基于RFSFD-T网络的射频信号指纹识别方法及系统技术方案

本发明专利技术属于射频信号指纹识别领域，公开了一种基于RFSFD

【技术实现步骤摘要】
基于RFSFD
‑
T网络的射频信号指纹识别方法及系统


[0001]本专利技术属于射频信号指纹识别领域，尤其涉及一种基于RFSFD
‑
T网络的射频信号指纹识别方法及系统。

技术介绍

[0002]射频指纹识别是一种基于发射机发射信号瞬态/稳态部分对发射机进行唯一识别的技术。由于工艺水平导致的硬件上存在无法消除的误差特征，射频指纹特征在不同的无线发射机中是唯一的，因此射频指纹识别技术在无线定位、无线网卡接入控制以及移动蜂窝网的移动电话识别上有着重要的作用。提取射频指纹特征是射频指纹识别的关键步骤。即使是相同的射频信号辐射设备，在发射信号时也会由于设备本身生产微小差异造成在信号的参数特征中有所体现，如何通过有效的方法对这种不易察觉的微小特征进行提取，从而实现对于射频信号指纹的识别具有非常重要的意义。当下深度学习和人工智能技术的火热发展，各个行业和领域也都开始进行智能和高效的方式转变，本专利技术采用RFSFD
‑
T网络结构来进行射频信号的特征提取，利用人工智能算法来代替传统的识别方法进行指纹识别。
[0003]通过上述分析，现有技术存在的问题及缺陷为：
[0004](1)传统的指纹识别方法不够智能和高效，难以满足高精度指纹提取的需要；
[0005](2)指纹提取网络需要在大数据量下才能发挥更好的特征提取效果，现有方法提取效果欠佳；
[0006](3)传统的Transformer网络进行特征提取时对细致的信号本质特征提取不够充分；
[0007](4)传统的指纹识别方法大多采用的是人工通过对信号特征进行建模的方法进行指纹识别，或者使用传统的神经网络对信号进行分类识别，指纹识别的结果很大程度上取决于对信号特征建模的准确性和有效性，受限于传统网络的局限性。

