CN110958200A - 一种基于无线电特征提取的无人机识别方法 - Google Patents
一种基于无线电特征提取的无人机识别方法 Download PDFInfo
- Publication number
- CN110958200A CN110958200A CN201911242523.6A CN201911242523A CN110958200A CN 110958200 A CN110958200 A CN 110958200A CN 201911242523 A CN201911242523 A CN 201911242523A CN 110958200 A CN110958200 A CN 110958200A
- Authority
- CN
- China
- Prior art keywords
- signal
- feature
- unmanned aerial
- aerial vehicle
- signals
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/0012—Modulated-carrier systems arrangements for identifying the type of modulation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于无线电特征提取的无人机识别方法,包括:建立无人机信号特征库;选择工作频点,对频点内信号进行宽带采样,并将带内信号划分成多路窄带信号;将其通过正交解调转换为基带信号,对获得多路基带信号进行捕获,并将有效信号信息送入特征识别模块;特征识别模块首先对其调制方式进行大类划分,在特征库中剔除明显不匹配的信号;再在特征库中选择匹配的无人机信号,采用对应的无人机信号特征识别算法对信号进行识别、提取特征和输出特征编号。本发明采用无人机特征提取、与特征库进行比对、筛选后,采用信号特征识别算法进行识别、提取特征和输出特征编号,不仅可以判断是否有无人机,还可以得到无人机的具体型号和指纹特征。
Description
技术领域
本发明涉及信号处理技术领域,具体的说,是一种基于无线电特征提取的无人机识别方法。
背景技术
随着无人机技术的飞速发展,机场、核电站、油库、军事等保密单位不断收到无人机入侵的报告,包括用于专业摄影的无人机、业余爱好者自娱自乐的无人机以及其他用途的无人机,给这些单位带来了严重的安全隐患,探测无人机入侵成为当务之急。目前,探测无人机入侵的方法主要有三种:(1)利用雷达来探测无人机的雷达探测法;(2)利用无线信号检测手段来探测无人机的无线电探测法;(3)利用摄像头来获取无人机画面、利用麦克风来获取无人机发出的声音的视频+音频探测法。雷达是探测飞机最成熟的方案,任何进入雷达扫描范围内的飞行物都能被雷达探测到,雷达探测具有探测距离远、探测方位准确的优点,其缺点是:系统昂贵,对大目标有效,对于低空无人机目标探测效能不足;无线电信号探测法是通过射频传感器来捕捉无人机和遥控器之间的通讯信号,通过捕捉这种通讯信号来判断是否有无人机入侵。如果无人机与遥控器之间通信制式相对固定,一般采样频谱检测的手段进行无人机信号探测,该探测法的优点是成本低,缺点是对于空域内无人机,系统只能探测到有无人机入侵,但不能获得其无人机型号,也不能确定哪些是友方无人机,哪些是敌方无人机。对有己方无人机和监控无人机同在一个空域下的情况,无法实现对敌方无人机的精准监测等。利用摄像头来获取无人机画面、利用麦克风来获取无人机发出的声音的视频+音频探测法,同样只能检测到是否有无人机,并不能识别无人机的型号。
发明内容
本发明的目的在于提供一种基于无线电特征提取的无人机识别方法,用于解决现有技术中无法识别无人机型号的问题。
本发明通过下述技术方案解决上述问题:
一种基于无线电特征提取的无人机识别方法,包括:
步骤S100:首先针对各无人机厂家建立无人机信号特征库:收集信号的工作频率范围,调制方式,工作带宽,传输时长,传输帧结构,传输帧中特征固定码比特位等多种信息,建立无人机本地特征库;
步骤S200:根据无人机信号特征库信息,选择工作频点,对频点内信号进行宽带采样,采样过程可以是轮询方式,并根据无人机信号特征库信息,将带内信号划分成多路的窄带信号;
步骤S300:将窄带信号通过正交解调,转换为基带信号,根据预设无人机信号特征对获得多路基带信号进行捕获,并将有效信号信息送入特征识别模块;其中,无人机信号特征的提取基于对信号的提前分析,如指定某款无人机,则它的信号带宽,调制方式,帧结构,帧长度,信息不变量等信息均可以提前分析获得,则将此类信息作为该款无人机的无人机信号特征。
