CN103974240A - 一种基于谐波能量分布的通信设备个体识别方法 - Google Patents
一种基于谐波能量分布的通信设备个体识别方法 Download PDFInfo
- Publication number
- CN103974240A CN103974240A CN201410195193.0A CN201410195193A CN103974240A CN 103974240 A CN103974240 A CN 103974240A CN 201410195193 A CN201410195193 A CN 201410195193A CN 103974240 A CN103974240 A CN 103974240A
- Authority
- CN
- China
- Prior art keywords
- harmonic
- communication equipment
- sigma
- energy
- integral
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)
Abstract
本发明公开了一种基于谐波能量分布的通信设备个体识别方法,包括:对接收的通信设备的数字调制信号进行傅立叶变换得到信号频谱;根据信号的基波频谱成分和二次谐波频谱成分,计算谐波能量分布参数;将计算得到的谐波能量分布参数与预先存储的通信设备标准模板库进行比较,确定接收到的数字调制信号所属的通信设备,完成通信设备的个体识别。本发明提供的基于谐波能量分布的通信设备个体识别方法,能够有效的用于对通信电台个体进行识别。
Description
技术领域
本发明属于现代通信***安全和通信信号处理技术领域,更具体地,涉及一种基于谐波能量分布的通信设备个体识别方法。
背景技术
无线网络广泛渗透到各个领域,由此带来的网络***安全问题也随之日益突出。在各种网络攻击手段中,入侵***攻击的危害最大;这类攻击不仅窃取机密材料,而且随时都可能令受害***陷入崩溃。有效抵御各种网络入侵的手段是稳定、及时、准确的实现网络访问对象的安全检测和控制。现有的无线网络安全机制主要依赖密钥***对接入设备进行身份检测,而一旦发生密钥泄漏,将会形成极大的安全隐患。此外,大多数安全机制的研究仍然局限在无线网络的高层协议,复杂的加密***和脆弱的软件协议***难以解决入侵攻击的威胁。如果将安全措施引入到无线网络的物理层,通过无线信道监测和认证通信信号,使非法用户难以探测、伪造设备信号特征,将能够有效监测和控制现有无线网络的大多数非法设备。
国外相关研究主要集中在两个方面:从电台非稳定工作状态下的开机信号(暂态信号)提取特征实现电台个体识别的方法,以及通过测量电台稳态的工作参数来实现电台个体识别的方法。由于暂态信号持续时间短,实际应用中捕获暂态信号难度极大,因此难以应用到实际***中。目前利用稳态信号进行通信设备识别的方法主要有参数测量法和双谱分析法。参数测量法是通过对调制信号的载频、码元速率等参数的测量来对通信设备进行识别,该方法能够区分不同的通信设备,但是对于不同的调制方式需要采用不同的测量方法,通用性不强,而且测量结果还会收到调制信号本身的干扰,难以得到准确的结果,从而影响区分能力。双谱分析法通过对信号的双谱进行计算,通过提取双谱特征来进行通信设备识别,虽然该方法具有通用性,但是双谱计算量大,耗时比较长,难以满足实时性的要求。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种基于谐波能量分析的通信设备识别方法,通过计算调制信号中基波和二次谐波能量分布比例来对通信设备进行识别,由于谐波能量比例反映了通信设备功率放大器的参数特性,因此能够唯一的用于标识不同的通信设备。由于调制信息同时包含在基波和二次谐波中,它们的能量分布比例中消除调制信息本身的影响,同时本发明提出的方法可以采用快速傅立叶变换来实现,能够极大的提高运算速度,满足实际***中实时性的要求。
为实现上述目的,本发明提供了一种基于谐波能量分布的通信设备个体识别方法,包括:
(1)对接收的通信设备的数字调制信号进行傅立叶变换得到信号频谱;
(2)根据信号的基波频谱成分和二次谐波频谱成分,计算谐波能量分布参数;
(3)将计算得到的谐波能量分布参数与预先存储的通信设备标准模板库进行比较,确定接收到的数字调制信号所属的通信设备,完成通信设备的个体识别。
具体地,对于连续形式,所述步骤(1)中对通信设备信号进行傅立叶变换得到信号频谱,根据下式计算:
其中,所述s(t)为接收的通信设备的数字调制信号,S(f)为经过傅立叶变换得到的信号频谱。
具体地,所述步骤(2)包括:
计算3个谐波幅度比例参数,其中A1表示基波幅度对称度,A2表示二次谐波幅度对称度,A3表示基波与二次谐波的幅度比例,其计算公式如下:
计算3个谐波能量比例参数,其中B1表示基波能量对称度,B2表示二次谐波能量对称度,B3表示基波与二次谐波的能量比例,其计算公式如下:
其中,S(f)为经过傅立叶变换得到的信号频谱,fc为接收的通信设备的数字调制信号的载波频率,T为接收的通信设备的数字调制信号的码元周期。
具体地,所述步骤(3)包括:
将步骤(2)中计算得到的谐波能量分布参数与预先存储的通信设备标准模板库进行对比,计算接收信号参数与标准模板库中的模板偏差量,其计算公式如下:
其中,A1表示基波幅度对称度,A2表示二次谐波幅度对称度,A3表示基波与二次谐波的幅度比例,B1表示基波能量对称度,B2表示二次谐波能量对称度,B3表示基波与二次谐波的能量比例,m是模板编号,分布是第m个模板的幅度比例参数和能量比例参数;
