辐射源识别方法、装置及辐射源识别模型创建方法、装置制造方法及图纸

本发明专利技术实施例提供一种辐射源识别方法、装置及辐射源识别模型创建方法、装置；方法包括：获取待识别辐射源所发出信号的时域数据；根据所述待识别辐射源所发出信号的时域数据得到所述待识别辐射源所发出信号的暂态信号；从所述待识别辐射源所发出信号的暂态信号中提取多尺度离散熵特征和精细复合多尺度离散熵特征，将所述多尺度离散熵特征和精细复合多尺度离散熵特征进行组合，得到待识别辐射源所发出信号的熵特征向量组合；将所述待识别辐射源所发出信号的熵特征向量组合输入到辐射源识别模型中，获得关于待识别辐射源个体身份信息的识别结果。本发明专利技术实施例具有识别准确率高以及识别效果稳定，对噪声有一定的鲁棒性的优点。

Radiation source identification method, device and radiation source identification model creation method, device

【技术实现步骤摘要】
辐射源识别方法、装置及辐射源识别模型创建方法、装置
本专利技术涉及无线通信安全领域，尤其涉及一种辐射源识别方法、装置及辐射源识别模型创建方法、装置。
技术介绍
随着无线通信网络的发展，无线网络面临严峻的安全威胁，保证无线通信安全已经变得越来越重要。在无线网络安全方面，由于通信设备指纹特征具有唯一性、稳定性以及不易被模仿的特点，因此利用通信设备指纹特征来判定通信设备是否是伪装的入侵通信设备，已经成为无线网络安全防护的一种重要实现方法。特定辐射源识别(SpecificEmitterIdentification，SEI)是利用通信设备指纹特征进行唯一射频发射设备识别的技术。特定辐射源识别通过将给定信号的细微特征与特征库相比较，确定给定信号来自于哪一个发射设备。该技术目前已经被用于提高无线通信安全。现有技术中的辐射源识别方法各自存在一定的缺陷。如谱相关法、包络法等较少考虑噪声因素，因此在实际使用时容易受到噪声的影响；如基于积分双谱、时频谱等的辐射源识别方法在低信噪比中识别效果较差，影响了方法的适用范围。
技术实现思路
本专利技术实施例提供一种辐射源识别方法、装置及辐射源识别模型创建方法、装置，用以解决现有技术中的辐射源识别方法易于受到噪声影响、适用范围有限等缺陷，实现了对辐射源个体的高准确率识别。本专利技术第一方面实施例提供一种辐射源识别方法，包括：获取待识别辐射源所发出信号的时域数据；根据所述待识别辐射源所发出信号的时域数据得到所述待识别辐射源所发出信号的暂态信号；从所述待识别辐射源所发出信号的暂态信号中提取多尺度离散熵特征和精细复合多尺度离散熵特征，将所述多尺度离散熵特征和精细复合多尺度离散熵特征进行组合，得到待识别辐射源所发出信号的熵特征向量组合；将所述待识别辐射源所发出信号的熵特征向量组合输入到辐射源识别模型中，获得关于待识别辐射源个体身份信息的识别结果；其中，所述辐射源识别模型是将个体身份信息已知的辐射源所发出信号的熵特征向量以及所述辐射源的个体身份信息作为样本数据，采用机器学习方式训练得到的用于获取待识别辐射源的个体身份信息的模型；所述个体身份信息包括个体的种类、型号以及标识号的信息。上述技术方案中，所述根据所述待识别辐射源所发出信号的时域数据得到所述待识别辐射源所发出信号的暂态信号具体包括：对所述待识别辐射源所发出信号的时域数据进行短时傅里叶变换，得到待识别辐射源所发出信号的能量包络；根据待识别辐射源所发出信号的能量包络最大值与能量包络最小值计算自适应阈值；从待识别辐射源所发出信号的能量包络中选取能量包络值大于自适应阈值的第一个点，得到暂态信号的起始点；根据所述暂态信号的起始点、暂态时间长度以及采样率得到待识别辐射源所发出信号的暂态信号。