CN105678273B - 射频指纹识别技术瞬态信号的起始点检测算法 - Google Patents
射频指纹识别技术瞬态信号的起始点检测算法 Download PDFInfo
- Publication number
- CN105678273B CN105678273B CN201610023522.2A CN201610023522A CN105678273B CN 105678273 B CN105678273 B CN 105678273B CN 201610023522 A CN201610023522 A CN 201610023522A CN 105678273 B CN105678273 B CN 105678273B
- Authority
- CN
- China
- Prior art keywords
- signal
- transient
- starting point
- frequency
- flatness
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 230000001052 transient effect Effects 0.000 title claims abstract description 48
- 238000001514 detection method Methods 0.000 title claims abstract description 19
- 238000005516 engineering process Methods 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000001914 filtration Methods 0.000 claims abstract description 9
- 238000010606 normalization Methods 0.000 claims abstract description 6
- 238000005070 sampling Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 abstract 1
- 238000004891 communication Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 230000003595 spectral effect Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010367 cloning Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种射频指纹识别技术射频信号瞬态部分的起始点检测算法，包括信号采集、截取每个波形的瞬态过程波形、信号归一化、提取包络、包络滤波、包络分块、对每块归一化包络信号分别进行傅里叶变换、计算每块归一化包络信号频域幅值的频域平坦度、时域平坦度和时频平坦度、时频域平坦度的极小值检测为瞬态信号的起始点步骤。本发明结合时域和频域特点检测出发射机射频信号的瞬态起始点，从而更有效地提取指纹特征，再用分类器对无线设备进行分类，使射频指纹识别技术更好地应用于无线网络安全领域。本发明具有较高的识别准确率和较短的分类时间。
Description
技术领域
本发明涉及一种射频指纹识别技术射频信号瞬态部分的起始点检测算法，属于无线网络安全领域。
背景技术
在传统的通信信号侦查过程中，研究的重点往往围绕通信信号传递的通信信息的获取或分析进行，来着硬件差异的个体特征往往被作为噪声而被忽略或被滤除。目前，随着无线网络的普及，无线网络面临的各种安全威胁正在增加，工作于无线网络链路层之上的安全协议常常被发现存在安全缺陷。如RFID读写器与标签的相互认证协议存在安全缺陷，无法对抗标签的克隆攻击。
为了增强无线网络的安全性，工作于无线网络物理层的射频指纹识别技术被用于无线网络的安全服务中。射频指纹识别技术，是在接收方不具有发射信号的任何信息或少量信息的情况下进行的，需要在设备的细微差异中找出个体特征，通信信号本身所传递的信息则不重要。自20世纪90年代起，射频指纹识别已被应用于认知无线电频谱感知中的用户检测、通信流量分析及射频干扰源定位、防止移动电话的欺骗与克隆、无线传感网络的安全认证、RFID防伪等领域中。
无线发射机发送信息时射频信号分为瞬态部分和稳态部分，瞬态信号的起始点检测对于瞬态信号的正确提取起到至关重要的作用，因为不精确的检测结果会影响特征提取，进而降低分类准确率。之前提出的幅度阈值检测是将信号每一连续段的振幅方差与设定的阈值比较，其特点是计算复杂度低，但阈值选择难。相位检测源于相位方差在噪声阶段恒定，发射机开启相位方差上升，其特点是相位方差波动小，趋于线性，阈值易设，但起始点不能明显检测。由此可知，瞬态信号的起始点检测不仅是重点，还是难点。