步骤S400:特征识别模块首先进行第1次判决模块,对其调制方式进行大类划分,所述大类包括OFDM调制和FSK调制,目前无人机信号仅适用了OFDM调制、FSK调制和WiFi信号,而WiFi信号为一种特殊的OFDM调制,因此将类别按OFDM调制和FSK调制划分,在特征库中剔除明显不匹配的信号;再根据信号的细分特征进行第2次识别,包括频率特征,时域特征,二次判定时依赖信号当前存在的频点,频率带宽,信号时域长度等特征信息,在特征库中选择匹配的无人机信号,采用对应的无人机信号特征识别算法对信号进行识别、提取特征和输出特征编号作为指纹特征,所述细分特征包括信号当前存在的频点、频率带宽和信号时域长度。
进一步地,所述步骤S300中的捕获过程具体包括:
步骤S310:对捕获参数进行初始化;
步骤S320:将信号转换到频域,通过频域信号能量判决是否有信号,如果有信号,进入下一步;如果只有噪声,重复此步骤;
步骤S330:进行信号特征判定,若信号特征满足无人机信号特征,进入下一步;若不满足无人机信号特征或者只有噪声,则返回步骤S320;
步骤S340:进行二次捕获判定,若仍然满足无人机信号特征,则判定为有效信号信息并保存,所述无人机信号特征为提前提取的已知型号无人机的信号带宽、调制方式、帧结构、帧长度和信息不变量。
进一步地,所述OFDM调制的无人机信号特征识别算法为:
A1.在特征库中剔除明显不匹配的信号后,选定了剩余N种匹配信号,调用该N种无人机信号的信号特征分别对信号的特征识别基本参数进行初始化,所述特征识别基本参数包括信号的训练序列长度,信号的带宽,帧结构,帧长度和信息不变量;
A2.用捕获信息对参数进行初始化,参数包括对工作频点、信号出现起始位置和信号强度;
A3.位粗同步:根据信号的帧结构特征,找到帧的大致起始位置;
A4.位细同步:根据信号的帧结构特征,找到帧的精确起始位置,获得每组OFDM符号;采用先位粗同步再位细同步的方法,降低了一次的计算量;
A5.载波同步:通过OFDM符号特征,估计载波偏移量;
A6.特征数据提取:对载波同步后的信号提取特征数据帧,所述特征数据帧中包括了指示该信号的固定特征信息;
A7.转换到频域符号:将时域符号转换到频域;
A8.特征提取:通过找信息不变量法,生成一串二进制比特流;
A9.生成特征编号:将比特流中选择某些固定位置组合,从而生成标记该信号发射源的特征编号。
A10.输出信息:将特征编号输出,用于标记该信号发射源;
所述FSK调制的无人机信号特征识别算法为:
B1.在特征库中剔除明显不匹配的信号后,选定了剩余N种匹配信号,调用该N种无人机信号的参数对特征识别基本参数进行初始化,所述特征识别基本参数包括信号的训练序列长度,信号的带宽,帧结构,帧长度和信息不变量;
B2.用捕获信息对参数进行初始化,参数包括对工作频点、信号出现起始位置和信号强度;
B3.鉴频器方法,获得信号对应频率值,映射为调制信号;
B4.位粗同步:根据信号的帧结构特征,找到帧的大致起始位置;
B5.位细同步:根据信号的帧结构特征,找到帧的精确起始位置;
B6.特征提取:通过找不变量的方法,生成一串二进制比特流;
B7.生成特征编号:将比特流中选择某些固定位置组合,从而生成标记该信号发射源的特征编号。
B8.输出信息:将特征编号输出,用于标记该信号发射源。
A10和B8步骤中的特征编号,与信号特征库中的传输帧中特征固定码比特位对应。
本发明通过分析各无人机厂家的无人机系统通信信号特征,并建立特征算法库,用于无人机的监测和无人机特征编号的生成。本方法不仅适用于无人机的遥控信号、图传信号以及数传信号,也适用于其他领域基于无线电特征识别的检测系统。
本发明与现有技术相比,具有以下优点及有益效果:
(1)本发明采用无人机特征提取,与特征库进行比对、筛选后,采用OFDM类和FSK类的无人机信号采用信号特征识别算法进行识别、提取特征和输出特征编号,特征编号与无人机信号中的传输帧中特征固定码比特位对应,得到无人机的型号。
(2)本发明不仅可以监测空域中是否有无人机存在,也可用于区分友方和敌方无人机,是基于频谱检测手段的重要补充方法。
附图说明
图1为本发明的流程图;
图2为无人机信号捕获流程图;
图3为无人机帧结构示意图;
图4为无人机OFDM类信号特征识别流程图;
图5为无人机FSK类信号特征识别流程图。
具体实施方式
下面结合实施例对本发明作进一步地详细说明,但本发明的实施方式不限于此。
实施例1:
结合附图1所示,一种基于无线电特征提取的无人机识别方法,包括:
步骤S100:首先针对各无人机厂家建立无人机信号特征库:收集信号的工作频率范围,调制方式,工作带宽,传输时长,传输帧结构,传输帧中特征固定码比特位等多种信息,建立无人机本地特征库;
步骤S200:根据无人机信号特征库信息,选择工作频点,对频点内信号进行宽带采样,采样过程可以是轮询方式,并根据无人机信号特征库信息,将带内信号划分成多路的窄带信号;
步骤S300:将窄带信号通过正交解调,转换为基带信号,根据预设无人机信号特征对获得多路基带信号进行捕获,并将有效信号信息送入特征识别模块;其中,无人机信号特征的提取基于对信号的提前分析,如指定某款无人机,则它的信号带宽,调制方式,帧结构,帧长度,信息不变量等信息均可以提前分析获得,则将此类信息作为该款无人机的无人机信号特征。
步骤S400:特征识别模块首先进行第1次判决模块,对其调制方式进行大类划分,所述大类包括OFDM调制和FSK调制,目前无人机信号仅适用了OFDM调制、FSK调制和WiFi信号,而WiFi信号为一种特殊的OFDM调制,因此将类别按OFDM调制和FSK调制划分,在特征库中剔除明显不匹配的信号;再根据信号的细分特征进行第2次识别,包括频率特征,时域特征,二次判定时依赖信号当前存在的频点,频率带宽,信号时域长度等特征信息,在特征库中选择匹配的无人机信号,采用对应的无人机信号特征识别算法对信号进行识别、提取特征和输出特征编号作为指纹特征,所述细分特征包括信号当前存在的频点、频率带宽和信号时域长度。
实施例2:
在实施例1的基础上,结合图2所示,所述步骤S300中的捕获过程具体包括:
步骤S310:对捕获参数进行初始化;
步骤S320:将信号转换到频域,通过频域信号能量判决是否有信号,如果有信号,进入下一步;如果只有噪声,重复此步骤;
步骤S330:进行信号特征判定,若信号特征满足无人机信号特征,进入下一步;若不满足无人机信号特征或者只有噪声,则返回步骤S320;
步骤S340:进行二次捕获判定,若仍然满足无人机信号特征,则判定为有效信号信息并保存,所述无人机信号特征为提前提取的已知型号无人机的信号带宽、调制方式、帧结构、帧长度和信息不变量。
实施例3:
在实施例1或2的基础上,所述OFDM调制的无人机信号特征识别算法如图4所示:
A1.通过第1次判决模块和第2次识别,在特征库中剔除明显不匹配的信号后,选定了剩余N种匹配信号,调用该N种无人机信号的信号特征分别对信号的特征识别基本参数进行初始化,所述特征识别基本参数包括信号的训练序列长度,信号的带宽,帧结构,帧长度和信息不变量;这些信息是可以通过拆解无人机,查找芯片手册获得。若针对某个无人机信号,通过查阅芯片手册,获得特征信息:信号带宽为1.2MHz,帧结构如图3所示,其中第1-2子帧为训练序列,用于信号同步、信道估计等,第3-12子帧为信息数据。子帧3中数据传输该只无人机信号的地址信息,该地址信息是唯一的,则可用该信息标记该只设备的无线电信号特征。通过将子帧3用经典的OFDM解调算法解调,则获得子帧3中数据信息。而对基于协议通信的OFDM调制,由于对符号定时偏差以及载波频率偏差较敏感,一般均带有训练序列作为同步头,校正符号定时偏差和载波频率偏差,这也方便了我们通过同步头找到子帧3的确切位置,所以此方法有较强的适用性。
A2.用捕获信息对参数进行初始化,参数包括对工作频点、信号出现起始位置和信号强度;以便实用多组可优化的算法处理信号;
A3.位粗同步:根据信号的帧结构特征,找到帧的大致起始位置;
A4.位细同步:根据信号的帧结构特征,找到帧的精确起始位置,获得每组OFDM符号;采用先位粗同步再位细同步的方法,降低了一次的计算量;
A5.载波同步:通过OFDM符号特征,估计载波偏移量;此处可以使用OFDM载波同步经典算法,如时域同步或者频域同步。通过估计的载波偏移量对OFDM符号进行进一步校准;
A6.特征数据提取:对载波同步后的信号提取特征数据帧,所述特征数据帧中包括了指示该信号的固定特征信息;
A7.转换到频域符号:将时域符号转换到频域,由于OFDM调制为频域调制,所以要获得特征需要先转换到频域上进行;
A8.特征提取:通过找信息不变量法,生成一串二进制比特流;
A9.生成特征编号:将比特流中选择某些固定位置组合,从而生成标记该信号发射源的特征编号。
A10.输出信息:将特征编号输出,用于标记该信号发射源;
其中还可加入信号估计等多种校准手段,以提高检测概率。而上述步骤中如果有一步未实施,则上报本次特征识别失败。
结合图5所示,所述FSK调制的无人机信号特征识别算法为:
B1.在特征库中剔除明显不匹配的信号后,选定了剩余N种匹配信号,调用该N种无人机信号的参数对特征识别基本参数进行初始化,所述特征识别基本参数包括信号的训练序列长度,信号的带宽,帧结构,帧长度和信息不变量;
