通信輻射源個體特征提取技術

彭健航

（合肥電子工程學院，安徽合肥 230037）

0 引言

傳統的通信信號偵察往往圍繞通信電臺傳遞的有效信息的獲取或分析進行，即使人們獲得中頻和射頻上可檢測的物理信息，以便得到信號的頻率，調制模式等。然而，通信信號偵察技術在現代戰爭中的地位不斷提高，對那些由于通信發射機硬件個體差異而導致的并表現在發射信號中的物理量逐漸被人們關注。如何通過提取和分析這些附加調制在發射信號上的不影響信息傳遞、可檢測、可重現、相對穩定的物理量（細微特征）來區別不同的通信發射機硬件個體[1]，這就是通信輻射源個體(指紋)識別。

通信輻射源個體識別的過程如圖1所示[2，23-24]。

圖1 通信輻射源個體識別過程

通信輻射源個體識別的本質是模式識別的問題，對采集到的信號進行特征提取，完成特征選擇及融合之后送入分類器，根據一定的先驗信息完成識別任務。在通信輻射源個體識別過程中，特征的選擇和提取是關鍵，選擇哪些細微特征作為個體特征，以及提取特征參數的方法和提取精度，對最后的分類判決都有重要影響，甚至直接決定識別性能的好與壞。本文結合國內外的研究現狀，總結細微特征的產生機理、個體特征的選擇和提取方法以及在實際工程中應用的可行性，探索性地展望未來通信輻射源個體識別的發展方向。

1 信號細微特征的產生機理及個體特征的選擇

1.1 信號細微特征的產生機理

細微特征的來源有很多方面，主要包括有[3]：

（1）現有數學模型對電磁現象的抽象（特別的對非線性器件的逼近）與近似與實際情況不完全相符所造成的偏差；

（2）器件加工過程中的工藝缺陷造成器件技術指標與標稱值的偏差；

（3）裝備在設計、生產過程中的個體差異；

（4）設備在使用過程中老化，器件性能變差等因素的影響；

（5）基帶信號：基帶信號中含有信息特征和非信息特征以及由于數學模型的偏差/近似、元器件模塊的離散性造成的信息特征和非信息特征的偏離；

（5）射頻信號：已調波在載波被調制和放大發射的過程中，會受到頻率源及發射機的非線性和元器件/模塊離散性、穩定性的影響而形成偏差和污染。

1.2 個體特征的選擇

對于各種各樣的細微特征，要作為能夠體現輻射源硬件個體差異的個體特征，歸納起來應該滿足以下準則[4]：

（1）特征的普遍性。即用于通信輻射源個體識別的信號特征應該對于任意個體是普遍存在的，而不是僅僅存在于一部分個體。

（2）特征的唯一性，即用于區別個體的不同輻射源信號的特征應該各不相同。

（3）特征的穩定性。特征應具有高的穩定性，才能使其不因時間的推移或環境的變化而發生顯著改變，從而具有高的置信度。

（4）特征的可檢測性。即用于個體識別的特征應能利用當前先進的技術手段從有限觀測數據中檢測出來，且測量精度能達到個體識別的要求，不易因污染而改變，這樣才具有實用意義。

根據通信信號的固有表現形式，通信輻射源的個體特征可分為暫態特征和穩態特征。

暫態特征是反映了系統過渡狀態（非穩定工作狀態）時的非線性特性，帶有強烈的個體色彩。這些過渡狀態有的來自系統本身，如發射機開機時的變化過程、工作模式的切換過程，數字通信設備中碼字的變換等；有來自系統外部激勵，如供電系統的不穩定變化。但是通信系統瞬態持續時間都很短，而且其瞬態出現的時機不可預測，在通信偵察過程中難以截獲，而且持續時間過短的信號也不利于對其進行瞬態特征的提??；外部激勵帶來的暫態變化本身就具有偶然性，所引起的信號變化也不是每個輻射源必然存在的，不具有普遍性。因此利用暫態特征進行通信輻射源個體識別難以在實際工程中應用。

