CN105142145B - 一种基于前沿特征的Wi-Fi设备识别方法 - Google Patents
一种基于前沿特征的Wi-Fi设备识别方法 Download PDFInfo
- Publication number
- CN105142145B CN105142145B CN201510516292.9A CN201510516292A CN105142145B CN 105142145 B CN105142145 B CN 105142145B CN 201510516292 A CN201510516292 A CN 201510516292A CN 105142145 B CN105142145 B CN 105142145B
- Authority
- CN
- China
- Prior art keywords
- front control
- control feature
- signal
- envelope
- envelop
- 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.)
- Active
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/08—Access security
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/12—Detection or prevention of fraud
Landscapes
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及Wi‑Fi设备识别技术,特别是涉及一种基于前沿特征的Wi‑Fi设备识别方法。本发明针对当前Wi‑Fi接入点对Wi‑Fi设备的识别存在局限性的问题,本发明提出利用前沿特征对Wi‑Fi设备进行识别的方法,只要Wi‑Fi设备发送Wi‑Fi信号,无论其是否更改MAC地址或IP地址,本方法均能对Wi‑Fi设备进行识别。本发明对Wi‑Fi设备发射的Wi‑Fi信号进行复采样,并将存储的信号包络分离为多个脉冲包络;然后对分离出的脉冲包络进行有效性判定,并提取该Wi‑Fi信号的前沿特征;然后通过比对结果可知,该Wi‑Fi设备是否被识别。
Description
技术领域
本发明涉及Wi-Fi设备识别技术,特别是涉及一种基于前沿特征的Wi-Fi设备识别方法。
背景技术
传统的Wi-Fi设备识别方法是利用MAC地址或IP地址对Wi-Fi设备进行识别。然而实际情况中,MAC地址和IP地址都极为容易更改,如果更改了设备MAC地址或IP地址,传统方法就无法对Wi-Fi设备进行识别。由于传统Wi-Fi设备识别方法的局限性,O Ureten等人采用基于Wi-Fi设备开、关机时幅度与相位特征对Wi-Fi信号进行识别,然而该方法只有在开、关机这一短暂的过程中才能有效识别Wi-Fi信号,达到识别Wi-Fi设备的目的,但是此方法应用局限性较大。
发明内容
本发明所要解决的技术问题是:针对当前Wi-Fi接入点对Wi-Fi设备的识别存在局限性的问题,本发明提出利用前沿特征对Wi-Fi设备进行识别的方法,只要Wi-Fi设备发送Wi-Fi信号,无论其是否更改MAC地址或IP地址,本方法均能对Wi-Fi设备进行识别。
本发明采用的技术方案如下:
一种基于前沿特征的Wi-Fi设备识别方法,其特征在于包括:
步骤1:对Wi-Fi设备发射的Wi-Fi信号复采样,然后提取该Wi-Fi信号复采样信号的信号包络,并存储归一化后的信号包络;
步骤2:将存储的信号包络分离为多个脉冲包络;
步骤3:对分离出的脉冲包络进行有效性判定;
步骤4:从有效脉冲包络中提取该Wi-Fi信号的前沿特征;
步骤5:提取的Wi-Fi信号前沿特征与前沿特征模板进行比对,得出该Wi-Fi信号分别与每个前沿特征模板符合的前沿特征数;所述前沿特征模板是预先将需要被识别的Wi-Fi设备按照步骤1到4处理后,将该Wi-Fi设备的前沿特征存储在前沿特征库中成为前沿特征模板;同时存储前沿特征模板对应的Wi-Fi设备信息;
步骤:6:根据比对结果,确定该Wi-Fi设备是否被识别。
所述步骤1包括:
步骤11:对Wi-Fi设备发射的Wi-Fi信号s(t)复采样,然后分别存储采样后同一个Wi-Fi信号s(n)的实部Re[s(n)]和虚部Im[s(n)]其中,t表示采样时刻,n=1、2、...、Q,n表示采样点数,Q表示处理的这段Wi-Fi信号的采样点总数;
步骤12:根据已存储的s(n)的实部Re[s(n)]和虚部Im[s(n)],求取Wi-Fi信号的信
号包络为
步骤13:按照信号包络最大值对信号包络进行归一化处理其中,max{}表示取最大值;
