[发明专利]基于卷积神经网络的射频指纹嵌入式实时识别方法及系统

权利要求书

1.一种基于卷积神经网络的射频指纹嵌入式实时识别方法，所述方法包括：

采集天线接收的无线信号并进行存储；

当发现有新的无线信号，按照预设的采集点数和时间长度依次读取信号数据；

对读取的信号数据进行预处理；

将预处理后的信号数据输入预先建立好的射频指纹识别模型，输出该信号数据对应的射频设备标号，得到射频指纹识别结果；

所述采集天线接收的无线信号并进行存储， 具体包括：

采集天线接收的无线信号，经处理后输出采样信号并进行低通滤波处理，然后进行存储；

所述射频指纹识别模型的输入为同相正交信号，输出为射频指纹识别结果，采用CNN-IQ网络，所述CNN-IQ网络包括依次连接的多层卷积层和分类层，其中，

所述多层卷积层包括H个卷积层，每个卷积层通过多通道滤波将同相正交信号扩展为C个通道，并在每个通道内进行不同特征的提取；每个卷积层的输出依次进行归一化处理和激活函数的处理，所述激活函数为ReLU；第1个卷积层采用(1,2)的滤波器提取IQ相关特征，再采用多层时域滤波器提取时域特征，每2个时域滤波器后采用最大池化进行时域方向数据降维，然后采用自适应平均池化，将C个通道的特征均值作为最终特征值输入分类层；

所述分类层采用1个全连接层，分类函数为Sigmoid。

2.根据权利要求1所述的基于卷积神经网络的射频指纹嵌入式实时识别方法，其特征在于，所述对读取的信号数据进行预处理；具体包括：

对读取的信号数据依次进行数据格式转换、数据切分处理和有效信号判断，得到同相正交信号。

3.根据权利要求1所述的基于卷积神经网络的射频指纹嵌入式实时识别方法，其特征在于，所述射频指纹识别模型的训练过程为：

步骤1)建立训练集；

步骤2)按一定比例从训练集中随机选取若干数据分别生成训练样本、验证样本与测试样本；

步骤3)对训练样本进行监督训练，每训练2轮次进行1次验证，选取在验证样本中获得最高识别准确率的参数作为射频指纹识别模型的参数；

步骤4)将测试样本输入射频指纹识别模型进行测试，获得模型识别准确率；

步骤5)判断模型识别准确率是否达到预设的准确率阈值，如果未达到，调整射频指纹识别模型的参数，转至步骤3)；如果达到，则得到训练好的射频指纹识别模型。

4.根据权利要求3所述的基于卷积神经网络的射频指纹嵌入式实时识别方法，其特征在于，所述步骤1)具体包括：

对X个Lora无线发射模块进行序号标记作为标签；

采集X个Lora无线发射模块的通信信号；

对采集的通信信号进行预处理；

将预处理后的通信信号和对应的发射模块的序号标记进行关联并建立训练集。