穩態特征是系統穩定工作狀態下的特征，表現更為持久與穩定，可以作為通信輻射源識別的個體特征，也是本文分析的重點。

2 通信輻射源穩態特征分析

處于穩定工作狀態的通信輻射源，即使是相同批次、相同型號、相同工作方式，都會在發射信號上存有不同程度的差異（穩態特征），主要表現為噪聲特性的輸出差異、雜散特性的輸出差異、載波頻偏的個體差異和調制參數的差異等[5]。

2.1 噪聲特性

內部噪聲特性是每個輻射源固有的特性，由于內部器件的千差萬別，從統計意義上看，不同輻射源的噪聲特性都存在細微差別。內部噪聲在電臺發射端，部分表現為加性白噪聲；發射信號在傳輸過程中會受到環境影響，在進入接收機后、具體的分析進行之前，又會受到接收機內部噪聲的污染，要想獲得帶有通信輻射源內部噪聲特點的細微特征一般是很困難的。然而，當我們對同一區域的電臺進行分析時，可以近似的認為：各電臺信號經過的路徑基本相同，再假設對不同電臺用同一接收機進行信號的采集，這時，噪聲特性的分析可以通過對接收信號進行信噪比的估計來實現。

信噪比的估計一直是無線通信領域的一個重要課題，主要可分為基于數據輔助的估計算法（需要先驗知識）和不需要數據輔助的估計算法（不需要先驗知識），其中不需要數據輔助的估計算法更適合在非協作通信中應用。SNR的時域估計算法中，不需要任何先驗知識的主要有：基于二階-四階矩的估計器[6]（M2M4），其不受載頻估計精度的影響，但主要是針對恒包絡和雙邊帶信號，所以實際應用前，需要了解信號調制類型，從而使其應用受到限制；基于特征值分解和最小二乘法的信噪比估計算法[7]（LS-EVD）及其改進算法，但是其構造自相關矩陣是基于接收信號為平穩信號的前提條件，而且在低信噪條件下估計的誤差比較大。

在忽略環境和接收機影響的條件下，噪聲的平均功率與電臺發射功率大小直接相關，因此，當發射功率可調時，它將不能反映電臺的個體特征。但是，在有些場合下，發射個體發射功率在出廠時已根據其標稱功率調好了，在使用過程中一般不能或不會再改變發射功率，如電視發射機或通信電臺，其發射功率在相當一段時期內保持一定的穩定性，這時，噪聲的平均功率就可以作為識別電臺或其他發射源的一個依據了。

2.2 雜散輸出特性

通信輻射源內部非線性器件的非線性特性、內部噪聲以及本振頻率的不純，經過系統內部各級的不同影響，會產生一些不需要的雜散成分（包括互調頻率、諧波頻率，以及一些交叉調制、寄生調制等）。這些雜散成分在信號發射端會以多種形式伴隨著有用信號發送出去，并在發射信號中留下印記。

（1）信號包絡高階特征

對于不同電臺個體，由于相位噪聲和電臺雜散輸出的不同，各電臺在相同工作模式時會附加不同寄生調制，反映在信號包絡必然附帶電臺個體特征，因此，這些附加調制會使信號包絡統計特性R 特征[8]和J 特征[9]發生波動，不同電臺的R 特征和J 特征變化有所不同，計算簡單，且不需要信號任何先驗信息。但是R 特征的計算對加性噪聲比較敏感，而J 特征對加性噪聲有很好的抑制作用，非常適合用于分析信號由于附加調制帶來的細微變化，但需要對噪聲功率進行精確估計。

（2）高階譜特征

通信信號是周期平穩信號，且通信輻射源的個體特征更多的表現為不規則的非平穩、非線性、非高斯信號，僅從時域、頻域或時頻域的角度，一般的一階、二階分析方法難以深入揭示其本質。高階統計量，特別是高階累枳量和高階譜，能有效檢測信號的幅度信息，并提供信號的相位信息，抑制高斯噪聲，可以提取隨機過程偏離高斯分布的程度，更適用于對個體特征的分析。