步骤14:存储归一化后的信号包络。
进一步的,所述步骤2包括:
步骤21:对归一化的信号包络设定起始门限ThL,当在第(p1-1)个采样点时,信号包络的值小于起始门限,即Envelopnorm(p1-1)<ThL,且在第p1个采样点时,信号包络的值第1次大于等于起始门限,即Envelopnorm(p1)≥ThL时,则第p1个采样点对应的时刻为第1个脉冲的包络起始时刻,也为前沿起始时刻;当在第q1个采样点时,信号包络的值大于等于起始门限,即Envelopnorm(q1)≥ThL,且在第(q1+1)个采样点时,信号包络的值从p1点后第1次小于起始门限,即Envelopnorm(q1+1)<ThL时,则第q1个采样点对应的时刻为第1个脉冲的包络终止时刻;其中,p1和q1分别表示满足如上条件的采样点n的取值,即n=p1和n=q1的两个采样点,且满足1<p1<q1<Q;
步骤22:将第p1个采样点到第q1个采样点对应的时间范围内的信号包络提取出来作为第1个脉冲包络,即
Enveloppulse1(m1)=[Envelopnorm(p1),Envelopnorm(p1+1),…,Envelopnorm(q1)],其中m1=1,2,……,(q1-p1+1),m1表示第1个脉冲包络中的采样点,总的采样点数为(q1-p1+1),然后存储信号包络分离后的脉冲包络;
步骤23:重复步骤21和22,对存储的多个信号包络进行包络分离,直至将所有信号
包络完全分离为多个脉冲包络Enveloppulse1、…、并将所有脉冲包络存储起
来,其中Enveloppulsek(mk)=[Envelopnorm(pk),Envelopnorm(pk+1),…,Envelopnorm(qk)],其
中N1为信号包络中脉冲包络的个数,1≤k≤N1表示第k个脉冲包络,mk=1,2,…,qk-pk+1,mk
表示第k个脉冲包络中的采样点数,pk和qk分别表示第k个脉冲包络的包络起始时刻mk=pk
和包络终止时刻mk=qk对应的采样点,
进一步的,所述步骤3包括:
步骤31:设定信号持续门限Thlen,对第一个脉冲包络Enveloppulse1的持续时间(q1-p1+1)/fs进行判断,如果脉冲包络持续时间小于Thlen,则判定该脉冲包络无效,舍弃该脉冲包络;如果脉冲包络持续时间大于或等于Thlen,则该脉冲包络有效,继续存储并进行处理;
步骤32:重复步骤31,对全部N1个脉冲包络进行有效性判定,判定的有效脉冲包络个数为N个,N≤N1;此时,将N个有效的脉冲包络重新排序,这些有效脉冲包络表示为Envelopvalid_1,Envelopvalid_2,…,Envelopvalid_N,其统一表达式为Envelopvalid_k1,其中k1=1,2,…,N;有效脉冲包络Envelopvalid_k1的总点数Nk1和排序前与其对应的脉冲包络Enveloppulsek的总点数(qk-pk+1)相等。
进一步的,所述步骤4包括:
步骤41:判定为有效的脉冲包络进行前沿特征提取,设定前沿结束门限为ThH,一般经验性选取ThH≥0.8;当第1个脉冲包络中第r1个采样点对应的值小于前沿结束门限,即Envelopvalid_1(r1)<ThH;且第(r1+1)个采样点对应的值大于等于前沿结束门限,即Envelopvalid_1(r1+1)≥ThH时,则第r1个采样点对应的时刻为前沿特征结束时刻,r1的值小于有效脉冲包络的总点数;将第一个有效脉冲包络中脉冲包络前沿起始时刻到前沿特征结束时刻的包络值提取出来作为第一个前沿特征Rising_edge1,前沿特征Rising_edge1=[Envelopvalid_1(1),Envelopvalid_1(2),…,Envelopvalid_1(r1)],则该前沿特征总的采样点数为r1。
步骤42:重复步骤41,提取所有N个有效脉冲包络中的前沿特征,N个有效脉冲包络前沿特征分别为Rising_edge1、…、Rising_edgeN,Rising_edgeN=[Envelopvalid_N(1),Envelopvalid_N(2),…,Envelopvalid_N(r1)],其中所有N个脉冲包络的前沿特征的采样点总数均为r1。
进一步的,所述步骤5包括:将同一个Wi-Fi信号的N个前沿特征分别与前沿特征库
中的前沿特征模板Model1、…、ModelM进行比对,M为前沿特征库中存储的前沿特征模板数
量,求取N个前沿特征Rising_edge1、…、Rising_edgeN与M个前沿特征模板Model1、…、
ModelM的方差其中分别表示第一个前沿特征到第N个
前沿特征分别与第一个前沿特征模板的方差,分别表示第一个前沿特征到第N
个前沿特征分别与第M个前沿特征模板的方差;如果前沿特征与前沿特征模板的方差小于