选择Dm最小值对应的模板编号作为通信设备的识别结果。
具体地,对于离散形式,所述步骤(1)中对通信设备信号进行傅立叶变换得到信号频谱,具体根据下式计算:
其中所述s(n)为接收的通信设备的数字调制信号的采样信号,S(k)为s(n)经过傅立叶变换得到的信号频谱,N为采样点个度。
具体地,所述步骤(2)包括:
计算3个谐波幅度比例参数,其中A1表示基波幅度对称度,A2表示二次谐波幅度对称度,A3表示基波与二次谐波的幅度比例,其计算公式如下:
计算3个谐波能量比例参数,其中B1表示基波能量对称度,B2表示二次谐波能量对称度,B3表示基波与二次谐波的能量比例,其计算公式如下:
其中,S(k)为经过傅立叶变换得到的信号频谱,为fc对应的离散频点,为fc±1/T对应的离散频点,为fc±2/T对应的离散频点,运算表示向下取整,fc为接收的通信设备的数字调制信号的载波频率,T为接收的通信设备的数字调制信号的码元周期。
具体地,所述步骤(3)包括:
将步骤(2)中计算得到的谐波能量分布参数与预先存储的通信设备标准模板库进行对比,计算接收信号参数与标准模板库中的模板偏差量,其计算公式如下:
其中,A1表示基波幅度对称度,A2表示二次谐波幅度对称度,A3表示基波与二次谐波的幅度比例,B1表示基波能量对称度,B2表示二次谐波能量对称度,B3表示基波与二次谐波的能量比例,m是模板编号,分布是第m个模板的幅度比例参数和能量比例参数;
选择Dm最小值对应的模板编号作为通信设备的识别结果。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,具有以下有益效果:
1、本发明提出的方案不是针对某种具体调制方式的参数进行识别,因此可以应用于各种调制方式的通信设备识别中。
2、由于调制信息同时包含在基波和二次谐波中,它们的能量分布比例消除了调制信息本身的影响,从而达到较高的识别率。
3、本发明提出的方法可以采用快速傅立叶变换来实现,能够极大的提高运算速度,满足实际***中实时性的要求。
附图说明
图1是本发明基于谐波能量分布的通信设备个体识别方法的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示,本发明提供了一种基于谐波能量分布的通信设备个体识别方法,能够有效的对通信设备个体,识别的主要包括如下3个步骤:
(1)对接收的通信设备的数字调制信号进行傅立叶变换得到信号频谱;
(2)根据信号的基波频谱成分和二次谐波频谱成分,计算谐波能量分布参数;
(3)将计算得到的谐波能量分布参数与预先存储的通信设备标准模板库进行比较,确定接收到的数字调制信号所属的通信设备,完成通信设备的个体识别。
下面分别对这三个步骤进行介绍。
(1)信号的频谱计算。设接收的通信设备的数字调制信号表示为s(t),其载波频率为fc,码元周期为T,其傅立叶变换可表示为
(2)谐波能量分布参数计算。针对前面获得的频谱分布,定义3个谐波幅度比例参数,其中A1表示基波幅度对称度,A2表示二次谐波幅度对称度,A3表示基波与二次谐波的幅度比例,其计算公式如下:
再义3个谐波能量比例参数,其中B1表示基波能量对称度,B2表示二次谐波能量对称度,B3表示基波与二次谐波的能量比例,其计算公式如下:
(3)将上述计算结果与预先存储的通信设备标准模板库进行对比,计算接收信号参数与标准模板库中的模板偏差量,其计算公式如下:
其中,m是模板编号,分布是第m个模板的幅度比例参数和能量比例参数。最后,选择Dm最小值对应的模板编号作为通信设备的识别结果,即
这样就完成了通信设备的个体识别流程。
以下以一具体实施例描述本发明基于谐波能量分布的通信设备个体识别方法:
设接收信号s(t)是一个中频载波为fc=10MHz,码元周期为T=1us的数字调制信号,以采样率fs=100MHz进行采样,得到离散信号s(n)。将采样信号分隔为1秒钟一段,那么每段就有N=fs个点,第i段的傅立叶变换可表示为
下面计算频率分辨率
本例中频率分辨率为Δf=1Hz。因此,fc对应的离散频点为这里运算表示向下取整。于是fc±1/T对应的离散频点为fc±2/T对应的离散频点为因此公式(2)和(3)的各个系数计算公式变为
每个信号至少取10段,然后对系数取平均,即
其中,j=1,2,3,这样可以得到所需的6个参数。
最后,采用公式(4)中定义的欧式距离度量计算接收信号参数与标准模板库中的参数距离,根据公式(5)确定接收信号所对应的通信设备编号。
本例中的模板库中保存了5个设备的模板参数,然后对这5个设备分别采集了50组数据进行实验,每组数据持续时间为10秒,实验结果得到的识别正确率如下:
设备1 | 设备2 | 设备3 | 设备4 | 设备5 | |
识别正确率 | 98% | 96% | 100% | 92% | 94% |
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于谐波能量分布的通信设备个体识别方法,其特征在于,所述方法包括如下步骤:
(1)对接收的通信设备的数字调制信号进行傅立叶变换得到信号频谱;
(2)根据信号的基波频谱成分和二次谐波频谱成分,计算谐波能量分布参数;
(3)将计算得到的谐波能量分布参数与预先存储的通信设备标准模板库进行比较,确定接收到的数字调制信号所属的通信设备,完成通信设备的个体识别。
2.如权利要求1所述的方法,其特征在于,对于连续形式,所述步骤(1)中对通信设备信号进行傅立叶变换得到信号频谱,具体根据下式计算:其中,所述s(t)为接收的通信设备的数字调制信号,S(f)为经过傅立叶变换得到的信号频谱。
3.如权利要求1或2所述的方法,其特征在于,所述步骤(2)具体包括:
计算3个谐波幅度比例参数,其中A1表示基波幅度对称度,A2表示二次谐波幅度对称度,A3表示基波与二次谐波的幅度比例,其计算公式如下:
计算3个谐波能量比例参数,其中B1表示基波能量对称度,B2表示二次谐波能量对称度,B3表示基波与二次谐波的能量比例,其计算公式如下:
其中,S(f)为经过傅立叶变换得到的信号频谱,fc为接收的通信设备的数字调制信号的载波频率,T为接收的通信设备的数字调制信号的码元周期。
4.如权利要求1至3任一项所述的方法,其特征在于,所述步骤(3)具体包括:
将步骤(2)中计算得到的谐波能量分布参数与预先存储的通信设备标准模板库进行对比,计算接收信号参数与标准模板库中的模板偏差量,其计算公式如下:
其中,A1表示基波幅度对称度,A2表示二次谐波幅度对称度,A3表示基波与二次谐波的幅度比例,B1表示基波能量对称度,B2表示二次谐波能量对称度,B3表示基波与二次谐波的能量比例,m是模板编号,分布是第m个模板的幅度比例参数和能量比例参数;
选择Dm最小值对应的模板编号作为通信设备的识别结果。
5.如权利要求1所述的方法,其特征在于,对于离散形式,所述步骤(1)中对通信设备信号进行傅立叶变换得到信号频谱,具体根据下式计算:其中所述s(n)为接收的通信设备的数字调制信号的采样信号,S(k)为s(n)经过傅立叶变换得到的信号频谱,N为采样点个度。
6.如权利要求5所述的方法,其特征在于,所述步骤(2)具体包括:
计算3个谐波幅度比例参数,其中A1表示基波幅度对称度,A2表示二次谐波幅度对称度,A3表示基波与二次谐波的幅度比例,其计算公式如下:
计算3个谐波能量比例参数,其中B1表示基波能量对称度,B2表示二次谐波能量对称度,B3表示基波与二次谐波的能量比例,其计算公式如下:
其中,S(k)为经过傅立叶变换得到的信号频谱,为fc对应的离散频点,为fc±1/T对应的离散频点,为fc±2/T对应的离散频点,运算表示向下取整,fc为接收的通信设备的数字调制信号的载波频率,T为接收的通信设备的数字调制信号的码元周期。
7.如权利要求5或6所述的方法,其特征在于,所述步骤(3)具体包括:
将步骤(2)中计算得到的谐波能量分布参数与预先存储的通信设备标准模板库进行对比,计算接收信号参数与标准模板库中的模板偏差量,其计算公式如下:
其中,A1表示基波幅度对称度,A2表示二次谐波幅度对称度,A3表示基波与二次谐波的幅度比例,B1表示基波能量对称度,B2表示二次谐波能量对称度,B3表示基波与二次谐波的能量比例,m是模板编号,分布是第m个模板的幅度比例参数和能量比例参数;
选择Dm最小值对应的模板编号作为通信设备的识别结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410195193.0A CN103974240B (zh) | 2014-05-09 | 2014-05-09 | 一种基于谐波能量分布的通信设备个体识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410195193.0A CN103974240B (zh) | 2014-05-09 | 2014-05-09 | 一种基于谐波能量分布的通信设备个体识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103974240A true CN103974240A (zh) | 2014-08-06 |
CN103974240B CN103974240B (zh) | 2017-09-29 |
Family
ID=51243181
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410195193.0A Active CN103974240B (zh) | 2014-05-09 | 2014-05-09 | 一种基于谐波能量分布的通信设备个体识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103974240B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101144841A (zh) * | 2007-08-03 | 2008-03-19 | 杭州万工科技有限公司 | 一种谐波电能的计量方法 |
CN101263698A (zh) * | 2005-09-13 | 2008-09-10 | 法国电信公司 | 通信设备的频谱表征 |
CN103441762A (zh) * | 2013-09-09 | 2013-12-11 | 江南大学 | 一种基于Blackman窗三谱线插值测试ADC动态参数的方法 |
-
2014
- 2014-05-09 CN CN201410195193.0A patent/CN103974240B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101263698A (zh) * | 2005-09-13 | 2008-09-10 | 法国电信公司 | 通信设备的频谱表征 |
CN101144841A (zh) * | 2007-08-03 | 2008-03-19 | 杭州万工科技有限公司 | 一种谐波电能的计量方法 |
CN103441762A (zh) * | 2013-09-09 | 2013-12-11 | 江南大学 | 一种基于Blackman窗三谱线插值测试ADC动态参数的方法 |
