基于数据挖掘工具的电台“指纹”识别

提取了两类AM电台实际信号的“指纹”特征，根据该特征，利用基于数据挖掘工具iDA的ESX和反向传播神经网络工具对两类电台信号进行了有指导的分选识别，实验表明，这种有指导的学习对通信电台的指纹识别有一定效果。     

基于瞬时频率畸变特性的FSK电台指纹特征提取

为解决FSK电台个体识别问题,需要从辐射源信号上提取特征构成辐射源指纹。通过分析构成FSK电台的各个模块的畸变特性,阐明了FSK电台指纹产生机理,建立了基于瞬时频率的指纹信号模型,并根据信号模型设计了基于辅助参数的最小二乘算法以完成FSK频率畸变特性参数的估计,从而构建指纹特征完成对FSK电台的识别。对仿真信号和实际信号的识别测试试验表明,该算法具备辐射源个体识别能力,对实际环境下的4个FSK电台的识别率大于96%,优于双谱类方法。     

电台指纹识别技术研究综述

由于各个通信电台在硬件制造工艺上的细微差异,导致电台发射的信号频谱上携带区别于其他电台的个体特征,即电台指纹。电台指纹识别在当今通信对抗领域中电台个体的识别、侦查、监测、定向打击等军事活动中扮演着越来越重要的角色。从电台指纹产生机理分析入手,整理和归纳能够作为电台个体识别依据的指纹特征相关的研究理论和成果,总结常用实现同一型号、不同电台个体识别的特征参数提取方法,并且对电台指纹识别技术在军事和民用方面的应用前景作出展望。     

2FSK信号"指纹"特征的研究

人有表示个体属性的指纹特征 ,无线电通信信号 (下称信号 )是否存在描述个体电台的电子“指纹”特征 (下称“指纹”特征 )呢 ?文中分析了信号“指纹”特征存在的可能性 ,并以 2FSK信号为例 ,论述了 2FSK信号应具有的“指纹”特征 ,同时提取了其中部分“指纹”特征。     

基于指纹特征数字水印算法的身份认证技术研究

本文利用指纹特征信息生成数字水印信号，并隐藏在身份证件之中．以身份证件作为指纹信息的载体，取代了传统指纹识别系统中的指纹特征参考信息数据库，提高整个自动指纹识别系统(AFIS)的安全性．同时，嵌入指纹特征信息的身份证件与用户存在本质联系，防止证件被盗用，实现对证件的保护．实验证明，使用含水印的证件在保证指纹识别系统正常工作的前提下，提高了验证的安全性，并且水印算法具有一定的鲁棒性．     

窄带信号中的放大器"指纹"特征提取: 原理分析及FM广播实测实验

 本文提出了一种利用放大器非线性特性来进行特定辐射源识别的多通道相关指纹识别(Multi-Channel Correlation Fingerprinting;MCCF)方法.该方法首先由功率放大器的泰勒级数模型导出窄带输出信号的载频分量和谐波分量表达式,然后利用两分量的关联性,将载频分量作为放大器激励信号的近似,代入谐波分量的表达式中,用最小二乘方法估计出"指纹"特征量.在此基础上本文分析了MCCF的指纹特征的可观测条件和估计的CRLB.该方法定义的指纹特征与放大器的级数模型有关,与激励信号的形式无关,因此是发射机固有的.依据本方法对长沙地区的调频广播的电台进行了"指纹"提取实测实验,在谐波分量功率比载频分量小60到80dB的典型条件下,对四个电台的发射机进行了有效的分类.     

短时频率稳定度特征分析的FSK信号个体识别

针对通信电台个体识别问题,提出一种利用码元持续时间内短时频率稳定度的指纹特征识别FSK信号电台的方法。采用改进的多周期“过零点”法提取瞬时频率,然后计算瞬时频率的信息维数特征,最后利用最近邻分类器实现电台个体识别。在高斯信道和短波信道下进行的仿真实验证明了该方法的有效性。     

