一種優化的基于信號幅度排序的射頻指紋特征提取和識別算法

謝非佚+程偉+陳宜++文紅

【 摘 要 】 針對目前傳統基于信號幅度的射頻指紋特征提取方法存在的不足，文章提出一種優化的基于信號幅度值排序序列的射頻指紋特征提取算法。考慮到開機瞬態信號特征采樣個數變動的問題，該算法充分利用所有信號特征采樣，并有效兼顧了特征提取的計算復雜度。文章詳細介紹了算法，同時通過仿真實驗證明該算法相較利用信號幅度的算法在區分度和抗噪聲上具有較大的優越性。

【 關鍵詞 】 射頻指紋；特征提取；排序序列；聚類分析

【 中圖分類號 】 TN911.72

【 文獻標識碼 】 A

An optimized algorithm for the feature extraction and recognition of

RF fingerprint based on signal amplitude ranking

Xie Fei-yi Cheng Wei Chen Yi Wen Hong

（National Key Laboratory of Science and Technology on Communications， UESTC SichuanChengdu 611731）

【 Abstract 】 Aiming at the shortcomings of traditional RF fingerprint feature extracting methods based on signal amplitude， this paper proposes an optimized algorithm for the feature extraction of RF fingerprint based on signal amplitude ranking. In view of the problem that the number of the transient signal feature sampling is changed，the algorithm takes full advantage of all the features of the signal， and it also takes into account the computational complexity of the feature extraction. This paper introduces the algorithm flow， as well as through simulation experiment it shows that this algorithm has the superiority of discrimination and anti-noise， compared with algorithms by using signal amplitude.

【 Keywords 】 radio frequency fingerprint； feature extraction； collating sequence； cluster analysis

1 引言

射頻指紋特征提取是射頻指紋識別（Radio Frequency Fingerprint Recognition，RFFR）的關鍵步驟。在射頻特征提取和識別算法中，采集何種信號作為指紋、提取何種信息作為特征，影響到之后判決識別的正確率和計算復雜度，本文針對目前利用信號幅度的射頻指紋特征提取和識別方法存在的不足，結合基于信號強度值排序序列的定位算法[1]，提出一種優化的開機瞬態信號特征提取算法，使其可以考慮信號沿x軸的長度，同時相較其他算法在計算復雜度上有明顯的降低。

3 仿真結果及分析

為了驗證采用信號幅度值排序序列作為特征由于直接使用信號本身，本文對兩個無線發射機分別采集開機瞬態信號并使用MATLAB模擬噪聲的干擾。

在本次仿真中用MATLAB模擬隨機噪聲，控制噪聲幅度不大于信號最大幅度的2%，并假設噪聲在短時間內是穩定的。對樣本庫和待檢測的無線發射機分別提取20個開機瞬態信號（I=20，J=20），其中f提取11個樣本點（M=11），g提取13個樣本點（N=13），傳統方法選擇g前11個樣本點直接求離差矩陣，排序算法則對g進行2.3中的處理后，求排序序列的離差矩陣。最后得到的結果如圖2所示。可以看到傳統方法會受到噪聲波動影響，區分度不大，很難設立判決門限值；而優化的排序算法區分度非常明顯，基本不受外界噪聲干擾，可以很容易設立判決門限。

4 結束語

本文針對直接利用幅度作為特征所存在的特征性不夠強，區分度不高，易受采樣環境干擾等問題，提出了基于信號幅度值排序序列的特征提取方法，并優化了算法兼顧信號沿x軸的長度這一特征。通過仿真證明了排序算法在區分度和抗噪聲干擾上相較傳統方法具有更好的優越性。同時由于采樣頻率固定，對不同的無線發射機，無需人為調整采樣頻率。使得樣本采集自動、高效，降低在采集過程中發生錯誤的概率。

參考文獻

[1] 李慧，徐俊俊，陳曉峰.一種基于奇異值分解的射頻指紋排序定位算法[J].儀器儀表學報，2013，34（10）： 2219-2225.

[2] Wenhao Wang， Zhi Sun. Wireless Physical-Layer Identification： Modeling and Validation， IEEE TRANSACTIONS ON INFORMATION FORENSICS AND SECURITY，2016，11（9）：2091-2106.

[3] J. Hall， M. Barbeau， E. Kranakis. Detection of Transient in Radio Frequency Fingerprinting Using Signal Phase[C]//Proc. of Conference on Wireless and Optical Communications.[S. l.].ACTA Press， 2003.

[4] 李文龍，陳悅，等.藍牙通信中的射頻指紋識別技術[J].計算機工程，2014，40（1）： 11-14.

[5] 袁紅林.基于射頻指紋的無線網絡物理層認證關鍵技術研究[D].南京：東南大學，2011.

項目基金：

1. 四川省科技支撐項目（No.2015GZ0090）；

2.863項目（No.2015AA01A707）。

作者簡介：

謝非佚（1990-），男，漢族，四川綿陽人，電子科技大學，碩士在讀生；主要研究方向和關注領域：密碼學、物理層安全。

程偉（1993-），男，漢族，四川南充人，電子科技大學，碩士在讀生；主要研究方向和關注領域：通信系統、物理層安全。

陳宜（1986-），男，漢族，廣西合浦人，電子科技大學，博士在讀生；主要研究方向和關注領域：通信網絡、信息安全。

文紅（1969-），女，漢族，四川成都人，畢業于加拿大滑鐵盧大學，博士，教授，主要研究方向和關注領域：無線通信的可靠性和安全性技術。