基于多維信號特征融合的空間通信目標識別技術

徐書華，徐麗娜

(1.華中科技大學 電子與信息工程系，湖北 武漢 430074；2.武漢科技大學 管理學院，湖北 武漢 430074)

空間通信目標識別是現代通信安全領域的重要內容，其識別結果的可靠性和精細程度是通信對抗體系先進程度的重要標志之一。在空間通信技術高速發展的前提下，原有意義上的空間通信目標識別(如調制模式識別等)方法無法區分復雜信號環境下的同類空間通信目標個體。因此，必須通過特定的高保真通信接收機分析偵測到的空間通信信號，從中提取空間通信目標的射頻信號特征，實現對特定空間通信目標的個體識別。

從上世紀末開始，國內外研究人員已發表了若干針對通信目標射頻信號特征提取的相關文獻[1-5]。國外相關研究主要針對暫態通信信號中的開關機信號，利用特征提取的分析方法實現個體識別，而國內多數是從概念上和局部特征進行研究，由于難度較大，尚沒有突出的研究成果。

然而，暫態通信信號特征的實際應用存在較大困難，其主要原因在于暫態信號持續時間極短，在非協作通信中信號定位困難，而且暫態信號與噪聲的相似性使得特征提取十分困難。考慮到正常通信時的穩態信號持續時間長，信號檢測和監控都比較容易，因而穩態分析方法具有更加廣泛的應用價值。因此，本文提出利用穩態信號特征對空間通信目標進行個體識別。對充足信號長度的穩態空間通信信號分別在時域、頻域和高階譜域提取多維特征進行融合，并結合基于現代機器學習算法的支撐矢量機作為識別器，給出了完整的空間通信目標識別方法，并通過實驗驗證了本方法的有效性。

1 空間通信目標識別方案

空間通信目標識別實質上是模式識別問題，其一般流程如圖1所示。空間通信目標信號監測是指通過高保真接收機對射頻信號進行檢測、采樣和量化，把監測到的空間信號轉化成可分析處理的數字信號；射頻信號預處理的目的是濾除噪聲，對原始數字信號進行處理得到適合分析的目標數字信號；信號個體特征提取是在多種不同的變換域(時域、頻域、高階譜域等)對數字信號進行變換，提取能夠反映目標個體本質的特征，并將所得的多維信號特征進行融合，得到適合分類的空間目標個體特征；分類識別過程是通過現代機器學習算法等在特征空間中把被識別目標劃歸為某一類特定的個體；在得到對未知空間通信目標的識別結果后，由安全決策處理模塊對該未知目標進行安全分析，并作出相應的應對機制。

圖1 空間通信目標模式識別過程

1.1 空間通信信號特征的定義

從空間通信目標個體識別的流程來看，其技術難點在于射頻信號個體特征的提取，即從接收到的通信信號中提取反映空間目標個體設備特點的細微特征。該細微特征應具備以下特點：

(1)檢測性，即能夠從截獲信號中通過有限次的觀測檢測出來；

(2)穩定性，即不因時間推移或環境條件的變化而發生顯著的變化；

(3)完備性，即能夠反映通信目標的個體屬性，并能夠應用多維特征來描述；

(4)唯一性，即任意兩部設備所提取的特征值應該不相等。

根據信號指紋的定義，可以將具有上述特點的信號特征稱為空間通信信號的個體特征或者射頻指紋，這是對空間通信目標個體進行有效識別的主要依據。理論上，由于空間通信設備(如衛星、機載電臺等)在元器件性能、生產工藝及安裝調試等方面的隨機性，必然使得該設備的射頻信號具有區別于其他設備的個體特點。即使是來自同一條生產線的任意兩部型號完全相同的通信裝備，在通信發射機工作過程中，它們所發射的調制信號包含某些細微特征。根據通信信號具有的反映電臺個體特點的技術特征，在一定范圍內偵察和識別電臺已經有應用實例[7]。

1.2 信號特征的提取依據

綜上所述，在實際空間通信目標識別過程中，利用暫態信號特征進行個體識別面臨信號捕捉和特征提取的難題。由于空間通信發射機的穩態信號持續時間長，信號檢測和監控都比較容易，因此，本方案主要針對穩態空間通信信號，從以下三個角度來提取空間通信目標的個體特征。