基于信号包络新特征参数的电台个体识别

非协作条件下的电台个体识别是目前通信侦察领域的一个难题。尽管已有多种方法从电台的发射信号中提取到指纹特征实现个体识别,但均在不同程度上存在着低信噪比条件下电台个体识别准确率不高的问题。在分析信号包络特征可以应用于电台个体识别的基础上,提出了一种基于信号复调制与低通滤波的改进包络提取算法,精确地提取信号包络;并为达到降维的目的,从提取的信号包络中求得一个对信号包络特征具有较强表征能力的新特征参数。仿真结果表明,不同电台个体的新特征参数具有较好的聚类性能,识别准确率在95%以上,有效提高了低信噪比条件下电台个体识别的准确率。     

基于深度学习的通信辐射源指纹特征提取算法

针对在小样本条件下难以有效提取通信辐射源指纹特征的问题，设计了一种堆栈自编码网络的通信辐射源个体细微特征提取算法。首先通过预处理（高阶谱分析）将原始通信辐射源信号从时域转化到高维特征空间，然后利用大量无标签的通信辐射源高维样本训练堆栈自编码器网络，在此基础上，通过少量有标签的通信辐射源样本对softmax回归模型进行精校训练，从而获得面向通信辐射源指纹特征提取的深度学习网络。实际采集的通信电台数据集上的实验结果验证了该模型的可行性与有效性。      

基于小波变换的K-L变换去噪应用研究

在通信对抗电台指纹特征识别研究中,需要多个不同的传感器来采集数据.经多路传感器系统所采集到的原始信号数据,各传感器通道的有效信号之间具有较强的相关性,而随机噪声之间不具有相关性,K-L变换对不同通道间不相关随机噪声的去除具有比较大的优势.原始信号中可能含有多个频率,实现对各个频率成分分别去噪具有重要意义.用基于小波变换的K-L变换去噪方法进行电台指纹特征识别的应用.仿真结果显示对各频率分量基于小波变换的K-L变换去噪能够较好的实现信噪分离.     

基于深度学习的蓝牙射频指纹识别系统

蓝牙射频指纹具有难以伪造的优点，基于射频指纹的身份识别能有效提高网络的安全性。文中设计了一种基于深度学习网络的蓝牙射频指纹识别系统。首先，利用Hackrf One软件无线电平台和GNU Radio软件在蓝牙信号广播阶段采集多种蓝牙信标信号。其次，对蓝牙信号进行预处理，将预处理后的数据分为训练集与验证集。然后，使用MATLAB深度学习工具箱来设计长短期记忆网，利用训练数据集对各个网络进行训练，得到蓝牙射频指纹识别网络。最后，利用验证集对上述网络进行测试和分析。当迭代次数为300时，网络对3种蓝牙信标的射频指纹识别的准确率均达到80%以上。     

载频稳定度在射频指纹识别中的应用研究

射频指纹识别是利用辐射源射频特征唯一性对其个体身份进行识别的技术,具有广阔的军民用应用前景。针对传统射频指纹特征稳定度不高、难以工程实现的问题,提出了一种基于辐射源频率偏移和相位噪声等多维频域特性的射频指纹识别方法。该方法以ADS-B信号为例,利用统计原理对频率偏移和相位噪声特征进行量化处理,并利用贝叶斯分类方法对信号进行分类以实现辐射源个体身份的识别。通过半实物生成和实采ADS-B信号数据两种方式对提出的算法进行实验验证。实验结果表明,该方法能够对同型号的辐射源进行有效区分,对真实环境下4个目标的识别正确率达到93.5%。     

车辆自动识别系统移动站及其在城市交通监管中的应用

车辆自动识别系统 (AVI)移动站具有机动、快速和自动识别车辆的特点 ,适合于在城市监管中广泛应用。它采用射频识别 (RFID)技术 ,通过车卡 (TAG)采集车辆数据信息 ,对车辆进行自动识别和处理 ,识别率超过 99%;采用视频识别 (VFID)技术 ,通过摄像机采集车辆图像信息 ,在光照较强的情况下 ,识别率可以达到 80 %以上。     

基于功率谱密度的通信辐射源个体识别方法

为阻止设备克隆、重放攻击和用户身份假冒等问题的发生,准确识别和认证物联对象,提出一种基于功率谱密度指纹特征与智能分类器的通信辐射源个体识别方法。利用接收机采集I路射频基带信号;通过方差轨迹检测截取稳态信号片段,并对稳态信号片段进行数据标准化处理;计算数据标准化处理后的稳态信号片段的功率谱密度得到特征向量,将所述特征向量作为发射机的射频指纹;最后利用智能分类器识别所述射频指纹,完成通信辐射源个体识别。通过对同厂家、同型号、同批次的8个无线数传电台E90-DTU设备和100个WiFi网卡设备的实验测试表明,本文所提方法在视距(LOS)场景、视距场景与非视距(NOS)场景的混合场景、低信噪比场景、大数量物联设备场景都具有良好的识别准确率。     

Ballistics projectile image analysis for firearm identification.

This paper is based upon the observation that, when a bullet is fired, it creates characteristic markings on the cartridge case and projectile. From these markings, over 30 different features can be distinguished, which, in combination, produce a "fingerprint" for a firearm. By analyzing features within such a set of firearm fingerprints, it will be possible to identify not only the type and model of a firearm, but also each and every individual weapon just as effectively as human fingerprint identification. A new analytic system based on the fast Fourier transform for identifying projectile specimens by the line-scan imaging technique is proposed in this paper. This paper develops optical, photonic, and mechanical techniques to map the topography of the surfaces of forensic projectiles for the purpose of identification. Experiments discussed in this paper are performed on images acquired from 16 various weapons. Experimental results show that the proposed system can be used for firearm identification efficiently and precisely through digitizing and analyzing the fired projectiles specimens.     

基于领域自适应的动态噪声辐射源个体识别

现有基于深度神经网络的辐射源识别算法受训练场景限制,当待测信号与训练数据集的信道环境噪声不一致时,网络的识别性能严重退化。为了克服该问题,本文提出一种基于迁移学习的辐射源个体识别算法。该算法结合领域自适应的思想,建立优化模型将不同信噪比下信号的特征对齐,使在特定信噪比下训练的神经网络学习到与信道噪声无关的射频指纹特征,实现对其他信噪比下信号的高准确率识别。仿真实验结果表明,提出的算法显著提升了基于深度神经网络的辐射源个体识别算法在动态噪声条件下的准确率,在待识别信号信噪比下降4 dB的情况下,准确率提升了45.18%。      

一种新的认知无线电主用户信号识别方法

频谱感知过程中的主用户识别是目前认知无线电研究的主要问题之一.利用主用户电台信号特征,提出一种新的、实用的认知无线电主用户识别方法.通过利用小波及聚类分析对电台开机或通信模式切换时产生的瞬态信号进行分析,提出了两个特征指标用于电台的识别从而判断用户的身份.计算机仿真结果验证了该方法的可行性,并给出了下一步研究方向.     

应用深度神经网络和集成学习的电台个体识别

提出了一种基于深度神经网络的个体智能识别方法,可用于电台个体分类识别.该方法构建集成多子网络的一维深度卷积模型,以电台时序信号作为模型输入,进行电台个体分类.利用深度神经网络自动特征化的能力,该方法从时序信号中自动获取个体特征,从而以端到端的形式实现从电台信号识别电台个体.该方法能够免去基于专家知识的特征提取工作,自动提取的个体深度特征还有助于区分传统特征无法区分的高度相似电台个体.实验证明,该方法能有效降低模型调参设计难度,能减轻单一网络带来的特征提取识别过拟合问题,能提高电台个体识别算法的泛化能力与鲁棒性.在信噪比12 dB的条件下,对10类电台8PSK调制信号进行特征提取与识别,整体正确率91.83％,平均正确率为89.12％;对MSK调制信号进行特征提取与识别,平均分类精度为89.1％.     

一种基于I/Q失配的辐射源指纹提取方法

针对现有的辐射源识别方法的不足,利用辐射源自身I/Q失配指纹特征的可检测、可重现、不变的特性,提出一种基于I/Q失配的新型射频指纹特征提取方法.该方法是一种基于信号空间的指纹特征提取方法,它需要对信号的信噪比进行估计.综合考虑,采用基于特征值分解的信噪比估计方法.实验仿真结果表明,在相同的信噪比条件下,基于I/Q失配的射频指纹特征提取方法比双谱、Hilbert-Huang变换信号特征提取方法具有更加优越的射频指纹识别性能.