三階譜被稱為雙譜[10-11]，是階數最低的高階譜，具有時移不變性、尺度變化性和相位保持性等3個特點，處理方法簡單，與其他高階譜相比，它的應用相對較為廣泛，理論和方法也較為成熟。雙譜的直接應用將要求計算復雜的二維匹配模板，為了克服這一困難，引入積分雙譜的方法實現將二維的雙譜變換為一維函數，具體包括徑向積分雙譜、軸向積分雙譜、周向積分雙譜、選擇雙譜及矩形積分雙譜等。

文獻[26]采用相位信息更豐富的三譜來提取雜散輸出特性，提出了一種全新的類似于三譜的分析方法，利用時頻分析的思想，構造了基于短時Fourier 變換形式的三譜，并利用三譜的對稱性簡化了計算復雜度。

（3）時頻特征

要捕獲不同電臺個體的雜散成分的細微變化，要求頻域分析能夠盡可能真實地反映信號的各種頻率成分，傳統的傅里葉變換由于無法獲得信號各頻率分量隨時間變化的關系，而且其把握信號中的細微變化代價太大，使其在分析非平穩性號和信號中的微弱成分時很不利。由此而發展起來很多非平穩信號的分析方法（如短時傅里葉變換，二次型時頻分布，小波變換等）從二維聯合域來精確描碠輻射源穩態下的細微差異。文獻[12]提出了基于經驗模態分解（Empirical Mode Decomposition，EMD）算法的HHT時頻分析方法，其后驗性、自適應的特點分析輻射源雜散輸出在頻域上的細微表現十分有利。

（4）分形特征

從時頻域提取的特征對噪聲變化較敏感，在信噪比（SNR）未知的情況下，分類識別能力很難得到改善，從信號波形中提取反映其幾何分布特性的分形維數[13]能夠克服這個缺點，深入刻畫雜散調制對信號幅度、頻率和相位的影響，使分類能力大大提高。盒維數反映了分形集的幾何尺度情況，度量信號的不規則量度；信息維數能夠反映分形集在分布上的信息，度量信號在區域內分布的疏密情況，兩者都是信號分類識別的有效特征[14]。

2.3 頻率源特征

對于不同的發射源，即使是相同型號同批次的不同個體，由于本振不同，這種頻率源的頻率或相位的隨機起伏也是不同的，因而頻率源的這種頻率或相拉的隨機起伏可以作為輻射源的個體特征之一。受頻率源影響很大的有兩個參數，分別是載頻的頻率穩定度和碼元速率。

（1）頻率穩定度

受頻率源不穩定的影響，實際的載頻不會完全精確地等于其標稱頻率值，總是存在或大或小的偏差，因此只要對信號載頻作足夠精確的測量，根據頻率偏差的統計特性，就可以區別不同輻射源發射的信號。而對信號的載波頻率估計一直是通信領域的重要課題，方法很多，如周期圖法、最大熵法、ARAM模型法、最大似然法、子空間分析法、過零點法、短時Fourier 法、時變濾法器法、線性回歸法、Music 法、Esprit 法、Kay 法、Prony法，以及現代譜估計理論中的各種方法等。一般而言，輻射源本振的頻率穩定度是很高的，同型號同批次的個體之間的差別非常小，加之信號傳輸過程中的噪聲污染以及接收機本身頻率穩定度的影響，頻率估計精度和效率難以統一。文獻[15]通過對通信信號進行合理抽取，將頻率波動信息轉換到卷積偽調制的包絡信息中，而包絡特征易于提取，從而巧妙地回避了直接計算頻率波動難以滿足精度的難題，但該方法對信號的信噪比要求較高，當信號較弱時，信號自身包絡畸變較大，會對偽包絡特征中包含頻率變化的特征造成很大影響。