(1)載頻偏差的個體差異

無論采取何種調制方式，空間通信目標發射的射頻信號總存在載頻。載頻的偏差和穩定度取決于通信發射設備的本振源，其不同的制造精度和調試過程將會造成空間目標個體的差異。

(2)調制參數的個體差異

由于采用的元器件不同，不同空間通信設備的調制參數將產生細微的差異(如PSK信號的碼速率等)。只要保證測量精度，就可以提取調制參數作為目標個體特征。

(3)雜散特性的個體差異

每臺空間通信設備由于元器件的差異，將具有不同的非線性特性，從而產生不同雜散成分，包括互調頻率、諧波頻率、寄生調制等。對這些雜散特征的提取是空間通信目標個體識別的主要依據之一。

2 多維穩態信號特征提取方法

本方案依據穩態射頻信號的常規特征和雜散特性來提取空間通信目標的個體特征。前者主要包括通信信號載頻和碼速率等調制參數；后者主要包括從頻域和高階譜域提取的雜散信號特征。信號特征提取方法描述如下。

2.1 通信信號載頻和調制參數提取

載頻估計有多種方法，本方案采用相位擬合方法對較長時間監測得到的空間通信信號進行載頻估計[6]，將此參數標記為fc。對于調制參數的提取，針對實驗研究對象(如機載 FM/FSK通信電臺)，本方案采用碼速率分析方法來獲取通信目標個體特征差異，并應用適用于非協作通信條件的小波分析法來進行碼速率估計[6]，將此參數標記為RB。

2.2 頻域雜散特征提取

空間通信設備的一部分非線性噪聲會以各種不同的調制方式附加在射頻信號上，使得接收信號在頻域產生微小變化，從而產生大量的雜散頻率分量。為捕獲不同發射機個體的這種差異，本方案應用HHT(Hilbert Huang Transform)時頻法發掘信號個體的雜散頻率成分，其特征提取步驟描述如下：

(1)假定監測到的目標信號為x(t)，按照EMD(Empirical Mode Decomposition)算法將其表示為本征模態函數ci和余量函數rn之和，即：

(2)對每一個本征模態函數ci進行Hilbert變換，構造其解析信號，得到瞬時頻率ωi(t)，并將原始信號x(t)表示為：

(4)根據 Hilbert時頻譜，可得到信號 x(t)的 Hilbert邊緣譜 h(ω)：

其中，T為信號采樣持續時間。Hilbert邊緣譜{h(ω)}(ω=1，…，P)反映了每個頻點上的幅值分布，本方案采用上述該特征來反映空間通信設備個體在在頻域表現出的雜散特性差異。

2.3 高階譜雜散特征提取

實際上，經過編碼和調制后的空間通信信號由于受到發射機雜散特性的影響，監測到的射頻信號將更多地表現為不規則的非平穩、非線性和非高斯性，本方案采用高階譜分析法來表征通信信號個體中的非規則成分。特征提取步驟描述如下[7]：

(1)計算采樣信號{x(n)}的傅里葉變換矢量 X(ω)，設：

其中，ω∈Ω，T為信號長度，Z表示整數域。

(2)計算{x(n)}的直接雙譜 B(ω)：

(4)采用流形約簡算法對高維雙譜特征{y(l)}(l=1，2，…N)進行降維，得到適合識別器的相對較低維高階譜特征{y(l)}(l=1，…，M，M＜＜N)。

2.4 多維信號特征融合

對從不同角度提取的常規信號特征 (包括載頻和碼速率)和雜散特征(包括雜散頻率成分和雙譜)進行融合，即將兩大類特征矢量拉直合并為單一特征矢量，然后對其進行歸一化處理，并定義為空間通信設備的穩態信號特征，標記為：

3 機器學習識別器設計

在空間通信目標識別實際應用過程中，由于實際獲得的觀測數據樣本較少，而基于機器學習算法的SVM(Support Vector Machine)識別器對小樣本數據具有良好的分類能力和推廣能力。因此，本方案應用SVM分類器進行空間通信目標個體識別。