发明内容
本发明的目的在于提供一种射频指纹识别技术瞬态信号的起始点检测算法。
为了准确的检测到瞬态信号的起始点，本发明的构思是：
定义信号的平坦度其中N是样值总数，A是一个很小的正数，i是样值编号，0≤FM≤1，若x代表时域幅值，则FM代表时域平坦度，若x代表频域幅值，则FM代表频域平坦度。由时域-频域对偶性可知，若信号时域平坦，则频域陡峭，若信号时域陡峭，则频域平坦，瞬态信号在时域是从较低幅值上升到较高幅值，所以时域越不平坦或频域越平坦，越接近瞬态信号。信号的时域平坦度和频域平坦度变化方向相反，则可以定义信号的时频域平坦度为频域平坦度与时域平坦度的比值，时频域平坦度越高，说明此信号越接近瞬态信号。
一种射频指纹识别技术瞬态信号的起始点检测方法，包括以下步骤：
步骤1：信号采集：示波器采集第1至第N无线网卡发送的信号；
步骤2：截取每个波形的瞬态过程波形；
步骤3：信号归一化：对第1至第N无线网卡接收的信号分别滤除噪声，并减去信号均值，得到第1至第N归一化信号；
步骤4：提取包络：用希尔伯特变换获得第1至第N归一化信号的包络；
步骤5：包络滤波：对第1至第N归一化信号的包络进行滤波处理；
步骤6：将归一化包络信号进行分成M块处理,M大于1；
步骤7：对每块归一化包络信号分别进行傅里叶变换：
步骤8：计算每块归一化包络信号频域幅值的频域平坦度：
其中N是样值总数，Af是一个很小的正数，fi是样值编号，0≤FMf≤1，xfi代表频域幅值，FMf代表频域平坦度；
步骤9：计算每块归一化包络信号幅值的时域平坦度：
其中N'是样值总数，At是一个很小的正数，ti是样值编号，0≤FMt≤1，xti代表时域幅值，FMt代表时域平坦度；
步骤10：计算每块归一化包络信号的时频域平坦度：
步骤11：时频域平坦度的极小值检测为瞬态信号的起始点：将归一化包络信号幅值在0.1-0.3范围内的时频域平坦度的最小值点作为瞬态信号的起始点。
所述步骤1中示波器采集的信号来源于第1至第7无线网卡，所述第1至第7无线网卡为不同类型的7个笔记本无线网卡，示波器采集到的是IEEE802.11n帧帧头射频信号，共获取470个波形。
所述步骤5中对第1至第N归一化包络信号用低通滤波器进行滤波处理。
所述步骤2中各波形的瞬态过程波形为十分之一微秒到四十毫秒之间的波形。
所述步骤2中各波形的瞬态过程波形为前2048个抽样点；所述步骤6中将归一化包络信号分为256块，每块包含8个抽样。
本发明的有益效果在于：
本发明可在示波器波形在被读取完成后，结合时域和频域特点提出的时频域平坦度算法，检测出发射机射频信号的瞬态起始点，从而更有效地提取指纹特征，再用分类器对无线设备进行分类，使射频指纹识别技术更好地应用于无线网络安全领域。
附图说明
图1是本发明的流程图；
图2是笔记本无线网卡射频信号的数据采集系统；
图3为射频信号的归一化波形；
图4为射频信号滤波前的归一化包络；
图5为射频信号滤波后的归一化包络；
图6为检测到的射频信号瞬态部分；
图7为射频信号瞬态部分的功率谱密度幅值；
图8为径向基概率神经网络分类器的训练过程及训练误差；
图9为径向基概率神经网络分类器的测试误差率。
具体实施方式
为了更好地理解本发明的技术方案，结合附图，以下将对本发明作进一步的详细描述：
如图1所示，一种射频指纹识别技术瞬态信号的起始点检测方法，包括以下步骤：
步骤1：信号采集：示波器采集第1至第N无线网卡发送的信号；
步骤2：截取每个波形的瞬态过程波形；
步骤3：信号归一化：对第1至第N无线网卡接收的信号分别滤除噪声，并减去信号均值，得到第1至第N归一化信号；
步骤4：提取包络：用希尔伯特变换获得第1至第N归一化信号的包络；
步骤5：包络滤波：对第1至第N归一化信号的包络进行滤波处理；
步骤6：将归一化包络信号进行分成M块处理,M大于1；
步骤7：对每块归一化包络信号分别进行傅里叶变换：
步骤8：计算每块归一化包络信号频域幅值的频域平坦度：
其中N是样值总数，Af是一个很小的正数，fi是样值编号，0≤FMf≤1，xfi代表频域幅值，FMf代表频域平坦度；
步骤9：计算每块归一化包络信号幅值的时域平坦度：
其中N'是样值总数，At是一个很小的正数，ti是样值编号，0≤FMt≤1，xti代表时域幅值，FMt代表时域平坦度；
步骤10：计算每块归一化包络信号的时频域平坦度：
步骤11：时频域平坦度的极小值检测为瞬态信号的起始点：将归一化包络信号幅值在0.1-0.3范围内的时频域平坦度的最小值点作为瞬态信号的起始点。
所述步骤1中示波器采集的信号来源于第1至第7无线网卡，所述第1至第7无线网卡为不同类型的7个笔记本无线网卡，示波器采集到的是IEEE802.11n帧帧头射频信号，共获取470个波形。
所述步骤5中对第1至第N归一化包络信号用低通滤波器进行滤波处理。
所述步骤2中各波形的瞬态过程波形为十分之一微秒到四十毫秒之间的波形。
所述步骤2中各波形的瞬态过程波形为前2048个抽样点；所述步骤6中将归一化包络信号分为256块，每块包含8个抽样。
