[发明专利]一种资源受限环境下的射频指纹识别方法

权利要求书

1.一种资源受限环境下的射频指纹识别方法，其特征在于，包括以下步骤：

S1、制作训练样本，具体为：将获取到无线电设备I/Q信号，划分为I/Q两路2×128格式的射频指纹数据，从而构成训练样本集X₀；

S2、构建射频指纹识别模型，具体包括标准卷积层、第一深度可分离卷积层、第二深度可分离卷积层、全连接层和输出层；

所述标准卷积层使用1×1的卷积核对输入数据集X₀的通道数进行扩张，得到一个2×128×10的输出数据X₁；

所述第一深度可分离卷积层使用1×3的卷积核对上一层的输出数据X₁进行特征提取，得到一个2×126×64的输出数据X₂；

所述第二深度可分离卷积层使用2×1的卷积核对上一层的输出数据X₂进行特征提取，得到一个1×126×64的输出数据X₃；

所述全联接层使用128大小的全联接层对上一层的输出数据X₃进行特征提取，得到一个1032192维的输出向量X₄；

所述输出层使用上一层的输出数据X₄，输入到softmax函数中得到识别结果Y；

S3、采用步骤S1获得的训练样本对步骤S2构建的射频指纹识别模型进行训练，获得训练好的射频指纹识别模型后，对训练好的射频指纹识别模型进行量化，具体为：

S31、对于输入向量x，在输入之前统计出输入样本中的最大值和最小值，然后计算出缩放因子S_x和量化后的零值Z_x，其中S_x和Z_x的计算公式为：

式中，R_max表示输入向量x中的最大值，R_min表示输入向量x中的最小值，Q_max表示量化之后的最大的定点值，Q_min表示量化之后最小的定点值；

同样的，定义卷积层、全连接层的权重为w₁，w₂以及缩放因子和量化后的零值为S_w1，Z_w1，S_w2，Z_w2，定义中间层的激活值为a₁，a₂，并统计出其缩放因子和量化后的零值为S_a1，Z_a1，S_a2，Z_a2，因为卷积运算和全连接层的运算本质上都是矩阵运算，因此可以定义量化运算为：

式中，表示被量化之后的输入数据，表示被量化之后的权重矩阵，表示被量化之后的激活值，在推理过程中，不再需要将输出反量化回a₁，直接用q_a1执行后面的计算；

S32、量化ReLU层：经过量化操作之后，计算公式从

q_ar＝max(q_a1,0)

变换为：

q_ar＝max(q_a1,Z_a1)

式中，q_a1表示经过卷积操作以及量化后的激活值，q_ar表示经过ReLU运算以及量化后的输出值，同时，S_ar＝S_a1，Z_ar＝Z_a1；

S33、定义网络的输出为y，对应的缩放因子和量化之后的零值为S_y和Z_y，则全连接层经过量化之后用如下公式表示：

式中，表示经过量化之后的全连接层激活值，表示经过量化之后的全联接层权重，q_y表示经过量化之后的输出值；

S34、通过下面的公式把量化之后的结果进行反量化，得到模型的输出：

y＝S_y(q_y-Z_y)

式中，S_y表示网络输出y的缩放因子，Z_y表示网络输出y被量化之后的零点，q_y表示网络输出y被量化之后的数值；

S35、保存量化之后的模型；

S4、将待识别的射频指纹信号按照S1的方法划分后输入到保存的量化之后的模型，得到识别结果。