CN116168423A - 用于低压分布式电源终端设备的射频指纹提取方法及装置 - Google Patents

用于低压分布式电源终端设备的射频指纹提取方法及装置 Download PDF

Info

Publication number
CN116168423A
CN116168423A CN202310132660.4A CN202310132660A CN116168423A CN 116168423 A CN116168423 A CN 116168423A CN 202310132660 A CN202310132660 A CN 202310132660A CN 116168423 A CN116168423 A CN 116168423A
Authority
CN
China
Prior art keywords
sequence
data frame
radio frequency
distributed power
low
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
Application number
CN202310132660.4A
Other languages
English (en)
Other versions
CN116168423B (zh
Inventor
郭静
郭雅娟
姜海涛
朱双涛
江南
顾智敏
费骏韬
王梓莹
冒佳明
李岩
赵新冬
黄伟
庄岭
徐江涛
孙云晓
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Jiangsu Electric Power Co Ltd
Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
State Grid Jiangsu Electric Power Co Ltd
Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Jiangsu Electric Power Co Ltd, Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd filed Critical State Grid Jiangsu Electric Power Co Ltd
Priority to CN202310132660.4A priority Critical patent/CN116168423B/zh
Publication of CN116168423A publication Critical patent/CN116168423A/zh
Application granted granted Critical
Publication of CN116168423B publication Critical patent/CN116168423B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1347—Preprocessing; Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1382—Detecting the live character of the finger, i.e. distinguishing from a fake or cadaver finger
    • G06V40/1394—Detecting the live character of the finger, i.e. distinguishing from a fake or cadaver finger using acquisition arrangements
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Algebra (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种用于低压分布式电源终端设备的射频指纹提取方法及装置。该方法包括：获取低压分布式电源终端设备发送的射频信号，并提取射频信号中的多个数据帧，得到数据帧序列，计算数据帧序列中所有相邻帧的获取时间差，得到时间差序列，计算数据帧序列中所有相邻帧的相位差，得到相位差序列，根据时间差序列和相位差序列进行线性拟合，得到频率偏移特征值，作为低压分布式电源终端设备的射频指纹信息。本发明能够提取低压分布式电源终端设备的频率偏移特征值作为射频指纹信息，从而为低压分布式电源控制系统提供有效的指纹认证手段，降低受到未知设备假冒攻击的风险。

