【摘要】：近年來,隨著移動互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、智能設(shè)備等的個性化發(fā)展,對機器間(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)。由于基于運算不可破的傳統(tǒng)接入認證方式計算復(fù)雜度高,終端難以承受,同時,傳統(tǒng)的安全機制在計算性能逐步提高的情況下需要更長的密鑰,一旦密鑰泄露后果不堪設(shè)想。一些基于無線本質(zhì)特征的認證方式成為了未來網(wǎng)絡(luò)海量終端和數(shù)據(jù)接入認證的增強解決方案�；谟布卣鞯纳漕l指紋可以唯一表征無線發(fā)射設(shè)備,并且具有難以克隆的特性,因此可以用其實現(xiàn)對無線設(shè)備的認證,其不對稱的認證方式,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)于射頻指紋認證的研究,其認證率都不高,限制了其應(yīng)用。從提高認證率為出發(fā)點,本文對基于機器學(xué)習(xí)的射頻指紋識別算法、射頻指紋瞬態(tài)信號特征提取方法、射頻指紋特征降維方法進行了研究,主要完成了以下五個方面的工作:1.將類別可分性度量作為評估射頻指紋性能的新方法,并對其進行實驗仿真驗證其可行性。2.提出一種新的射頻指紋瞬態(tài)信號特征提取方法——雙極大值特征提取算法。通過實驗仿真驗證,針對含噪信號,雙極大值特征提取算法的分類性能優(yōu)于小波變換。3.探討了基于機器學(xué)習(xí)的射頻指紋識別方法,搭建了三種基于機器學(xué)習(xí)算法的射頻指紋識別模型,對機器學(xué)習(xí)算法參數(shù)對識別性能的影響進行了分析,并驗證了基于支持向量機的射頻指紋識別的優(yōu)良性能。4.針對射頻指紋識別特征維數(shù)較高的問題,提出了一種結(jié)合多分辨率分析和ReliefF的主成分分析算法,解決了計算復(fù)雜度高和時間消耗大的問題,實驗表明,該方案可以實現(xiàn)較低復(fù)雜度下的更好識別性能。5.針對射頻指紋識別在低信噪比條件下識別性能較差的情況,提出了一種特征變換方法——符號特征提取算法,并基于此算法提出了一種基于符號特征的ReliefF和樣本篩選的主成分降維算法,實現(xiàn)較高的樣本簡化程度和低信噪比情況下的高識別率,適用于輕量級識別和認證的終端環(huán)境。
【圖文】：

射頻指紋識別技術(shù)的雛形是在 1995 年由 Toonstra 等人通過對調(diào)頻發(fā)射的研究過程中提出的一種從瞬態(tài)信號中提取有利于識別判定的發(fā)射機特征[16]。而“射頻指紋”的概念是在 2003 年由 Hall 等人在對藍牙無線設(shè)備的識別研究中提出的[17]。第二年，他對這一概念做出了進一步描述：一種基于發(fā)射機信號瞬態(tài)部分對發(fā)射機進行唯一識別的技術(shù)[18]。2005 年，Ureten 將射頻指紋稱為唯一的開機(turn-on)特征[19]。2009 年，Klein 將“射頻指紋識別”描述為：基于特定無線設(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)射機的硬件特性，并由此說明了硬件特性的可比性[21]。射頻指紋識別過程的劃分方式眾說紛紜。2005 年，Ureten 定義了射頻指紋識別過程，將其分為瞬態(tài)檢測、特征提取和指紋分類三個過程[19]。2007 年，Ureten 重新定義了射頻指紋識別過程，該過程定義為四個步驟：預(yù)處理、檢測、特征提取與分類[22]。2008 年，Suski 將射頻指紋識別過程分為了波形參數(shù)提取、瞬態(tài)檢測、特征提取與未知接收信號分類的四個階段[23]。2011 年，在文獻[21]中，袁紅林對射頻指紋識別過程重新進行了劃分，新劃分的四個步驟的具體流程如圖 1-1 所示。

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

【參考文獻】

相關(guān)期刊論文 前2條

1 王新;王乾;;改進的Hilbert-Huang變換方法及其應(yīng)用[J];電子測量與儀器學(xué)報;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];計算機工程與應(yīng)用;2010年26期

本文編號：2710153