技术摘要：
本发明公开了一种基于瞬态‑稳态的部分叠加射频指纹方法，对采集的信号进行能量归一化，频偏、相偏估计与补偿预处理；然后将预处理后的信号分成瞬态信号部分和稳态信号部分，将稳态信号进行相同符号叠加，提高信噪比；然后和瞬态信号进行拼接，对拼接后的信号进行射频  全部
背景技术：
随着智能硬件技术的兴起，物联网(IoT)的发展呈现出指数级增长态势，万物互联 已成为技术发展和产业应用的必然趋势。于此同时，随着第五代移动通信技术(5G)的正式 商用，超高速的数据传输、超宽的无线覆盖以及超低的数据时延将促进物联网在智慧城市、 智能家居、智能交通、工业互联网、智慧电网、智慧医疗等领域进一步普及和拓展，全面推动 蜂窝物联网终端规模化部署和应用。伴随着连接数急剧增多、接入速率飞速提升，未来海量 的敏感机密数据将在无线信道上传输。一旦遭到非法攻击者的恶意入侵，导致这些信息泄 露，将给用户带来直接的财产损失或人身伤害。因此，未来的无线网络应该具有很强的安全 性和保密性。 近年来，基于射频指纹的设备识别和认证技术得到了广泛的关注。射频指纹是无 线设备在生产制造过程中由于硬件容差和工艺技术导致的设备的本质特征，其具有唯一性 和难以克隆的特性，可以有效抵御设备仿冒、篡改等攻击，可以用来进行物联网设备的身份 识别和认证。 现有的射频指纹技术根据其提取特征的目标信号区间通常可以分成瞬态射频指 纹技术和稳态射频指纹技术。然而，现有的这些方法在低信噪比(小于10dB)下的性能很差， 文献“On  Radio  Frequency  Fingerprint  Identification  for  DSSS  Systems  in  Low  SNR  Scenarios”提出在多帧的场景下可以通过叠加相同的训练序列提高信噪比，但单帧场 景下如何提高识别率还有待研究。
技术实现要素：
针对现有技术存在的问题，本发明的目的是提供一种基于瞬态-稳态的部分叠加 射频指纹方法，实现对实际应用中无线设备的识别和认证。本发明首先对采集的信号进行 能量归一化，频偏、相偏估计与补偿等预处理，然后将预处理后的信号分成瞬态信号部分和 稳态信号部分，将稳态信号进行相同符号叠加，提高信噪比，然后和瞬态信号进行拼接，对 拼接后的信号进行射频指纹提取和识别，提高设备在低信噪比场景下的识别性能。 本发明的目的通过以下技术方案实现： 一种基于瞬态-稳态的部分叠加射频指纹方法，其特征在于：对采集的信号进行能 量归一化，频偏、相偏估计与补偿预处理；然后将预处理后的信号分成瞬态信号部分和稳态 信号部分，将稳态信号进行相同符号叠加，提高信噪比；然后和瞬态信号进行拼接，对拼接 后的信号进行射频指纹提取和识别，提高设备在低信噪比场景下的识别性能；包括以下步 骤： (1)采集在高信噪比实验环境下无线设备的输出信号； 4 CN 111601307 A 说　明　书 2/5 页 (2)对采集到的信号加入不同的高斯白噪声进行仿真，获取不同信噪比下的无线 信号，并进行预处理； (3)对预处理后的信号，将其分成瞬态信号段和稳态信号段，将稳态信号段中相同 符号进行信号叠加，然后和瞬态信号进行拼接； (4)将所有信噪比下拼接后的信号按一定比例随机划分成训练集、验证集和测试 集； (5)在训练集和验证集上，根据提取的射频指纹特征训练分类器； (6)针对实际接收的无线设备输出信号，进行步骤(2)中的预处理和步骤(3)中的 部分叠加和拼接，然后提取射频指纹特征，并用训练好的分类器进行无线设备的分类识别。 进一步的，步骤(1)中的低功耗无线设备的输出信号通过直接同轴线加衰减器连 接获取，或者是在近距离视距环境下采集的高信噪比无线接收信号。 进一步的，步骤(1)中采集的无线信号直接下变频到基带再进行后续处理。 进一步的，步骤(2)中仿真的信噪比范围覆盖识别场景的实际信噪比范围，且噪声 叠加在在预处理之前进行。 进一步的，步骤(2)中的预处理具体包含：信号检测和截取、能量归一化、信号频偏 和相偏的估计与补偿。 进一步的，步骤(3)具体包括： (3-1)对预处理后的信号，将其划分成瞬态信号段Stransient和稳态信号段Ssteady，瞬 态信号和稳态信号的划分包括但不限于经验法、差分门限检测法和差分贝叶斯检测法。划 分时，若稳态信号起始点不为一个符号的起始样点，则将其往后推移到下一个符号的起始 点位置。 (3-2)将稳态信号进行相同符号叠加，提高信噪比，即从单符号的角度出发，稳态 信号可以表示为Ssteady＝[s1,s2,…,sN]，其中，N为稳态信号包含的符号个数，每个符号对应 的信号表示为sk＝RFFk(xk) ,xk∈{1,2,…,K}，其中，xk是稳态信号第k个符号的数据值，K代 表所有符号取值个数，RFFk(·)代表第k个符号对应的射频指纹。稳态信号中相同符号对应 的信号可以进行叠加，叠加后符号i对应的信号为ss(i)＝mean(RFFk(xk＝i)) ,i∈{1,2,…, K}，其中mean(·)表示叠加取均值操作。 (3-3)将叠加后的稳态信号和瞬态信号进行拼接，得到部分叠加信号S ps＝ [Stransient,ss(1) ,ss(2) ,…,ss(K)]。 进一步的，步骤(4)中信号集S包含了所有信噪比下的预处理和部分叠加处理后的 基带信号，将样本集S按照一定的比例划分成训练集Strain、验证集Svalid和测试集Stest，划分 的方法包括但不限于交叉验证法、留出法和自助法。 进一步的，步骤(5)中的射频指纹特征提取与识别方法包括但不限于人工选取的 特征和对应的机器学习分类算法、基于深度学习的自动特征提取与分类方法等现有方法中 的一种或多种。 进一步的，步骤(6)中针对实际接收的无线设备输出信号，对其进行步骤(2)中要 求的预处理后，进行步骤(3)中要求的部分叠加和拼接处理，然后利用步骤(5)中训练好的 射频指纹提取和识别方法进行无线设备的分类识别。 本发明有益效果：本发明与现有技术相比，其显著优点是：通过本发明方法，可以 5 CN 111601307 A 说　明　书 3/5 页 对瞬态信号和稳态信号中包含的射频指纹信息进行良好的权衡，利用叠加有效提升稳态信 号射频指纹信息的稳定度。通过仿真和实验可以发现，使用本发明相比于传统的瞬态方法 和稳态方法可以极大提高低信噪比场景下无线设备的识别性能。 附图说明 图1为本发明的方法流程图； 图2为使用该发明方法在低噪比下提高设备识别率的结果示意图。