【摘要】：近年來(lái),隨著移動(dòng)互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、智能設(shè)備等的個(gè)性化發(fā)展,對(duì)機(jī)器間(Machine-to-Machine,M2M)通信模式需求的增加,海量的終端連接和數(shù)據(jù)傳輸使得5G所要求的快速、高安全接入變得非常具有挑戰(zhàn)。由于基于運(yùn)算不可破的傳統(tǒng)接入認(rèn)證方式計(jì)算復(fù)雜度高,終端難以承受,同時(shí),傳統(tǒng)的安全機(jī)制在計(jì)算性能逐步提高的情況下需要更長(zhǎng)的密鑰,一旦密鑰泄露后果不堪設(shè)想。一些基于無(wú)線本質(zhì)特征的認(rèn)證方式成為了未來(lái)網(wǎng)絡(luò)海量終端和數(shù)據(jù)接入認(rèn)證的增強(qiáng)解決方案。基于硬件特征的射頻指紋可以唯一表征無(wú)線發(fā)射設(shè)備,并且具有難以克隆的特性,因此可以用其實(shí)現(xiàn)對(duì)無(wú)線設(shè)備的認(rèn)證,其不對(duì)稱的認(rèn)證方式,是可能滿足5G網(wǎng)絡(luò)高速率,終端低功耗、高安全的需求。目前關(guān)于射頻指紋認(rèn)證的研究,其認(rèn)證率都不高,限制了其應(yīng)用。從提高認(rèn)證率為出發(fā)點(diǎn),本文對(duì)基于機(jī)器學(xué)習(xí)的射頻指紋識(shí)別算法、射頻指紋瞬態(tài)信號(hào)特征提取方法、射頻指紋特征降維方法進(jìn)行了研究,主要完成了以下五個(gè)方面的工作:1.將類別可分性度量作為評(píng)估射頻指紋性能的新方法,并對(duì)其進(jìn)行實(shí)驗(yàn)仿真驗(yàn)證其可行性。2.提出一種新的射頻指紋瞬態(tài)信號(hào)特征提取方法——雙極大值特征提取算法。通過(guò)實(shí)驗(yàn)仿真驗(yàn)證,針對(duì)含噪信號(hào),雙極大值特征提取算法的分類性能優(yōu)于小波變換。3.探討了基于機(jī)器學(xué)習(xí)的射頻指紋識(shí)別方法,搭建了三種基于機(jī)器學(xué)習(xí)算法的射頻指紋識(shí)別模型,對(duì)機(jī)器學(xué)習(xí)算法參數(shù)對(duì)識(shí)別性能的影響進(jìn)行了分析,并驗(yàn)證了基于支持向量機(jī)的射頻指紋識(shí)別的優(yōu)良性能。4.針對(duì)射頻指紋識(shí)別特征維數(shù)較高的問(wèn)題,提出了一種結(jié)合多分辨率分析和ReliefF的主成分分析算法,解決了計(jì)算復(fù)雜度高和時(shí)間消耗大的問(wèn)題,實(shí)驗(yàn)表明,該方案可以實(shí)現(xiàn)較低復(fù)雜度下的更好識(shí)別性能。5.針對(duì)射頻指紋識(shí)別在低信噪比條件下識(shí)別性能較差的情況,提出了一種特征變換方法——符號(hào)特征提取算法,并基于此算法提出了一種基于符號(hào)特征的ReliefF和樣本篩選的主成分降維算法,實(shí)現(xiàn)較高的樣本簡(jiǎn)化程度和低信噪比情況下的高識(shí)別率,適用于輕量級(jí)識(shí)別和認(rèn)證的終端環(huán)境。
【圖文】：

射頻指紋識(shí)別技術(shù)的雛形是在 1995 年由 Toonstra 等人通過(guò)對(duì)調(diào)頻發(fā)射的研究過(guò)程中提出的一種從瞬態(tài)信號(hào)中提取有利于識(shí)別判定的發(fā)射機(jī)特征[16]。而“射頻指紋”的概念是在 2003 年由 Hall 等人在對(duì)藍(lán)牙無(wú)線設(shè)備的識(shí)別研究中提出的[17]。第二年，他對(duì)這一概念做出了進(jìn)一步描述：一種基于發(fā)射機(jī)信號(hào)瞬態(tài)部分對(duì)發(fā)射機(jī)進(jìn)行唯一識(shí)別的技術(shù)[18]。2005 年，Ureten 將射頻指紋稱為唯一的開機(jī)(turn-on)特征[19]。2009 年，Klein 將“射頻指紋識(shí)別”描述為：基于特定無(wú)線設(shè)備內(nèi)在的難以復(fù)制的唯一射頻特征的物理層安全技術(shù)[20]。2011 年，袁紅林提出“射頻指紋”反映了發(fā)射機(jī)的硬件特性，并由此說(shuō)明了硬件特性的可比性[21]。射頻指紋識(shí)別過(guò)程的劃分方式眾說(shuō)紛紜。2005 年，Ureten 定義了射頻指紋識(shí)別過(guò)程，將其分為瞬態(tài)檢測(cè)、特征提取和指紋分類三個(gè)過(guò)程[19]。2007 年，Ureten 重新定義了射頻指紋識(shí)別過(guò)程，該過(guò)程定義為四個(gè)步驟：預(yù)處理、檢測(cè)、特征提取與分類[22]。2008 年，Suski 將射頻指紋識(shí)別過(guò)程分為了波形參數(shù)提取、瞬態(tài)檢測(cè)、特征提取與未知接收信號(hào)分類的四個(gè)階段[23]。2011 年，在文獻(xiàn)[21]中，袁紅林對(duì)射頻指紋識(shí)別過(guò)程重新進(jìn)行了劃分，新劃分的四個(gè)步驟的具體流程如圖 1-1 所示。

圖 2-3 射頻指紋識(shí)別過(guò)程示意圖機(jī)器學(xué)習(xí)可以通過(guò)計(jì)算的方法，利用訓(xùn)練改善系統(tǒng)自身的性能，，將機(jī)器學(xué)習(xí)算法與射頻指紋識(shí)別過(guò)程相結(jié)合，可以提高分類的準(zhǔn)確率，基于機(jī)器學(xué)習(xí)的射頻指紋識(shí)別過(guò)程可以分為如圖 2-4 所示的兩個(gè)階段：分類器生成階段和識(shí)別認(rèn)證階段。分類器生成階段是運(yùn)用機(jī)器學(xué)習(xí)算法對(duì)預(yù)先得到的指紋數(shù)據(jù)庫(kù)中的數(shù)據(jù)進(jìn)行分類學(xué)習(xí)生成用于分類識(shí)別的分類器；識(shí)別認(rèn)證階段則是用得到的分類器對(duì)待測(cè)的射頻指紋特征進(jìn)行分類識(shí)別，確定發(fā)射設(shè)備的身份，完成射頻指紋識(shí)別認(rèn)證過(guò)程。
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TN929.5;TP181

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 王新;王乾;;改進(jìn)的Hilbert-Huang變換方法及其應(yīng)用[J];電子測(cè)量與儀器學(xué)報(bào);2014年12期

2 蔣玉嬌;王曉丹;王文軍;畢凱;;一種基于PCA和ReliefF的特征選擇方法[J];計(jì)算機(jī)工程與應(yīng)用;2010年26期

本文編號(hào)：2710153