射频指纹识别技术主要包括以下阶段：
1、信号预处理阶段：如图2所示，笔记本无线网卡通过路由器接入网络，通过设置IxChariot软件中Console参数使笔记本无线网卡发送数据包，用示波器采集工作于2.4GHz频段的无线网卡信号波形，其中射频示波器的型号为Agilent DSO80604B，示波器采样率设置为10GSa/s，路由器(Router)型号为TL-WR842N，笔记本无线网卡则来自于不同的类型，也是采用IEEE802.11n协议，实验采集了470个波形，其中70个波形用于训练，400个波形用于分类测试；
首先将采集的信号去除噪声均值部分后进行归一化处理，如图3所示；再将归一化信号进行希尔伯特变换，得到信号包络，如图4所示；最后用低通滤波器对包络进行平滑，如图5所示。
2、瞬态信号起始点检测阶段：把2048点的归一化包络信号分为256块，每块8个抽样点，即把x分为x1,x2,···x256，每个xi,i＝1,2,···256又包含8个抽样点，对每块信号xi,i＝1,2,···256分别进行傅里叶变换，计算每块信号频域幅值的频域平坦度、时域平坦度、时频域平坦度，将时频域平坦度的极小值检测为瞬态信号的起始点。检测到的瞬态信号包络如图6所示，，对比图5的起始点检测前的归一化包络，再结合瞬态起始点的时域幅度由较低幅值上升到较高幅值的特点，可知瞬态信号的起始点检测较为准确。
3、特征提取阶段：无线通信设备的瞬态过程一般在十分之一微秒到几十毫秒之间，用MATLAB和其工具箱进行仿真，通过多次测试可知，取用1024点时，其运算时间较短，识别效果也较好。截取瞬态信号的前1024点，求出瞬态信号频域的功率谱密度幅值，并将其作为指纹特征，得到的瞬态信号功率谱密度幅值如图7所示，由于无线网卡工作于2.4GHz频段，所以在此频段信号的功率谱密度有较大幅值。
4、分类器分类阶段：径向基概率神经网络分类器结合了径向基函数网络与概率神经网络的优点，减少了网络连接权值的训练时间与网络隐单元的数目。本发明用径向基概率神经网络分类器对指纹特征进行分类。如图8-9所示，分类器的训练误差为0，测试分类误差为0.0025，即分类准确率为99.75％，能较精确的识别出接收波形的发射机来源。由于对信号包络进行了分块处理，使此算法的时间复杂度也得以降低，共用时59s。
Claims (4)
1.一种射频指纹识别技术瞬态信号的起始点检测方法，其特征在于：包括以下步骤：
步骤1：信号采集：示波器采集第1至第N无线网卡发送的信号；所述示波器采集的信号来源于第1至第7无线网卡，所述第1至第7无线网卡为不同类型的7个笔记本无线网卡，示波器采集到的是IEEE802.11n帧帧头射频信号，共获取470个波形；
步骤2：截取每个波形的瞬态过程波形；
步骤3：信号归一化：对第1至第N无线网卡接收的信号分别滤除噪声，并减去信号均值，得到第1至第N归一化信号；
步骤4：提取包络：用希尔伯特变换获得第1至第N归一化信号的包络；
步骤5：包络滤波：对第1至第N归一化信号的包络进行滤波处理；
步骤6：将归一化包络信号进行分成M块处理,M大于1；
步骤7：对每块归一化包络信号分别进行傅里叶变换：
步骤8：计算每块归一化包络信号频域幅值的频域平坦度：
其中N是样值总数，Af是一个很小的正数，fi是样值编号，0≤FMf≤1，xfi代表频域幅值，FMf代表频域平坦度；
步骤9：计算每块归一化包络信号幅值的时域平坦度：
其中N'是样值总数，At是一个很小的正数，ti是样值编号，0≤FMt≤1，xti代表时域幅值，FMt代表时域平坦度；
步骤10：计算每块归一化包络信号的时频域平坦度：
步骤11：时频域平坦度的极小值检测为瞬态信号的起始点：将归一化包络信号幅值在0.1-0.3范围内的时频域平坦度的最小值点作为瞬态信号的起始点。
2.根据权利要求书1所述的射频指纹识别技术瞬态信号的起始点检测方法，其特征在于：所述步骤5中对第1至第N归一化包络信号用低通滤波器进行滤波处理。
3.根据权利要求书1所述的射频指纹识别技术瞬态信号的起始点检测方法，其特征在于：所述步骤2中各波形的瞬态过程波形为十分之一微秒到四十毫秒之间的波形。
4.根据权利要求书3所述的射频指纹识别技术瞬态信号的起始点检测方法，其特征在于：所述步骤2中各波形的瞬态过程波形为前2048个抽样点；所述步骤6中将归一化包络信号分为256块，每块包含8个抽样点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610023522.2A CN105678273B (zh) | 2016-01-14 | 2016-01-14 | 射频指纹识别技术瞬态信号的起始点检测算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610023522.2A CN105678273B (zh) | 2016-01-14 | 2016-01-14 | 射频指纹识别技术瞬态信号的起始点检测算法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105678273A CN105678273A (zh) | 2016-06-15 |
