射频指纹精准分析原理与技术

本书从射频指纹技术的发展趋势及应用特点出发，结合不同实际应用场景，全面展示面向无线通信物理层安全的射频指纹关键技术。全书共9章，首先，详细介绍面向无线通信物理层安全的射频指纹背景、主要应用场景及架构；然后，提出基于射频指纹技术的物理层安全构成与当前面临的主要问题。基于这些问题，对无线通信系统中基于射频指纹的机理、信号处理、特征提取、识别认证、算法加速进行研究；同时，针对射频指纹技术在无线网络安全认证领域的应用进行分析；最后，对射频指纹技术的未来发展方向进行展望，力求全方位展现目前面向无线通信物理层安全的关键技术。

2017.07~至今，电子科技大学，通信抗干扰国家级重点实验室，教授。

目录
第1章 绪论 1
1.1 射频指纹的产生与作用 2
1.2 国内外研究现状 4
1.2.1 射频指纹识别技术分析对象 4
1.2.2 射频指纹识别技术研究现状 6
1.2.3 射频指纹识别联邦学习研究现状 8
1.2.4 射频指纹小样本学习研究现状 9
参考文献 11
第2章 射频指纹识别基本原理与理论 16
2.1 射频指纹识别基本流程 16
2.2 射频指纹基本特性和产生机理 18
2.2.1 射频指纹基本特性 18
2.2.2 核心元器件射频指纹产生机理 20
2.3 射频指纹特征提取基本方法 25
2.3.1 基于瞬态信号的射频指纹提取方法 25
2.3.2 基于稳态信号的射频指纹提取方法 27
2.4 基于机器学习的射频识别算法 28
2.5 基于深度学习的射频指纹识别 29
2.5.1 深度学习相关理论 30
2.5.2 卷积神经网络 31
2.5.3 注意力机制 32
2.5.4 模型压缩 34
2.6 基于联邦学习的射频指纹识别 35
2.6.1 联邦学习的学习过程 36
2.6.2 联邦学习的经典算法 37
2.6.3 联邦学习的数据分布 37
2.7 本章小结 38
参考文献 38
第3章 射频指纹原始数据预处理 41
3.1 信号采样基本理论 41
3.2 射频信号数字信道化设计 43
3.2.1 数字信道化技术理论基础 43
3.2.2 宽带非跨信道全覆盖式数字信道化技术 47
3.2.3 数字信道化性能验证及实现 50
3.3 基于Farrow滤波器的变速率处理技术 59
3.3.1 基于Farrow结构内插滤波器 59
3.3.2 理想信号重构 63
3.3.3 转置Farrow结构滤波器 63
3.3.4 Farrow硬件结构中控制模块设计 64
3.3.5 定点仿真及结构实现 66
3.4 实时宽带信号检测 69
3.4.1 载波参数检测整体方案设计 70
3.4.2 基于序号映射的并行FFT的Welch周期图谱估计 70
3.4.3 基于形态学的噪底展平LAD改进型检测算法 79
3.4.4 载波参数检测实现结构及其分析 85
3.5 本章小结 89
参考文献 90
第4章 多径环境中调制识别技术与数据预处理 92
4.1 基于OFDM的通信传输模型 92
4.1.1 OFDM技术概述 92
4.1.2 OFDM通信链路的矩阵表达 93
4.1.3 多径环境调制识别流程架构 94
4.2 OFDM系统信道估计算法 95
4.2.1 基于导频的最小二乘信道估计算法 96
4.2.2 基于导频的最小均方误差信道估计算法 97
4.2.3 奇异值分解的最小均方误差信道估计算法 98
4.2.4 基于二阶统计量的盲信道估计算法 98
4.2.5 改进的二阶统计量盲信道估计算法 99
4.2.6 基于子空间的盲信道估计算法 100
4.3 信道均衡算法与仿真结果 102
4.3.1 迫零均衡算法 102
4.3.2 最小均方误差均衡算法 102
4.3.3 仿真结果 103
4.4 基于深度残差收缩神经网络的识别性能分析 106
4.4.1 深度残差神经网络概述 106
4.4.2 深度残差收缩神经网络概述 107
4.4.3 适用于调制识别的修改模型 109
4.4.4 识别结果及性能分析 111
4.5 基于卷积神经网络的识别分析 115
4.5.1 搭建的卷积神经网络结构 115
4.5.2 识别结果及性能分析 116
4.6 各类特定调制识别算法复杂度比较和讨论 118
4.7 本章小结 120
参考文献 120
第5章 稳态信号射频指纹特征提取 122
5.1 无导频结构的射频指纹特征提取 122
5.1.1 分形特征 122
5.1.2 高阶矩特征 128
5.1.3 相位噪声谱 132
5.2 导频结构的稳态信号射频指纹提取 136
5.2.1 载频相位精估特征 136
5.2.2 星座图特征 141
5.2.3 功率谱统计特征 146
5.3 本章小结 149
参考文献 150
第6章 低信噪比电磁环境下的射频指纹识别方法 151
6.1 预处理组合模型算法设计 151
6.1.1 基于Sketch的流算法的高频次信号筛选 152
6.1.2 基于ConvTrans时序预测网络的重点信号活动预测 155
6.1.3 基于GSOM聚类算法的信号发射源设备标注 158
6.1.4 算法结果分析 161
6.2 基于注意力机制的射频指纹识别模型 167
6.2.1 基于通道注意力机制的残差网络(RCAN-RFF)模型设计 168
6.2.2 注意力机制射频指纹识别实验验证 176
6.2.3 算法结果分析 177
6.3 本章小结 183
参考文献 183
第7章 射频指纹小样本识别方法 185
7.1 基于匹配网络模型的射频指纹小样本识别方法 185
7.1.1 匹配网络模型整体结构 185
7.1.2 嵌入函数设计 187
7.1.3 注意力核函数 189
7.1.4 FCE模块设计 191
7.2 基于元迁移学习的射频指纹小样本识别方法 191
7.2.1 元迁移学习模型整体结构 192
7.2.2 算法流程 194
7.2.3 预训练网络模块设计 197
7.2.4 元学习网络模块设计 200
7.3 算法结果分析 202
7.3.1 射频指纹小样本学习验证 202
7.3.2 仿真数据 202
7.3.3 仿真设计 203
7.3.4 仿真结果与分析 206
7.4 本章小结 209
参考文献 209
第8章 资源受限环境下的射频指纹识别方法设计与实现 211
8.1 关键问题研究分析 211
8.2 对计算复杂度问题的研究 213
8.2.1 深度可分离卷积 213
8.2.2 模型量化 215
8.2.3 BN层 217
8.3 基于深度可分离卷积和模型量化的射频指纹识别模型 218
8.4 算法结果分析 220
8.4.1 数据集 221
8.4.2 评价指标 222
8.4.3 Loss函数与实验参数 222
8.4.4 实验结果与分析 223
8.5 本章小结 226
参考文献 226
第9章 实时射频指纹特征提取与SVM加速器设计 228
9.1 基于FPGA的射频指纹特征提取系统 228
9.1.1 面向实时处理非同步射频特征选取 229
9.1.2 系统硬件实现结构设计 232
9.1.3 测试结果 235
9.2 基于共享点积矩阵的搜索SVM最优训练参数组设计与实现 237
9.2.1 共享点积矩阵算法 238
9.2.2 软硬件协同处理架构 239
9.2.3 性能评估与测试结果 248
9.3 本章小结 253
参考文献 253