简述基于双谱变换的通信辐射源个体识别

张一丹

四川大学电子信息学院 四川 成都 610065

引言

通信辐射源的个体识别是通过提取存在于发射信号中的辐射源个体差异特征（即“指纹”）实现的。因辐射源指纹特征属于无意调制特征，不依赖于传输的通信内容，辐射源个体识别在电磁目标识别、网络安全和电子对抗等领域具有重要意义[1]。

近年来，人工智能的热度不断上升，在辐射源个体识别问题中，AI的加入使识别效果有一定的提升[2]。但深度学习本身可解释性较差，且指纹特征背后对应的机理问题并未完全解决，因此训练过程中很容易陷入过拟合，面对新数据和新情景时适应性也较差。

针对上述问题，本文提出一种基于谱峰定位的积分路径筛选算法，每个积分路径对双谱的值计算和特征提取的贡献情况不同，筛选出离双谱谱峰较近的矩形积分路径，提取最大贡献路径的双谱值。利用该筛选算法对信号的双谱进行二次特征提取，在保证识别准确率的同时有效减少计算维度，最后采用卷积神经网络进行分类识别。

1 基于双谱的通信辐射源指纹特征提取算法

1.1 双谱变换

由于实际电磁辐射的环境较为复杂，辐射信号或噪声并不完全服从高斯分布，对信号细微特征的分析如果只有幅度信息是不充分的，还需要一定的相位信息，高阶谱可以求得信号的相位信息。双谱是高阶谱分析中阶数最低、运算量最小、运算效率最高、处理方法相对简单的谱分析方法。双谱包含了高阶谱的所有特征，可以恢复、提取信号的相位和幅度特征，因而较为适合辐射源信号的细微特征分析。

1.2 基于矩形积分的双谱特征提取

若直接对提取信号的双谱特性进行识别，需要进行二维模板匹配，计算量较大。通过将信号的双谱按照特定的路径进行积分，可以将二维数据转化为一维数据，得到局部积分双谱，大大降低了计算量。

主要的积分路径有：径向积分双谱、圆周积分双谱、轴向积分双谱和矩形积分双谱。其中，矩形积分双谱为以原点为中心依次做不同尺度的正方形，对落在正方形上的双谱数据点求和，如（2）所示，其中，为积分路径数，代表第条矩形积分路径。

1.3 基于改进的矩形积分双谱特征提取

对矩形积分双谱算法而言，每一条路径对指纹特征的贡献不同，因此可以筛选出贡献很小甚至是贡献为负的路径，可以在不影响识别率的同时降低特征维数。本文提出一种基于谱峰定位的矩形积分路径筛选算法对双谱特征进行二次特征提取。其主要思想为：针对每个积分路径对双谱的值计算和特征提取的贡献情况不同，离中心谱峰近的积分路径贡献较大，反之则贡献较小甚至贡献为负，筛选出离双谱谱峰较近的矩形积分路径，具体流程如下所示：

2 实验与结果分析

2.1 实验场景设置

设置辐射源个数为5，信号的载频为200 Hz，调制方式为4QAM，采样频率为1000 Hz，并使信号经过高斯白噪声干扰的信道。为使样本反映出辐射源的指纹特征，在信号中模拟造成辐射源指纹的因素[3]，增加I/Q正交调制器误差、振荡器相位噪声、寄生谐波等误差。

2.2 识别结果及分析

（1）基于谱峰检测的路径筛选算法性能评价

信噪比10 dB下，在双谱中共选取100条矩形积分路径。为了验证基于谱峰检测的路径筛选算法的有效性，分别采用基于谱峰检测的路径筛选算法和均匀随机筛选算法对所有积分路径进行筛选，不同路径数下识别准确率对比如图1所示。

图1 不同积分路径下识别准确率对比

从图1中可以看出，在一定范围内，随着积分路径数量增加，SIB和改进后的SIB的识别率都逐渐升高；但当积分路径数增加到一定程度后，随着路径数继续增加，识别率反而下降，这一现象证明了不是所有积分路径都对双谱特征有正贡献，有些路径对指纹特征的贡献较小，甚至为负。除此之外，在积分路径数相同的情况下，改进的SIB算法识别效果要远远高于SIB识别效果，证明了基于谱峰的路径筛选算法能够有效筛选出对指纹特征贡献较大的路径，并由此设定筛选路径数为70条。

（2）改进SIB算法和SIB算法的性能对比

图2 不同信噪比下SIB和改进SIB的识别率对比图

为了验证本文提出的改进SIB算法对分类识别准确度的有效性，在不同信噪比下，分别利用改进SIB算法和SIB算法进行特征提取并识别，其中，改进SIB算法利用基于谱峰定位的积分筛选算法选取其中70条路径对双谱进行积分。识别率对比结果如图2所示。随着信噪比的增加，双谱特征的识别率也随之提高，改进后的积分双谱特征识别率远高于矩形积分双谱特征，且其在10dB的信噪比时达到了90%的识别准确率。由此可见，改进的SIB算法能有效提升分类识别性能。

3 结束语

针对通信辐射源个体识别，本文提出了一种基于谱峰定位的矩形积分路径筛选算法，并利用该算法对信号的双谱进行二次特征提取，将二维数据变成一维数据，有效降低计算维度，且筛选算法能有效筛选出对指纹特征贡献较大的双谱值，保证学习模型的识别精度。实验结果表明，本文提出的筛选算法能有效提高模型的识别准确率。