构建多项式拟合系数和多重分形双对数曲线梯度特征的联合指纹特征向量。
提取多重分形双对数曲线梯度特征参数的具体步骤如下:
暂态信号的多重分形分析可看作是对一个时间序列信号的分析,由时间序列进行相空间重构,再通过q阶关联积分Cq(r)来计算广义分形维数Dq。
设{xk,k=1,2,...,N}为暂态信号的采集数据,将其嵌入到m维欧式空间Rm中,得到一个点(或向量集)J(m),其元素记作
X(m,τ)={xn,xn+1,...,xn+(m-1)τ},n=1,2,…,Nm
其中n的最大取值Nm=N-(m-1)τ,τ是延迟时间,m为欧式空间Rm的维数,相空间重构时,延时时间τ和嵌入维数m的选取通常采用C-C算法确定。
从Nm个点中任意选定一个参考点Xi,计算其余Nm-1个点到Xi的距离rij。
对所有Xi,i=1,2,...,Nm重复这一过程,定义q阶关联积分Cq(r)为,
其中,r是各点间距离rij的集合,H是Heaviside函数
其广义维数Dq可以通过q阶关联积分计算得到
定义多重分形双对数曲线梯度Slope为:
Slope=[lnCr(i)-lnCr(i-1)]/[lnr(i)-lnr(i-1)]i=1,2,...,Nm*(Nm-1)
其中,lnCr为关联积分的对数,lnr为各点间距离的对数,lnCr,lnr分别为广义维数双对数曲线横轴和纵轴,则当Slope(i)-Slope(i-1)≈0时,可看作是双对数曲线的直线区间,即无标度区间。
计算并绘制出相应的双对数曲线,用最小二乘法拟合该段曲线的斜率,其绝对值即为广义维数Dq。
图5所示即为根据上述方法求得的lnr-lnC双对数曲线,由图5可知,大尺度时曲线几乎平行于尺度轴;中间尺度时双对数曲线为一斜直线;小尺度时,由于数据量有限导致曲线不规则变化。中间尺度即为系统性质的特征段,也称为无标度区间,拟合得到部分直线斜率即是所求的分形维数。图6为对应的双对数曲线梯度图,其反应了斜率的变化趋势。
由梯度定义公式可知,梯度曲线描述的是分形维数双对数曲线的变化,故提取梯度差异较大的区间作为识别暂态信号的指纹特征,即梯度特征指纹。
图7为不同厂家无线发射机双对数曲线梯度特征图(q=2),由图7可见,不同厂家网卡其曲线存在较大差异。
5.分类识别,联合多重分形双对数曲线梯度特征向量和多项式拟合系数特征向量作为无线发射机的个体识别指纹特征,输入BP神经网络识别器,即可实现无线发射机信号的分类识别。
本发明对比采用小波高阶统计量特征、二次多项式拟合系数特征以及多重分形梯度特征三种特征向量作为无线网卡暂态信号指纹特征值的识别结果发现,对于同一厂家同一批次生产出来的无线发射机的分类识别,采用小波特征其平均识别率仅有53.4%,由于小波特征是各类信号最常用的特征提取和识别方法,但是对于无线发射机此类高集成度高规模化生产的产品,因此采用传统的特征提取方式,其差异性微乎其微。提取多项式拟合系数值的特征识别结果中,单独采用多项式拟合系数指纹特征进行识别,不同生产厂家无线网卡的平均识别达到91.67%,但是同一生产厂家同一型号的无线网卡平均识别率只有78.4%,而由多重分形特征与拟合系数特征向量组成新的联合特征向量作为暂态指纹,不同生产厂家无线网卡的平均识别率高达97.17%,而且同一生产厂家同一型号的无线网卡平均识别率也大大提高到88%。
如图8所示为几种指纹特征识别结果对比图,本发明提出的多重分形双对数曲线梯度特征联合多项式拟合系数的识别性能最优,大大提高了同一厂家同一批次生产出来的无线发射机的识别率,达到了无线发射机个体识别的目的。
Claims (6)
1.无线发射机信号的多重分形梯度特征指纹识别方法,其特征在于包括以下步骤:
1)数据进行归一化:对采集的无线发射机暂态信号数据进行归一化,以消除噪声等干扰带来幅度的差异;
2)检测暂态信号起点:采用基于统计学的暂态起点检测算法,通过计算相位方差统计量差值的最大值位置准确地获取无线发射机缓慢上升的暂态信号的起点位置;
3)提取暂态信号包络:通过计算无线发射机暂态信号的短时傅里叶能量谱,并从谱图能量最高点对应的瞬时频率作切片处理,即可获得暂态信号光滑的能量切片包络曲线;
4)提取暂态信号特征参数:将能量切片包络曲线看作射频滤波器的冲激响应,用多项式曲线拟合的方法拟合能量切片包络曲线,得到多项式拟合系数;同时从能量切片包络曲线中提取多重分形双对数曲线梯度,选择梯度差异较大的区间作为梯度特征指纹,构建多项式拟合系数和多重分形双对数曲线梯度特征的联合指纹特征向量;
5)分类识别:联合多重分形双对数曲线梯度特征向量和多项式拟合系数特征向量作为无线发射机的个体识别指纹特征,利用识别器对无线发射机信号进行识别。
2.如权利要求1所述无线发射机信号的多重分形梯度特征指纹识别方法,其特征在于在步骤2)中,所述检测暂态信号起点,是采用基于统计学的暂态起点检测算法,所述基于统计学的暂态起点检测算法是利用均值变点检测分析法。
3.如权利要求1所述无线发射机信号的多重分形梯度特征指纹识别方法,其特征在于在步骤3)中,所述提取暂态信号包络,是通过计算无线发射机暂态信号的短时傅里叶能量谱,并从谱图能量最高点对应的瞬时频率作切片处理,即可获得暂态信号光滑的能量切片包络曲线,且能最大程度地保留发射机个体的特征。
4.如权利要求1所述无线发射机信号的多重分形梯度特征指纹识别方法,其特征在于在步骤4)中,所述提取暂态信号特征参数,是对暂态信号包络进一步提取特征参数,用多项式曲线拟合的方法拟合能量切片包络曲线,得到多项式拟合系数;同时从能量切片包络曲线中提取多重分形双对数曲线梯度,选择梯度差异较大的区间作为梯度特征指纹,构建多项式拟合系数和多重分形双对数曲线梯度特征的联合指纹特征向量。
5.如权利要求1所述无线发射机信号的多重分形梯度特征指纹识别方法,其特征在于在步骤5)中,所述识别器采用BP神经网络识别器。
6.如权利要求1所述无线发射机信号的多重分形梯度特征指纹识别方法,其特征在于在步骤5)中,所述利用识别器对无线发射机信号进行识别,是将提取出来的多重分形双对数曲线梯度特征向量和多项式拟合系数联合作为无线发射机的个体识别指纹特征,输入识别器,即可实现无线发射器信号的识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310172183.0A CN103220055B (zh) | 2013-05-10 | 2013-05-10 | 无线发射机信号的多重分形梯度特征指纹识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310172183.0A CN103220055B (zh) | 2013-05-10 | 2013-05-10 | 无线发射机信号的多重分形梯度特征指纹识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103220055A true CN103220055A (zh) | 2013-07-24 |
CN103220055B CN103220055B (zh) | 2014-12-10 |
Family
ID=48817582
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310172183.0A Expired - Fee Related CN103220055B (zh) | 2013-05-10 | 2013-05-10 | 无线发射机信号的多重分形梯度特征指纹识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103220055B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104753842A (zh) * | 2015-04-18 | 2015-07-01 | 中国电子科技集团公司第四十一研究所 | 基于峰值位置判别的信号调制方式识别方法 |
CN106446877A (zh) * | 2016-11-21 | 2017-02-22 | 电子科技大学 | 一种基于信号幅度排序的射频指纹特征提取和识别方法 |
CN106845512A (zh) * | 2016-11-30 | 2017-06-13 | 湖南文理学院 | 基于分形参数的兽类形体识别方法及系统 |
CN106991393A (zh) * | 2017-03-30 | 2017-07-28 | 上海电机学院 | 基于多重分形维数的辐射源指纹特征提取方法 |
CN107947830A (zh) * | 2017-11-15 | 2018-04-20 | 电子科技大学 | 一种可抵抗多径干扰的射频指纹识别方法 |
CN108108712A (zh) * | 2017-12-29 | 2018-06-01 | 哈尔滨工业大学 | 一种基于方差维数的辐射源指纹特征提取方法 |
CN109344772A (zh) * | 2018-09-30 | 2019-02-15 | 中国人民解放军战略支援部队信息工程大学 | 基于谱图和深度卷积网络的超短波特定信号侦察方法 |
CN110390253A (zh) * | 2019-05-17 | 2019-10-29 | 天津大学 | 基于多种分形谱特征提取的通信信号调制方式识别方法 |
CN111245821A (zh) * | 2020-01-08 | 2020-06-05 | 中国科学院信息工程研究所 | 辐射源识别方法、装置及辐射源识别模型创建方法、装置 |
CN111368648A (zh) * | 2020-02-17 | 2020-07-03 | 西安电子科技大学 | 雷达辐射源个体识别方法、装置、电子设备及其存储介质 |
CN112507855A (zh) * | 2020-12-04 | 2021-03-16 | 国网浙江省电力有限公司武义县供电公司 | 一种基于瞬时包络等势星球图的通信辐射源个体识别方法 |
CN112633121A (zh) * | 2020-12-18 | 2021-04-09 | 国网浙江省电力有限公司武义县供电公司 | 基于希尔伯特变换与多重分形维数特征的辐射源识别方法 |
CN116132237A (zh) * | 2022-12-29 | 2023-05-16 | 中国电子科技集团公司第三十研究所 | 一种基于周期卷积与分形的ofdm信号检测识别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040204878A1 (en) * | 2002-04-22 | 2004-10-14 | Anderson Richard H. | System and method for waveform classification and characterization using multidimensional higher-order statistics |
CN102437984A (zh) * | 2011-11-07 | 2012-05-02 | 哈尔滨工程大学 | 低信噪比下基于复杂度特征的调制信号识别方法 |
CN102694559A (zh) * | 2011-03-25 | 2012-09-26 | 南通大学 | 基于前导的Wi-Fi发射机射频指纹的检测方法 |
CN102693411A (zh) * | 2011-03-25 | 2012-09-26 | 南通大学 | 基于射频指纹的无线发射机的识别方法 |
-
2013
- 2013-05-10 CN CN201310172183.0A patent/CN103220055B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040204878A1 (en) * | 2002-04-22 | 2004-10-14 | Anderson Richard H. | System and method for waveform classification and characterization using multidimensional higher-order statistics |
CN102694559A (zh) * | 2011-03-25 | 2012-09-26 | 南通大学 | 基于前导的Wi-Fi发射机射频指纹的检测方法 |
CN102693411A (zh) * | 2011-03-25 | 2012-09-26 | 南通大学 | 基于射频指纹的无线发射机的识别方法 |
CN102437984A (zh) * | 2011-11-07 | 2012-05-02 | 哈尔滨工程大学 | 低信噪比下基于复杂度特征的调制信号识别方法 |
Non-Patent Citations (4)
Title |
---|
吴启军: "电台指纹识别算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》, 15 November 2010 (2010-11-15) * |
安金坤等: "OFDM信号的多重分形谱特征盲识别算法", 《华南理工大学学报(自然科学版)》, 31 July 2011 (2011-07-31) * |
熊永坤等: "关于雷达信号指纹特征识别的研究分析", 《电子元器件应用》, 30 April 2012 (2012-04-30) * |
颜富甲等: "基于盒子维数和最大Lyapunov维数的瞬态信号特征提取", 《现代电子技术》, 1 April 2013 (2013-04-01) * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104753842B (zh) * | 2015-04-18 | 2017-10-13 | 中国电子科技集团公司第四十一研究所 | 基于峰值位置判别的信号调制方式识别方法 |
CN104753842A (zh) * | 2015-04-18 | 2015-07-01 | 中国电子科技集团公司第四十一研究所 | 基于峰值位置判别的信号调制方式识别方法 |
CN106446877B (zh) * | 2016-11-21 | 2019-07-30 | 电子科技大学 | 一种基于信号幅度排序的射频指纹特征提取和识别方法 |
CN106446877A (zh) * | 2016-11-21 | 2017-02-22 | 电子科技大学 | 一种基于信号幅度排序的射频指纹特征提取和识别方法 |
CN106845512A (zh) * | 2016-11-30 | 2017-06-13 | 湖南文理学院 | 基于分形参数的兽类形体识别方法及系统 |
CN106991393A (zh) * | 2017-03-30 | 2017-07-28 | 上海电机学院 | 基于多重分形维数的辐射源指纹特征提取方法 |
CN107947830A (zh) * | 2017-11-15 | 2018-04-20 | 电子科技大学 | 一种可抵抗多径干扰的射频指纹识别方法 |
CN108108712A (zh) * | 2017-12-29 | 2018-06-01 | 哈尔滨工业大学 | 一种基于方差维数的辐射源指纹特征提取方法 |
