[发明专利]基于信号差的无线设备瞬态及稳态设备指纹提取与识别方法

权利要求书

1.基于信号差的无线设备瞬态及稳态设备指纹提取与识别方法，其特征在于，包括如下步骤：

S1，信号预处理：接收设备采集信号，并对采集的信号进行信号预处理，随后通过检测或解调后，获得标准的发射信号序列，所述信号预处理至少包括对采集信号的能量估计与归一化、时间同步、载波频率偏差与相位偏差的估计和补偿；

S2，信号差值获取：将经过预处理的信号与对应的标准的发射信号进行相减，获得信号差值；所述相减操作包括基于所得基带信号与对应标准信号的I/Q两路分别进行相减，或者先对两者取模值后再进行相减，具体如下：

d(n)＝x(n)-s(n)，或d_abs(n)＝abs(x(n))-abs(s(n))，

0≤n≤L_CP+L_ZC，n∈Z；

其中，x表示接收到的随机接入序列，s表示x对应的标准随机接入序列，d表示x与s的差值序列，n表示序列样本点索引，L_ZC为ZC序列的长度，L_CP为循环前缀的长度；

S3，分阶段信号差值的获取：无线设备开始发送信号到达额定功率的信号部分为开始瞬态，设备功率从额定值开始下降直到设备停止工作的信号部分为结束瞬态，开始瞬态与结束瞬态之间的信号部分为稳态部分，信号在开始进入或即将结束额定功率时出现的一段不稳定的信号区域为半稳态部分，基于步骤S2获得的信号差值，根据同步点位置截取出开始瞬态及开始瞬态中的半稳态部分、结束瞬态及结束瞬态中的半稳态部分、稳态部分的信号差值；

S4，分类器结果输出：使用机器学习算法将步骤S3获得的开始瞬态、结束瞬态和稳态部分的信号差值分别进行处理，得到不同信号部分所对应分类器输出的距离值，所述距离值为测试样本经过训练好的分类器后被归为每一类标签的概率分数值；

S5，指纹识别结果获得：对多个分类器的结果进行集成，根据标签信息重新判别分类结果，获得设备指纹识别的结果。

2.如权利要求1所述的基于信号差的无线设备瞬态及稳态设备指纹提取与识别方法，其特征在于：所述步骤S1中，对于移动通信中的随机接入信道序列或其他已知的序列，进行相关检测可得到已知的序列号，从而在本地生成标准的发射信号；对于调制的信号，通过解调得到每一个符号正确的码元后再生成本地的标准发射信号。

3.如权利要求2所述的基于信号差的无线设备瞬态及稳态设备指纹提取与识别方法，其特征在于：所述步骤S1对采集信号的能量估计与归一化处理过程如公式所示：

其中，x₀表示采集到的原始基带随机接入序列，n表示序列样本点索引，L_ZC为ZC序列的长度，L_CP为循环前缀的长度。

4.如权利要求2所述的基于信号差的无线设备瞬态及稳态设备指纹提取与识别方法，其特征在于：所述步骤S1对采集信号的时间同步处理中，利用随机接入信道序列的循环前缀进行时间粗同步操作，公式如下：

其中，x表示接收到的归一化处理后的随机接入序列，x^*为进行的共轭操作，i为序列样本点索引，n表示假设以序列索引i为信号同步点进行一组循环前缀长度的相关运算的点数索引，利用循环前缀的重复性计算得到L_CP点相关运算的最大值对应的i值即为序列的时间粗同步点索引。

5.如权利要求3或4所述的基于信号差的无线设备瞬态及稳态设备指纹提取与识别方法，其特征在于：所述步骤S1载波频率偏差的估计和补偿的处理中，首先基于信号频谱位置的偏移进行载波频率偏差粗估计，计算出粗载波频偏值，具体为：

其中f_R为频谱上标准信号的右边带，f_L为频谱上标准信号的左边带，为频谱上接收信号的右边带，为频谱上接收信号的左边带，N_FFT为FFT的点数，R_S为接收信号的采样率；

随后，基于频偏粗估计的结果对接收的信号进行频偏补偿，再基于重复的循环前缀进行频偏的细估计，具体如下：

基于上述频偏估计结果对接收信号进行频偏补偿，具体如下：