Non-Patent Citations (1)
Title |
---|
董英英 等: "基于Visual C++6.0 通信信号频谱监测仿真***的设计与实现", 《电视技术》 * |
Also Published As
Publication number | Publication date |
---|---|
CN103974240B (zh) | 2017-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Zero-bias deep learning for accurate identification of Internet-of-Things (IoT) devices | |
CN101959191B (zh) | 一种无线网络安全认证方法及其*** | |
EP2860937B1 (en) | Log analysis device, method, and program | |
CN105678273A (zh) | 射频指纹识别技术瞬态信号的起始点检测算法 | |
US20180013779A1 (en) | Methods and apparatuses for integrity validation of remote devices using side-channel information in a power signature analysis | |
Latha et al. | Deauthentication Attack Detection in the Wi-Fi network by Using ML Techniques | |
TW200943759A (en) | Method and apparatus for processing radio signals to identify an active system in a coexisting radio network | |
CN105721242A (zh) | 一种基于信息熵的加密流量识别方法 | |
Guo et al. | Survey of mobile device authentication methods based on RF fingerprint | |
Conning et al. | Analysis of measured radar data for specific emitter identification | |
Samhitha et al. | An efficient implementation of a method to detect sybil attacks in vehicular ad hoc networks using received signal strength indicator | |
Lin et al. | Improving wireless network security based on radio fingerprinting | |
He et al. | Detection of tor traffic hiding under obfs4 protocol based on two-level filtering | |
CN103997782A (zh) | 一种基于信号强度和抓包速率的无线ap探测定位的方法 | |
Arvani et al. | Detection and protection against intrusions on smart grid systems | |
Tomic et al. | Detecting distance-spoofing attacks in arbitrarily-deployed wireless networks | |
CN107222867A (zh) | 无线信号检测的方法、装置及无线信号检测设备 | |
CN103974240A (zh) | 一种基于谐波能量分布的通信设备个体识别方法 | |
Prakash et al. | Attack detection based on statistical analysis of smartphone resource utilization | |
Lu et al. | Research and analysis of electromagnetic trojan detection based on deep learning | |
Lee et al. | Distributed detection in coexisting large-scale sensor networks | |
CN108242993A (zh) | 一种侧信道信号和参考信号的对齐方法及装置 | |
Fang et al. | High efficient and secure chaos-based compressed spectrum sensing in cognitive radio IoT network | |
CN113065385A (zh) | 一种基于轴向积分双谱的通信辐射源个体识别方法 | |
Li et al. | Rogue access points detection based on theory of semi-supervised learning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |