基于Welch功率谱和卷积神经网络的通信辐射源个体识别*

王 检，张邦宁，魏国峰，郭道省

(中国人民解放军陆军工程大学 通信工程学院，南京 210007)

0 引 言

随着无线通信技术和物联网技术的飞速发展，智能无线终端和物联网设备为人们带来了丰富的生活体验，同时也为非法用户的入侵提供了可乘之机。非法用户和网络攻击通常利用截获的身份信息，如密码和MAC地址等来进行设备欺骗，从而造成严重的安全隐患。射频指纹(Radio Frequency Fingerprint，RFF)[1]是辐射源设备发射电磁波所形成的独特特征，无法被截获和模仿。因此，基于射频指纹的辐射源个体识别技术应运而生。

辐射源个体识别研究中，射频指纹的提取方法主要有基于基本参数信息[2]、调制域信息[3-4]、变换域信息、基于信号特征图像信息[5]、神经网络提取[6]等,射频信号的选择通常为辐射源工作功率恒定时的稳态信号。近年来，变换域信息常被作为射频指纹特征在辐射源识别领域的应用较为广泛，与其他提取特征的方法相比，此类方法保留了信号在变换域内的全部特征，而不是提取某个单一特征，不存在因关键特征选择不佳而影响识别性能的问题，同时此类方法不需知晓调制方式等一些先验信息，应用范围更加广泛。变换域信息主要包括时频分析[7]、高阶谱[8]、循环谱等[9-10]，但是此类方法中，时频谱分析受制于分析工具性能，自适应性能较差；高阶谱分析往往维度较高，带来的运算压力较大，往往采取切片的手段进行降维处理；循环谱同样维度较高，且十分依赖信号本身的完整性，在信号完整性差或信噪比低时，识别效果不佳。……