通信輻射源指紋特征提取算法研究*

資曉軍 謝 丹 楊劍波

(92762部隊 廈門 361021)

通信輻射源指紋特征提取算法研究*

資曉軍 謝 丹 楊劍波

(92762部隊 廈門 361021)

非協作環境下對船載無線通信系統的信號分析和識別,具有十分重要的軍事價值。論文分析了輻射源特征對于目標個體識別的意義,給出了信號載頻偏差、包絡高階特征及積分雙譜特征的計算方法,并且基于前向搜索策略提出了特征子集選擇算法。

輻射源；特征提??；積分雙譜

1 輻射源信號指紋特征構成

在非協作通信環境中,對船載通信系統無線電信號的搜索、識別、定位、分析和檢測技術,具有十分重要的軍事價值。通信輻射源的指紋特征是由于其在制作過程中的各種隨機因素造成的個體差異并體現在其信號的細微特征中,具有一定程序的穩定性和變化規律。

在無法獲取通信內容的情況下,可利用對輻射源多維細微特征的提取和分析,完成對相同通信體制、調制方式、通信頻率下的多個輻射源身份的分選與識別,為進一步判斷通信輻射源個體屬性、威脅等級提供重要決策依據。長期以來,研究通信輻射源信號指紋特征的提取是進行數據融合、模式識別、跟蹤定位、態勢分析的重要技術支撐手段,在電子戰領域占有十分重要的地位。

作為信號的指紋特征的參數,應具備以下四個基本條件： 1) 普遍性,特征應存在于所有信號樣本中； 2) 唯一性,特征參數在信號樣本之間具有區別性； 3) 穩定性,同一樣本的參數特征不因時間和環境的變化而改變； 4) 可檢測性,特征參數能夠利用相關技術從有限觀測樣本中提取出來。

對于輻射源的指紋特征,可從暫態特征和穩態特征兩個方面考慮。暫態特征是指輻射源開機瞬間以及工作模式切換等非穩定狀態下的信號特征,其原因是由于電臺內部機械和電子元器件的細微差異而表現出的信號非線性、非平穩特征；穩態特征是指電臺進入穩定工作狀態后信號特征,受調制信息的影響,穩態特征的提取更加復雜。

本文主要研究輻射源載頻偏差和雜散特征等常規參數提取方法,結合信號高階譜特征參數的提取,通過選擇最優特征子集達到對輻射源個體識別的目的。

2 穩態特征參數的提取

2.1 載頻偏差的提取算法

對同一型號、標稱頻率和發射模式的電臺輻射源,即使采用直接頻率合成(DDS)技術,其晶體震蕩器的載頻偏差的幅度和相位都存在漲落現象,從而引起輸出頻率的波動[1]。

以單載波信號為例,基于相位擬合的載頻估計算法原理如下,假設信號序列為

rn=Aej(ω0nT+θ)+z(n),n=n0,n0+1,…,n0+N-1

當SNR?1時,1+v(n)≈ejtan-1vQ(n)≈ejvQ(n),故原始信號可寫為

r(n)≈Aej[ω0nT+θ+vQ(n)]

基于最小二乘原理,用多項式擬合方法求解其瞬時相位。信號瞬時相位可表示為φ(n)ω0nT+θ,n=n0,n0+1,…,n0+N-1,其載頻w0引入的相位改變為斜率ω0的直線,用線性函數對瞬時相位進行擬合,得

解方程可得載頻估計值為

2.2 信號包絡高階特征及峰度的計算

設實信號x(t)的Hilbert變換為

定義信號包絡的高階特征為

其中,Px為信號x(t)的功率,m2和m4分別為其二階矩和四階矩?？梢?通過信噪比和噪聲功率可以求出信號x(t)的功率及其高階包絡特征[2]。二階矩和四階矩的計算方法為

在預先估計信噪比的條件下可求得信號峰度為

3 信號積分雙譜特征的提取方法

令觀測信號樣本為x(1),x(2),…,x(N),采樣頻率為f,雙譜區域上沿水平和垂直方向采樣間隔為Δ=f/N,則信號樣本的雙譜計算步驟如下[3]：

1) 將樣本平均分段并去均值,即N=KM,K為分段數,M為分段數據長度。

×Y(i)(λ)(λ2+K2)×Y(i)(-λ1-λ2-K1-K2)

其中,i=1,2,…,K,0≤λ2≤λ1,λ1+λ2≤f/2。

4) 由K段數據估計出信號樣本的雙譜均值為

在信號高階譜特征中,雙譜分析的階數最低,相對計算量最少,但直接利用匹配濾波器進行二維模板匹配,其計算量過大,難以將雙譜分析應用于信號特征提取。故引入積分運算將二維雙譜計算轉化為一維函數,根據積分路徑不同,可分別得到以下幾種積分雙譜：