（2）碼元速率

碼元速率是數字通信電臺中受頻率源影響的另一個重要參數，通過分析碼元速率，同樣可獲得頻率源穩定度差異的線索。常用的碼元速率估計方法有：延遲相乘法、高階譜法、時頻分析法、周期相關法，基于Bernoulli 隨機過程的參數估計方法，以及基于小波變換的估計方法，這些方法均是在變換域內檢測瞬時跳變點來估計碼元速率，不同的方法應用的條件和環境不同。延遲相乘的方法將碼元速率估計問題建立在發射機成形濾波器為理想的矩形濾波器的前提下，但是這一假設很難滿足；高階譜法通?；谘舆t相乘后的輸出進行討論，但在實際應用中，由于碼元速率未知，很難確定最佳延遲值；周期相關法能夠處理經過脈沖成形濾波器的場合，但該方法面臨著在每個DFT 頻率搜索范圍內的逆矩陣計算問題，再加上周期相關本身計算復雜，使整個算法的運算量和計算資源占用成為一個不可忽略的問題；小波變換雖然對瞬變信號有很好的檢測能力，可以精確描述數字信號的變化時刻，但是當碼元之間無幅度或相位突變時，小波變換的幅度變化不大，無法檢測出瞬時跳變點。文獻[16]提出一種基于STFT時頻能量分布和小波分析的碼速率估計方法，通過對調制信號的時頻能量分布，即數字基帶信息進行小波分析，既利用了數字基帶碼元的節拍信息，也利用了小波變換優良的信號奇異點檢測能力，可以在非協作通信條件下對調制信號進行精確的碼速率估計，而且可以推廣到對其他基本數字調制信號進行碼速率估計。

2.4 調制參數

通信信號都是經過調制的。不同通信電臺（即使型號相同），由于采用的器件的差異，導致調制參數必然隨個體的不同而存在偏差，理論上只要參數估計的精度足夠高，就可以區分不同的輻射源個體。對AM 信號的調幅指數的估計主要采用基于瞬時幅度的統計方法，獲得幅度最大值和最小值的估計值[17]；也有從頻域上來統計調幅指數的方法[18]。FM 信號的調頻指數可以利用信號頻率估計的諸多算法首先求得FM 信號的瞬時頻率，然后同樣基于統計特性來計算。但是，在非協作條件下，調制類型未知和調制參數的估計給調制參數個體差異的測量加深了難度，而且調制參數受隨機調制信息影響嚴重，所以利于調制參數的差異進行電臺識別還有待進一步研究。

此外，對輻射源振蕩器和系統功放建模分析也可以分析信號的穩態特征。

總之，輻射源個體穩態特征涵蓋的內容相當廣泛，但是相對于暫態特征提取，穩態特征的表現形式多樣且更加的微小，因而提取難度比較大，仍然需要更深入的研究工作。

3 實際工程中應用的可行性

實際工程應用中，通信輻射源的個體特征的獲取會面臨種種困難，會受到眾多因素的影響，使對信號個體特征的提取問題變得錯綜復雜[19]?？梢赃@么說，通信信號從離開輻射源起，就開始受到這樣那樣因素的影響，因而表征信號輻射源個體的個體特征難免會受到污染，甚至被淹沒。

（1）設備運行環境變化造成的特性差異

輻射源內部各種器件在不同的空氣濕度、溫度情況下特性會有細微變化，由此造成不同的工作環境、一年中不同的季節其個體特征也會發生改變；供電源的細微變化經過非線性器件后被放大，也會對特征參數造成污染。

（2）信號傳播途徑的影響：大氣衰落、多徑、平臺位移、色散、天電等因素的影響，會對特征參數造成污染。

在信號的傳輸過程中，由于大氣噪聲（含天電干擾）、工業污染（例如：汽車、電力設備）、非惡意串擾（廣播、電視、通信）、惡意攻擊、平臺位移（產生多普勒效應）、多徑等背景環境條件的不同使正常的裝備表現出不同的技術性能。當受外界環境污染的個體特征到達接收機時，通過接收機模塊本身的非線性處理，外界環境條件將改變個體特征。特別是當個體特征本身就是微小量的時候，信號背影環境條件將湮沒這些特征量。

（3）接收機的影響：接收機中的信道帶寬、平坦度、準確度、穩定度、非線性、動態范圍，色散延遲、數字量化等因素會對個體特征造成新的污染。

因此在實際工程應用當中，各種個體特征參數提取所花費的代價、用于分類識別的效果都是各不相同的，其所適合應用的場合也各不相同。表1給出了常用個體特征參數測量的條件其及實際工程應用的局限性[20]。