上述技术方案中，所述辐射源识别模型所基于的样本数据中包括待识别辐射源所发出信号的熵特征向量组合以及待识别辐射源的个体身份信息。本专利技术第二方面实施例提供一种辐射源识别模型创建方法，包括：获取多个辐射源所发出信号的时域数据以及所述多个辐射源的个体身份信息；根据所述多个辐射源所发出信号的时域数据，得到所述多个辐射源所发出信号的暂态信号；从所述多个辐射源所发出信号的暂态信号中分别提取多尺度离散熵和精细复合多尺度离散熵，将所述多个辐射源中的每一个辐射源所发出信号的暂态信号的多尺度离散熵特征和精细复合多尺度离散熵特征分别进行组合，得到多个辐射源所发出信号的熵特征向量组合；将所述多个辐射源所发出信号的熵特征向量组合以及所述多个辐射源的个体身份信息作为样本数据，采用机器学习方式训练模型，得到用于识别辐射源个体身份信息的辐射源识别模型。上述技术方案中，所述采用机器学习方式训练模型包括：采用交叉验证支持向量机的方式训练模型；或，采用K近邻算法训练模型。上述技术方案中，所述多个辐射源包括多个同种类的不同辐射源个体。本专利技术第三方面实施例提供一种辐射源识别装置，包括：信号采集模块，用于获取待识别辐射源所发出信号的时域数据；暂态信号获取模块，用于根据所述待识别辐射源所发出信号的时域数据得到所述待识别辐射源所发出信号的暂态信号；熵特征向量组合获取模块，用于从所述待识别辐射源所发出信号的暂态信号中提取多尺度离散熵特征和精细复合多尺度离散熵特征，将所述多尺度离散熵特征和精细复合多尺度离散熵特征进行组合，得到待识别辐射源所发出信号的熵特征向量组合；识别模块，用于将所述待识别辐射源所发出信号的熵特征向量组合输入到辐射源识别模型中，获得关于待识别辐射源个体身份信息的识别结果；其中，所述辐射源识别模型是将个体身份信息已知的辐射源所发出信号的熵特征向量以及所述辐射源的个体身份信息作为样本数据，采用机器学习方式训练得到的用于获取待识别辐射源的个体身份信息的模型；所述个体身份信息包括个体的种类、型号以及标识号的信息本专利技术第四方面实施例提供一种辐射源识别模型创建装置，包括：信号与个体身份信息采集模块，用于获取多个辐射源所发出信号的时域数据以及所述多个辐射源的个体身份信息；暂态信号获取模块，用于根据所述多个辐射源所发出信号的时域数据，得到所述多个辐射源所发出信号的暂态信号；熵特征向量组合获取模块，用于从所述多个辐射源所发出信号的暂态信号中分别提取多尺度离散熵和精细复合多尺度离散熵，将所述多个辐射源中的每一个辐射源所发出信号的暂态信号的多尺度离散熵特征和精细复合多尺度离散熵特征分别进行组合，得到多个辐射源所发出信号的熵特征向量组合；模型训练模块，用于将所述多个辐射源所发出信号的熵特征向量组合以及所述多个辐射源的个体身份信息作为样本数据，采用机器学习方式训练模型，得到用于识别辐射源个体身份信息的辐射源识别模型。本专利技术第五方面实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本专利技术第一方面实施例所述辐射源识别方法的步骤，或实现如本专利技术第二方面实施例所述辐射源识别模型创建方法的步骤。本专利技术第六方面实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如本专利技术第一方面实施例所述辐射源识别方法的步骤，或实现如本专利技术第二方面实施例所述辐射源识别模型创建方法的步骤。本专利技术实施例提供的辐射源识别方法、装置及辐射源识别模型创建方法、装置，从待识别辐射源所发出信号的暂态信号中提取多尺度离散熵特征和精细复合多尺度离散熵特征，将这两类熵特征作为辐射源识别模型的特征，从而实现对辐射源个体的识别，具有识别准确率高以及识别效果稳定，对噪声有一定的鲁棒性的优点。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领本文档来自技高网...