| CN105678273B true CN105678273B (zh) | 2019-07-23 |
Family
ID=56300598
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610023522.2A Expired - Fee Related CN105678273B (zh) | 2016-01-14 | 2016-01-14 | 射频指纹识别技术瞬态信号的起始点检测算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105678273B (zh) |
Families Citing this family (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106446877B (zh) * | 2016-11-21 | 2019-07-30 | 电子科技大学 | 一种基于信号幅度排序的射频指纹特征提取和识别方法 |
| CN107392123B (zh) * | 2017-07-10 | 2021-02-05 | 电子科技大学 | 一种基于相参积累消噪的射频指纹特征提取和识别方法 |
| CN108173792B (zh) * | 2017-12-20 | 2020-09-15 | 东南大学 | 基于差分星座轨迹图的无线设备瞬态特征提取与识别方法 |
| CN108696865B (zh) * | 2018-04-24 | 2021-02-02 | 西南科技大学 | 一种无线传感网络节点安全认证方法 |
| CN109033780B (zh) * | 2018-07-03 | 2019-07-02 | 南方电网科学研究院有限责任公司 | 一种基于小波变换和神经网络的边缘计算接入认证方法 |
| WO2020016798A1 (en) * | 2018-07-17 | 2020-01-23 | Levl Technologies, Inc. | Relay attack prevention |
| WO2020070594A1 (en) | 2018-10-03 | 2020-04-09 | Levl Technologies, Inc. | Carrier frequency estimation for radio frequency fingerprinting |
| CN109587136B (zh) * | 2018-12-05 | 2020-06-19 | 电子科技大学 | 一种基于双极大值的射频指纹特征提取和识别方法 |
| CN110018456B (zh) * | 2019-04-11 | 2020-11-06 | 上海卫星工程研究所 | 基于Matlab的星载合成孔径雷达数据快速帧头检测方法 |
| CN110632465A (zh) * | 2019-11-13 | 2019-12-31 | 西南石油大学 | 一种基于hht一化迭代的高压直流输电线路故障测距方法 |
| CN111191703A (zh) * | 2019-12-24 | 2020-05-22 | 北京百卓网络技术有限公司 | 一种无线局域网络流量分析的方法和系统 |
| CN112528695B (zh) * | 2020-12-18 | 2024-03-15 | 北京元心科技有限公司 | 识别方法、装置、设备及计算机可读存储介质 |
| CN113095378B (zh) * | 2021-03-26 | 2022-04-05 | 重庆邮电大学 | 无线网络设备识别方法、计算机设备以及可读存储介质 |
| CN113095186B (zh) * | 2021-04-01 | 2023-05-12 | 上海电力大学 | 一种基于功率谱密度的通信辐射源个体识别方法 |
| CN113438731B (zh) * | 2021-06-11 | 2022-08-05 | 武汉大学 | 一种基于信号质量控制与特征指纹增强的定位方法及系统 |
| CN115017935B (zh) * | 2022-04-22 | 2024-04-26 | 大连海事大学 | 一种基于滑窗方差轨迹的射频信号发射时刻检测方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102693411A (zh) * | 2011-03-25 | 2012-09-26 | 南通大学 | 基于射频指纹的无线发射机的识别方法 |