Description

用于低压分布式电源终端设备的射频指纹提取方法及装置
技术领域
本发明涉及电力系统技术领域，尤其涉及一种用于低压分布式电源终端设备的射频指纹提取方法及装置。
背景技术
随着近几年来大力推进实施以新能源为主的新型电力系统战略，新能源接入多样化、负荷多样化，未来电力系统结构形态将发生较大改变，电力系统逐步打破了以往的封闭性和专有性。新型电力系统网络安全防护面临来自终端设备、通信网络、应用系统等环节安全风险。其中，在终端设备方面，对于并网电压等级低于1kV的低压分布式电源，由于节点分散、投资主体多样等特点，电力系统受技术和成本限制，难以通过专线专网方式实现电源侧数据采集和控制，故需要关注低压分布式电源所在网络的控制系统的安全问题。
目前而言，在低压分布式电源终端设备方面，通用类技术和产品的漏洞易被发现和利用，网络安全风险更加突出，如何在非受控网络下保障低压分布式电源控制系统的本体安全，目前尚没有成熟适用的防护体系和落地方案。因此，亟需研究适合低压分布式电源的安全防护关键技术，加强低压分布式电源控制系统的攻击免疫力和健壮性。
发明内容
本发明的目的是：提供一种用于低压分布式电源终端设备的射频指纹提取方法、装置、计算机设备及计算机可读存储介质，能够提取低压分布式电源终端设备的频率偏移特征值作为射频指纹信息，从而为低压分布式电源控制系统提供有效的指纹认证手段，降低受到未知设备假冒攻击的风险。
为了达到上述目的，本发明第一方面提供一种用于低压分布式电源终端设备的射频指纹提取方法，包括：
获取低压分布式电源终端设备发送的射频信号，并提取射频信号中的多个数据帧，得到数据帧序列；
计算数据帧序列中所有相邻帧的获取时间差，得到时间差序列；
计算数据帧序列中所有相邻帧的相位差，得到相位差序列；
根据时间差序列和相位差序列进行线性拟合，得到频率偏移特征值，作为低压分布式电源终端设备的射频指纹信息。
优选地，计算数据帧序列中所有相邻帧的相位差，得到相位差序列，包括：
对数据帧序列中每一个数据帧中序号互为相反数的子载波的相位测量值进行求平均值，得到每一个数据帧的平均相位测量值；
对每一个数据帧的平均相位测量值与相邻数据帧的平均相位测量值进行求差值，得到数据帧序列中所有相邻帧的相位差，以得到相位差序列。
优选地，对数据帧序列中每一个数据帧中序号互为相反数的子载波的相位测量值进行求平均值，得到每一个数据帧的平均相位测量值，包括：
根据公式(1)得到每一个数据帧的平均相位测量值：
Figure SMS_1
其中，
Figure SMS_2
代表第i个数据帧的平均相位测量值，φi，-1和φi，1分别代表第i个数据帧的中序号互为相反数的子载波-1和子载波1的相位测量值。
优选地，对每一个数据帧的平均相位测量值与相邻数据帧的平均相位测量值进行求差值，得到数据帧序列中所有相邻帧的相位差，以得到相位差序列，包括：
根据公式(2)和公式(3)得到数据帧序列中所有相邻帧的相位差：
Figure SMS_3
Δti＝ti+1-ti 公式(3)
其中，
Figure SMS_4
代表第i对相邻帧的相位差，/>
Figure SMS_5
代表第i+1个数据帧的平均相位测量值，Δfc代表频率偏移值，Δti代表第i对相邻帧的时间差，ti+1代表第i+1个数据帧的获取时间，ti代表第i个数据帧的获取时间。
优选地，根据时间差序列和相位差序列进行线性拟合，得到频率偏移特征值，作为低压分布式电源终端设备的射频指纹信息，包括：
根据时间差序列和相位差序列进行线性拟合，得到拟合函数的斜率；
提取拟合函数的斜率的特征值，得到频率偏移特征值，作为低压分布式电源终端设备的射频指纹信息。
优选地，根据时间差序列和相位差序列进行线性拟合，得到拟合函数的斜率，包括：
根据时间差序列和相位差序列，生成二维散点图；
利用最小二乘法对二维散点图进行线性拟合，得到拟合函数的斜率。
优选地，在根据时间差序列和相位差序列，生成二维散点图之后，还包括：
利用聚类算法对二维散点图进行噪声剔除和聚类。
本发明第二方面提供一种用于低压分布式电源终端设备的射频指纹提取装置，包括：
数据帧获取模块，用于获取低压分布式电源终端设备发送的射频信号，并提取射频信号中的多个数据帧，得到数据帧序列；
时间差计算模块，用于计算数据帧序列中所有相邻帧的获取时间差，得到时间差序列；
相位差计算模块，用于计算数据帧序列中所有相邻帧的相位差，得到相位差序列；
特征值提取模块，用于根据时间差序列和相位差序列进行线性拟合，得到频率偏移特征值，作为低压分布式电源终端设备的射频指纹信息。
本发明第三方面提供一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述的用于低压分布式电源终端设备的射频指纹提取方法的步骤。
本发明第四方面提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述的用于低压分布式电源终端设备的射频指纹提取方法的步骤。
本发明至少具有以下有益效果：
本发明通过获取低压分布式电源终端设备发送的射频信号，并提取射频信号中的多个数据帧，得到数据帧序列，计算数据帧序列中所有相邻帧的获取时间差，得到时间差序列，计算数据帧序列中所有相邻帧的相位差，得到相位差序列，根据时间差序列和相位差序列进行线性拟合，得到频率偏移特征值，作为低压分布式电源终端设备的射频指纹信息，也就是说，能够提取低压分布式电源终端设备的频率偏移特征值作为射频指纹信息，从而为低压分布式电源控制系统提供有效的指纹认证手段，降低受到未知设备假冒攻击的风险。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例中用于低压分布式电源终端设备的射频指纹提取方法的流程示意图；
图2为本发明实施例中用于低压分布式电源终端设备的射频指纹提取装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