方差门限Thvar,则认定该前沿特征与该前沿特征模板符合,将该Wi-Fi信号的N个有效包络
对应的前沿特征与M个前沿特征模板的方差依次与方差门限进行比较,最终得出该Wi-Fi信
号分别与每个前沿特征模板符合的前沿特征数,依次为Nmodel1…NmodelM,其中
进一步的,所述步骤6包括:
步骤61:将该Wi-Fi信号得出的Nmodel1…NmodelM分别除以前沿特征总数N,得出的比值分别为对应不同前沿特征模板的相似度,分别为取相似度门限Thsum≥0.8,将Wi-Fi信号与M个前沿特征模板的相似度分别与相似度门限进行比较,如果Wi-Fi信号与某一前沿特征模板的相似度高于相似度门限,则该Wi-Fi信号与该前沿特征模板符合,即Wi-Fi设备为该前沿特征模板所储存的Wi-Fi设备;否则,则该Wi-Fi信号与该前沿特征模板不符合;
步骤62:如果该Wi-Fi信号的前沿特征与多个前沿特征模板相符合,则取相似度最大的一个前沿特征模板,进而该Wi-Fi设备的Wi-Fi信号能被识别,该Wi-Fi设备为相似度最大的前沿特征模板对应存储的Wi-Fi设备,显示该Wi-Fi设备信息;如果该Wi-Fi信号仅与一个前沿特征模板相符合,则该Wi-Fi设备的Wi-Fi信号能被识别,该Wi-Fi设备为该前沿特征模板对应存储的Wi-Fi设备,显示该Wi-Fi设备信息;如果该Wi-Fi信号不与任何前沿特征模板符合,则该Wi-Fi设备不能被识别,显示无设备被识别。
进一步的,所述对Wi-Fi信号复采样时,采样频率fs>200MHz,方差门限Thvar≤0.2,起始门限ThL≤0.2,持续门限Thlen<150ns,结束门限ThH≥0.8。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
本发明采用前沿特征识别是由每一部Wi-Fi设备决定的,也是每一个Wi-Fi设备所特有的,是不能够改变和复制的特征。因此,只要存储了某一Wi-Fi设备的前沿特征,无论该Wi-Fi设备如何改变MAC地址和IP地址,本发明所述方法均可识别出该Wi-Fi设备,从而避免Wi-Fi设备伪造他人身份或隐蔽自身身份。而传统方法由于此时进行识别的特征改变,所以在此情况下无法应用。
该方法可以有效扩展的应用范围,且由于前沿特征的不可篡改和不可复制的优点,也提升了准确识别的能力
附图说明
本发明将通过例子并参照附图的方式说明,其中:
图1是基于前沿特征的Wi-Fi设备识别流程。
图2是实施例一中的一个脉冲包络的前沿特征。
图3是图2中前沿特征与前沿特征模板比对的均方差值幅度图。
具体实施方式
本说明书中公开的所有特征,或公开的所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以以任何方式组合。
本说明书(包括任何附加权利要求、摘要和附图)中公开的任一特征,除非特别叙述,均可被其他等效或具有类似目的的替代特征加以替换。即,除非特别叙述,每个特征只是一系列等效或类似特征中的一个例子而已。
本专利相关说明:
1、信号包络包含多个脉冲包络,每个脉冲包络中由脉冲包络开始到达脉冲峰值的这一段上升过程的信号包络称为前沿,提取该前沿作为前沿特征。前沿特征是Wi-Fi设备发射机中的各种元器件及对应电路所产生的一种无意调制特征
本发明原理过程是:
利用较高的采样频率对一个Wi-Fi设备的发射的Wi-Fi信号进行复采样,利用Wi-Fi信号的实部和虚部求取该信号的信号包络并按照包络最大值进行归一化;利用预先设定的起始门限ThL将整个包络信息分为N1个单一的脉冲包络;然后利用预先设定的信号持续门限Thlen将持续时间过短的不完整包络删除,剩下N个完整的脉冲包络;随后将N个完整脉冲包络中的前沿提取出来作为特征用以Wi-Fi设备识别;将提取到的N个前沿特征与数据库中M个前沿特征模板存储的前沿特征进行比对,求取该Wi-Fi信号与M个前沿特征模板相符合的前沿特征数目;如果符合数目占据总数目的比值大于相似度Thsum则认为该Wi-Fi设备即为此前沿特征模板中存储的Wi-Fi设备,否则认为该Wi-Fi设备不符合前沿特征模板中存储的Wi-Fi设备。其中,每个脉冲包络中由脉冲包络开始到达脉冲峰值的这一段上升过程的信号包络称为前沿,提取该前沿作为前沿特征。前沿特征是Wi-Fi设备无意调制的特征,这种特征产生的原因是Wi-Fi设备发射机中的各种元器件及对应电路所产生的一种无意调制。为了实现对Wi-Fi信号的个体识别,本发明包括如下步骤:
(1)Wi-Fi信号复采样:为了精确体现Wi-Fi信号特征,在对Wi-Fi信号复采样时采用较高的采样频率,一般取采样频率fs>200MHz。(多个脉冲信号,可以从脉冲信号包络中提取出前沿特征)对Wi-Fi信号s(t)进行复采样,t表示采样时刻。分别存储采样后同一个Wi-Fi信号s(n)的实部Re[s(n)]和虚部Im[s(n)]。其中,Wi-Fi信号包含多个脉冲,0<n≤Q表示第n个采样点,M表示采样点总数。