技术实现思路

[0008]针对现有技术存在的问题，本专利技术提供了一种基于RFSFD
‑
T网络的射频信号指纹识别方法及系统。
[0009]本专利技术是这样实现的，一种基于RFSFD
‑
T网络的射频信号指纹识别方法，所述基于RFSFD
‑
T网络的射频信号指纹识别方法包括：
[0010]步骤一，通过信号采集设备采集同型号不同设备发射出的射频信号，对采集的射频信号数据进行双谱分析得到带有设备指纹特征的双谱图；
[0011]步骤二，用GAN网络对双谱图数据进行扩充，得到扩充后的双谱图数据；
[0012]步骤三，将扩充后的双谱图数据中的每一个图像数据按横方向展开成一维的向量并进行横轴方向的位置编码；再对同一数据按纵方向展开成一维向量并进行纵轴方向的位置编码，则可得到经过两个方向上的位置编码数据；
[0013]步骤四，将位置编码后的数据送入RFSFD
‑
T网络的三个编码器进行特征提取；
[0014]步骤五，数据经过编码器后，分别进入RFSFD
‑
T网络的两个解码器用于定位和分类，其中，解码器1用于定位，解码器2用于分类，实现射频信号的指纹识别；解码器1用于信号定位，具体过程如下：
[0015]由于双谱图被切割成多个维度更小的矩阵数据，这就造成对信号定位有用的特征也被切割成了更小的矩阵数据，利用自注意力机制关注不同位置数据特征之间的相关程度，所以解码器1中的第一层为自注意力层，同时数据也进行多注意力机制的计算，提取每个数据特征的不同方面，有利于提高模型的表达能力和对特征的提取能力，利用残差结构进行相加，然后送入前馈网络层进行前向传递，最后数据通过归一化层和一个两输出的全连接层后得到用于定位信息的x，y；
[0016]解码器2用于射频信号指纹识别，具体过程如下：
[0017]数据经过堆叠三个编码器模块进行数据处理后，将输出送入解码器2中，解码器2和解码器1的区别在于多注意力机制关注的特征不同，解码器1中关注的是和信号定位相关的双谱图特征，而解码器2中的关注特征是信号指纹识别的特征，两个解码器模块将分别使用不同的标签数据进行训练，得到不同功能的两个解码器模块；用于信号定位使用的是带有信号位置标签的数据，而用于分类的部分使用的是带有分类标签的数据进行训练；解码器2最后通过一个分类网络输出分类结果，分类网络实际为只有一个输出的全连接层，最后得到的结果就是网络分类出信号类别Y。
[0018]进一步，所述步骤二的具体过程为：
[0019]GAN网络根据提供的双谱图数据进行对抗学习，从而生成扩充后的双谱图数据；GAN网络中包含两个最重要的模块，即生成器和判别器，生成器根据输入的数据生成假的数据，然后通过判别器判别真实数据和生成器生成的虚假数据之间的差别，当判别器判别结束后将结果反馈给生成器，生成器重新生成虚假的数据，然后判别器继续判别，通过这样的对抗学习过程，生成器生成的虚假数据会越来越接近于真实的数据信息，达到对数据进行扩充的目的；生成器从随机初始值中开始生成虚假数据，然后与送入网络的双谱图数据进行对比判别，当生成器的生成能力达到一定的阈值以后，最后得到扩充后的数据。
[0020]进一步，所述步骤三具体包括以下步骤：
[0021](1)将射频信号转化的双谱图进行切片处理，形成N个不同的数据块；
[0022](2)每一个数据块的维度为P
×
P，得到一个N
×
P
×
P的向量；
[0023](3)分别对双谱图切片后的数据按横纵两个方向展开分别进行位置编码，将编码的向量分别添加到每一个P
×
P的数据块上进行拼接，每个方向上的编规则如下式所示：
[0024][0025]上述公式中，P函数表示位置编码，pos表示数据的第几个位置，i表示第i个编码维度，编码维度是指数据总维度除以2取模，若总维度为512，则编码维度i取值为从0到255，N代表每个数据的编码总维度，例如位置编码总维度为512时，第m和第n个数据的位置编码过程如下：
[0026][0027][0028]然后对两者进行点积计算，也就是表示p
n
的转置；经过点积计算之后，根据和差化积公式就可将位置编码转换成m，n两者之间的位置关系:
[0029][0030][0031]横纵方向区分：将切割的数据分别按横方向进行展开，形成一维的数据进行编码，再按照列进行展开形成一维列向量进行编码，将两个方向上的位置编码结果添加到数据信息编码后面即可。
[0032]进一步，所述步骤四中RFSFD
‑
T网络的编码器由自注意力机制和前馈网络以及残差连接和归一化层组成；
[0033]所述自注意力机制在特征提取过程中通过对其他位置的特征进行加权，然后提取射频信号的指纹特征；
[0034]所述残差连接和归一化层，用于训练收敛；
[0035]所述前馈网络，用于在经过参数学习后形成线性变换，拟合数据，同时将数据进行前向传播，在前馈网络层后同样添加了残差连接和归一化层。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于RFSFD
‑
T网络的射频信号指纹识别方法，其特征在于，所述基于RFSFD
‑
T网络的射频信号指纹识别方法包括：步骤一，通过信号采集设备采集同型号不同设备发射出的射频信号，对采集的射频信号数据进行双谱分析得到带有设备指纹特征的双谱图；步骤二，用GAN网络对双谱图数据进行扩充，得到扩充后的双谱图数据；步骤三，将扩充后的双谱图数据中的每一个图像数据按横方向展开成一维的向量并进行横轴方向的位置编码；再对同一数据按纵方向展开成一维向量并进行纵轴方向的位置编码，则可得到经过两个方向上的位置编码数据；步骤四，将位置编码后的数据送入RFSFD
‑
T网络的三个编码器进行特征提取；步骤五，数据经过编码器后，分别进入RFSFD
‑
T网络的两个解码器用于定位和分类；解码器1用于信号定位，具体过程如下：由于双谱图被切割成多个维度更小的矩阵数据，这就造成对信号定位有用的特征也被切割成了更小的矩阵数据，利用自注意力机制关注不同位置数据特征之间的相关程度，所以解码器1中的第一层为自注意力层，同时数据也进行多注意力机制的计算，提取每个数据特征的不同方面，有利于提高模型的表达能力和对特征的提取能力，利用残差结构进行相加，然后送入前馈网络层进行前向传递，最后数据通过归一化层和一个两输出的全连接层后得到用于定位信息的x，y；解码器2用于射频信号指纹识别，具体过程如下：数据经过堆叠三个编码器模块进行数据处理后，将输出送入解码器2中，解码器2和解码器1的区别在于多注意力机制关注的特征不同，解码器1中关注的是和信号定位相关的双谱图特征，而解码器2中的关注特征是信号指纹识别的特征，两个解码器模块将分别使用不同的标签数据进行训练；用于信号定位使用的是带有信号位置标签的数据，而用于分类的部分使用的是带有分类标签的数据进行训练；解码器2最后通过一个分类网络输出分类结果，分类网络实际为只有一个输出的全连接层，最后得到的结果就是网络分类出信号类别Y。2.如权利要求1所述基于RFSFD
‑
T网络的射频信号指纹识别方法，其特征在于，所述步骤二的具体过程为：GAN网络根据提供的双谱图数据进行对抗学习，从而生成扩充后的双谱图数据；GAN网络中包含两个最重要的模块，即生成器和判别器，生成器根据输入的数据生成假的数据，然后通过判别器判别真实数据和生成器生成的虚假数据之间的差别，当判别器判别结束后将结果反馈给生成器，生成器重新生成虚假的数据，然后判别器继续判别，通过这样的对抗学习过程，生成器生成的虚假数据会越来越接近于真实的数据信息，达到对数据进行扩充的目的；生成器从随机初始值中开始生成虚假数据，然后与送入网络的双谱图数据进行对比判别，当生成器的生成能力达到一定的阈值以后，最后得到扩充后的数据。3.如权利要求1所述基于RFSFD
‑
T网络的射频信号指纹识别方法，其特征在于，所述步骤三具体包括以下步骤：(1)将射频信号转化的双谱图进行切片处理，形成N个不同的数据块；(2)每一个数据块的维度为P
×
P，得到一个N
×
P
×
P的向量；(3)分别对双谱图切片后的数据按横纵两个方向展开分别进行位置编码，将编码的向
量分别添加到每一个P
×
...

【专利技术属性】
技术研发人员：严天峰，卢继卿，郑礼，汤春阳，王鹏程，
申请(专利权)人：丝路梵天甘肃通信技术有限公司，
类型：发明
国别省市：