表1 細微特征參數的測量條件及應用的局限性

4 存在問題和發展方向

對于輻射源個體識別的研究早期主要是針對雷達輻射源，雷達信號相對簡單，其工作方式利于暫態特征的提取，而通信信號遠比雷達信號復雜，通信輻射源個體特征的研究處于一個起步階段，更多的實際條件下的識別工作仍然需要進一步的研究和驗證。對通信輻射源個體特征的研究主要存在以下幾個方面的問題[3]：

（1）個體特征的產生機理建模問題

個體特征的選取是輻射源個體識別最核心的問題，而個體特征產生的機理能為個體特征的選擇提供依據。實際上，通信系統中很多無意識調制現象在經典文獻中都有提及，張伯涵、王振耀和Skolnik.M 等人的著作中，對磁控管、功放和頻率源的某些寄生特性都有過非常形象的描述，張國柱[21]在此基礎對放大鏈的噪聲特性作了分析。但由于通信工程領域主要是從器件的噪聲特性、譜特性等對通信系統自身的影響來看待問題，很多描述是定性的、經驗性的，而且并不完整，難以直接應用到輻射源個體識別中。

系統穩定工作狀態下，輻射源個體內部差異是以“合力”的形式表現在信號上，很難以數學方法對所有內部設備差異在信號上的影響進行建模。由于缺乏理論模型，目前輻射源個體識別研究文獻多數只能依據定性結論選擇特征，然后用分類實驗來驗證特征的有效性。實際上，相關文獻在選取特征時多數只是利用了指紋機理中的現象，而非機理的本質，因而使得特征提取的方法很容易隨有意調制及調制信息的改變而改變，獨立性較差，因而選取的細微特征應用范圍有限。

因此，對個體特征的機理建模問題是個急待解決的問題，探索個體特征更深層次的、本質性的機理和根源，以輻射源內部不同硬件電路作為出發點，研究電路的電特性和系統特性，建立具有普遍意義的、反映發射機物理本質的輻射源系統模型，對系統的結構設計、指標的確定和識別結果可信度的衡量等都具有重要意義。

（2）個體特征的穩定性問題

穩定性是指特征本身穩定，不易因溫度、濕度、振動等環境變化而發生顯著變化。穩定性要求分短期的或者長期的，對個體識別而言，一般要求盡可能的選擇具有長期穩定性的特征。

國防科大對脈沖體制輻射源實測數據的分類實驗表明，在3天的時間內，瞬時頻率曲線特征雖然有效，但并不是嚴格穩定的，會出現特征的漂移而導致分類性能的下降[22]。輻射源個體識別領域對此類問題關注得很少。

（3）個體特征的可測性問題

“可測性”是指該特征是可測量得到的，并且精度能達到個體分類的要求。目前提出的特征多數將“可測量”作為首要條件，但“可測量”不同于“可測性”，有些量能測但達不到所要求的精度時也很難奏效。工程可測性也屬于“可測性”條件，如果理論上特征都是可行的，而工程無法實現，個體特征的價值也將被打折扣。在個體識別應用中，目標輻射源發射的信號只能進行遠距離偵收，多徑以及接收機的靈敏度、線性度、動態范圍等因素都會影響上升沿、下降沿等特征的可測性。

目前，偵察接收機的頻率穩定度、大動態范圍、高線性度、高位采樣及高采樣率被認為是指紋偵察的必要條件，由于器件工藝等基礎技術水平的限制，上述條件在工程中很難得到滿足，因此使得輻射源個體識別的研究、開發和應用受到很大限制?！坝袥]有不需要上述條件的輻射源個體識別接收機”成為國內電子戰領域熱切關心的問題。

此外，多特征參量的聯合檢測將是提高個體識別系統可靠性和識別率的關鍵因素。就目前的技術條件，單獨一種特征參量的測量很難同時滿足普遍性、唯一性、可檢測性和穩定性的要求，而將多個特征參量結合起來進行聯合檢測則是一個簡單易行的解決方案。

5 總結

本文結合國內外輻射源個體識別的研究方向所做的工作，針對通信輻射源個體特征的選擇和提取的方法進行了總結分類，分析了細微特征來源及傳播過程中所受到的污染，對工程應用可行性進行了分析，并為輻射源個體識別設備的設計提出了框架結構和要求。最后，結合通信輻射源個體識別中存在的局限性和問題，指出了未來可能的研究方向。

輻射源個體識別本身就是信號處理（特別是微小信號的處理）和模式識別領域中富有挑戰性的問題，具有很大的開放性。隨著信號處理新方法和器件工藝新技術的不斷涌現，在科研工作者的不斷努力下，相信通信輻射源個體識別技術一定能有更大的發展。

[1]Langley L E.Specific emitter identification(SEI)and classical parameter fusion technology[J].IEEE Transactions on Acous-tics，Speech and Signal Processing，2003，33(1)：377-381.

[2]任春輝.通信電臺個體特征分析[D].成都：電子科技大學，2006.

[3]許丹.輻射源指紋機理及識別方法研究[D].長沙：國防科學技術大學，2008.

[4]蘆巖.電臺信號細微特征分析與提取[D].成都：電子科技大學，2008.

[5]黃玉春.基于極致學習機的通信信號輻射源個體識別技術研究[D].武漢：華中科技大學，2007.

[6]Dae-ki Hong，Chocl-Hee pak etc.SNR estimation in frequency domain using circular correlation[J].Electronics Letters，2002，38(25)：1693-1694.

[7]詹亞峰，曹志剛，馬正新.無線數字通信的盲信噪比估計[J].清華大學學報，2003，46(7)：957-960.

[8]Chan YT，Gadbois L G，Yansouni P.Identification of the modulation type of a signal[C].Proceedings of International Conference on Acoustics，Speech and Signal Processing，Tampa：IEEE，1985：838-841.

[9]蔡權偉.多分量信號的信號分量分離技術研究[D].成都：電子科技大學，2006.

[10]蔡叫偉，李建東.基于雙譜的通信輻射源個體識別[J].通信學報，2006，28(2)：75-79.

[11]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.

[12]Huang N E，Shen Z，Long S R，et al.The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis[J].Proceedings of the Royal Society of London Series，1998，454：903-995.

[13]郭雙冰.基于小波和分形理論的調制信號特征提取方法研究[J].信號處理，2005，21(2)：316-318.

[14]陳慧賢，吳彥華，鐘子發.分形在電臺細微特征識別中的應用[J].數據采集與處理，2009，24(5)：686-693.

[15]張旻，王若冰，鐘子發.通信電臺個體識別中的載波穩定度特征提取技術研究[J].電子與信息，2008，30(10)：2529-2532.

[16]徐書華.基于信號指紋的通信輻射源個體識別技術研究[D].武漢：華中科技大學，2007.

[17]倫文，鐘子發.2FSK信號“指紋”特征的研究[J].電訊技術，2003，43(3)：45-48.

[18]Tong L，Xu G，Kailath T.Blind identification and equalization based on second-order statistics：A time domain approach [J].IEEE Transactions on Information Theory，1994，40(2)：340-349.

[19]Tong L，Xu G，Hassibi B，et al.Blind identification and equalization based on second-order statistics：A frequency domain approach[J].IEEE Transactions on In for mation Theory，1995，41(1)：329-334.

[20]南建設.信號細微特征分析技術研究[J].電訊技術，2007，47(2)：68-71.

[21]周斌，王秀敏.輻射源個體特征提取技術綜述[J].電訊技術，2011，51(6)：162-168.

[22]張國柱.輻射源識別技術研究[D].長沙：國防科技大學，2005.

[23]柳征.輻射源調制分類與個體識別技術研究[D].長沙：國防科學技術大學，2005.

[24]許海龍，周水樓.雷達輻射源個體識別設備的框架研究[J].電子信息對抗技術，2008，23(6)：9-11.

[25]許海龍，王雋，周水樓.雷達輻射源指紋識別設備的設計與實現[J].航天電子對抗，2008，24(5)：43-45.

[26]郭瑞，周亞建，孫娜.短時三譜分析在通信電臺個體識別中的應用[J].現代電子技術，2011，34(2)：116-118.