(2)提取Wi-Fi信号包络:根据已存储的实部和虚部信息求取Wi-Fi信号的包络为n=1,2,3,……,Q表示采样点数,Q表示处理的
这段Wi-Fi信号的采样点总数。。随后按照包络最大值对信号包络进行归一化处理为
Envelopnorm(n)=Envelop(n)/max{Envelop(n)},其中max{}表示取最大值。存储归一化后
的信号包络,此信号包络包含多个脉冲包络。
(3)包络分离:(将复采样中多个脉冲分离)首先对归一化的包络设定起始门限ThL,利用这个门限将存储的信号包络分离成为多个脉冲包络。一般经验性选取ThL≤0.2,当在第(p1-1)个采样点时,包络的值小于起始门限,即Envelopnorm(p1-1)<ThL。且在第p1个采样点时,包络的值第1次大于等于起始门限,即Envelopnorm(p1)≥ThL时,认定第p1个采样点对应的时刻为第1个脉冲的包络起始时刻,也为前沿起始时刻;当在第q1个采样点时,包络的值大于等于起始门限,即Envelopnorm(q1)≥ThL。且在第(q1+1)个采样点时,信号包络的值从p1点后第1次小于起始门限,即Envelopnorm(q1+1)<ThL时,认定第q1个采样点对应的时刻为第1个脉冲包络的终止时刻,其中0<p1<q1<Q。因此将Envelopnorm在第p1个采样点到第q1个采样点对应的时间范围内的包络提取出来作为第1个脉冲包络Enveloppulse1,即
Enveloppulse1(m1)=[Envelopnorm(p1),Envelopnorm(p1+1),…,Envelopnorm(q1)],存储包络分离后的脉冲包络其中第一个脉冲包络Enveloppulse1的采样点数是从1到(q1-p1+1),总的采样点数为(q1-p1+1),其中m1=1,2,……,(q1-p1+1),表示第1个脉冲包络的采样点。采用同样的方法对存储的多个脉冲包络进行包络分离,,直至将整个脉冲的包络完全分离为多个脉冲的包络Enveloppulse1、……、并将所有脉冲包络存储起来,其中N1为脉冲包络的个数。
包络有效性判定:设定信号持续门限Thlen,一般经验性地取Thlen<150ns。对第一个脉冲包络Enveloppulse1的持续时间(q1-p1+1)/fs进行判断,如果脉冲包络持续时间小于Thlen,则判定该脉冲包络无效,舍弃该脉冲包络。如果脉冲包络持续时间大于或等于Thlen,则认为该脉冲包络有效,继续存储并进行处理。采用相同方法对全部N1个脉冲包络进行有效性判定判定结果为有效的脉冲包络个数为N个,N≤N1。此时,将N个有效的脉冲包络重新排序,这些有效脉冲包络表示为Envelopvalid_1,Envelopvalid_2,…,Envelopvalid_N,其统一表达式为Envelopvalid_k1,其中k1=1,2,L,N。有效脉冲包络Envelopvalid_k1的总点数Nk1和排序前与其对应的脉冲包络Enveloppulsek的总点数(qk-pk+1)相等。
(4)提取前沿特征:对判定为有效的脉冲包络进行前沿特征提取,设定前沿结束门限为ThH,一般经验性选取ThH≥0.8。当第一个脉冲包络中第n1_3个采样点对应的值小于前沿结束门限,即Envelopvalid_1(r1)<ThH;且第(r1+1)个采样点对应的值大于等于前沿结束门限,即Envelopvalid_1(r1+1)≥ThH时,则认定第r1个采样点对应的时刻为前沿特征结束时刻,其中r1的值小于有效脉冲包络的总点数。将第一个脉冲包络中脉冲包络起始时刻到前沿特征结束时刻的包络值提取出来作为第一个前沿特征Rising_edge1,则前沿特征Rising_edge1=[Envelopvalid_1(1),Envelopvalid_1(2),…,Envelopvalid_1(r1)],该前沿特征总的采样点数为r1。按照如上方法将所有N个脉冲包络中的前沿特征提取出来分别为Rising_edge1、……、Rising_edgeN。
