射頻指紋精準(zhǔn)分析原理與技術(shù)

目錄
第1章 緒論 1
1.1 射頻指紋的產(chǎn)生與作用 2
1.2 國(guó)內(nèi)外研究現(xiàn)狀 4
1.2.1 射頻指紋識(shí)別技術(shù)分析對(duì)象 4
1.2.2 射頻指紋識(shí)別技術(shù)研究現(xiàn)狀 6
1.2.3 射頻指紋識(shí)別聯(lián)邦學(xué)習(xí)研究現(xiàn)狀 8
1.2.4 射頻指紋小樣本學(xué)習(xí)研究現(xiàn)狀 9
參考文獻(xiàn) 11
第2章 射頻指紋識(shí)別基本原理與理論 16
2.1 射頻指紋識(shí)別基本流程 16
2.2 射頻指紋基本特性和產(chǎn)生機(jī)理 18
2.2.1 射頻指紋基本特性 18
2.2.2 核心元器件射頻指紋產(chǎn)生機(jī)理 20
2.3 射頻指紋特征提取基本方法 25
2.3.1 基于瞬態(tài)信號(hào)的射頻指紋提取方法 25
2.3.2 基于穩(wěn)態(tài)信號(hào)的射頻指紋提取方法 27
2.4 基于機(jī)器學(xué)習(xí)的射頻識(shí)別算法 28
2.5 基于深度學(xué)習(xí)的射頻指紋識(shí)別 29
2.5.1 深度學(xué)習(xí)相關(guān)理論 30
2.5.2 卷積神經(jīng)網(wǎng)絡(luò) 31
2.5.3 注意力機(jī)制 32
2.5.4 模型壓縮 34
2.6 基于聯(lián)邦學(xué)習(xí)的射頻指紋識(shí)別 35
2.6.1 聯(lián)邦學(xué)習(xí)的學(xué)習(xí)過(guò)程 36
2.6.2 聯(lián)邦學(xué)習(xí)的**算法 37
2.6.3 聯(lián)邦學(xué)習(xí)的數(shù)據(jù)分布 37
2.7 本章小結(jié) 38
參考文獻(xiàn) 38
第3章 射頻指紋原始數(shù)據(jù)預(yù)處理 41
3.1 信號(hào)采樣基本理論 41
3.2 射頻信號(hào)數(shù)字信道化設(shè)計(jì) 43
3.2.1 數(shù)字信道化技術(shù)理論基礎(chǔ) 43
3.2.2 寬帶非跨信道全覆蓋式數(shù)字信道化技術(shù) 47
3.2.3 數(shù)字信道化性能驗(yàn)證及實(shí)現(xiàn) 50
3.3 基于Farrow濾波器的變速率處理技術(shù) 59
3.3.1 基于Farrow結(jié)構(gòu)內(nèi)插濾波器 59
3.3.2 理想信號(hào)重構(gòu) 63
3.3.3 轉(zhuǎn)置Farrow結(jié)構(gòu)濾波器 63
3.3.4 Farrow硬件結(jié)構(gòu)中控制模塊設(shè)計(jì) 64
3.3.5 定點(diǎn)仿真及結(jié)構(gòu)實(shí)現(xiàn) 66
3.4 實(shí)時(shí)寬帶信號(hào)檢測(cè) 69
3.4.1 載波參數(shù)檢測(cè)整體方案設(shè)計(jì) 70
3.4.2 基于序號(hào)映射的并行FFT的Welch周期圖譜估計(jì) 70
3.4.3 基于形態(tài)學(xué)的噪底展平LAD改進(jìn)型檢測(cè)算法 79
3.4.4 載波參數(shù)檢測(cè)實(shí)現(xiàn)結(jié)構(gòu)及其分析 85
3.5 本章小結(jié) 89
參考文獻(xiàn) 90
第4章 多徑環(huán)境中調(diào)制識(shí)別技術(shù)與數(shù)據(jù)預(yù)處理 92
4.1 基于OFDM的通信傳輸模型 92
4.1.1 OFDM技術(shù)概述 92
4.1.2 OFDM通信鏈路的矩陣表達(dá) 93
4.1.3 多徑環(huán)境調(diào)制識(shí)別流程架構(gòu) 94
4.2 OFDM系統(tǒng)信道估計(jì)算法 95
4.2.1 基于導(dǎo)頻的*小二乘信道估計(jì)算法 96
4.2.2 基于導(dǎo)頻的*小均方誤差信道估計(jì)算法 97
4.2.3 奇異值分解的*小均方誤差信道估計(jì)算法 98
4.2.4 基于二階統(tǒng)計(jì)量的盲信道估計(jì)算法 98
4.2.5 改進(jìn)的二階統(tǒng)計(jì)量盲信道估計(jì)算法 99
4.2.6 基于子空間的盲信道估計(jì)算法 100
4.3 信道均衡算法與仿真結(jié)果 102
4.3.1 迫零均衡算法 102
4.3.2 *小均方誤差均衡算法 102
4.3.3 仿真結(jié)果 103
4.4 基于深度殘差收縮神經(jīng)網(wǎng)絡(luò)的識(shí)別性能分析 106
4.4.1 深度殘差神經(jīng)網(wǎng)絡(luò)概述 106
4.4.2 深度殘差收縮神經(jīng)網(wǎng)絡(luò)概述 107
4.4.3 適用于調(diào)制識(shí)別的修改模型 109
4.4.4 識(shí)別結(jié)果及性能分析 111
4.5 基于卷積神經(jīng)網(wǎng)絡(luò)的識(shí)別分析 115
4.5.1 搭建的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 115
4.5.2 識(shí)別結(jié)果及性能分析 116
4.6 各類(lèi)特定調(diào)制識(shí)別算法復(fù)雜度比較和討論 118
4.7 本章小結(jié) 120
參考文獻(xiàn) 120
第5章 穩(wěn)態(tài)信號(hào)射頻指紋特征提取 122
5.1 無(wú)導(dǎo)頻結(jié)構(gòu)的射頻指紋特征提取 122
5.1.1 分形特征 122
5.1.2 高階矩特征 128
5.1.3 相位噪聲譜 132
5.2 導(dǎo)頻結(jié)構(gòu)的穩(wěn)態(tài)信號(hào)射頻指紋提取 136
5.2.1 載頻相位精估特征 136
5.2.2 星座圖特征 141
5.2.3 功率譜統(tǒng)計(jì)特征 146
5.3 本章小結(jié) 149
參考文獻(xiàn) 150
第6章 低信噪比電磁環(huán)境下的射頻指紋識(shí)別方法 151
6.1 預(yù)處理組合模型算法設(shè)計(jì) 151
6.1.1 基于Sketch的流算法的高頻次信號(hào)篩選 152
6.1.2 基于ConvTrans時(shí)序預(yù)測(cè)網(wǎng)絡(luò)的重點(diǎn)信號(hào)活動(dòng)預(yù)測(cè) 155
6.1.3 基于GSOM聚類(lèi)算法的信號(hào)發(fā)射源設(shè)備標(biāo)注 158
6.1.4 算法結(jié)果分析 161
6.2 基于注意力機(jī)制的射頻指紋識(shí)別模型 167
6.2.1 基于通道注意力機(jī)制的殘差網(wǎng)絡(luò)(RCAN-RFF)模型設(shè)計(jì) 168
6.2.2 注意力機(jī)制射頻指紋識(shí)別實(shí)驗(yàn)驗(yàn)證 176
6.2.3 算法結(jié)果分析 177
6.3 本章小結(jié) 183
參考文獻(xiàn) 183
第7章 射頻指紋小樣本識(shí)別方法 185
7.1 基于匹配網(wǎng)絡(luò)模型的射頻指紋小樣本識(shí)別方法 185
7.1.1 匹配網(wǎng)絡(luò)模型整體結(jié)構(gòu) 185
7.1.2 嵌入函數(shù)設(shè)計(jì) 187
7.1.3 注意力核函數(shù) 189
7.1.4 FCE模塊設(shè)計(jì) 191
7.2 基于元遷移學(xué)習(xí)的射頻指紋小樣本識(shí)別方法 191
7.2.1 元遷移學(xué)習(xí)模型整體結(jié)構(gòu) 192
7.2.2 算法流程 194
7.2.3 預(yù)訓(xùn)練網(wǎng)絡(luò)模塊設(shè)計(jì) 197
7.2.4 元學(xué)習(xí)網(wǎng)絡(luò)模塊設(shè)計(jì) 200
7.3 算法結(jié)果分析 202
7.3.1 射頻指紋小樣本學(xué)習(xí)驗(yàn)證 202
7.3.2 仿真數(shù)據(jù) 202
7.3.3 仿真設(shè)計(jì) 203
7.3.4 仿真結(jié)果與分析 206
7.4 本章小結(jié) 209
參考文獻(xiàn) 209
第8章 資源受限環(huán)境下的射頻指紋識(shí)別方法設(shè)計(jì)與實(shí)現(xiàn) 211
8.1 關(guān)鍵問(wèn)題研究分析 211
8.2 對(duì)計(jì)算復(fù)雜度問(wèn)題的研究 213
8.2.1 深度可分離卷積 213
8.2.2 模型量化 215
8.2.3 BN層 217
8.3 基于深度可分離卷積和模型量化的射頻指紋識(shí)別模型 218
8.4 算法結(jié)果分析 220
8.4.1 數(shù)據(jù)集 221
8.4.2 評(píng)價(jià)指標(biāo) 222
8.4.3 Loss函數(shù)與實(shí)驗(yàn)參數(shù) 222
8.4.4 實(shí)驗(yàn)結(jié)果與分析 223
8.5 本章小結(jié) 226
參考文獻(xiàn) 226
第9章 實(shí)時(shí)射頻指紋特征提取與SVM加速器設(shè)計(jì) 228
9.1 基于FPGA的射頻指紋特征提取系統(tǒng) 228
9.1.1 面向?qū)崟r(shí)處理非同步射頻特征選取 229
9.1.2 系統(tǒng)硬件實(shí)現(xiàn)結(jié)構(gòu)設(shè)計(jì) 232
9.1.3 測(cè)試結(jié)果 235
9.2 基于共享點(diǎn)積矩陣的搜索SVM*優(yōu)訓(xùn)練參數(shù)組設(shè)計(jì)與實(shí)現(xiàn) 237
9.2.1 共享點(diǎn)積矩陣算法 238
9.2.2 軟硬件協(xié)同處理架構(gòu) 239
9.2.3 性能評(píng)估與測(cè)試結(jié)果 248
9.3 本章小結(jié) 253
參考文獻(xiàn) 253