[发明专利]基于ACGAN-GP的小样本无线设备RF指纹识别方法及装置

权利要求书

1.一种基于ACGAN-GP的小样本无线设备RF指纹识别方法，其特征在于，包括以下步骤：

获取无线设备的射频信号，并对所述射频信号进行预处理，以生成相应的训练信号；

根据ACGAN-GP识别检测算法和所述训练信号进行生成模型和判别模型的训练，并根据训练结果确定最终判别模型；

获取待检测射频信号，并将所述待检测射频信号输入到最终判别模型，以通过所述最终判别模型对所述待检测射频信号进行识别。

2.如权利要求1所述的基于ACGAN-GP的小样本无线设备RF指纹识别方法，其特征在于，对所述射频信号进行预处理，包括：

根据相位法确定所述射频信号的起点，并提取所述射频信号的包络信息，以及采用主成分分析法降低所述射频信号的信号维度。

3.如权利要求1所述的基于ACGAN-GP的小样本无线设备RF指纹识别方法，其特征在于，在所述ACGAN-GP识别检测算法中，损失函数为铰链损失函数，优化算法为梯度下降法，引入梯度惩罚，以限定判别模型的梯度。

4.如权利要求1至4中任一项所述的基于ACGAN-GP的小样本无线设备RF指纹识别方法，其特征在于，所述ACGAN-GP识别检测算法的损失函数通过以下公式表述：

L_S＝E_x～q[max(0,1-D(x,c)]+E_z～p[max(0,1+D(G(z,c),c))]

其中，L_S表示真假判别损失，D为判别器，G为生成器；q表示真实信号x的分布，c为对应的数据标签，p表示生成器生成信号G(z,c)的分布；D(x,c)表示真实信号的判别结果，D(G(z,c),c)表示生成信号的判别结果；

L_c＝E[P(C＝c|x)]+E[P(C＝c|G(z,c))]

其中，L_c表示分类损失。

5.如权利要求1-3中任一项所述的基于ACGAN-GP的小样本无线设备RF指纹识别方法，其特征在于，所述判别模型的梯度惩罚通过以下公式表述：

其中，x～q，y～p，并且α～y(0,1)，通过联合真实数据和生成数据，可有效防止在训练过程中发生梯度爆炸。

6.如权利要求3所述的基于ACGAN-GP的小样本无线设备RF指纹识别方法，其特征在于，所述梯度下降法通过以下公式表述：

S_dw＝βS_dw+(1-β)dW²

S_db＝βS_db+(1-β)db²

其中，S_dw表示网络的权值W的累计梯度，S_db表示网络偏置b的累积梯度，β表示梯度累积控制参数，W表示本次迭代后更新的权值，b表示本次迭代后更新的偏置，α表示当前迭代梯度更新的控制参数。

7.一种计算机可读存储介质，其特征在于，其上存储有基于ACGAN-GP的小样本无线设备RF指纹识别程序，该基于ACGAN-GP的小样本无线设备RF指纹识别程序被处理器执行时实现如权利要求1-6中任一项所述的基于ACGAN-GP的小样本无线设备RF指纹识别方法。

8.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时，实现如权利要求1-6中任一项所述的基于ACGAN-GP的小样本无线设备RF指纹识别方法。