【技术保护点】
1.一种辐射源识别方法，其特征在于，包括：/n获取待识别辐射源所发出信号的时域数据；/n根据所述待识别辐射源所发出信号的时域数据得到所述待识别辐射源所发出信号的暂态信号；/n从所述待识别辐射源所发出信号的暂态信号中提取多尺度离散熵特征和精细复合多尺度离散熵特征，将所述多尺度离散熵特征和精细复合多尺度离散熵特征进行组合，得到待识别辐射源所发出信号的熵特征向量组合；/n将所述待识别辐射源所发出信号的熵特征向量组合输入到辐射源识别模型中，获得关于待识别辐射源个体身份信息的识别结果；其中，/n所述辐射源识别模型是将个体身份信息已知的辐射源所发出信号的熵特征向量以及所述辐射源的个体身份信息作为样本数据，采用机器学习方式训练得到的用于获取待识别辐射源的个体身份信息的模型；所述个体身份信息包括个体的种类、型号以及标识号的信息。/n

【技术特征摘要】
1.一种辐射源识别方法，其特征在于，包括：
获取待识别辐射源所发出信号的时域数据；
根据所述待识别辐射源所发出信号的时域数据得到所述待识别辐射源所发出信号的暂态信号；
从所述待识别辐射源所发出信号的暂态信号中提取多尺度离散熵特征和精细复合多尺度离散熵特征，将所述多尺度离散熵特征和精细复合多尺度离散熵特征进行组合，得到待识别辐射源所发出信号的熵特征向量组合；
将所述待识别辐射源所发出信号的熵特征向量组合输入到辐射源识别模型中，获得关于待识别辐射源个体身份信息的识别结果；其中，
所述辐射源识别模型是将个体身份信息已知的辐射源所发出信号的熵特征向量以及所述辐射源的个体身份信息作为样本数据，采用机器学习方式训练得到的用于获取待识别辐射源的个体身份信息的模型；所述个体身份信息包括个体的种类、型号以及标识号的信息。


2.根据权利要求1所述的辐射源识别方法，其特征在于，所述根据所述待识别辐射源所发出信号的时域数据得到所述待识别辐射源所发出信号的暂态信号具体包括：
对所述待识别辐射源所发出信号的时域数据进行短时傅里叶变换，得到待识别辐射源所发出信号的能量包络；
根据待识别辐射源所发出信号的能量包络最大值与能量包络最小值计算自适应阈值；
从待识别辐射源所发出信号的能量包络中选取能量包络值大于自适应阈值的第一个点，得到暂态信号的起始点；
根据所述暂态信号的起始点、暂态时间长度以及采样率得到待识别辐射源所发出信号的暂态信号。


3.根据权利要求1所述的辐射源识别方法，其特征在于，所述辐射源识别模型所基于的样本数据中包括待识别辐射源所发出信号的熵特征向量组合以及待识别辐射源的个体身份信息。


4.一种辐射源识别模型创建方法，其特征在于，包括：
获取多个辐射源所发出信号的时域数据以及所述多个辐射源的个体身份信息；
根据所述多个辐射源所发出信号的时域数据，得到所述多个辐射源所发出信号的暂态信号；
从所述多个辐射源所发出信号的暂态信号中分别提取多尺度离散熵和精细复合多尺度离散熵，将所述多个辐射源中的每一个辐射源所发出信号的暂态信号的多尺度离散熵特征和精细复合多尺度离散熵特征分别进行组合，得到多个辐射源所发出信号的熵特征向量组合；
将所述多个辐射源所发出信号的熵特征向量组合以及所述多个辐射源的个体身份信息作为样本数据，采用机器学习方式训练模型，得到用于识别辐射源个体身份信息的辐射源识别模型。


5.根据权利要求4所述的辐射源识别模型创建方法，其特征在于，所述采用机器学习方式训练模型包括：
采用交叉验证支持...

【专利技术属性】
技术研发人员：徐艳云，郭少颖，张萌，黄伟庆，
申请(专利权)人：中国科学院信息工程研究所，
类型：发明
国别省市：北京;11