作為一種核函數類分類器，SVM通過核函數將輸入矢量由低維特征空間映射到高維特征空間，將原始輸入空間的非線性可分問題轉化為高維空間的線性可分問題，其判決函數的一般形式為：

其中，S 為支撐向量的個數，ω0，ω1，…，ωS為權系數，核函數K(xi·x)為描述樣本特征矢量x和xi相似性程度的非線性函數。

SVM分類函數形式上類似于神經網絡，輸出是S中間節點的線性組合，每個中間節點對應一個支持向量，如圖2所示。SVM分類器解決了一般神經網絡方法中無法避免的局部極值問題，而且專門針對有限樣本情況設計，因而具有很好的使用價值。

SVM針對兩類分類問題設計，不能直接用來解決多個體的分類問題。本方案采用基于OAO(One Against One)的多類別SVM分類器，該算法把K個類別分類問題分解為K(K-1)/2個類別分類問題來處理。

圖2 支撐矢量機示意圖

4 實驗分析

本方案主要對外場采集的高速運動通信設備(FM/BPSK)進行試驗分析。實驗選擇載頻(fc)、碼速率(RB)、雜散頻率(h(ω))、高階譜(y(l))等四類特征參數來對不同的空間通信目標進行個體識別。實驗中，用于分析空間信號個體特征分類性能的數據來自6部不同高速車載通信設備，其中FM和BPSK調制制式的數據樣本各60組。每一類個體隨機挑選4個樣本用于訓練分類器，其余樣本用作分類測試。數據分析結果如表1和表2所示。

表2 BPSK目標選用特征及正確識別率

通過對實測高速車載電臺(FM/BPSK)的數據試驗分析可得：

(1)針對空間通信目標個體識別問題，應用傳統的通信信號特征(如信號載頻、調制指數相關特征)結合雜散信號特征(如雜散頻率、高階譜)來定義空間通信信號的個體指紋，能夠達到良好的識別效果。

(2)本課題所研究的通信信號指紋特征具有一定普遍意義，是一般空間通信目標發射信號中必然存在的個體特征，因此將該方法應用于實際空間通信目標識別是可行的。

不同于傳統意義上的通信目標調制樣式識別，空間通信目標個體識別需要對監測到的射頻信號細微特征進行特征提取和分類。然而這些信號細微特征差異附著在實際通信信號上，在實際復雜信號環境下不易監測。本文針對實際空間通信信號的特點，提出從時域、頻域和高階譜域等多個角度提取信號的常規特征和雜散特征，并進行融合得到個體信號的多維穩態特征，然后利用支撐矢量機進行個體識別，對高速運動通信目標的實驗分析驗證了本方法的有效性。

總的來說，空間通信目標識別是一個新的研究領域，還需要對信號特征提取方法、識別方法和更多的實際目標進行進一步的研究，而且還將依賴于現代信號處理技術的發展，其在通信安全領域有著廣闊的應用前景。

[1]ELLIS K，SERINKEN N.Characteristics of radio transmitter fingerprints[J].Radio Science， 2001， 36：585-597.

[2]HALL J， BARBEAU M， KRANAKIS E.Enhancing intrusion detection in wireless networks using radio frequency fingerprinting[C].IEEE Proceedings of ICCIIT04， 2004：22-24.

[3]CHANE AC， REKHISS， BOUDRIGA N.Defending againstrogue base station attacksusing waveletbased fingerprinting[C].IEEE/ACS International Conference on Computer Systems and Applications， Rabat， Morocco，May， 2009：523-530.

[4]陸滿君，詹毅，司錫才，等.通信輻射源瞬態特征提取和個體識別方法 [J].西安電子科技大學學報 (自然科學版)，2009，36(4)：736-740.

[5]張旻，鐘子發，王若冰.通信電臺個體識別技術研究[J].電子學報，2009，37(10)：2125-2129.

[6]Xu Shuhua.Research on identification of individual transmitter[D].PhD thesis， Wuhan： Huazhong University of Science&Technology，2007.

[7]徐書華，黃本雄，徐麗娜.基于SIB/PCA的通信輻射源個體識別[J].華中科技大學學報(自然科學版)，2008，36(7)：14-17.