(5)前沿特征比对:将同一个Wi-Fi信号的N个前沿特征分别与前沿特征库中的前沿特征模板Model1、……、ModelM进行比对,M为前沿特征库中存储的模板数量,(其中,前沿特征模板是分别将想要存入模板的Wi-Fi信号按照步骤(1)ˉ(5)进行处理后,将前沿特征存储在前沿特征库中成为前沿特征模板。)求取N个前沿特征Rising_edge1、……、Rising_edgeN与M个前沿特征模板Model1、……、ModelM的方差……;其中分别表示第一个前沿特征到第N个前沿特征分别与第一个前沿特征模板的方差,分别表示第一个前沿特征到第N个前沿特征分别与第M个前沿特征模板的方差。方差门限Thvar,按照经验值选取Thvar≤0.2,如果前沿特征与前沿特征模板的方差小于方差门限,则认定该前沿特征与该前沿特征模板符合,将该Wi-Fi信号的N个前沿特征与M个前沿特征模板的方差依次与方差门限进行比较,最终得出该Wi-Fi信号分别与每个前沿特征模板符合的前沿特征数,依次为Nmodel1……NmodelM。其中,
(6)统计前沿特征识别:将该Wi-Fi信号得出的Nmodel1……NmodelM分别除以前沿特征总数N,得出的比值分别为对应不同前沿特征模板的相似度,分别为Nmodel1/N……NmodelM/N。取相似度门限Thsum≥0.8,将Wi-Fi信号与M个前沿特征模板的相似度分别与相似度门限进行比较,如果Wi-Fi信号与某一模板的相似度高于相似度门限,则认定该Wi-Fi设备与该模板符合,即Wi-Fi设备为该模板所储存的Wi-Fi设备;否则,则认为该Wi-Fi设备与该模板不符合。
(8)输出个体识别结果:如果该Wi-Fi信号的前沿特征与多个前沿特征模板相符合,则取相似度最大的一个前沿特征模板,进而该Wi-Fi设备的Wi-Fi信号能被识别,该Wi-Fi设备为相似度最大的前沿特征模板对应存储的Wi-Fi设备;如果该Wi-Fi信号仅与一个前沿特征模板相符合,则该Wi-Fi设备的Wi-Fi信号能被识别,该Wi-Fi设备为该前沿特征模板对应存储的Wi-Fi设备;如果该Wi-Fi信号不与任何前沿特征模板符合,则该Wi-Fi设备不能被识别。
实施例一:
本发明提出了一种基于前沿特征的Wi-Fi信号个体识别方法,可以应用在更改MAC或IP地址的场景下。
为了证明本方法的有效性,接收1部IP地址为172.29.167.87,MAC地址为00-08-02-6B-A3-1A的Wi-Fi设备的信号,首先提取前沿特征存入前沿库设置为Wi-Fi设备A。
然后更改其IP地址变为172.29.101.21,MAC地址更改为80-C1-6E-E6-A1-D2,然后分别对其信号进行前沿特征提取及识别,按照图1所示的处理流程进行处理:
首先,利用采样率fs=250MHz的处理器接收Wi-Fi信号,对接收的复信号求取包络,并按照包络最大值将包络进行归一化;
取起始门限ThL=0.1判断每个脉冲包络的起始点和终止点,将包络分割为19个完整的脉冲包络,其中一个完整脉冲包络;
取信号持续门限Thlen=150ns,将持续时间小于150ns的脉冲包络认为是无效包络,此时没有无效包络,19个有效脉冲包络继续存储;
取前沿结束门限为ThH=0.8,在有效脉冲包络中截取其前沿特征,如图2所示。将该前沿特征与存储在前沿特征库中的前沿特征模板进行比对;
取方差门限Thvar=0.15,将19个前沿特征与库中的前沿特征模板进行比对,如图3所示。当方差小于等于Thvar时,认定该前沿特征符合前沿特征模板中存储的前沿特征,累积方差小于等于Thvar的个数为17个;
取相似度门限Thsum=0.85,此时符合前沿特征模板的前沿特征个数占总数的比例为0.895,大于Thsum,则认定该Wi-Fi信号即为前沿特征库中存储前沿特征模板对应的Wi-Fi设备A。
局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合,以及披露的任一新的方法或过程的步骤或任何新的组合。
Claims (8)
1.一种基于前沿特征的Wi-Fi设备识别方法,其特征在于包括:
步骤1:对Wi-Fi设备发射的Wi-Fi信号复采样,然后提取该Wi-Fi信号复采样信号的信号包络,并存储归一化后的信号包络;
步骤2:将存储的信号包络分离为多个脉冲包络;
步骤3:对分离出的脉冲包络进行有效性判定;
步骤4:从有效脉冲包络中提取该Wi-Fi信号的前沿特征;
步骤5:提取的Wi-Fi信号前沿特征与前沿特征模板进行比对,得出该Wi-Fi信号分别与每个前沿特征模板符合的前沿特征数;所述前沿特征模板是预先将需要被识别的Wi-Fi设备按照步骤1到4处理后,将该Wi-Fi设备的前沿特征存储在前沿特征库中成为前沿特征模板;同时存储前沿特征模板对应的Wi-Fi设备信息;
步骤6:根据比对结果,确定该Wi-Fi设备是否被识别。
2.根据权利要求1所述的一种基于前沿特征的Wi-Fi设备识别方法,其特征在于所述步骤1包括:
步骤11:对Wi-Fi设备发射的Wi-Fi信号s(t)复采样,然后分别存储采样后同一个Wi-Fi信号s(n)的实部Re[s(n)]和虚部Im[s(n)],其中,t表示采样时刻,n=1、2、...、Q,n表示采样点数,Q表示处理的这段Wi-Fi信号的采样点总数;
步骤12:根据已存储的s(n)的实部Re[s(n)]和虚部Im[s(n)],求取Wi-Fi信号的信号包络为
步骤13:按照信号包络最大值对信号包络进行归一化处理其中,max{}表示取最大值;
步骤14:存储归一化后的信号包络。
3.根据权利要求1所述的一种基于前沿特征的Wi-Fi设备识别方法,其特征在于所述步骤2包括:
步骤21:对归一化的信号包络设定起始门限ThL,当在第(p1-1)个采样点时,信号包络的值小于起始门限,即Envelopnorm(p1-1)<ThL,且在第p1个采样点时,信号包络的值第1次大于等于起始门限,即Envelopnorm(p1)≥ThL时,则第p1个采样点对应的时刻为第1个脉冲的包络起始时刻,也为前沿起始时刻;当在第q1个采样点时,信号包络的值大于等于起始门限,即Envelopnorm(q1)≥ThL,且在第(q1+1)个采样点时,信号包络的值从q1点后第1次小于起始门限,即Envelopnorm(q1+1)<ThL时,则第q1个采样点对应的时刻为第1个脉冲的包络终止时刻;其中,p1和q1分别表示满足如上条件的采样点n的取值,即n=p1和n=q1的两个采样点,且满足1<p1<q1<Q,其中Q表示处理的这段Wi-Fi信号的采样点总数;
步骤22:将第p1个采样点到第q1个采样点对应的时间范围内的信号包络提取出来作为第1个脉冲包络,即
Enveloppulse1(m1)=[Envelopnorm(p1),Envelopnorm(p1+1),…,Envelopnorm(q1)],其中m1=1,2,……,(q1-p1+1),m1表示第1个脉冲包络中的采样点,总的采样点数为(q1-p1+1),然后存储信号包络分离后的脉冲包络;
步骤23:重复步骤21和22,对存储的多个信号包络进行包络分离,直至将所有信号包络完全分离为多个脉冲包络Enveloppulse1、……、并将所有脉冲包络存储起来,其中Enveloppulsek(mk)=[Envelopnorm(pk),Envelopnorm(pk+1),…,Envelopnorm(qk)],其中N1为信号包络中脉冲包络的个数,1≤k≤N1表示第k个脉冲包络,mk=1,2,……,qk-pk+1,mk表示第k个脉冲包络中的采样点数,pk和qk分别表示第k个脉冲包络的包络起始时刻mk=pk和包络终止时刻mk=qk对应的采样点,
4.根据权利要求1所述的一种基于前沿特征的Wi-Fi设备识别方法,其特征在于所述步骤3包括:
步骤31:设定信号持续门限Thlen,对第一个脉冲包络Enveloppulse1的持续时间(q1-p1+1)/fs进行判断,如果脉冲包络持续时间小于Thlen,则判定该脉冲包络无效,舍弃该脉冲包络;如果脉冲包络持续时间大于或等于Thlen,则该脉冲包络有效,继续存储并进行处理;其中,fs为采样频率;
步骤32:重复步骤31,对全部N1个脉冲包络进行有效性判定,判定的有效脉冲包络个数为N个,N≤N1;此时,将N个有效的脉冲包络重新排序,这些有效脉冲包络表示为Envelopvalid_1,Envelopvalid_2,…,Envelopvalid_N,其统一表达式为Envelopvalid_k1,其中k1=1,2,…,N;有效脉冲包络Envelopvalid_k1的总点数Nk1和排序前与其对应的脉冲包络Enveloppulsek的总点数(qk-pk+1)相等。
5.根据权利要求1所述的一种基于前沿特征的Wi-Fi设备识别方法,其特征在于所述步骤4包括:
步骤41:判定为有效的脉冲包络进行前沿特征提取,设定前沿结束门限为ThH,选取ThH≥0.8;当第1个脉冲包络中第r1个采样点对应的值小于前沿结束门限,即Envelopvalid_1(r1)<ThH;且第(r1+1)个采样点对应的值大于等于前沿结束门限,即Envelopvalid_1(r1+1)≥ThH时,则第r1个采样点对应的时刻为前沿特征结束时刻,r1的值小于有效脉冲包络的总点数;将第一个有效脉冲包络中脉冲包络前沿起始时刻到前沿特征结束时刻的包络值提取出来作为第一个前沿特征Rising_edge1,前沿特征Rising_edge1=[Envelopvalid_1(1),Envelopvalid_1(2),…,Envelopvalid_1(r1)],则该前沿特征总的采样点数为r1;其中,ModelM(i)是前沿特征模板,是指按照步骤已经提取出的待识别的Wi-Fi设备的前沿特征,将其存储在前沿特征库中用于后续的比对识别;
步骤42:重复步骤41,提取所有N个有效脉冲包络中的前沿特征,N个有效脉冲包络前沿特征分别为Rising_edge1、…、Rising_edgeN,Rising_edgeN=[Envelopvalid_N(1),Envelopvalid_N(2),…,Envelopvalid_N(r1)],其中所有N个脉冲包络的前沿特征的采样点总数均为r1。