| CN102694559A (zh) * | 2011-03-25 | 2012-09-26 | 南通大学 | 基于前导的Wi-Fi发射机射频指纹的检测方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8332653B2 (en) * | 2004-10-22 | 2012-12-11 | Broadcom Corporation | Secure processing environment |
| US8327441B2 (en) * | 2011-02-17 | 2012-12-04 | Taasera, Inc. | System and method for application attestation |
-
2016
- 2016-01-14 CN CN201610023522.2A patent/CN105678273B/zh not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102693411A (zh) * | 2011-03-25 | 2012-09-26 | 南通大学 | 基于射频指纹的无线发射机的识别方法 |
| CN102694559A (zh) * | 2011-03-25 | 2012-09-26 | 南通大学 | 基于前导的Wi-Fi发射机射频指纹的检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105678273A (zh) | 2016-06-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105678273B (zh) | 射频指纹识别技术瞬态信号的起始点检测算法 | |
| CN106130942B (zh) | 一种基于循环谱的无线通信信号调制识别及参数估计方法 | |
| CN106446877B (zh) | 一种基于信号幅度排序的射频指纹特征提取和识别方法 | |
| CN103698687B (zh) | 集成电路中硬件木马检测的信号处理方法及其系统 | |
| CN103220055B (zh) | 无线发射机信号的多重分形梯度特征指纹识别方法 | |
| CN101577564A (zh) | 基于判决门限自适应的信号频谱感知与检测方法 | |
| CN112287796B (zh) | 基于VMD-Teager能量算子的辐射源识别方法 | |
| CN103051458A (zh) | 一种从bpsk信号中获取稳健射频指纹的方法 | |
| CN106250854A (zh) | 基于微多普勒特征和支持向量机的人体步态识别方法 | |
| CN107392123B (zh) | 一种基于相参积累消噪的射频指纹特征提取和识别方法 | |
| CN109389176A (zh) | 基于wifi信道状态信息的粮食水分检测方法及系统 | |
| CN106911603A (zh) | 一种宽带监测模式下模拟信号调制类型实时识别方法 | |
| CN109768838B (zh) | 一种基于WiFi信号的干扰检测及手势识别方法 | |
| CN105071830B (zh) | 一种直扩信号的检测识别方法 | |
| CN106170139B (zh) | 一种频谱检测方法及系统 | |
| CN113095186B (zh) | 一种基于功率谱密度的通信辐射源个体识别方法 | |
| CN111339511A (zh) | 身份合法性验证方法、装置及终端设备 | |
| CN108120875A (zh) | 一种基于快速频谱模板匹配的目标信号宽带检测方法 | |
| Zhang et al. | Radio frequency fingerprint identification based on logarithmic power cosine spectrum | |
| CN111245821B (zh) | 辐射源识别方法、装置及辐射源识别模型创建方法、装置 | |
| CN103905129B (zh) | 基于谱型分析的信号检测及信号信息判读方法 | |
| CN105807204B (zh) | 基于频谱细化的硬件木马检测方法 | |
| CN105184264B (zh) | 基于Wigner对角切片谱的射频指纹特征提取方法 | |
| Dalai et al. | A fingerprinting technique for identification of wireless devices | |
| Shi et al. | Transient-based identification of 802.11 b wireless device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190723 Termination date: 20220114 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |