基于EMD的射頻指紋提取和識(shí)別算法研究

發(fā)布時(shí)間：2020-05-09 04:24

【摘要】：無(wú)線(xiàn)通信技術(shù)的蓬勃發(fā)展引發(fā)了人們對(duì)電磁環(huán)境監(jiān)測(cè)的廣泛關(guān)注,隨著大規(guī)模組網(wǎng)監(jiān)測(cè)活動(dòng)的展開(kāi),信號(hào)源個(gè)體進(jìn)行識(shí)別成為無(wú)線(xiàn)通信安全中的重要研究課題。本文針對(duì)信號(hào)源設(shè)備識(shí)別算法在中低端信號(hào)采集設(shè)備中的應(yīng)用需求,設(shè)計(jì)了一套射頻指紋提取和識(shí)別算法,其中,不同信號(hào)源射頻信號(hào)的特征通過(guò)經(jīng)驗(yàn)?zāi)B(tài)分解算法(Empirical Mode Decomposition,EMD)的優(yōu)化算法進(jìn)行提取,并設(shè)計(jì)了分類(lèi)方案以提升識(shí)別的準(zhǔn)確率。本文的主要工作如下:1、進(jìn)行了發(fā)射機(jī)的射頻指紋特征分析。對(duì)發(fā)射機(jī)的本體特征來(lái)源進(jìn)行了探究和分析,重點(diǎn)討論了穩(wěn)態(tài)射頻指紋的形成根源,并對(duì)本文所用的射頻指紋特征進(jìn)行了建模分析,確定了射頻指紋特征的提取和識(shí)別模型。2、提出了基于經(jīng)驗(yàn)?zāi)B(tài)分解的優(yōu)化算法對(duì)信號(hào)的射頻指紋特征進(jìn)行提取。首先對(duì)經(jīng)驗(yàn)?zāi)B(tài)分解方法進(jìn)行了仿真分析,并在實(shí)測(cè)數(shù)據(jù)的基礎(chǔ)上進(jìn)行實(shí)驗(yàn),指出了經(jīng)驗(yàn)?zāi)B(tài)分解算法用于實(shí)際信號(hào)時(shí)存在的問(wèn)題。在此基礎(chǔ)上,提出了一種經(jīng)驗(yàn)?zāi)B(tài)分解算法的優(yōu)化算法,包括信號(hào)預(yù)處理辦法和信號(hào)分解的優(yōu)化算法,從一定程度上降低了模態(tài)混疊問(wèn)題對(duì)后續(xù)工作的影響,提高了信號(hào)分解結(jié)果的穩(wěn)定性。并對(duì)分解后的信號(hào)進(jìn)行了復(fù)雜度特征的提取,即通過(guò)數(shù)據(jù)降維操作降低了后續(xù)分類(lèi)工作的復(fù)雜度。3、設(shè)計(jì)了基于組合分類(lèi)器的分類(lèi)識(shí)別方案。在現(xiàn)有的分類(lèi)算法基礎(chǔ)上,選擇了神經(jīng)網(wǎng)絡(luò)分類(lèi)器和支持向量機(jī)(SVM)分類(lèi)器對(duì)射頻指紋提取算法得到的指紋特征向量進(jìn)行分類(lèi),對(duì)不同分類(lèi)器的分類(lèi)結(jié)果進(jìn)行了分析對(duì)比。在此基礎(chǔ)上,提出了一種基于組合分類(lèi)器的分類(lèi)優(yōu)化方案,通過(guò)數(shù)據(jù)拆分和投票表決的方式,提升了分類(lèi)識(shí)別的準(zhǔn)確率。在整個(gè)方案完成后,對(duì)本文中提出的各種算法分階段的進(jìn)行了實(shí)測(cè)數(shù)據(jù)的仿真分析,并與文獻(xiàn)中的算法進(jìn)行了一定程度上的對(duì)比實(shí)驗(yàn),通過(guò)對(duì)比結(jié)果,說(shuō)明了本文算法的有效性。
【圖文】：