1) 徑向積分雙譜(RIB)：沿雙譜平面過原點的直線進行積分。

徑向積分雙譜具有平穩不變性,為保持信號的尺度信息,可計算直接徑向雙譜為

與RIB相比,AIB保留了信號的幅度特征,具有尺度變化,但由于僅提取了信號三階相關域上C3x(0,k)部分信息,所以AIB未保留原始信號的相位信息。

3) 圓周積分雙譜(CIB)：積分路徑為一組以原點為圓心的同心圓,計算公式為

其中,Bp(a,θ)是信號雙譜的極坐標,可見,CIB保留了原始信號尺度信息和部分的相位信息,具有平移不變化。

4) 矩形積分雙譜(SIB): 積分路徑為以原點為中心的一組正方形,計算公式為

SIB具有平移不變化,同樣保留了原始信號尺度信息和部分相位信息。

4 基于領域模型的特征子集選擇

通過上述分析,可以得到通信輻射源若干特征,包括信號載頻、包絡的高階J特征、包絡的峰度和各種積分雙譜特性。以目前的計算速度和分析能力,很難實現完備的輻射源指紋特征集,為達到輻射源個體識別的目的,就需要從特征集中以某種評估標準達到最優為條件選擇最合適的特征子集,通過搜索策略形成的特征子集的條件概率分布與所有特征取值條件下的概率分布盡可能接近,以降低用于分類識別算法的計算復雜度。

搜索策略分為全局最優搜索、隨機搜索和啟發式搜索三種。全局搜索策略類似于窮舉,在特征數據較多時計算量過大；隨機搜索以遺傳算法為基礎,因采用統計得分的方式,算法負責度與特征數量呈指數增長,而且很難確定最優的特征子集；啟發式搜索策略應用較多,其實現方法有序列前向選擇、序列后向選擇、單獨最優組合、浮動搜索等[4]。

本文在前向啟發式搜索的基礎上提出基于鄰域模型的特征子集選擇方法,其主要思想是：首先計算全部特征的屬性重要度,特征子集以空集開始,依次選擇剩余屬性中重要度值最大的屬性加入約簡集合,直到所有屬性重要度低于最小閾值[5]。具體算法步驟如下：

1)red=φ,red為初始特征子集,初始化為空集；

2) ?a∈A,求其領域Na,A為包括所有特征的集合；

3) 對?a∈A-red,求SIG(ai,red,D)=γred∪a(D)-γred(D)(定義γφ(D)=0),SIG為重要度計算函數；

4) 選擇滿足條件SIG(ai,red,D)=maxi(SIG(ai,red,D))的ak;

5) 若SIG(aI,red,D)>ξ,則將ak加入red；ξ為最小重要度閾值；

6) 循環執行步驟4)、5),直到滿足條件SIG(ai,red,D)<ξ。

5 結語

通信輻射源指紋特征提取和個體識別是一個極具挑戰性的課題,本文針對常規特征及積分雙譜特征的計算、特征子集的選擇給出具體方法,但對于不同類型的輻射源在特征提取的方法區別上沒有進一步的實驗驗證。

[1] 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].電子與信息學報,2008,30(10):2529-2532.

[2] 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.

[3] 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,2009,36(4):736-740.

[4] 蔡忠偉,李建東.基于雙譜的通信輻射源個體識別[J].通信學報,2007,28(2):75-79.

[5] 任春暉.通信電臺個體特征分析[D].成都:電子科技大學,2006:21-30.

Emitter Fingerprint Feature Extraction Algorithm

ZI Xiaojun XIE Dan YANG Jianbo

(No. 92762 Troops of PLA, Xiamen 361021)

It has very important military value for signal analysis and identification of shipborne wireless communication system in non-cooperative environment. This paper analyzes the significance of radiation source characteristics, gives the calculation method of signal carrier frequency offset, envelope high-end features and integral bispectrum feature, and proposes feature subset selection algorithm based on forward search policy.

radiation source, feature extraction, integral bispectrum

TP301

2016年9月10日,

2016年10月20日

資曉軍,男,碩士,工程師,研究方向:無線通信技術、信號分析及信息融合。謝丹,女,碩士,工程師,研究方向:信息技術、自動化。楊劍波,男,博士,工程師,研究方向:移動通信網絡、數據融合。

TP301

10.3969/j.issn.1672-9730.2017.03.016