[发明专利]一种基于双谱和EMD融合特征的手机个体识别方法

摘要

本发明公开了一种基于双谱和EMD融合特征的手机个体识别方法，通过分别对所有样本通过计算双谱，再利用PCA降维，得到特征集X；同时计算样本经验模态分解，得到信号杂散成分的功率谱，再通过Fisher判别分析得到特征集Y；对特征集X和Y做CCA特征融合得到融合特征集Z；对Z按m％:n％的比例做水平切分得到训练集ZTrain和测试集ZTest，用训练集ZTrain训练随机森林分类器，并利用训练好的分类器对测试集ZTest进行分类决策，最终输出手机个体识别结果。

主权项

一种基于双谱和EMD融合特征的手机个体识别方法，其特征在于，包括以下步骤：(1)、对待识别的手机个体采样在手机通话阶段，使用AD9361软件无线电平台对待识别的手机个体采样，采样频段为a～bMHz，采样频率为fsMHz，其中，设待识别的手机个体共C个，每个手机个体采样M组采样数据，则待识别的手机个体共计采样出C×M组采样数据；(2)、采样数据预处理将C×M组采样数据依次通过PCIE实时传输到PC机上，再通过对采样数据进行解帧和重组，得到I、Q两路数据信号；(3)、获取数据样本集计算I、Q两路数据信号的模值，将采样数据的长度等于L且模值大于预设阈值的采样数据保存在数据样本集S{}中，n表示数据样本集中采样数据的个数，n≤C×M；(4)、求取样本特征集X计算每个数据样本的双谱，再求取其矩形围线积分作为双谱特征，最后利用多分类Fisher判别双谱特征，将双谱特征分离度最大的k个特征作为样本特征集X；(5)、求取样本特征集Y计算每个数据样本的经验模态分解，再去除主分量和噪声后计算出杂散成分的功率谱，最后利用主成分分析法对杂散成分的功率谱进行降维，将降维后最大的前p个主成分分量作为样本特征集Y；(6)、利用典型相关分析法对样本特征集X和样本特征集Y进行特征融合，得到融合后的特征集Z，对Z按m％:n％的比例做水平切分，其中，m％作为训练集ZTrain，剩下的为测试集ZTest；(7)、构建随机森林分类器，用训练集ZTrain训练该分类器，并利用训练好的分类器对测试集ZTest进行分类决策，最终输出手机个体识别结果。