CN109948731A - 一种通信电台个体识别方法、系统、存储介质及终端 - Google Patents
一种通信电台个体识别方法、系统、存储介质及终端 Download PDFInfo
- Publication number
- CN109948731A CN109948731A CN201910249707.9A CN201910249707A CN109948731A CN 109948731 A CN109948731 A CN 109948731A CN 201910249707 A CN201910249707 A CN 201910249707A CN 109948731 A CN109948731 A CN 109948731A
- Authority
- CN
- China
- Prior art keywords
- signal
- communication station
- fingerprint characteristic
- discrimination method
- communication
- 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.)
- Pending
Links
- 238000004891 communication Methods 0.000 title claims abstract description 100
- 238000012850 discrimination method Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 19
- 239000000284 extract Substances 0.000 claims abstract description 5
- 230000003071 parasitic effect Effects 0.000 claims description 11
- 208000003443 Unconsciousness Diseases 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 7
- 230000005611 electricity Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000001052 transient effect Effects 0.000 description 13
- 239000011159 matrix material Substances 0.000 description 12
- 238000013178 mathematical model Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 3
- 238000005311 autocorrelation function Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012067 mathematical method Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000000571 coke Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种通信电台个体识别方法、系统、存储介质及终端,属于无线通信技术领域,方法包括以下步骤:计算接收到的各通信电台信号的信噪比,提取各通信电台的指纹特征,通过对不同通信电台指纹特征的分类,实现各通信电台的个体识别。所述系统包括信号预处理单元、指纹特征提取单元和分类器单元。本发明能够通过在接收端计算信号的信噪比从而实现通信电台的个体识别,具有方法新颖、计算简单、识别效率高的特点。
Description
技术领域
本发明涉及无线通信技术领域,尤其涉及一种通信电台个体识别方法、系统、存储介质及终端。
背景技术
通信电台的个体识别技术是由雷达个体识别技术发展而来的,但是通信电台的个体特征更加细微,差异更小,提取更加困难。根据通信电台发射机的工作状态可以将发射信号分为两种:暂态信号和稳态信号。暂态信号是指发射机从开机状态到进入稳定状态之前产生的信号或者两种工作模式切换所经历的过渡过程中产生的信号;稳态信号是指发射机的工作状态稳定过后产生的信号。暂态信号的个体差异明显,但是暂态信号很不稳定,而且持续的时间极短,一般为纳秒极,因此,对于识别该类信号起始点的检测精度要求极高,想要截取到暂态信号并分析通信电台发射机的“指纹特征”难度很大;稳态信号相对稳定,但发射机的该类“指纹特征”较少,且已有个体差异微小。
通过分析暂态信号和稳态信号能够提取出表征个体信息的“指纹特征”。目前暂态特征的提取主要利用时频分析、小波分析、分形理论等数学方法。相比暂态特征,在通信电台稳定工作后,稳态特征信号通过附加在有用信号上,以“合成”的方式从发射机输出,其一般很难用某一特定的数学方法将其分离开来。目前对稳态特征的提取主要是从通信信号中的杂散成分、高阶谱、分形理论等方面入手。
一般的通信电台发射端包括信号调制器、载波产生器和功率放大器。在通信电台发射端,将完成基带调制的待发送信号通过调制器(混频器)将自身搬移到高频载波信号上去,再由功率放大器将信号放大,最后由天线发射出去。由此可以看出,相同类型的通信电台的指纹特征主要体现在载波产生器单元、调制器单元以及功率放大器单元上。目前已有的指纹特征包括:信号载波的载频偏差、杂散特征、噪声特性、调制参数的偏差。在指纹特征提取中,暂态信号持续时间非常短暂,信号的能量较弱难以捕捉,在实际的应用上有很大的局限性。
