基于信号分析之无线设备“指纹”特征提取

《基于信号分析之无线设备“指纹”特征提取》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于信号分析之无线设备“指纹”特征提取第一章绪论1.1课厘研究背景随着现代通信信号处理的研究近年来的发展，对通信信号的指纹的分析技术也越来越受到研究学者的重视，展现了广阔的应用前景，如军事通信和无线网络的安全，无线电管理，人工智能，机器设备的故障诊断等，将会产生更多新的应用模式。在军事范畴，通讯抗衡是信息战中技术含量最高的战斗方式，在通信对抗中应用的通信信号处理技术主要是非平稳、隐蔽的检测，协同通信下的信号估计。在民用范畴，关于通信信号微小特征分析技术在无线电管理领域，设备诊断及无线网络安全等领域的应用都具有举足轻重的意

2、义。针对无线网络的安全性，传统的技术手段都会利用公共密钢认证来进行身份的认证，但这种方法有个重要缺陷，如果密钥发生泄漏，将造成巨大的安全漏洞。但是如果将合适的安全措施引入到无线接入设备的物理层中，再针对无线的通信信号进行微小特征识别，再加之密朗系统的使用，构建好通过软硬件进行双重识别的系统，这样就能极大提升无线系统安全性能，因此具有广泛的应用前景⑴。另外，在机器人工智能领域中，通过信号细微特征分析技术能提取出高准确度的脑电信号（EEG)特征，其设备的智能程度和性能也将极大提高[2]0;对于通信设备或机械设备的大型装备来说

3、，如果没有相应自动检测工具对其进行故障诊断，在分析设备辖射信号的细微特征之后，也可以快速高效地定位出设备故障，并能迅速排除之，而且可以大幅降低其经济以及设备成本[3]。由此可见，未来广阔的应用趋势也对通信信号分析手段提出了相当高的要求，除了常规分析通信信号，如信号调制模式识别、直扩/跳频信号检测等，其实通信信号的细微特征分析也应当被当作通信信号处理技术的一个重要手段，能够提供更为详尽以及准确的数据情报。..1.2国内外研究动态对于无线设备识别的研究并不是一个新的课题，它几乎和雷达技;样拥有很长的一段历史。早在上个世纪30

4、年代中期，有科学家曾在无源雷达系统中利用发射的射频短波，照射几千米之外的飞机，可惜的是，当年的系统处理水平不高，无法识别出目标的准确地点。新加坡南洋理工大学的研宄人员曾搭建了一个简易的无源雷达系统，系统也是使用的GSM信号，通过他们的研宄发现，这个系统能识别出目标并能跟踪目标的移动轨迹[3]。我国自1980年以来也逐渐探索雷达识别技术，实现了好几种类型的双（多）基地雷达系统。西安电子科技大学雷达信号处理国防科技重点实验室王俊教授等研制了采用调频广播信号的无源雷达系统[3]。该系统可以检测到290KM以外的飞行目标，并同时

5、能够对目标进行定位以及轨迹跟踪。但是无线设备的识别大多运用在军事电子对抗领域或者安全系数要求比较高保密行业，无线设备识别并未真正在民用领域有太大的建树，尤其是手持无线终端的识别。在国内，研究得更多的是无线电台发送的FSK信号的识别，在GSM信号识别这方面的研宄非常少，主要原因是GSM信号本身的高频特性使得信号的识别难度加大，无法像FSK信号那样通过分析信号中心频点等调制特性来识别。由此可以看出，基于信号分析的无线设备指纹特征提取无论是在军事上还是民用上潜力都很大，而且在国防方面也具有深远的意义。因此，对该技术进行更加深入

6、的研宄非常重要。..第二章高阶统计量及高阶谱处理2.1引言初期，我们仅仅只能用二阶统计量的方式来处理随机的信号和系统，也通常只能用一阶、二阶统计量分析这些随机信息，所以由于信号处理方式的局限，也只能对简单的离散信号进行分析，其处理方式是把随机的信号细分成一些统计独立的谐波分量，但这种信号处理方式有个重要的缺陷，即细分后的谐波分量并未包括信号本身的相位信息，所以二阶统计量一般只用来表示那些己知均值的高斯过程，在实际环境中，应用并不大，因为实际中的信号大部分甚至绝大部分都不是线性高斯信号，大部分信号也是非最小相位和非平稳的[

7、5]，不仅如此，实际中信号的背景噪声也完全不仅仅是白噪声，还包括很多非线性非高斯的底噪[6]。在这种情况下，在处理随机的信号偏离高斯性或者信号自身的非线性检测等问题的时候，二阶统计量就显得力不从心。由此可知，针对实际情况中繁杂的数字信号，我们最好引入高阶谱。考虑到GSM信号本身的复杂度比较高，我们选用高阶统计量来进行分析。相对于二阶统计量来说，此方式具有更大的好处，因为高阶统计量分析能够消除大部分信号功率谱中的非白色高斯噪声。不仅如此，使用高阶统计量算出来的高阶谱本身，不但包含源信号的振幅信息，最关键的是还拥有了源信号的

8、相位信息，所以高阶统计量方式不仅对最小相位系统适用，而且还能够分析那些非最小相位信号（如混合相位、最大相位等）。还有一点，高阶统计量分析方法能够用于获取信号自身的非线性相关信息，同时高阶统计量分析技术也能检测和表征信号的循环平稳性质，在平稳噪声消除方面，也能很好的得到应用。..2.2高阶统计量以及高阶谱的定义及性质高