需要说明的是，当元件被称为“固定于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的，并不表示是唯一的实施方式。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
本发明实施例提供一种用于低压分布式电源终端设备的射频指纹提取方法。请参阅图1，图1是本发明实施例中所提供的用于低压分布式电源终端设备的射频指纹提取方法的流程示意图。该射频指纹提取方法可以包括：
S110、获取低压分布式电源终端设备发送的射频信号，并提取射频信号中的多个数据帧，得到数据帧序列。
本发明实施例中，在电力系统中的低压分布式电源终端设备之间大多以无线通信技术作为主要的通信手段互相进行无线通信，可以通过接收机接收其中一方或者通信双方发送的射频信号，并提取射频信号中的多个数据帧，例如取其中的1000个数据帧，构建数据帧序列。
S120、计算数据帧序列中所有相邻帧的获取时间差，得到时间差序列。
本发明实施例中，接收机记录每一个数据帧射频信号获取的时间戳，并计算所有相邻帧的获取时间差，得到时间差序列。
S130、计算数据帧序列中所有相邻帧的相位差，得到相位差序列。
本发明实施例中，接收机分析获取的射频信号，得到每一个数据帧射频信号的相位信息，并计算所有相邻帧的相位差，得到相位差序列，也即得到载波相位偏移信息。
S140、根据时间差序列和相位差序列进行线性拟合，得到频率偏移特征值，作为低压分布式电源终端设备的射频指纹信息。
本发明实施例中，根据得到的载波相位偏移信息，结合数据帧获取时间差，可以进行一阶线性拟合，得到频率偏移特征值，并将其作为低压分布式电源终端设备的射频指纹信息。
需要说明的是，载波频率偏移是由于终端设备通信模块中的载波振荡器产生的，理论上不随时间和位置而发生变化，但是会随着设备的不同而产生变化。此外，载波频率偏移具有不可伪造性，因为载波频率偏移是一种纯粹的硬件特性，且几乎不会受到硬件上运行的任何软件的影响。而低压分布式电源系统中的终端设备由于节点分散，投资主体多样的特点，大多以无线通信技术作为主要的通信手段。因此，利用载波频偏相关的硬件特性作为低压分布式电源系统终端设备的唯一指纹具有先天的优势，可在有效保障指纹特征唯一性的基础上，使提取的指纹特征结果更加稳定可靠，且无需对现场设备进行侵入式改造，易于工程化应用。
以上可知，本发明实施例提供的用于低压分布式电源终端设备的射频指纹提取方法，通过获取低压分布式电源终端设备发送的射频信号，并提取射频信号中的多个数据帧，得到数据帧序列，计算数据帧序列中所有相邻帧的获取时间差，得到时间差序列，计算数据帧序列中所有相邻帧的相位差，得到相位差序列，根据时间差序列和相位差序列进行线性拟合，得到频率偏移特征值，作为低压分布式电源终端设备的射频指纹信息，也就是说，能够提取低压分布式电源终端设备的频率偏移特征值作为射频指纹信息，从而为低压分布式电源控制系统提供有效的指纹认证手段，降低受到未知设备假冒攻击的风险。
可选地，上述实施例中，步骤S130中计算数据帧序列中所有相邻帧的相位差，得到相位差序列，可以包括以下步骤：
对数据帧序列中每一个数据帧中序号互为相反数的子载波的相位测量值进行求平均值，得到每一个数据帧的平均相位测量值；
对每一个数据帧的平均相位测量值与相邻数据帧的平均相位测量值进行求差值，得到数据帧序列中所有相邻帧的相位差，以得到相位差序列。
本发明实施例中，利用同一个数据帧中序号互为相反数的子载波的相位测量值进行求平均值，得到每一个数据帧的平均相位测量值，可以消除帧检测延迟(FDD，framedetection delay)和样本频率偏移(SFO，Sample Frequency Offset)两者对相位偏移测量值的干扰。而选择使用相邻的数据帧的平均相位测量值进行相减，得到所有相邻帧的相位差，可以消除由于通信环境发生变化导致的飞行时间(ToF,time of flight)变化对载波相位偏移的干扰，最终得到载波相位偏移信息。
进一步地，上述实施例中，对数据帧序列中每一个数据帧中序号互为相反数的子载波的相位测量值进行求平均值，得到每一个数据帧的平均相位测量值，包括：
根据公式(1)得到每一个数据帧的平均相位测量值：
Figure SMS_6
其中，
Figure SMS_7
代表第i个数据帧的平均相位测量值，φi，-1和φi，1分别代表第i个数据帧的中序号互为相反数的子载波-1和子载波1的相位测量值。
进一步地，上述实施例中，对每一个数据帧的平均相位测量值与相邻数据帧的平均相位测量值进行求差值，得到数据帧序列中所有相邻帧的相位差，以得到相位差序列，包括：
根据公式(2)和公式(3)得到数据帧序列中所有相邻帧的相位差：
Figure SMS_8
Δti＝ti+1-ti 公式(3)
其中，
Figure SMS_9
代表第i对相邻帧的相位差，/>
Figure SMS_10
代表第i+1个数据帧的平均相位测量值，Δfc代表频率偏移值，Δti代表第i对相邻帧的时间差，ti+1代表第i+1个数据帧的获取时间，ti代表第i个数据帧的获取时间。
可选地，上述实施例中，步骤S140中根据时间差序列和相位差序列进行线性拟合，得到频率偏移特征值，作为低压分布式电源终端设备的射频指纹信息，可以包括以下步骤：
根据时间差序列和相位差序列进行线性拟合，得到拟合函数的斜率；
提取拟合函数的斜率的特征值，得到频率偏移特征值，作为低压分布式电源终端设备的射频指纹信息。
本发明实施例中，根据得到的载波相位偏移信息，结合数据帧获取时间差，可以进行一阶线性拟合，得到拟合函数的斜率，进而提取拟合函数的斜率的特征值，例如可以对所有拟合函数的斜率取均值和方差，得到频率偏移特征值，并将其作为低压分布式电源终端设备的射频指纹信息。
进一步地，上述实施例中，对于上述步骤中根据时间差序列和相位差序列进行线性拟合，得到拟合函数的斜率，可以包括以下步骤：
根据时间差序列和相位差序列，生成二维散点图；
利用最小二乘法对二维散点图进行线性拟合，得到拟合函数的斜率。
本发明实施例中，可以将时间差序列Δti作为x轴，将相位差序列
Figure SMS_11
作为y轴，绘制平面直角坐标系，将所有数据点绘制于坐标系中，生成二维散点图。然后利用最小二乘法对二维散点图进行一阶线性拟合，得到拟合函数的斜率。
更进一步地，上述实施例中，在上述步骤中根据时间差序列和相位差序列，生成二维散点图之后，该方法还可以包括以下步骤：
利用聚类算法对二维散点图进行噪声剔除和聚类。
本发明实施例中，在生成二维散点图后，可以利用聚类算法对二维散点图进行噪声剔除和聚类，并将所有的有效点划分为多个有效簇，进而对每个有效簇，分别利用最小二乘法进行一阶线性拟合，得到拟合函数的斜率。具体实施时，可以采用DBSCAN(英文全称：Density-Based Spatial Clustering of Applications with Noise，中文全称：具有噪声的基于密度的聚类算法)聚类算法。
下面，结合具体的应用场景对本发明提供的用于低压分布式电源终端设备的射频指纹提取方法进行说明。
本发明的应用环境由两个可以收发无线信号、互相通信的低压分布式电源系统终端设备和一台可以接收并分析射频信号的接收机组成。本发明提供的用于低压分布式电源终端设备的射频指纹提取方法包括以下步骤：
步骤1：接收机采集从目标低压分布式电源控制系统终端设备接收到的射频信号，取其中1000个数据帧，新建一个二维向量数据集α。
步骤2：接收机记录一对相邻的数据帧射频信号抵达接收机的时间戳为t1、t2。分析采集到的射频信号，得到子载波序列，其中t时间戳对应数据帧的子载波k对应的相位信息为φt，k。
步骤3：计算t1时刻数据帧和t2时刻数据帧中序号互为相反数的子载波1和-1的平均相位测量值，从而消除帧检测延迟(FDD，frame detection delay)和样本频率偏移(SFO，Sample Frequency Offset)两者对相位偏移测量值的干扰。
其中，t1时刻数据帧子载波1和-1的平均相位测量值为：
Figure SMS_12
t2时刻数据帧子载波1和-1的平均相位测量值为：
Figure SMS_13
步骤4：计算t1时刻数据帧和t2时刻数据帧子载波1和-1的平均相位的相位差，从而消除飞行时间(ToF，time of flight)变化对相位偏移测量值的干扰。
Figure SMS_14
其中，Δt即为一对相邻的数据帧射频信号到达接收机的时间差：
Δt＝t2-t1
步骤5：将数据向量
Figure SMS_15
添加到数据集α中。
步骤6：重复上述步骤，直到所有的相邻数据帧产生的数据向量
Figure SMS_16
都添加到了数据集α中，最终得到数据集/>
Figure SMS_17
数据集α中样本数为m。
步骤7：将Δt作为x轴，将
Figure SMS_18
作为y轴，绘制平面直角坐标系，将数据集α的所有数据点绘制于坐标系中，生成二维散点图。
步骤8：利用DBSCAN聚类算法对该二维散点图进行剔除噪声点和聚类工作，并将所有有效的点划分为多个簇，具体步骤如下：
步骤8.1：设置DBSCAN算法的半径和阈值参数(ε，MinPts)，样本距离度量方式为二维散点图中的欧几里得距离。设置样本集D＝{x1，x2，...，xm}，其中xi对应的散点样本为
Figure SMS_19
步骤8.2：初始化核心点集合
Figure SMS_20
初始化聚类簇数k＝0，初始化未访问样本集合Γ＝D，簇划分/>
Figure SMS_21
步骤8.3：对于j＝1，2，...m，按下面的步骤找出所有的核心点：
a)通过欧式距离度量方式，找到样本xi的ε-邻域子样本集Nε(xj)；
b)如果子样本集样本个数满足|Nε(xj)|≥MinPts，将样本xi加入核心点样本集合：Ω＝Ω∪{xj}。
步骤8.4：如果核心点集合
Figure SMS_22
则转入步骤8.8，否则转入步骤8.5。
步骤8.5：在核心点集合Ω中，随机选择一个核心点o，初始化当前簇核心点队列Ωcur＝{o}，初始化类别序号k＝k+1，初始化当前簇样本集合Ck＝{o}，更新未访问样本集合Γ＝Γ-{o}。
步骤8.6：如果当前簇核心点队列
Figure SMS_23
则当前聚类簇Ck生成完毕，更新簇划分C＝{C1，C2，...，Ck}，更新核心点集合Ω＝Ω-Ck，转入步骤8.4。否则更新核心点集合Ω＝Ω-Ck。
步骤8.7：在当前簇核心点队列Ωcur中取出一个核心点o′，通过邻域距离阈值ε找出所有的ε-邻域子样本集Nε(o′)，令Δ＝Nε(o′)∩Γ，更新当前簇样本集合ck＝Ck∪Δ，更新未访问样本集合Γ＝Γ-Δ，更新Ωcur＝Ωcur∪(Δ∩Ω)-o′，转入步骤8.6。
步骤8.8：最终的输出结果为：簇划分C＝{C1，C2，…，Ck}。
步骤9：对DBSCAN聚类算法得到的簇划分C中的每一个聚类簇Cj利用最小二乘法进行直线拟合，得到直线斜率bj，具体步骤如下：
步骤9.1：设聚类簇Cj中点的数量为N，其中第i个点为(xi，yi)，x和少的函数关系为y＝aj+bix。
步骤9.2：观测值yi的偏差的平方和可以表示为：
Figure SMS_24
步骤9.3：上式对aj、bj求偏导可以得到：
Figure SMS_25
Figure SMS_26
步骤9.4：整理上式后得到方程组：
Figure SMS_27
步骤9.5：解以上方程组最终可以得到直线的斜率参数bj：
Figure SMS_28
步骤10：对簇划分C中的所有簇对应的直线斜率取均值μ(b)和方差δ(b)，从而得到载波频率偏移特征值，作为低压分布式电源终端设备的射频指纹信息。
本发明实施例还提供一种用于低压分布式电源终端设备的射频指纹提取装置。请参阅图2，图2为本发明实施例中用于低压分布式电源终端设备的射频指纹提取装置的结构示意图。该射频指纹提取装置可以包括：
数据帧获取模块100，用于获取低压分布式电源终端设备发送的射频信号，并提取射频信号中的多个数据帧，得到数据帧序列；
时间差计算模块200，用于计算数据帧序列中所有相邻帧的获取时间差，得到时间差序列；
相位差计算模块300，用于计算数据帧序列中所有相邻帧的相位差，得到相位差序列；
特征值提取模块400，用于根据时间差序列和相位差序列进行线性拟合，得到频率偏移特征值，作为低压分布式电源终端设备的射频指纹信息。
需要说明的是，上述实施例提供的装置在执行相关操作时，仅以上述各程序模块的划分进行举例说明，实际应用时，可以根据需要而将上述处理分配由不同的程序模块完成，即将终端的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分处理。另外，上述实施例提供的装置与上述实施例中的方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
基于上述程序模块的硬件实现，且为了实现本发明实施例的方法，本发明实施例还提供一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述的用于低压分布式电源终端设备的射频指纹提取方法的步骤。
上述本发明实施例揭示的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器(DSP，Digital Signal Processor)，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本发明实施例所公开的方法的步骤，可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中，该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成前述方法的步骤。
在示例性实施例中，处理器可以被一个或多个应用专用集成电路(ASIC，Application Specific Integrated Circuit)、DSP、可编程逻辑器件(PLD，ProgrammableLogic Device)、复杂可编程逻辑器件(CPLD，Complex Programmable LogicDevice)、现场可编程门阵列(FPGA，Field-Programmable Gate Array)、通用处理器、控制器、微控制器(MCU，Micro Controller Unit)、微处理器(Microprocessor)、或者其他电子元件实现，用于执行前述方法。
可以理解，本发明实施例的存储器可以是易失性存储器或者非易失性存储器，也可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(ROM，ReadOnly Memory)、可编程只读存储器(PROM，Programmable Read-Only Memory)、可擦除可编程只读存储器(EPROM，Erasable Programmable Read-Only Memory)、电可擦除可编程只读存储器(EEPROM，Electrically Erasable Programmable Read-Only Memory)、磁性随机存取存储器(FRAM，ferromagnetic random access memory)、快闪存储器(FlashMemory)、磁表面存储器、光盘、或只读光盘(CD-ROM，Compact Disc Read-Only Memory)；磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器(RAM，Random Access Memory)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(SRAM，Static Random Access Memory)、同步静态随机存取存储器(SSRAM，Synchronous Static Random Access Memory)、动态随机存取存储器(DRAM，Dynamic Random Access Memory)、同步动态随机存取存储器(SDRAM，Synchronous Dynamic Random Access Memory)、双倍数据速率同步动态随机存取存储器(DDRSDRAM，Double Data Rate Synchronous Dynamic Random Access Memory)、增强型同步动态随机存取存储器(ESDRAM，Enhanced Synchronous Dynamic Random AccessMemory)、同步连接动态随机存取存储器(SLDRAM，SyncLink Dynamic Random AccessMemory)、直接内存总线随机存取存储器(DRRAM，Direct Rambus Random Access Memory)。本发明实施例描述的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
在一个实施例中，本发明还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述的用于低压分布式电源终端设备的射频指纹提取方法的步骤。
可以理解，本发明实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。
本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (10)

1.一种用于低压分布式电源终端设备的射频指纹提取方法，其特征在于，包括：
获取低压分布式电源终端设备发送的射频信号，并提取所述射频信号中的多个数据帧，得到数据帧序列；
计算所述数据帧序列中所有相邻帧的获取时间差，得到时间差序列；
计算所述数据帧序列中所有相邻帧的相位差，得到相位差序列；
根据所述时间差序列和所述相位差序列进行线性拟合，得到频率偏移特征值，作为所述低压分布式电源终端设备的射频指纹信息。
2.根据权利要求1所述的射频指纹提取方法，其特征在于，所述计算所述数据帧序列中所有相邻帧的相位差，得到相位差序列，包括：
对所述数据帧序列中每一个数据帧中序号互为相反数的子载波的相位测量值进行求平均值，得到每一个数据帧的平均相位测量值；
对每一个数据帧的平均相位测量值与相邻数据帧的平均相位测量值进行求差值，得到所述数据帧序列中所有相邻帧的相位差，以得到相位差序列。
3.根据权利要求2所述的射频指纹提取方法，其特征在于，所述对所述数据帧序列中每一个数据帧中序号互为相反数的子载波的相位测量值进行求平均值，得到每一个数据帧的平均相位测量值，包括：
根据公式(1)得到每一个数据帧的平均相位测量值：
Figure FDA0004084772570000011
其中，
Figure FDA0004084772570000012
代表第i个数据帧的平均相位测量值，φi,-1和φi,1分别代表第i个数据帧的中序号互为相反数的子载波-1和子载波1的相位测量值。
4.根据权利要求3所述的射频指纹提取方法，其特征在于，所述对每一个数据帧的平均相位测量值与相邻数据帧的平均相位测量值进行求差值，得到所述数据帧序列中所有相邻帧的相位差，以得到相位差序列，包括：
根据公式(2)和公式(3)得到所述数据帧序列中所有相邻帧的相位差：
Figure FDA0004084772570000021
Δti＝ti+1-ti 公式(3)
其中，
Figure FDA0004084772570000022
代表第i对相邻帧的相位差，/>
Figure FDA0004084772570000023
代表第i+1个数据帧的平均相位测量值，Δfc代表频率偏移值，Δti代表第i对相邻帧的时间差，ti+1代表第i+1个数据帧的获取时间，ti代表第i个数据帧的获取时间。
5.根据权利要求1所述的射频指纹提取方法，其特征在于，所述根据所述时间差序列和所述相位差序列进行线性拟合，得到频率偏移特征值，作为所述低压分布式电源终端设备的射频指纹信息，包括：
根据所述时间差序列和所述相位差序列进行线性拟合，得到拟合函数的斜率；
提取所述拟合函数的斜率的特征值，得到频率偏移特征值，作为所述低压分布式电源终端设备的射频指纹信息。
6.根据权利要求5所述的射频指纹提取方法，其特征在于，所述根据所述时间差序列和所述相位差序列进行线性拟合，得到拟合函数的斜率，包括：
根据所述时间差序列和所述相位差序列，生成二维散点图；
利用最小二乘法对所述二维散点图进行线性拟合，得到拟合函数的斜率。
7.根据权利要求6所述的射频指纹提取方法，其特征在于，在所述根据所述时间差序列和所述相位差序列，生成二维散点图之后，还包括：
利用聚类算法对所述二维散点图进行噪声剔除和聚类。
8.一种用于低压分布式电源终端设备的射频指纹提取装置，其特征在于，包括：
数据帧获取模块，用于获取低压分布式电源终端设备发送的射频信号，并提取所述射频信号中的多个数据帧，得到数据帧序列；
时间差计算模块，用于计算所述数据帧序列中所有相邻帧的获取时间差，得到时间差序列；
相位差计算模块，用于计算所述数据帧序列中所有相邻帧的相位差，得到相位差序列；
特征值提取模块，用于根据所述时间差序列和所述相位差序列进行线性拟合，得到频率偏移特征值，作为所述低压分布式电源终端设备的射频指纹信息。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现根据权利要求1至7中任意一项所述的用于低压分布式电源终端设备的射频指纹提取方法的步骤。
10.一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现根据权利要求1至7中任意一项所述的用于低压分布式电源终端设备的射频指纹提取方法的步骤。
CN202310132660.4A 2023-02-17 2023-02-17 用于低压分布式电源终端设备的射频指纹提取方法及装置 Active CN116168423B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310132660.4A CN116168423B (zh) 2023-02-17 2023-02-17 用于低压分布式电源终端设备的射频指纹提取方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310132660.4A CN116168423B (zh) 2023-02-17 2023-02-17 用于低压分布式电源终端设备的射频指纹提取方法及装置

Publications (2)

Publication Number Publication Date
CN116168423A true CN116168423A (zh) 2023-05-26
CN116168423B CN116168423B (zh) 2023-08-04

Family

ID=86414362

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310132660.4A Active CN116168423B (zh) 2023-02-17 2023-02-17 用于低压分布式电源终端设备的射频指纹提取方法及装置

Country Status (1)

Country Link
CN (1) CN116168423B (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106961434A (zh) * 2017-03-21 2017-07-18 南京大学 一种为无线设备进行指纹建模及识别的方法
CN107220937A (zh) * 2017-05-25 2017-09-29 云南电网有限责任公司电力科学研究院 一种电气设备检测用红外全景图像处理方法及平台
CN108700652A (zh) * 2015-12-09 2018-10-23 欧利景无线有限公司 用于无线事件检测和监控的方法、装置和系统
US20190020530A1 (en) * 2012-12-05 2019-01-17 Origin Wireless, Inc. Methods, devices, servers, apparatus, and systems for wireless internet of things applications
CN109713671A (zh) * 2019-02-19 2019-05-03 国网江西省电力有限公司电力科学研究院 配电台区运维方法、系统、存储介质及电子设备
CN110971306A (zh) * 2019-11-18 2020-04-07 武汉光谷信息光电子创新中心有限公司 偏压控制方法、偏压控制装置、调制器和存储介质
CN111812685A (zh) * 2020-06-22 2020-10-23 泰斗微电子科技有限公司 信号跟踪的定位偏差确定方法及装置
CN112822689A (zh) * 2020-12-31 2021-05-18 国网福建省电力有限公司 一种基于载波频率偏差的射频指纹提取方法
US20210377014A1 (en) * 2018-10-19 2021-12-02 National University Of Ireland, Maynooth Encryption method
CN114221842A (zh) * 2021-12-03 2022-03-22 安徽白鹭电子科技有限公司 一种8psk调制信号的载波射频指纹提取系统及方法
CN114785435A (zh) * 2022-03-30 2022-07-22 西安电子科技大学 一种基于零号子载波相位拟合的载波频偏估计方法
CN114867018A (zh) * 2022-06-06 2022-08-05 西安交通大学 利用载波频率偏移的设备识别认证方法、系统及存储介质
CN115242367A (zh) * 2021-04-25 2022-10-25 中国科学院沈阳自动化研究所 面向工业无线信道脉冲响应的数据误差矫正方法
CN115396264A (zh) * 2022-08-22 2022-11-25 网络通信与安全紫金山实验室 射频指纹提取方法、装置和计算机设备

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190020530A1 (en) * 2012-12-05 2019-01-17 Origin Wireless, Inc. Methods, devices, servers, apparatus, and systems for wireless internet of things applications
CN108700652A (zh) * 2015-12-09 2018-10-23 欧利景无线有限公司 用于无线事件检测和监控的方法、装置和系统
CN106961434A (zh) * 2017-03-21 2017-07-18 南京大学 一种为无线设备进行指纹建模及识别的方法
CN107220937A (zh) * 2017-05-25 2017-09-29 云南电网有限责任公司电力科学研究院 一种电气设备检测用红外全景图像处理方法及平台
US20210377014A1 (en) * 2018-10-19 2021-12-02 National University Of Ireland, Maynooth Encryption method
CN109713671A (zh) * 2019-02-19 2019-05-03 国网江西省电力有限公司电力科学研究院 配电台区运维方法、系统、存储介质及电子设备
CN110971306A (zh) * 2019-11-18 2020-04-07 武汉光谷信息光电子创新中心有限公司 偏压控制方法、偏压控制装置、调制器和存储介质
CN111812685A (zh) * 2020-06-22 2020-10-23 泰斗微电子科技有限公司 信号跟踪的定位偏差确定方法及装置
CN112822689A (zh) * 2020-12-31 2021-05-18 国网福建省电力有限公司 一种基于载波频率偏差的射频指纹提取方法
CN115242367A (zh) * 2021-04-25 2022-10-25 中国科学院沈阳自动化研究所 面向工业无线信道脉冲响应的数据误差矫正方法
CN114221842A (zh) * 2021-12-03 2022-03-22 安徽白鹭电子科技有限公司 一种8psk调制信号的载波射频指纹提取系统及方法
CN114785435A (zh) * 2022-03-30 2022-07-22 西安电子科技大学 一种基于零号子载波相位拟合的载波频偏估计方法
CN114867018A (zh) * 2022-06-06 2022-08-05 西安交通大学 利用载波频率偏移的设备识别认证方法、系统及存储介质
CN115396264A (zh) * 2022-08-22 2022-11-25 网络通信与安全紫金山实验室 射频指纹提取方法、装置和计算机设备

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
ANASTASIOS FOLIADIS 等: "CSI-Based Localization with CNNs Exploiting Phase Information", 《ARXIV:2101.08983》, pages 1 - 6 *
石芳: "变电站一次设备智能化及在线监测研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》, pages 042 - 716 *
郑浩: "基于深度学习的手机设备射频指纹识别", 《中国优秀硕士学位论文全文数据库 信息科技辑》, pages 138 - 484 *
陈稼宁: "柔性触觉传感阵列的滑移检测力学建模及其表面识别研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, pages 140 - 170 *
龙保任: "基于RSSI与CSI融合的单节点WiFi室内定位系统", 《中国优秀硕士学位论文全文数据库 信息科技辑》, pages 136 - 1628 *

Also Published As

Publication number Publication date
CN116168423B (zh) 2023-08-04

Similar Documents

Publication Publication Date Title
Candore et al. Robust stable radiometric fingerprinting for wireless devices
CN108268837B (zh) 基于小波熵和混沌特性的辐射源指纹特征提取方法
Zhang et al. An ensemble learning method for wireless multimedia device identification
Sun et al. Automatic modulation classification using techniques from image classification
CN116168423B (zh) 用于低压分布式电源终端设备的射频指纹提取方法及装置
Yu et al. Squared‐root cubature information consensus filter for non‐linear decentralised state estimation in sensor networks
Lu et al. Communication signal modulation mechanism based on artificial feature engineering deep neural network modulation identifier
CN115510924B (zh) 基于改进变分模态分解的射频指纹识别方法
Shin et al. Reduced‐order multisensory fusion estimation with application to object tracking
Zou et al. Natural nearest neighbor for Isomap algorithm without free-parameter
Ding et al. Radio frequency fingerprint extraction based on singular values and singular vectors of time-frequency spectrum
CN116132991A (zh) Rke系统的射频指纹认证方法、装置及存储介质
Alasti Efficient tracking of spatially correlated signals in wireless sensor fields: A weighted stochastic gradient approach
CN110912906B (zh) 一种边缘计算恶意节点识别方法
Wong et al. A security-and privacy-driven hybrid biometric template protection technique
Lai et al. A semi-blocking algorithm on adaptive query splitting for RFID tag identification
Zhai et al. A recursive weighted least squares optimization algorithm based on RSS in wireless sensor networks
Zhang et al. Automatic modulation recognition based on morphological operations
Tian et al. Few‐Shot Learning‐Based Network Intrusion Detection through an Enhanced Parallelized Triplet Network
Wu et al. Least‐squares particle filter
Karamchandani et al. Evolving random geometric graph models for mobile wireless networks
Du et al. A novel secure diffusion Kalman filter algorithm against false data injection attacks
Li et al. Mobile physical layer spoofing detection based on sparse representation
Liu et al. Greedy pursuit–an efficient approach from compressed sensing to robust state estimation
CN115545107B (zh) 一种基于海量电力数据的云计算方法、系统

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
GR01 Patent grant
GR01 Patent grant
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Guo Jing

Inventor after: Huang Wei

Inventor after: Zhuang Ling

Inventor after: Xu Jiangtao

Inventor after: Sun Yunxiao

Inventor after: Guo Yajuan

Inventor after: Jiang Haitao

Inventor after: Gu Zhimin

Inventor after: Fei Juntao

Inventor after: Wang Ziying

Inventor after: Mao Jiaming

Inventor after: Li Yan

Inventor after: Zhao Xindong

Inventor before: Guo Jing

Inventor before: Li Yan

Inventor before: Zhao Xindong

Inventor before: Huang Wei

Inventor before: Zhuang Ling

Inventor before: Xu Jiangtao

Inventor before: Sun Yunxiao

Inventor before: Guo Yajuan

Inventor before: Jiang Haitao

Inventor before: Zhu Shuangtao

Inventor before: Jiang Nan

Inventor before: Gu Zhimin

Inventor before: Fei Juntao

Inventor before: Wang Ziying

Inventor before: Mao Jiaming