6.根据权利要求1所述的一种基于前沿特征的Wi-Fi设备识别方法,其特征在于所述步骤5包括:将同一个Wi-Fi信号的N个前沿特征分别与前沿特征库中的前沿特征模板Model1、…、ModelM进行比对,M为前沿特征库中存储的前沿特征模板数量,求取N个前沿特征Rising_edge1、…、Rising_edgeN与M个前沿特征模板Model1、…、ModelM的方差其中分别表示第一个前沿特征到第N个前沿特征分别与第一个前沿特征模板的方差,分别表示第一个前沿特征到第N个前沿特征分别与第M个前沿特征模板的方差;如果前沿特征与前沿特征模板的方差小于方差门限Thvar,则认定该前沿特征与该前沿特征模板符合,将该Wi-Fi信号的N个有效包络对应的前沿特征与M个前沿特征模板的方差依次与方差门限进行比较,最终得出该Wi-Fi信号分别与每个前沿特征模板符合的前沿特征数,依次为Nmodel1……NmodelM,其中
7.根据权利要求1所述的一种基于前沿特征的Wi-Fi设备识别方法,其特征在于所述步骤6包括:
步骤61:将该Wi-Fi信号得出的与每个前沿特征模板符合的前沿特征数Nmodel1…NmodelM分别除以前沿特征总数N,得出的比值分别为对应不同前沿特征模板的相似度,分别为取相似度门限Thsum≥0.8,将Wi-Fi信号与M个前沿特征模板的相似度分别与相似度门限进行比较,如果Wi-Fi信号与某一前沿特征模板的相似度高于相似度门限,则该Wi-Fi信号与该前沿特征模板符合,即Wi-Fi设备为该前沿特征模板所储存的Wi-Fi设备;否则,则该Wi-Fi信号与该前沿特征模板不符合;
步骤62:如果该Wi-Fi信号的前沿特征与多个前沿特征模板相符合,则取相似度最大的一个前沿特征模板,进而该Wi-Fi设备的Wi-Fi信号能被识别,该Wi-Fi设备为相似度最大的前沿特征模板对应存储的Wi-Fi设备,显示该Wi-Fi设备信息;如果该Wi-Fi信号仅与一个前沿特征模板相符合,则该Wi-Fi设备的Wi-Fi信号能被识别,该Wi-Fi设备为该前沿特征模板对应存储的Wi-Fi设备,显示该Wi-Fi设备信息;如果该Wi-Fi信号不与任何前沿特征模板符合,则该Wi-Fi设备不能被识别,显示无设备被识别。
8.根据权利要求1所述的一种基于前沿特征的Wi-Fi设备识别方法,其特征在于所述对Wi-Fi信号复采样时,采样频率fs>200MHz,方差门限Thvar≤0.2,起始门限ThL≤0.2,持续门限Thlen<150ns,结束门限ThH≥0.8。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510516292.9A CN105142145B (zh) | 2015-08-21 | 2015-08-21 | 一种基于前沿特征的Wi-Fi设备识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510516292.9A CN105142145B (zh) | 2015-08-21 | 2015-08-21 | 一种基于前沿特征的Wi-Fi设备识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105142145A CN105142145A (zh) | 2015-12-09 |
CN105142145B true CN105142145B (zh) | 2019-02-12 |
Family
ID=54727323
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510516292.9A Active CN105142145B (zh) | 2015-08-21 | 2015-08-21 | 一种基于前沿特征的Wi-Fi设备识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105142145B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101959191A (zh) * | 2010-09-25 | 2011-01-26 | 华中科技大学 | 一种无线网络安全认证方法及其系统 |
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 |
CN102749615A (zh) * | 2012-07-11 | 2012-10-24 | 天津理工大学 | 一种信号识别的方法 |