目前对“指纹特征”的研究主要都是针对已有指纹特征的稳定性、抗噪性进行的优化,鲜有提出新的、简单、高效的“指纹特征”提取方法。
发明内容
本发明的目的在于克服现有技术中无法提出新的、简单、高效的指纹特征提取方法以识别不同通信电台的问题,提供一种通信电台个体识别方法、系统、终端、存储介质及终端。
本发明的目的是通过以下技术方案来实现的:一种通信电台个体识别方法,包括以下步骤:
计算接收到的各通信电台信号的信噪比,提取各通信电台的指纹特征,以实现通信电台的个体识别。
具体地,通信电台的指纹特征包括各通信电台信号I/Q两路增益失配参数和相位失配参数。
具体地,接收到的各通信电台信号的信噪比与指纹特征具备以下关系:
上式中,ε表示I/Q两路增益失配参数,θ表示I/Q两路相位失配参数,α表示在接收端,失配参数对I路信号的等效无意识寄生调制;β表示在接收端,失配参数对Q路信号的等效无意识寄生调制;表示表示原始待发送信号能量,表示叠加无意识寄生调制过后的接收到的各通信电台信号能量,表示噪声能量,SNR表示接收到的各通信电台信号的信噪比。
具体地,接收到的各通信电台信号是经过信源数目估计、DOA估计、波束形成、信号聚焦处理的各电台分离开的原始信号,且该原始信号是稳态信号,相较于暂态信号,稳态信号更利于提取各通信电台的指纹特征。
具体地,在提取各通信电台的指纹特征步骤后,还包括通过指纹特征进行电台的识别步骤:
将提取到的各通信电台的指纹特征分类,实现各通信电台的个体识别。
进一步地,本发明还包括一种通信电台个体识别系统,系统包括:信号预处理单元、指纹提取单元和分类器单元。信号预处理单元用于将接收到的各通信电台信号进行预处理,得到各通信电台对应的原始信号并输出到指纹提取单元;指纹提取单元用于提取各通信电台不同指纹特征并输出到分类器单元;分类器单元用于将各通信电台指纹特征分类,实现通信电台的个体识别。
具体地,信号预处理单元包括信源数目估计模块、DOA估计模块、波束形成模块和信号聚焦模块。
一种存储介质,其上存储有计算机指令,其特征在于:所述计算机指令运行时执行通信电台个体识别方法的步骤。
一种终端,包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机指令,其特征在于,所述处理器运行所述计算机指令时执行通信电台个体识别方法的步骤。
与现有技术相比,本发明的有益效果是:
本发明在接收端计算出接收到的各个电台信号的信噪比即可实现对具有I/Q失配特性的不同电台指纹特征的提取,再通过分类器单元对通信电台的指纹特征进行分类,即可实现不同通信电台的个体识别,具有方法新颖、运算简单、通信电台个体识别效率高的特点。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明,此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,在这些附图中使用相同的参考标号来表示相同或相似的部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。图中:
图1为本发明实施例1的方法流程图;
图2为本发明实施例1的I/Q正交调制框图;
图3为本发明实施例1中将指纹特征进行分类的方法原理图。
具体实施方式
下面结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要说明的是,属于“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方向或位置关系为基于附图所述的方向或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,属于“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,属于“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
如图1所示,在实施例1中,一种通信电台个体识别方法,具体包括以下步骤:
S11:将接收到的各通信电台信号进行信源数目估计、DOA估计、波束形成、信号聚焦处理,得到各通信电台对应的原始信号;其中,原始信号是稳态信号,利于通信电台指纹特征的提取;接收到的各通信电台信号是混合信号,其包含了多个电台信号和噪声信号,经信源数目估计、DOA估计、波束形成、信号聚焦处理利于后续提取各通信电台的指纹特征。
S12:计算接收到的各通信电台信号的信噪比,提取各通信电台的指纹特征;其中,指纹特征包括各通信电台信号的I/Q两路增益失配参数和相位失配参数。
S13:将各通信电台的指纹特征进行分类,实现各通信电台的个体识别。
更进一步地,指纹提取单元提取不通电台的指纹特征还包括以下步骤:
S121:计算接收信号的数学模型、根据接收信号的数学模型、接收信号数学模型的复共轭形式组成第一矩阵;其中,接收信号为接收到的各通信电台信号,以下简称为接收信号。
S122:计算第一矩阵的自相关矩阵;
S123:计算不同电台接收信号的信噪比,提取到各电台的指纹特征。
进一步地,在步骤S121中接收信号的数学模型的计算包括:
如图2所示,在I/Q正交调制器模型中,待发送信号x(t)可以表示为x(t)=xI(t)+jxQ(t),其中,xI(t)是同相分量,xQ(t)是正交分量,那么调制完成的输出信号为:
在上式中,s(t)表示调制完成待发送的信号,xI(t)表示基带同相信号分量,xQ(t)表示基带正交信号分量,ε表示信号的增益失配参数,fc表示载波频率,θ表示信号的相位失配参数。
利用三角函数将式(1)展开,整理可得:
s(t)=sI(t)cos(2πfct)-sQ(t)sin(2πfct) (2)
上式中,sI(t)表示原始信号和失配特性对I路的联合调制,sQ(t)表示原始信号和失配特性对Q路的联合调制.
在式(2)中,sI(t)=xI(t)(1+ε)cos(θ)+xQ(t)(1-ε)sin(θ) (3)
sQ(t)=xI(t)(1+ε)sin(θ)+xQ(t)(1-ε)cos(θ) (4)
进一步地,最终调制完成待发送的信号的复数形式sB(t)可以表示为sB(t)=sI(t)+jsQ(t)。这样可以得到
sB(t)=αx(t)+βx*(t) (5)
在式(5)中,x*(t)表示待发送信号的复共轭形式,α表示失配参数对I路信号的等效无意识寄生调制;β表示失配参数对Q路信号的等效无意识寄生调制;且α和β可以表示为:
在实际系统中,考虑高斯白噪声的影响,结合式(5),则接收信号的数学模型可以表示为:
r(t)=αx(t)+βx*(t)+v(t) (7)
在式(7)中,v(t)表示噪声。
进一步地,根据接收信号的数学模型其复共轭形式可以表示为:
r*(t)=α*x*(t)+β*x(t)+v*(t)=β*x(t)+α*x*(t)+v*(t) (8)
在式(8)中,α*表示I路失配参数等效无意识寄生调制的复共轭形式,β*表示Q路失配参数等效无意识寄生调制的复共轭形式;v*(t)表示噪声的复共轭形式。
更进一步地,将接收信号的数学模型、接收信号数学模型的复共轭形式组成第一矩阵的公式为:
显而易见地,将接收信号数学模型r(t)及其复共轭形式带入式(9)可以得到:
在式(10)中,A表示失配参数无意识寄生调制的系数矩阵,x(t)与x*(t)一般为窄带随机信号,那么X(t)的自相关矩阵可以表示为:
在式(11)中,X(t)H表示X(t)的共轭转置矩阵,是x(t)的能量,I为单位矩阵。
进一步地,第一矩阵的自相关函数RY可以表示为:
在式(12)中,是sB(t)的能量,是噪声能量,由式(12)的等量关系,我们不难推出式(13):
在式(13)中,为接收端信号的信噪比,对式(13)进行进一步运算,可得:
其中,在计算得到自相关函数RY后,由式(12),取RY第二列元素相除可得若可以估计得到SNR的值,则可以求到的值。
更进一步地,令Φ只与α、β的值有关,将式(6)中α、β的值代入Φ中化简可得:
即我们可得出接收信号的信噪比与信号的增益失配参数ε、相位失配参数θ之间存在如下关系:
在式(16)中,为已知量,即获取各通信电台的接收信号噪声比SNR即可提出到唯一的Φ值,即获取到通信电台信号的信号特征:增益失配参数ε和相位失配参数θ。
进一步地,在通信系统中,计算接收端信号的信噪比的方法包括但不限于基于特征值分解的信噪比估计方法,其基本思想就是对接收信号进行空间划分,将其划分为信号的子空间和噪声的子空间两部分,这两个子空间是通过对接收信号的自相关矩阵进行特征值分解得到的,在此基础上,对信噪比进行估计。具体地,包括以下步骤:
S21:计算接收信号的协方差矩阵;
S22:对协方差矩阵进行特征值分解,求得所有特征值;
S23:通过MDL算法估计信号子空间的阶数;
S24:通过特征值,估计信噪比。
该基于特征值分解的信噪比估计方法能够达到良好的信噪比估算精度,且具有误差小的特点,能够满足本技术方案估算各通信电台的接收信号噪声比的要求。
进一步地,将各通信电台的指纹特征进行分类的具体的方法如图3所示,将一个待识别的通信电台原始信号首先通过“SVM1,4”分类器判断该信号是否为通信电台1和通信电台4,如果不是通信电台1信号则进入SVM2,4分类器继续进行分类判别,否则进入SVM1,3分类器继续进行分类判别……以此类推,最复杂的情况是需要到达分类节点的最低层才能够确认信号的种类,直到能够完全判别确定信号来自某个通信电台,实现通信电台的个体识别,该分类方法在前期不需要大量的训练数据,计算简单;进一步地,该分类方法支持多分类,在分类种数为N时,所需分类器最多为个,分类效率高,综合来说,对本分类任务的匹配度最高。
实施例2
本实施例是实施例1具有相同的发明构思,提供了一种通信电台个体识别系统,系统包括:信号预处理单元、指纹提取单元和分类器单元。
进一步地,信号预处理单元用于将接收到的各通信电台信号进行预处理,得到各通信电台对应的原始信号并输出到指纹提取单元;指纹提取单元用于提取各通信电台不同指纹特征并输出到分类器单元;分类器单元用于将各通信电台指纹特征分类,实现通信电台的个体识别。其中,各通信电台信号是混合信号,包含了多个电台信号与噪声信号,因此需要信号与处理单元对接收到的各通信电台信号进行预处理以进行后续的通信电台的指纹特征提取步骤。
更进一步地,信号预处理单元包括信源数目估计模块、DOA估计模块、波束形成模块和信号聚焦模块。其中,信源数目估计模块用于估计混合信号中信源的数目并将信源估计数目信息传递给DOA估计模块;利用信源数目估计模块估计得到的信息求得信号的到达角度;波束形成模块将混合信号中来自各个信源的信号分离开,便于后续模块能对每部电台所发射的信号进行分析;信号聚焦模块:将每部电台的暂态信号和稳态信号分离开,以对通信电台发射信号的暂态信号进行指纹特征提取。
实施例3
本实施例是实施例1具有相同的发明构思,提供了一种存储介质,是在实施例1基础上作出的进一步优化,其上存储有计算机指令,所述计算机指令运行时执行实施例1中通信电台个体识别方法的步骤。其中,存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
实施例4
本实施例是实施例1具有相同的发明构思,提供了一种终端,包括存储器和处理器,存储器上存储有可在处理器上运行的计算机指令,处理器运行计算机指令时执行实施例1中通信电台个体识别方法的步骤。
以上具体实施方式是对本发明的详细说明,不能认定本发明的具体实施方式只局限于这些说明,对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演和替代,都应当视为属于本发明的保护范围。
Claims (10)
1.一种通信电台个体识别方法,其特征在于:所述方法包括以下步骤:
计算接收到的各通信电台信号的信噪比,提取各通信电台的指纹特征,以实现通信电台的个体识别。
2.根据权利要求1所述的一种通信电台个体识别方法,其特征在于:所述指纹特征包括各通信电台I/Q两路信号的增益失配参数和相位失配参数。
3.根据权利要求1所述的一种通信电台个体识别方法,其特征在于:所述接收到的各通信电台信号的信噪比与指纹特征具备以下关系:
上式中,ε表示I/Q两路增益失配参数,θ表示I/Q两路相位失配参数,α表示在接收端,失配参数对I路信号的等效无意识寄生调制;β表示在接收端,失配参数对Q路信号的等效无意识寄生调制;表示表示原始待发送信号能量,表示叠加无意识寄生调制过后的接收到的各通信电台信号能量,表示噪声能量,SNR表示接收到的各通信电台信号的信噪比。
4.根据权利要求1所述的一种通信电台个体识别方法,其特征在于:所述接收到的各通信电台信号是经过信源数目估计、DOA估计、波束形成、信号聚焦处理的各电台分离开的原始信号。
5.根据权利要求4所述的一种通信电台个体识别方法,其特征在于:所述原始信号是稳态信号。
6.根据权利要求1所述的一种通信电台个体识别方法,其特征在于:所述方法还包括以下步骤:
将提取到的各通信电台的指纹特征分类,实现各通信电台的个体识别。
7.采用权利要求1-6所述方法的系统,其特征在于:所述系统包括:信号预处理单元、指纹提取单元和分类器单元;
所述信号预处理单元用于将接收到的各通信电台信号进行预处理,得到各通信电台对应的原始信号并输出到指纹提取单元;
所述指纹提取单元用于提取各通信电台不同指纹特征并输出到分类器单元;
所述分类器单元用于将各通信电台指纹特征分类,实现通信电台的个体识别。
8.根据权利要求7所述的一种通信电台个体识别,其特征在于:所述信号预处理单元包括信源数目估计模块、DOA估计模块、波束形成模块和信号聚焦模块。
9.一种存储介质,其上存储有计算机指令,其特征在于:所述计算机指令运行时执行权利要求1至6中任一项所述方法的步骤。
10.一种终端,包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机指令,其特征在于,所述处理器运行所述计算机指令时执行权利要求1-6中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910249707.9A CN109948731A (zh) | 2019-03-29 | 2019-03-29 | 一种通信电台个体识别方法、系统、存储介质及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910249707.9A CN109948731A (zh) | 2019-03-29 | 2019-03-29 | 一种通信电台个体识别方法、系统、存储介质及终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109948731A true CN109948731A (zh) | 2019-06-28 |
Family
ID=67012962
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910249707.9A Pending CN109948731A (zh) | 2019-03-29 | 2019-03-29 | 一种通信电台个体识别方法、系统、存储介质及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109948731A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110472584A (zh) * | 2019-08-16 | 2019-11-19 | 四川九洲电器集团有限责任公司 | 一种通信设备身份识别方法、电子设备及计算机程序产品 |
CN111899721A (zh) * | 2020-07-25 | 2020-11-06 | 烽火通信科技股份有限公司 | 一种语音交互终端和智能家居的通信方法 |
CN112163457A (zh) * | 2020-09-03 | 2021-01-01 | 中国联合网络通信集团有限公司 | 一种通信电台识别方法及装置 |
WO2021109672A1 (zh) * | 2019-12-05 | 2021-06-10 | 南京东科优信网络安全技术研究院有限公司 | 一种噪声增强射频指纹识别方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060100866A1 (en) * | 2004-10-28 | 2006-05-11 | International Business Machines Corporation | Influencing automatic speech recognition signal-to-noise levels |
US20070205937A1 (en) * | 2006-03-03 | 2007-09-06 | Realtronics Corporation | Apparatus and Method to Identify Targets Through Opaque Barriers |
CN108268837A (zh) * | 2017-12-31 | 2018-07-10 | 厦门大学 | 基于小波熵和混沌特性的辐射源指纹特征提取方法 |
CN108809355A (zh) * | 2018-07-04 | 2018-11-13 | 南京东科优信网络安全技术研究院有限公司 | 一种在低信噪比情况下提取设备物理指纹特征的方法 |
CN109167641A (zh) * | 2018-07-28 | 2019-01-08 | 中国人民解放军战略支援部队信息工程大学 | 窄带信号功率放大器指纹特征提取方法及装置 |
CN109307862A (zh) * | 2018-07-05 | 2019-02-05 | 西安电子科技大学 | 一种目标辐射源个体识别方法 |
-
2019
- 2019-03-29 CN CN201910249707.9A patent/CN109948731A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060100866A1 (en) * | 2004-10-28 | 2006-05-11 | International Business Machines Corporation | Influencing automatic speech recognition signal-to-noise levels |
US20070205937A1 (en) * | 2006-03-03 | 2007-09-06 | Realtronics Corporation | Apparatus and Method to Identify Targets Through Opaque Barriers |
CN108268837A (zh) * | 2017-12-31 | 2018-07-10 | 厦门大学 | 基于小波熵和混沌特性的辐射源指纹特征提取方法 |
CN108809355A (zh) * | 2018-07-04 | 2018-11-13 | 南京东科优信网络安全技术研究院有限公司 | 一种在低信噪比情况下提取设备物理指纹特征的方法 |
CN109307862A (zh) * | 2018-07-05 | 2019-02-05 | 西安电子科技大学 | 一种目标辐射源个体识别方法 |
CN109167641A (zh) * | 2018-07-28 | 2019-01-08 | 中国人民解放军战略支援部队信息工程大学 | 窄带信号功率放大器指纹特征提取方法及装置 |
Non-Patent Citations (7)
Title |
---|
FEI ZHUO 等: "Radio Frequency Fingerprint Extraction of Radio Emitter Based on I/Q Imbalance", 《PROCEDIA COMPUTER SCIENCE》 * |
NING LIU 等: "Investigation on Signal Modulation Recognition in the Low SNR", 《2010 INTERNATIONAL CONFERENCE ON MEASURING TECHNOLOGY AND MECHATRONICS AUTOMATION》 * |
PENG WANG 等: "Specific Emitter Identification Method Based on I/Q Imbalance with SNR Estimation U sing Wavelet Denoising", 《2021 IEEE 21ST INTERNATIONAL CONFERENCE ON COMMUNICATION TECHNOLOGY (ICCT)》 * |
任东方 等: "结合ITD与非线性分析的通信辐射源个体识别方法", 《信号处理》 * |
张敏 等: "一种基于I/Q失配的辐射源指纹提取方法", 《电子学报》 * |
张泽君等: "航空信道下一种通信电台个体识别方法", 《空军预警学院学报》 * |
王大海: "卫星通信辐射源细微特征提取技术研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110472584A (zh) * | 2019-08-16 | 2019-11-19 | 四川九洲电器集团有限责任公司 | 一种通信设备身份识别方法、电子设备及计算机程序产品 |
WO2021109672A1 (zh) * | 2019-12-05 | 2021-06-10 | 南京东科优信网络安全技术研究院有限公司 | 一种噪声增强射频指纹识别方法及装置 |
CN111899721A (zh) * | 2020-07-25 | 2020-11-06 | 烽火通信科技股份有限公司 | 一种语音交互终端和智能家居的通信方法 |
CN111899721B (zh) * | 2020-07-25 | 2023-08-08 | 烽火通信科技股份有限公司 | 一种语音交互终端和智能家居的通信方法 |
CN112163457A (zh) * | 2020-09-03 | 2021-01-01 | 中国联合网络通信集团有限公司 | 一种通信电台识别方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109948731A (zh) | 一种通信电台个体识别方法、系统、存储介质及终端 | |
Liu et al. | Survey on CSI-based indoor positioning systems and recent advances | |
Tong et al. | Combating packet collisions using non-stationary signal scaling in LPWANs | |
Xu et al. | Pyramid: Real-time lora collision decoding with peak tracking | |
Ureten et al. | Wireless security through RF fingerprinting | |
US6993440B2 (en) | System and method for waveform classification and characterization using multidimensional higher-order statistics | |
CN107347181B (zh) | 一种基于双频Wi-Fi信号的室内定位方法 | |
EP1614016A2 (en) | System and method for waveform classification and characterization using multidimensional higher-order statistics | |
CN102298685B (zh) | 基于虚拟仪器的汽车电子射频识别参数检测系统 | |
KR100979608B1 (ko) | 두개의 안테나들 또는 이의 균등물을 사용하여 네비게이션비컨 신호를 검출하는 방법 | |
CN109313252A (zh) | 用于定位的通信设备和方法 | |
CN104869630A (zh) | 基于离线指纹库的伪基站快速定位方法与系统 | |
Hong et al. | A learning-based AOA estimation method for device-free localization | |
CN113300986B (zh) | 无人机图传信号与热点信号识别方法、介质、计算机设备 | |
CN107167777A (zh) | 锯齿波线性调频信号参数提取方法 | |
CN109889975A (zh) | 一种基于NB-IoT的终端指纹定位方法 | |
Li et al. | Recovery of collided RFID tags with frequency drift on physical layer | |
CN109587136B (zh) | 一种基于双极大值的射频指纹特征提取和识别方法 | |
Sardar et al. | LTE commsense for object detection in indoor environments | |
Angerer | A digital receiver architecture for RFID readers | |
Akhtar et al. | Wiload: Exploiting wi-fi signals for non-intrusive detection and recognition of load appliances | |
CN112437030A (zh) | LoRa数据包起点对齐方法及装置 | |
CN115379378A (zh) | 蓝牙室内定位方法及装置 | |
CN202075748U (zh) | 基于虚拟仪器的汽车电子射频识别参数检测系统 | |
Wen et al. | RF transmitter identification and classification based on deep residual shrinkage network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190628 |