B2.用捕获信息对参数进行初始化,参数包括对工作频点、信号出现起始位置和信号强度;
B3.鉴频器方法,获得信号对应频率值,映射为调制信号;
B4.位粗同步:根据信号的帧结构特征,找到帧的大致起始位置;
B5.位细同步:根据信号的帧结构特征,找到帧的精确起始位置;
B6.特征提取:通过找不变量的方法,生成一串二进制比特流;
B7.生成特征编号:将比特流中选择某些固定位置组合,从而生成标记该信号发射源的特征编号。
B8.输出信息:将特征编号输出,用于标记该信号发射源。
A10和B8步骤中的特征编号,与信号特征库中的传输帧中特征固定码比特位对应。
输出解析的无人机特征编号,将特征序列存入本地数据库,以便后续对信号的特征匹配使用,也方便用户方标记信号属于友方无人机还是敌方无人机。
尽管这里参照本发明的解释性实施例对本发明进行了描述,上述实施例仅为本发明较佳的实施方式,本发明的实施方式并不受上述实施例的限制,应该理解,本领域技术人员可以设计出很多其他的修改和实施方式,这些修改和实施方式将落在本申请公开的原则范围和精神之内。
Claims (4)
1.一种基于无线电特征提取的无人机识别方法,其特征在于,包括:
步骤S100:建立无人机信号特征库;
步骤S200:根据无人机信号特征库信息,选择工作频点,对频点内信号进行宽带采样,并根据无人机信号特征库信息,将带内信号划分成多路的窄带信号;
步骤S300:将窄带信号通过正交解调,转换为基带信号,根据预设无人机信号特征对获得多路基带信号进行捕获,并将有效信号信息送入特征识别模块;
步骤S400:特征识别模块首先进行第1次判决模块,对其调制方式进行大类划分,在特征库中剔除明显不匹配的信号;再根据信号的细分特征在特征库中选择匹配的无人机信号,采用对应的无人机信号特征识别算法对信号进行识别、提取特征和输出特征编号作为指纹特征,所述细分特征包括信号当前存在的频点、频率带宽和信号时域长度。
2.根据权利要求1所述的一种基于无线电特征提取的无人机识别方法,其特征在于,所述步骤S300中的捕获过程具体包括:
步骤S310:对捕获参数进行初始化;
步骤S320:将信号转换到频域,通过频域信号能量判决是否有信号,如果有信号,进入下一步;如果只有噪声,重复此步骤;
步骤S330:进行信号特征判定,若信号特征满足无人机信号特征,进入下一步;若不满足无人机信号特征或者只有噪声,则返回步骤S320;
步骤S340:进行二次捕获判定,若仍然满足无人机信号特征,则判定为有效信号信息并保存,所述无人机信号特征为提前提取的已知型号无人机的信号带宽、调制方式、帧结构、帧长度和信息不变量。
3.根据权利要求1或2所述的一种基于无线电特征提取的无人机识别方法,其特征在于,所述大类包括OFDM调制和FSK调制。
4.根据权利要求3所述的一种基于无线电特征提取的无人机识别方法,其特征在于,所述OFDM调制的无人机信号特征识别算法为:
A1.在特征库中剔除明显不匹配的信号后,选定了剩余N种匹配信号,调用该N种无人机信号的信号特征分别对信号的特征识别基本参数进行初始化,所述特征识别基本参数包括信号的训练序列长度,信号的带宽,帧结构,帧长度和信息不变量;
A2.用捕获信息对参数进行初始化,参数包括对工作频点、信号出现起始位置和信号强度;
A3.位粗同步:根据信号的帧结构特征,找到帧的大致起始位置;
A4.位细同步:根据信号的帧结构特征,找到帧的精确起始位置,获得每组OFDM符号;
A5.载波同步:通过OFDM符号特征,估计载波偏移量;
A6.特征数据提取:对载波同步后的信号提取特征数据帧,所述特征数据帧中包括了指示该信号的固定特征信息;
A7.转换到频域符号:将时域符号转换到频域;
A8.特征提取:通过找信息不变量法,生成一串二进制比特流;
A9.生成特征编号:将比特流中选择某些固定位置组合,从而生成标记该信号发射源的特征编号;
A10.输出信息:将特征编号输出,用于标记该信号发射源;
所述FSK调制的无人机信号特征识别算法为:
B1.在特征库中剔除明显不匹配的信号后,选定了剩余N种匹配信号,调用该N种无人机信号的参数对特征识别基本参数进行初始化,所述特征识别基本参数包括信号的训练序列长度,信号的带宽,帧结构,帧长度和信息不变量;
B2.用捕获信息对参数进行初始化,参数包括对工作频点、信号出现起始位置和信号强度;
B3.鉴频器方法,获得信号对应频率值,映射为调制信号;
B4.位粗同步:根据信号的帧结构特征,找到帧的大致起始位置;
B5.位细同步:根据信号的帧结构特征,找到帧的精确起始位置;
B6.特征提取:通过找不变量的方法,生成一串二进制比特流;
B7.生成特征编号:将比特流中选择某些固定位置组合,从而生成标记该信号发射源的特征编号;
B8.输出信息:将特征编号输出,用于标记该信号发射源。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911242523.6A CN110958200A (zh) | 2019-12-06 | 2019-12-06 | 一种基于无线电特征提取的无人机识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911242523.6A CN110958200A (zh) | 2019-12-06 | 2019-12-06 | 一种基于无线电特征提取的无人机识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110958200A true CN110958200A (zh) | 2020-04-03 |
Family
ID=69980174
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911242523.6A Pending CN110958200A (zh) | 2019-12-06 | 2019-12-06 | 一种基于无线电特征提取的无人机识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110958200A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112564849A (zh) * | 2020-12-01 | 2021-03-26 | 国网辽宁省电力有限公司营口供电公司 | 一种多型号无人机的识别及诱捕方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108353081A (zh) * | 2015-09-28 | 2018-07-31 | 13部门有限公司 | 无人机入侵检测和对抗 |
CN108768562A (zh) * | 2018-05-07 | 2018-11-06 | 西北工业大学 | 一种基于遥控与图传信号的非法无人机识别方法 |
CN109067478A (zh) * | 2018-08-10 | 2018-12-21 | 北京历正科技有限责任公司 | 一种无人机检测方法、装置及设备 |
US20190077508A1 (en) * | 2016-09-02 | 2019-03-14 | Sony Corporation | Circuit, terminal device, base station device, and method |
-
2019
- 2019-12-06 CN CN201911242523.6A patent/CN110958200A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108353081A (zh) * | 2015-09-28 | 2018-07-31 | 13部门有限公司 | 无人机入侵检测和对抗 |
US20190077508A1 (en) * | 2016-09-02 | 2019-03-14 | Sony Corporation | Circuit, terminal device, base station device, and method |
CN108768562A (zh) * | 2018-05-07 | 2018-11-06 | 西北工业大学 | 一种基于遥控与图传信号的非法无人机识别方法 |
CN109067478A (zh) * | 2018-08-10 | 2018-12-21 | 北京历正科技有限责任公司 | 一种无人机检测方法、装置及设备 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112564849A (zh) * | 2020-12-01 | 2021-03-26 | 国网辽宁省电力有限公司营口供电公司 | 一种多型号无人机的识别及诱捕方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6764018B2 (ja) | 動作検出のための信号変調の検出 | |
CN107911183B (zh) | 一种基于实时信号特征分析的无人机识别方法及系统 | |
Reus-Muns et al. | Trust in 5G open RANs through machine learning: RF fingerprinting on the POWDER PAWR platform | |
Scanlon et al. | Feature extraction approaches to RF fingerprinting for device identification in femtocells | |
Zhao et al. | Classification of small UAVs based on auxiliary classifier Wasserstein GANs | |
CN110046591B (zh) | 一种基于分数阶小波变换的无人机图传信号与遥控信号识别方法 | |
EP3826203B1 (en) | Signal detection device, signal detecting method, control circuit and computer readable storage medium | |
CN111585925A (zh) | 一种基于深度学习的稳健实时射频信号调制识别方法 | |
CN114189310A (zh) | 基于信号侦察和预测的无人机测控信号精准干扰方法 | |
CN112073988A (zh) | 一种局域网内隐藏摄像头的探测方法 | |
CN110958200A (zh) | 一种基于无线电特征提取的无人机识别方法 | |
CN113518374B (zh) | Wifi干扰下无人机图传信号的射频识别方法 | |
Kayraklik et al. | Application of object detection approaches on the wideband sensing problem | |
Wang et al. | Specific emitter identification based on deep adversarial domain adaptation | |
CN117425152A (zh) | 一种动态自适应的移动设备射频指纹识别方法和装置 | |
CN113572540B (zh) | 一种基于相关域检测的无人机图传信号识别方法及系统 | |
CN110166477B (zh) | 一种基于UDP协议的无人机Wi-Fi图传信号检测方法 | |
Uy et al. | Design of a low complexity interference detector for LPWA networks | |
CN111901267A (zh) | 基于短时傅里叶变换时频分析的多天线盲调制识别方法 | |
CN111191703A (zh) | 一种无线局域网络流量分析的方法和系统 | |
CN113221863B (zh) | 基于电磁空间周期统计的加密协议识别方法、系统及介质 | |
CN115664905A (zh) | 基于多域物理层指纹特征的Wi-Fi设备识别系统及方法 | |
CN115085979A (zh) | 一种基于流量分析的网络摄像头非法安装及占用检测方法 | |
CN116057586A (zh) | 用于标识发射无线电设备的装置和方法 | |
Zhang et al. | Wi-Fi device identification based on multi-domain physical layer fingerprint |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 610045 No. 130 Wuxing Fourth Road, Wuhou New Town Management Committee, Chengdu City, Sichuan Province Applicant after: Chengdu Huari Communication Technology Co.,Ltd. Address before: 610045 No. 130 Wuxing Fourth Road, Wuhou New Town Management Committee, Chengdu City, Sichuan Province Applicant before: CHENGDU HUARI COMMUNICATION TECHNOLOGY Co.,Ltd. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200403 |