CN104468001A (zh) * | 2014-11-26 | 2015-03-25 | 北京邮电大学 | 基于无线电信号频谱特征模板的信号识别方法及系统 |
-
2015
- 2015-08-21 CN CN201510516292.9A patent/CN105142145B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101959191A (zh) * | 2010-09-25 | 2011-01-26 | 华中科技大学 | 一种无线网络安全认证方法及其系统 |
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 |
CN102749615A (zh) * | 2012-07-11 | 2012-10-24 | 天津理工大学 | 一种信号识别的方法 |
CN104468001A (zh) * | 2014-11-26 | 2015-03-25 | 北京邮电大学 | 基于无线电信号频谱特征模板的信号识别方法及系统 |
Non-Patent Citations (1)
Title |
---|
雷达辐射源的脉冲包络特征降维;蔡义红;龙健;《电子信息对抗技术》;20110315(第02期);全文 |
Also Published As
Publication number | Publication date |
---|---|
CN105142145A (zh) | 2015-12-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108039176B (zh) | 一种防录音攻击的声纹认证方法、装置及门禁系统 | |
CN105095882B (zh) | 手势识别的识别方法和装置 | |
CN105227656B (zh) | 基于语音识别的信息推送方法和装置 | |
CN107146624B (zh) | 一种说话人确认方法及装置 | |
CN104992709B (zh) | 一种语音指令的执行方法及语音识别设备 | |
Vogt et al. | Modelling session variability in text-independent speaker verification | |
CN108986838A (zh) | 一种基于声源定位的自适应语音分离方法 | |
CN108417217A (zh) | 说话人识别网络模型训练方法、说话人识别方法及系统 | |
CN110853646B (zh) | 会议发言角色的区分方法、装置、设备及可读存储介质 | |
CN107886957A (zh) | 一种结合声纹识别的语音唤醒方法及装置 | |
CN104834849A (zh) | 基于声纹识别和人脸识别的双因素身份认证方法及系统 | |
Davenport et al. | The locus of semantic priming in RSVP target search | |
CN110176250B (zh) | 一种基于局部学习的鲁棒声学场景识别方法 | |
Kanagasundaram et al. | Improving out-domain PLDA speaker verification using unsupervised inter-dataset variability compensation approach | |
CN107870581A (zh) | 烹饪控制方法和烹饪设备 | |
WO2013086736A1 (zh) | 说话人识别方法及设备 | |
CN111312218A (zh) | 神经网络的训练和语音端点检测方法及装置 | |
CN110019899A (zh) | 一种目标对象识别方法、装置、终端及存储介质 | |
CN109994118A (zh) | 语音密码验证方法、装置、存储介质及计算机设备 | |
CN106384587B (zh) | 一种语音识别方法及系统 | |
CN105142145B (zh) | 一种基于前沿特征的Wi-Fi设备识别方法 | |
CN109360551A (zh) | 一种语音识别方法及装置 | |
CN113449682B (zh) | 一种基于动态融合模型识别民航领域射频指纹的方法 | |
Bredin et al. | Detecting replay attacks in audiovisual identity verification | |
CN110929242A (zh) | 基于无线信号进行姿态无关的连续用户认证方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |