一种辐射源电磁频谱指纹特征标定及提取方法技术

本发明专利技术公开了一种辐射源电磁频谱指纹特征标定及提取方法，包括将从空间中采集的N个未知辐射源的指纹特征簇依次输入到N个辐射源识别模型中，基于辐射源识别模型的输出结果进行新辐射源的样本汇集，从而创建出第N+1个辐射源的正样本集和负样本集；对第N+1个新辐射源的正样本集和负样本集进行样本均衡；利用样本均衡后的第N+1个新辐射源的正样本集和负样本集对辐射源识别模型进行训练和更新，以获取与第N+1个新辐射源对应的训练好的新辐射源识别模型；利用训练好的新辐射源识别模型结合现有的N个辐射源识别模型，对新的未知辐射源的指纹特征簇进行识别。优点是：能够自动创建新辐射源正/负样本集，实现辐射源识别模型数量的持续扩展。的持续扩展。的持续扩展。

A calibration and extraction method of electromagnetic spectrum fingerprint characteristics of radiation source

【技术实现步骤摘要】
一种辐射源电磁频谱指纹特征标定及提取方法


[0001]本专利技术涉及辐射源电磁频谱特征提取
，尤其涉及一种辐射源电磁频谱指纹特征标定及提取方法。

技术介绍

[0002]信息社会中，电子信息设备数量庞大、体制复杂、种类多样、频率应用广泛，使得空间中的电磁信号非常密集，形成了极为复杂的电磁信息空间。在一定的时空内，分布着数量繁多、样式复杂、密集重叠、动态交迭的电磁信号，而这些信号在时域、频域、空域、能域等多种不同的域上呈现出多种表现形式。
[0003]时域特性可反映出辐射源的数目、开关机时间；频域特性可表现电磁环境的频谱占用度；空域特性反映出辐射源的空间分布；能域特性则体现出辐射源
‑‑‑‑
接收机相对位置的变化。时、频、空、能等域分别反映了电磁信息在不同条件下的特性，共同构成完整的电磁指纹特征。
[0004]从目前射频指纹识别的研究现状来看，提取出一种辐射源独有原生属性的射频指纹仍然是一件极具挑战性的任务，提取的射频指纹的鲁棒性、唯一性仍然受各种条件因素的制约。在辐射源自身以及应用环境发生变化后，某些射频指纹特征发生变化，甚至不复存在。因此，如何提高射频指纹特征的鲁棒性、如何适应复杂的信道对抗环境，还有大量问题有待研究。
[0005]ZL201110074222.4从Wi
‑
Fi802.11b/g的前导信号入手，将其截取并变换为射频指纹特征，再进行识别，但它只适用于Wi
‑
Fi802.11b/g这类具有前导信号的系统。ZL202011184067.7针对信号瞬态指纹识别，提出一种基于希尔伯特变换的辐射源识别方法，提高了相似度极高的辐射源识别率，但该方法只侧重于瞬态射频指纹识别。ZL202011501531.0利用双谱变换后的二维等高线图像作为射频指纹特征，将其输入到能够自动优化结构的WANN神经网络中，实现省去人为提取特征与设计神经网络结构的射频指纹识别，但该方法是固定输出神经元数目，无法自动扩展识别辐射源数量。ZL201810848901.4利用灰度共生矩阵对双谱三维图像进行纹理提取，能够压缩射频指纹特征的维度，提高分类器效率，但该专利技术仍未考虑辐射源射识别数量扩展问题。
[0006]综上所述，现有的方法存在如下缺点：
[0007]1、指纹特征单一；无论是基于前导码，还是基于瞬态指纹，都仅考虑某一种指纹特征，如果辐射源更改了当前的波形结构，预先设计的指纹特征不复存在，则该识别方法会失效；
[0008]2、扩展能力差；现有的识别算法架构固定，没有考虑到新的辐射源出现以及辐射源识别数量扩展的情况；
[0009]3、模型更新困难；现有技术方案往往采用单一模型识别多个辐射源的架构，当用某一辐射源新样本更新模型参数时，新样本将会对其他辐射源的识别产生负面影响，发生了所谓任务遗忘现象。
[0010]综上，当前的射频指纹识别方式主要是基于固定指纹特征、固定识别架构的方式，有的侧重于单一指纹特征的设计，有的则侧重于指纹维度的压缩。目前还没有面向多指纹特征输入、辐射源识别数量可扩展、辐射源识别模型独立更新互不影响的识别架构和方法。

技术实现思路

[0011]本专利技术的目的在于提供一种辐射源电磁频谱指纹特征标定及提取方法，从而解决现有技术中存在的前述问题。
[0012]为了实现上述目的，本专利技术采用的技术方案如下：
[0013]一种辐射源电磁频谱指纹特征标定及提取方法，包括如下步骤，
[0014]S1、将从空间中采集的N个未知辐射源的指纹特征簇依次输入到N个辐射源识别模型中，基于辐射源识别模型的输出结果进行新辐射源的样本汇集，从而创建出第N+1个辐射源的正样本集和负样本集；
[0015]S2、对第N+1个新辐射源的正样本集和负样本集进行样本均衡；
[0016]S3、利用样本均衡后的第N+1个新辐射源的正样本集和负样本集对辐射源识别模型进行训练和更新，以获取与第N+1个新辐射源对应的训练好的新辐射源识别模型；
[0017]S4、重复步骤S1至S3，获取与第N+2个新辐射源对应的训练好的新辐射源识别模型；以此类推，能够扩展t个训练好的新辐射源识别模型；t个训练好的新辐射源识别模型与t个新辐射源一一对应；
[0018]其中，t为新辐射源和新辐射源识别模型的数量，t＝1,2,3,
…
；
[0019]S5、利用训练好的新辐射源识别模型结合现有的N个辐射源识别模型，对新的未知辐射源的指纹特征簇进行识别。
[0020]优选的，步骤S1具体包括如下内容，
[0021]S11、将从空间中采集到的一个未知辐射源的指纹特征簇输入到辐射源识别模型n＝1中，若该指纹特征簇至少有一种输出为正，表示该指纹特征簇来源于辐射源n＝1,则将该指纹特征簇添加到辐射源n＝1的正样本集中，并将该指纹特征簇添加到辐射源n＝2～N的负样本集中；若该辐射源的指纹特征簇的输出均为非正，则将其输入到辐射源识别模型n＝2中；以此类推，若该未知辐射源的指纹特征簇直到第N个辐射源识别模型仍然输出为非正，则判定该指纹特征簇来源于第N+1个辐射源；将该指纹特征簇添加到第N+1个新辐射源的正样本集中，同时将该指纹特征簇添加到其他辐射源的负样本集中，从而实现第N+1个新辐射源的样本汇集；
[0022]其中，n为现有的辐射源识别模型和辐射源的编号，n＝1,2,3,
…
,N；
[0023]S12、从空间中采集另一个未知辐射源的指纹特征簇，返回步骤S11，直到从空间中采集的N个未知辐射源的指纹特征簇都识别完毕，从而创建出第N+1个辐射源的正样本集和负样本集。
[0024]优选的，步骤S4具体为，重复步骤S11
‑
S12，创建出第N+2个辐射源的正样本集和负样本集，对第N+2个辐射源的正样本集和负样本集进行样本均衡，并利用样本均衡后的第N+2个辐射源的正样本集和负样本集对辐射源识别模型进行训练和更新，以获取与第N+2个新辐射源对应的训练好的新辐射源识别模型；
[0025]依次类推，能够扩展出t个训练好的新辐射源识别模型。
[0026]优选的，未知辐射源的指纹特征簇的获取方式为，利用M个指纹特征提取器分别对该辐射源的原始射频数据进行特征提取，获取由M种指纹特征构成的该辐射源的指纹特征簇。
[0027]本专利技术的有益效果是：1、基于指纹特征簇进行辐射源识别判决，包含了瞬态/稳态等多种条件下、多种变换域的指纹特征，可以很好地杜绝辐射源更换波形特征造成传统单一识别模型失效的问题。2、可持续扩展的识别架构，可根据指纹特征簇的模型输出，判断指纹来源，自动更新或创建新的辐射源正/负样本集，模型之间独立训练或更新，不会发生任务遗忘问题。3、采用了一对一的模型识别解耦架构，辐射源的增减、个别辐射源特性的变化，不会对其他已有辐射源识别模型造成负面影响。
附图说明
[0028]图1是本专利技术实施例中方法的原理示意图；
[0029]图2是本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种辐射源电磁频谱指纹特征标定及提取方法，其特征在于：包括如下步骤，S1、将从空间中采集的N个未知辐射源的指纹特征簇依次输入到N个辐射源识别模型中，基于辐射源识别模型的输出结果进行新辐射源的样本汇集，从而创建出第N+1个辐射源的正样本集和负样本集；S2、对第N+1个新辐射源的正样本集和负样本集进行样本均衡；S3、利用样本均衡后的第N+1个新辐射源的正样本集和负样本集对辐射源识别模型进行训练和更新，以获取与第N+1个新辐射源对应的训练好的新辐射源识别模型；S4、重复步骤S1至S3，获取与第N+2个新辐射源对应的训练好的新辐射源识别模型；以此类推，能够扩展t个训练好的新辐射源识别模型；t个训练好的新辐射源识别模型与t个新辐射源一一对应；其中，t为新辐射源和新辐射源识别模型的数量，t＝1,2,3,
…
；S5、利用训练好的新辐射源识别模型结合现有的N个辐射源识别模型，对新的未知辐射源的指纹特征簇进行识别。2.根据权利要求1所述的辐射源电磁频谱指纹特征标定及提取方法，其特征在于：步骤S1具体包括如下内容，S11、将从空间中采集到的一个未知辐射源的指纹特征簇输入到辐射源识别模型n＝1中，若该指纹特征簇至少有一种输出为正，表示该指纹特征簇来源于辐射源n＝1,则将该指纹特征簇添加到辐射源n＝1的正样本集中，并将该指纹特征簇添加到辐射源n＝2～N的负样本集中；若该辐射源的指纹特征簇的输出均为非正...

【专利技术属性】
技术研发人员：唐晓刚，郇浩，张斌权，陶然，李炯，庄文华，余昊元，潘协昭，冯俊豪，林海，
申请(专利权)人：中国人民解放军战略支援部队航天工程大学，
类型：发明
国别省市：