CN109344772B (zh) * | 2018-09-30 | 2021-01-26 | 中国人民解放军战略支援部队信息工程大学 | 基于谱图和深度卷积网络的超短波特定信号侦察方法 |
CN109344772A (zh) * | 2018-09-30 | 2019-02-15 | 中国人民解放军战略支援部队信息工程大学 | 基于谱图和深度卷积网络的超短波特定信号侦察方法 |
CN110390253A (zh) * | 2019-05-17 | 2019-10-29 | 天津大学 | 基于多种分形谱特征提取的通信信号调制方式识别方法 |
CN111245821A (zh) * | 2020-01-08 | 2020-06-05 | 中国科学院信息工程研究所 | 辐射源识别方法、装置及辐射源识别模型创建方法、装置 |
CN111245821B (zh) * | 2020-01-08 | 2021-06-29 | 中国科学院信息工程研究所 | 辐射源识别方法、装置及辐射源识别模型创建方法、装置 |
CN111368648A (zh) * | 2020-02-17 | 2020-07-03 | 西安电子科技大学 | 雷达辐射源个体识别方法、装置、电子设备及其存储介质 |
CN112507855A (zh) * | 2020-12-04 | 2021-03-16 | 国网浙江省电力有限公司武义县供电公司 | 一种基于瞬时包络等势星球图的通信辐射源个体识别方法 |
CN112633121A (zh) * | 2020-12-18 | 2021-04-09 | 国网浙江省电力有限公司武义县供电公司 | 基于希尔伯特变换与多重分形维数特征的辐射源识别方法 |
CN116132237A (zh) * | 2022-12-29 | 2023-05-16 | 中国电子科技集团公司第三十研究所 | 一种基于周期卷积与分形的ofdm信号检测识别方法 |
CN116132237B (zh) * | 2022-12-29 | 2023-10-03 | 中国电子科技集团公司第三十研究所 | 一种基于周期卷积与分形的ofdm信号检测识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103220055B (zh) | 2014-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103220055B (zh) | 无线发射机信号的多重分形梯度特征指纹识别方法 | |
CN106130942B (zh) | 一种基于循环谱的无线通信信号调制识别及参数估计方法 | |
CN102693411B (zh) | 基于射频指纹的无线发射机的识别方法 | |
CN105678273B (zh) | 射频指纹识别技术瞬态信号的起始点检测算法 | |
CN102843328B (zh) | Tdd lte系统中的prach序列的检测方法 | |
CN105429719B (zh) | 基于功率谱和多尺度小波变换分析强干扰信号检测方法 | |
CN106330385A (zh) | 一种干扰类型识别方法 | |
CN103941254A (zh) | 一种基于地质雷达的土壤物性类别识别方法和装置 | |
CN106357575A (zh) | 一种多参数联合估计的干扰类型识别方法 | |
CN107947830A (zh) | 一种可抵抗多径干扰的射频指纹识别方法 | |
CN103220241A (zh) | 一种低信噪比条件下信号盒维数特征提取方法 | |
CN104378764A (zh) | 一种lte系统同频小区检测方法及装置 | |
CN109359523A (zh) | 一种基于svm多分类算法的卫星导航干扰类型识别方法 | |
JP5752481B2 (ja) | パッシブレーダ装置、誘導装置及び電波検出方法 | |
CN112567656A (zh) | 信号检测装置以及信号检测方法 | |
CN111652183B (zh) | 基于图传信号多特征融合的无人机检测与识别方法 | |
CN107528646B (zh) | 一种基于宽带频谱的干扰信号识别及提取方法 | |
CN106100762A (zh) | 一种循环平稳谱分析的弱通信信号检测方法 | |
CN103743969A (zh) | 一种近场电磁辐射干扰测量信号的测量噪声抑制方法 | |
CN102307055A (zh) | Dsss频域干扰检测方法 | |
CN108173792B (zh) | 基于差分星座轨迹图的无线设备瞬态特征提取与识别方法 | |
CN107966687B (zh) | 基于部分自相关谱的mimo雷达信号调制类型识别方法 | |
CN102394711B (zh) | 复杂环境下一种新的通信电台个体识别方法 | |
CN115659136A (zh) | 基于神经网络的无线干扰信号波形识别方法 | |
CN115964631A (zh) | 一种基于机器学习的信号调制类型识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20141210 |