一种优化的基于信号幅度排序的射频指纹特征提取和识别算法

谢非佚+程伟+陈宜++文红

【 摘 要 】 针对目前传统基于信号幅度的射频指纹特征提取方法存在的不足，文章提出一种优化的基于信号幅度值排序序列的射频指纹特征提取算法。考虑到开机瞬态信号特征采样个数变动的问题，该算法充分利用所有信号特征采样，并有效兼顾了特征提取的计算复杂度。文章详细介绍了算法，同时通过仿真实验证明该算法相较利用信号幅度的算法在区分度和抗噪声上具有较大的优越性。

【 关键词 】 射频指纹；特征提取；排序序列；聚类分析

【 中图分类号 】 TN911.72

【 文献标识码 】 A

An optimized algorithm for the feature extraction and recognition of

RF fingerprint based on signal amplitude ranking

Xie Fei-yi Cheng Wei Chen Yi Wen Hong

（National Key Laboratory of Science and Technology on Communications， UESTC SichuanChengdu 611731）

【 Abstract 】 Aiming at the shortcomings of traditional RF fingerprint feature extracting methods based on signal amplitude， this paper proposes an optimized algorithm for the feature extraction of RF fingerprint based on signal amplitude ranking. In view of the problem that the number of the transient signal feature sampling is changed，the algorithm takes full advantage of all the features of the signal， and it also takes into account the computational complexity of the feature extraction. This paper introduces the algorithm flow， as well as through simulation experiment it shows that this algorithm has the superiority of discrimination and anti-noise， compared with algorithms by using signal amplitude.

【 Keywords 】 radio frequency fingerprint； feature extraction； collating sequence； cluster analysis

1 引言

射频指纹特征提取是射频指纹识别（Radio Frequency Fingerprint Recognition，RFFR）的关键步骤。在射频特征提取和识别算法中，采集何种信号作为指纹、提取何种信息作为特征，影响到之后判决识别的正确率和计算复杂度，本文针对目前利用信号幅度的射频指纹特征提取和识别方法存在的不足，结合基于信号强度值排序序列的定位算法[1]，提出一种优化的开机瞬态信号特征提取算法，使其可以考虑信号沿x轴的长度，同时相较其他算法在计算复杂度上有明显的降低。

3 仿真结果及分析

为了验证采用信号幅度值排序序列作为特征由于直接使用信号本身，本文对两个无线发射机分别采集开机瞬态信号并使用MATLAB模拟噪声的干扰。

在本次仿真中用MATLAB模拟随机噪声，控制噪声幅度不大于信号最大幅度的2%，并假设噪声在短时间内是稳定的。对样本库和待检测的无线发射机分别提取20个开机瞬态信号（I=20，J=20），其中f提取11个样本点（M=11），g提取13个样本点（N=13），传统方法选择g前11个样本点直接求离差矩阵，排序算法则对g进行2.3中的处理后，求排序序列的离差矩阵。最后得到的结果如图2所示。可以看到传统方法会受到噪声波动影响，区分度不大，很难设立判决门限值；而优化的排序算法区分度非常明显，基本不受外界噪声干扰，可以很容易设立判决门限。

4 结束语

本文针对直接利用幅度作为特征所存在的特征性不够强，区分度不高，易受采样环境干扰等问题，提出了基于信号幅度值排序序列的特征提取方法，并优化了算法兼顾信号沿x轴的长度这一特征。通过仿真证明了排序算法在区分度和抗噪声干扰上相较传统方法具有更好的优越性。同时由于采样频率固定，对不同的无线发射机，无需人为调整采样频率。使得样本采集自动、高效，降低在采集过程中发生错误的概率。

参考文献

[1] 李慧，徐俊俊，陈晓峰.一种基于奇异值分解的射频指纹排序定位算法[J].仪器仪表学报，2013，34（10）： 2219-2225.

[2] Wenhao Wang， Zhi Sun. Wireless Physical-Layer Identification： Modeling and Validation， IEEE TRANSACTIONS ON INFORMATION FORENSICS AND SECURITY，2016，11（9）：2091-2106.

[3] J. Hall， M. Barbeau， E. Kranakis. Detection of Transient in Radio Frequency Fingerprinting Using Signal Phase[C]//Proc. of Conference on Wireless and Optical Communications.[S. l.].ACTA Press， 2003.

[4] 李文龙，陈悦，等.蓝牙通信中的射频指纹识别技术[J].计算机工程，2014，40（1）： 11-14.

[5] 袁红林.基于射频指纹的无线网络物理层认证关键技术研究[D].南京：东南大学，2011.

项目基金：

1. 四川省科技支撑项目（No.2015GZ0090）；

2.863项目（No.2015AA01A707）。

作者简介：

谢非佚（1990-），男，汉族，四川绵阳人，电子科技大学，硕士在读生；主要研究方向和关注领域：密码学、物理层安全。

程偉（1993-），男，汉族，四川南充人，电子科技大学，硕士在读生；主要研究方向和关注领域：通信系统、物理层安全。

陈宜（1986-），男，汉族，广西合浦人，电子科技大学，博士在读生；主要研究方向和关注领域：通信网络、信息安全。

文红（1969-），女，汉族，四川成都人，毕业于加拿大滑铁卢大学，博士，教授，主要研究方向和关注领域：无线通信的可靠性和安全性技术。