基于星座图的通信辐射源个体识别方法

王 威，李诗娴，王 新

(长沙理工大学 计算机与通信工程学院，长沙 410114)

基于星座图的通信辐射源个体识别方法

王 威，李诗娴，王 新

(长沙理工大学 计算机与通信工程学院，长沙 410114)

提出了一种新的基于星座图的通信辐射源个体识别方法﹒首先采用频域能量检测法检测突发信号；然后进行载波恢复、符号速率估计和定时估计；最后在此基础上进行星座图提取，并通过Hausdorff距离进行相似性度量，识别信号发射设备﹒以QPSK信号发射极为例进行了实验，实验结果表明，所提方法可以很方便地进行通信设备识别，为研制通信SEI设备提供了新的思路﹒

辐射源个体识别；能量检测；载波恢复；星座图提取

在信号侦查中，不仅要知道信号是从哪类设备发射，更应该知道是从哪个设备发射的，这样才能提高情报的准确性﹒通信辐射源个体识别(SEI: Specific Emitter Identification)是通信电子战和无线网络领域一个重要的研究课题﹒发射机元器件的硬件差异会产生非理想特性，从而导致各通信设备在发射信号上表现出来细微差异(如辐射信号包络的畸变和相位的畸变)，那些具有长期稳定性的特征就可以用做鉴别个体的特征﹒根据这些畸变，我们可以判别信号来自哪部设备，从而确定这些设备或系统的类型、用途、工作规律、所在位置及其各种技术参数，实现设备追踪，进而实现设备平台(如舰船、飞机、通信车辆等)的追踪，精确分析和判断其行动意图，为下一步对该通信装备及其载体采取跟踪监视、电子攻击甚至军事打击提供支撑﹒

Langley L E[1]等用融合方法通过频率、幅值、脉冲宽度、脉冲重复率进行 SEI，目前论文被引100多次﹒Owechko Y在申请的专利中对数据进行分区并未为每个分区计算直方图，通过计算梯度的大小进行识别[2]﹒Zhang J等提出了基于希尔伯特谱的3种算法，通过选择具有较强的类别可分性的希尔伯特谱元素得到识别特征[3]﹒Dudczyk J研究了基于分形特征的SEI方法[4]﹒Jia Y Q等研究了一种新的自动识别系统中辐射源瞬变指纹稀疏表示判别方法[5]﹒张斯梅对通信辐射源特征提取研究进行了深入研究，实现了基于相位方差和基于递归图的起始检测方法[6]﹒资晓军等[7]分析了辐射源特征对于目标个体识别的意义，给出了信号载频偏差、包络高阶特征及积分双谱特征的计算方法﹒桂云川等[8]则研究了基于固有时间尺度分解(ITD)模型的通信辐射源特征提取算法﹒王金明等[10]在对辐射源信号进行时频分析的基础上提出一种基于特征融合的通信辐射源个体识别方法﹒唐哲[11]提出一种基于最大相关熵的通信辐射源个体识别方法，提取矩形积分双谱特征来表征辐射源个体差异﹒黄欣利用通信辐射源信号的长时谱统计特性，提取信号功率谱峰值特征和包络模板，构造通信辐射源个体特征向量[12]﹒唐哲等[13]提出基于 L2正则化的最大相关熵通信辐射源个体识别算法，提取通信辐射源信号矩形积分双谱特征表征辐射源个体差异﹒李刚等以稳态信号的杂散输出特征为基础，设计了一种工程中可用的 SVM 分类器算法完成短波电台个体识别[14]﹒

美国Northrop Grumman公司早在20世纪60年代就开始研发SEI技术，经过40多年的研究，形成了一套比较完善的SEI系统，可适应各个频段的通信信号的个体识别﹒国内对SEI技术的相关研究与美国等发达国家相比还有较大的差距，从上世纪90年代开始，国防科技大学、成都29所、西南交通大学、西安电子科技大学等单位跟踪国外报道，对脉内细微特征和辐射源个体识别等概念及可用方法展开了研究，但总体来说还存在很多问题：(1)理论研究以实验验证为主，缺少实战检验；(2)样本集对接收机依存度较强，算法可用度低﹒即使是同一批次生产的同型号的接收机，其提取的样本集个体特征差异也很明显；(3)对多卜勒效应比较敏感；(4)完成一次识别需要数十至数百个脉冲的积累﹒

本文针对通信SEI中的信号检测与定位，特别是个体特征提取这两项关键技术展开研究，利用符合个体识别特征的星座图形状特征，为通信设备SEI提供了新的思路﹒

1 突发信号检测

通信SEI主要分为3步：信号预处理、个体特征提取和分类识别，如图1所示﹒其中，信号预处理工作主要完成信号去噪、幅度的归一化、频率的中心化、突发信号包络的前沿对齐、突发信号的起始点和结束点位置的检测与估计等处理任务，减小由环境噪声、多径干扰、多普勒效应等外在因素对个体特征提取的影响﹒如何精确定位突发信号的起止点就成了对信号进行个体特征分析的首要问题﹒

图1 通信SEI流程图

定位突发信号起始点和结束点最经典的方法是能量检测法﹒能量检测法需预先知道噪声功率，而在实际环境中噪声功率是时变的，且实现自适应的门限判别较为困难﹒在充分分析和实验的基础上，本文选择用频域能量检测法来提取信号﹒频域能量检测法是对信号作DFT变换，在频域上求取带内的信号能量，以排除带外噪声对信号检测器的影响﹒利用这种计算结果进行门限判决，可以提高检测的可靠性，并可精确确定信号的起始点和结束点﹒

频域能量检测法理论依据是帕塞瓦尔定理﹒根据帕塞瓦尔定理，信号时域的总能量等于频域的总能量，满足能量守恒原理﹒若长度为N点的序列x（n）的N点DFT为则有

这表明一个序列在时域计算的能量与在频域计算的能量是相等的﹒在大多数情况下，信号的中心频率和带宽是可以知道的，频域能量检测法是将接收信号作DFT变换，在频域上求带内信号的能量，从而抑制带外噪声的干扰，提高检测的准确性﹒

频域能量检测的实质是利用快速傅里叶变换(FFT)将时域信号转换成频域信号，在频域内对带内频谱进行平方再累加，从而实现快速检测﹒由于DFT实际上是一组由N个FFT子带组成的滤波器组，选择合适的窗函数可以获得很高的阻带衰减，带外噪声对带内影响较小，因而可以获得更高的检测可靠性﹒但是，由于需要用到FFT运算，计算量同样较大﹒

2 星座图提取

理想通信设备的星座图的每个星座是点状，但受到噪声污染时，呈现为圆球型的云团状﹒实际上，不同辐射源硬件设备中，其振荡源、混频器和功率放大器等器件的非线性特性会有细微差异，所以设备发射信号的星座图形状也会不同，我们根据星座图形状的差异特性就可以判别信号来自哪个辐射源﹒

提取信号的星座图需要对接收信号解调后得到基带信号，提取同步正交分量﹒具体步骤为：先求信号的4次方，做DFT变换得到对应于4倍载频的线谱，对得到的频谱进行谱线搜索求得载频；再用判决方差最小法方法进行定时恢复并求得初始相位，便可得到复基带信号；再进行抽样，即可绘出信号的星座图﹒下面以QPSK为例说明星座图提取方法﹒

2.1 载波恢复

假设接收信号为

其中A是信号幅度；ω0是信号载波；φ(t)是QPSK的载波相位；φ0是信号的初相，φ0在0～2π区间内均匀分布﹒接收信号4次方运算可得式(3)﹒

对y（t）进行 DFT 变换后取绝对值得到频谱从式(3)可以看出，y（t）由 3 部分组成：第1项为线谱分量，第2项为宽谱分量，第3项为直流分量﹒其中，线谱分量的谱峰位于40ω﹒通过谱线搜索得到频率40ω，将其除以4即可得到载波频率0ω﹒

2.2 符号速率估计

符号估计采用瞬时自相关法，主要利用相位的跳变信息﹒假设检测到的信号为对该信号进行Hilbert变换后得到复解析信号为

将复解析信号的共轭与复解析信号偏移τ后相乘，且τ小于符号宽度Tb，可得

式(5)中第1项为常数项；第2项中符号φ(n)是宽度为Tb的随机变量﹒由于τ＜Tb，因此在一个符号周期内第2项有可能发生2次）的相位跃变，即相位的最小变化周期为Tb﹒所以）的频谱中含有线谱分量，该线谱分量所对应的频率值即为符号速率

2.3 定时恢复

在接收数字信号时，为了在准确对接收符号进行判决，必须得知接收符号的准确起止时间﹒

本文提出了一种判决方差最小法，来实现最大精度地估计符号定时误差﹒判决方差最小法的基本原理是，在一帧信号中，眼图张开最大的地方，既是符号采样的最佳时刻点，也是符号采样值方差最小的采样点﹒在最佳时刻采样，得到同相支路I和正交支路Q的数据，即可绘制QPSK解调信号的星座图﹒

而在实际接收信号中，在完成载波恢复之后，但还没有完成定时恢复时，QPSK信号的眼图如图2所示﹒

由图2可见眼图张开最大的点尚未落在整符号宽度采样点上，此时不能实现最佳采样﹒为了实现最佳采样，我们将一帧数据中，从0～Tb区间内N个采样时刻的每一组采样值的绝对值做一个统计分析，便可以求出它们的标准方差然后求σ（n）的最小值，则所对应的时刻即为最佳采样时刻，随即得到定时偏差值定时误差的标准方差σ（n）变化曲线见图3﹒

图2 定时恢复前的QPSK信号眼图

图3 定时误差均方差曲线

对比分析图2和图3，可以看出，定时偏差的位置正好是对着眼图张开程度最大的位置﹒因此，只要消除了定时偏差，即可实现符号序列的最佳采样﹒

3 实验结果与分析

实验选取6部同型号移动通信设备，分别标为1号至6号通信设备﹒该类设备工作在QPSK突发通信模式﹒在数据传输速率等工作参数相同的前提下，对每台发射机采集QPSK模式下发射信号，并生成各自的星座图见图4﹒

理想通信设备的星座图的每个星座是一个圆点，但由于在实际通信环境中受到噪声等干扰的影响，每个星座成圆球状散布﹒而对于实际使用的通信设备，由于设备所使用的模拟器件的非理想性，每个星座的形状一般成非圆球型散布，每个星座球的独特形状就成了通信设备的个体特征，我们可以根据这些形状差异很容易地将这6台设备区分开﹒

图4 通信机星座图

实验采用 Hausdorff距离算法对于星座图相似度度量﹒选取6台通信机在4个不同时段发射信号的星座图的第1个时段的星座图作为参考标准，剩余3个时段的星座图相互之间的Hausdorff距离如表1所示﹒

表1 不同星座图之间的Hausdorff距离

从表1中可以看出，1号通信机类内距离在11～20之间，类间距离在40～700之间；2号通信机类内距离在0～2之间，类间距离在6～800之间；3号通信机类内距离在3～4之间，类间距离在6～800之间；4号通信机类内距离在13～21之间，类间距离在 30～800之间；5号通信机类内距离在69～71之间，类间距离在 160～500之间；6号通信机类内距离在120～200之间，类间距离在380～720之间﹒相比较而言，类内距离要远远小于类间距离，因此我们可以通过Hausdorff距离进行通信设备识别﹒

为了观察基于星座图个体识别算法的长效性，对6号通信机录取20帧信号，并将星座图与每个通信机的星座图进行比较，结果如图5所示﹒

图5 6号机帧与所有发射机信号的相似度

由图5可见，6号通信机不同时段发出的突发帧信号，其星座图与6号通信机本身的模版很相似，其Hausdorff距离均小于100；而与其它5部通信机的Hausdorff距离均大于200，表现出了良好的类内一致性和类间差异性﹒

4 结语

本文针对通信SEI中的信号检测与定位、个体特征提取这两项关键技术展开研究，得到了符合个体识别特征的星座图形状特征，为研制通信SEI设备提供了新的思路﹒针对星座图形状差异的个体识别，下一步需要在特征的矢量量化和分类器的设计方面展开深入的研究，并将人工智能等理论应用到辐射源个体识别系统中﹒

[1]LANGLEY L E. Specific emitter identification (SEI) and classical parameter fusion technology[C]. Wescon '93 Conference Rec, IEEE, 2002: 377-381.

[2]OWECHKO Y. Specific emitter identification using histogram of oriented gradient features[P]. US, US008131074 B2, 2012.

[3]ZHANG J, WANG F, DOBRE O A, et al. Specific emitter identification via Hilbert-Huang transform in single-hop and relaying scenarios[J]. IEEE Transactions on Information Forensics amp; Security, 2016, 11(6): 1192-1205.

[4]DUDCZYK J. Specific emitter identification based on fractal features//Fractal Analysis - Applications in Physics, Engineering and Technology[M]. Rijeka: InTechOpen, 2017.

[5]JIA Y Q, GAN L. A novel fingerprint identification method based on sparse representation for transient of AIS emitter[J]. Journal of Signal Processing, 2016, 32(10): 1146-1152.

[6]张斯梅. 通信辐射源特征提取研究[D]. 西安: 西安电子科技大学, 2013.

[7]资晓军, 谢丹, 杨剑波. 通信辐射源指纹特征提取算法研究[J].舰船电子工程, 2017, 37(3): 63-65.

[8]桂云川, 杨俊安, 吕季杰. 基于固有时间尺度分解模型的通信辐射源特征提取算法[J]. 计算机应用研究, 2017, 34(4):1172-1175.

[10]王金明, 徐玉龙, 徐志军, 等. 基于指纹特征融合的通信辐射源个体识别研究[J]. 计算机工程与应用, 2014, 50(19):217-221.

[11]唐哲, 雷迎科. 基于最大相关熵的通信辐射源个体识别方法[J]. 通信学报, 2016, 37(12): 171-175.

[12]黄欣, 郭汉伟. 一种稳健的通信辐射源个体识别方法[J]. 电讯技术, 2015, 55(3): 321-327.

[13]唐哲, 雷迎科. 通信辐射源个体识别中基于L2正则化的最大相关熵算法[J]. 模式识别与人工智能, 2016, 29(6): 527-533.

[14]李刚, 包从开. 辐射源个体特征识别技术及在短波电台识别上的应用[J]. 信息通信, 2016, 167(11): 175-177.

(责任编校：龚伦峰)

A Communication SEI Approach Based on Constellation Diagram

WANG Wei, LI Shixian, WANG Xin
(School of Computer amp; Communication Engineering, Changsha University of Science amp; Technology, Changsha, Hunan 410114, China)

A new method for communication SEI based on constellation diagram is proposed. Firstly, the frequency domain energy detection method is used to detect the burst signals, and then the carrier recovery,symbol rate estimation and timing estimation are carried out. Finally, the constellation is obtained based on the results above, and the similarity measurement is carried out through Hausdorff distance to identify the signal transmitting device. The experiments are carried out with QPSK signal emitter, and the experimental results show that the proposed method can facilitate the identification of communication equipment, and it provides a new way for developing communication SEI devices.

Specific Emitter Identification (SEI); energy detection; carrier recovery; constellation extraction

TN919.5

A

10.3969/j.issn.1672-7304.2017.05.0011

1672–7304(2017)05–0051–05

2017-09-04

国家安全重大基础研究项目(973)(613XXX0301)；湖南省教育厅科研项目(17C0043)

王威(1974- )，男，山东青岛人，教授，博士，主要从事智能信息处理方面研究﹒E-mail: wangwei@csust.edu.cn