周 斌,王秀敏,果 然,李紹濱,毛興鵬

(1.哈爾濱工業(yè)大學(xué)通信與電子對(duì)抗研究所,山東 威海 264209;2.大連理工大學(xué)城市學(xué)院,遼寧 大連 116600)

1 引 言

通信系統(tǒng)中,信號(hào)上承載的信息通常是人們關(guān)心的內(nèi)容,而表現(xiàn)在信號(hào)上的發(fā)射機(jī)個(gè)體的硬件信息往往未受到足夠重視。然而,在軍事偵察等很多領(lǐng)域中,如果能夠從截獲的信號(hào)中分析出其發(fā)射機(jī)硬件信息,再結(jié)合實(shí)際工作環(huán)境,就可以推測(cè)出更多有意義的信息。比如在無線通信網(wǎng)絡(luò)中,存在嚴(yán)重的非法用戶接入現(xiàn)象,如果能夠從每個(gè)用戶發(fā)射信號(hào)中分析出其終端的硬件信息,再配合傳統(tǒng)的密鑰系統(tǒng),就能夠?qū)尤氲脑O(shè)備進(jìn)行更進(jìn)一步的身份識(shí)別和認(rèn)證,從而使通信網(wǎng)絡(luò)安全性得到大幅提高。因此人們開始分析和研究發(fā)射機(jī)的個(gè)體差異,通過對(duì)接收信號(hào)進(jìn)行特征測(cè)量,將輻射源唯一電磁特征與輻射源個(gè)體關(guān)聯(lián)起來[1],這就是輻射源個(gè)體(指紋)識(shí)別技術(shù)。該技術(shù)在軍事、無線網(wǎng)絡(luò)安全、通信資源管理、機(jī)器人工智能以及設(shè)備故障診斷等諸多領(lǐng)域都有著十分廣闊的應(yīng)用前景,越來越受到國際上許多研究機(jī)構(gòu)的重視。

輻射源個(gè)體識(shí)別的本質(zhì)是模式識(shí)別的問題,對(duì)采集到的信號(hào)進(jìn)行特征提取,完成特征選擇及融合之后送入分類器,根據(jù)一定的先驗(yàn)信息完成識(shí)別任務(wù)?？晒┨崛〉男盘?hào)特征主要分為暫態(tài)特征和穩(wěn)態(tài)特征兩種。選擇哪些特征進(jìn)行提取,如何最有效、最可靠的提取這些特性是目前業(yè)內(nèi)研究的重點(diǎn)內(nèi)容。本文結(jié)合國內(nèi)外的研究現(xiàn)狀,分別從暫態(tài)和穩(wěn)態(tài)兩方面總結(jié)了目前可用的信號(hào)特征和提取方法,分析了細(xì)微特征在工程應(yīng)用中的可行性以及輻射源個(gè)體識(shí)別設(shè)備的設(shè)計(jì)要素,指出了目前輻射源個(gè)體識(shí)別研究工作中存在的問題以及未來可能的研究方向。

2 信號(hào)暫態(tài)特征分析

輻射源設(shè)備由許多基本功能器件有機(jī)組合而成。在加工生產(chǎn)過程中,由于工藝缺陷和差異會(huì)造成器件特性及技術(shù)指標(biāo)的離散性,同時(shí)輻射源在組裝、調(diào)試過程中也存在偶然因素造成的個(gè)體差異[2],這就使每個(gè)輻射源都有其獨(dú)特的“指紋”,這種“指紋”信息當(dāng)輻射源工作在過渡狀態(tài)時(shí)更易于體現(xiàn)在信號(hào)上。習(xí)慣上,將過渡狀態(tài),如開機(jī)、模式切換、碼字變換、供電激勵(lì)變化等過程中產(chǎn)生的信號(hào)稱作暫態(tài)信號(hào),其中包含的能反映輻射源個(gè)體特征的信息(“指紋”信息)稱為暫態(tài)特征。

在眾多過渡狀態(tài)中,除了開機(jī)狀態(tài)具有普遍性之外,其余均只在特定類型的輻射源工作中才會(huì)出現(xiàn);同時(shí),開機(jī)時(shí)的暫態(tài)信號(hào)是輻射源內(nèi)部各個(gè)器件的沖激響應(yīng),沒有任何調(diào)制信息,因而從中提取的暫態(tài)特征最能體現(xiàn)不同個(gè)體的差異,成為了輻射源個(gè)體識(shí)別中廣受青睞的研究對(duì)象。

一般而言,利用開機(jī)暫態(tài)信號(hào)進(jìn)行輻射源個(gè)體識(shí)別由兩步完成:首先是暫態(tài)信號(hào)起始點(diǎn)的檢測(cè),即從信道噪聲中分離出暫態(tài)信號(hào);之后是暫態(tài)信號(hào)的細(xì)微特征提取,即從暫態(tài)信號(hào)中提取輻射源的指紋信息。

2.1 暫態(tài)信號(hào)起始點(diǎn)檢測(cè)

文獻(xiàn)[3]中指出利用無線發(fā)射機(jī)的暫態(tài)信號(hào)特征可以進(jìn)行設(shè)備辨識(shí),這是國外首次對(duì)輻射源暫態(tài)信號(hào)的研究。文獻(xiàn)[4]指出暫態(tài)信號(hào)持續(xù)時(shí)間很短,一般在數(shù)微秒到數(shù)百毫秒之間,因而對(duì)暫態(tài)信號(hào)起始點(diǎn)的檢測(cè)是否高效精確將關(guān)系到識(shí)別系統(tǒng)性能的優(yōu)劣。很多研究工作在這個(gè)方面展開,目前主要有門限法[5]、基本貝葉斯(Bayesian)法、貝葉斯躍變檢測(cè)(Bayesian Step Change Detection,BSCD)法[6]、貝葉斯緩變檢測(cè)(Bayesian Ramp Change Detection,BRCD)法[7]和相位特性暫態(tài)檢測(cè)(Transient Detection using Phase Characteristic,TDPC)法等方法來檢測(cè)暫態(tài)信號(hào)起始點(diǎn)。

門限法是利用“分形維數(shù)”來表征信道噪聲與暫態(tài)信號(hào)的不規(guī)則度,并基于兩者的分形維數(shù)彼此不同這一事實(shí)來檢測(cè)起始點(diǎn),計(jì)算簡單快速且應(yīng)用廣泛。該方法存在兩點(diǎn)局限:首先為實(shí)現(xiàn)高精確的檢測(cè)通常需要較高的信噪比;第二需要預(yù)先設(shè)定門限?；綛ayesian法以信道噪聲和暫態(tài)信號(hào)兩部分均為高斯分布為假設(shè)建模,并進(jìn)一步假定在起始點(diǎn)處兩者均值和方差均產(chǎn)生突變。BSCD法針對(duì)基本Bayesian法對(duì)于一些只有方差變化或者均值變化遠(yuǎn)遠(yuǎn)落后于方差變化的暫態(tài)信號(hào)檢測(cè)性能較差而提出改進(jìn),將方差的變化轉(zhuǎn)變?yōu)榫档淖兓?。上述兩種方法在處理功率平緩增長的暫態(tài)信號(hào)時(shí)檢測(cè)性能下降,BRCD法針對(duì)此問題進(jìn)行進(jìn)一步的改進(jìn),利用瞬時(shí)幅度進(jìn)行建模。這三種方法最后均利用貝葉斯理論求取最大后驗(yàn)概率密度峰值來標(biāo)識(shí)暫態(tài)信號(hào)起始點(diǎn),應(yīng)用范圍廣且不需要預(yù)先設(shè)置門限,但計(jì)算復(fù)雜度較高。TDPC法是基于相位斜率在暫態(tài)起始點(diǎn)處開始線性變化這一條件,采用滑動(dòng)窗技術(shù)創(chuàng)建相位方差的分形軌跡,將其與預(yù)設(shè)門限進(jìn)行對(duì)比來實(shí)現(xiàn)對(duì)暫態(tài)起始點(diǎn)的標(biāo)識(shí)。TDPC法與門限法及貝葉斯類方法的區(qū)別在于其利用受噪聲和干擾影響較小的相位來檢測(cè)起始點(diǎn),魯棒性好,但存在門限設(shè)定的問題。

2.2 暫態(tài)信號(hào)特征提取

暫態(tài)信號(hào)終止點(diǎn)是利用實(shí)驗(yàn)的方法來獲得,結(jié)合2.1節(jié)中得到的起始點(diǎn)就可以完成暫態(tài)信號(hào)分離。暫態(tài)特征的提取主要利用分形、小波分析、時(shí)頻分析等理論工具,從非平穩(wěn)暫態(tài)信號(hào)中提取輻射源系統(tǒng)的指紋信息。

(1)分形理論

一個(gè)時(shí)間序列的分形成分可以通過分形維數(shù)來表征[8,9],對(duì)于平穩(wěn)時(shí)間序列,其分形維數(shù)具有單值性,而非平穩(wěn)時(shí)間序列的分形維數(shù)則是一個(gè)隨時(shí)間變化的函數(shù),通常稱為分形軌跡,代表輻射源的指紋信息。實(shí)驗(yàn)結(jié)果表明,不同輻射源個(gè)體的分形軌跡彼此互異,表現(xiàn)出不同的聚類中心,具有良好的識(shí)別效果。分形維數(shù)可以用文獻(xiàn)[5,10]給出的方法計(jì)算。

(2)小波分析

小波能夠?qū)π盘?hào)進(jìn)行多尺度或多分辨率分析,在時(shí)域和頻域都能夠達(dá)到較高的分辨率,因此在提取輻射源暫態(tài)特征時(shí)應(yīng)用較多[3,11,12]。即使對(duì)于差別很小的輻射源,小波分析也能夠通過增加分解層次使個(gè)體差異得以體現(xiàn),但會(huì)同時(shí)帶來計(jì)算量以及特征空間維數(shù)的增加,而且可能存在冗余特征信息。因此,在利用小波來分析暫態(tài)特征時(shí),通常需要增加搜尋最優(yōu)特征子集的特征選擇操作。

(3)時(shí)頻分析

時(shí)頻分析能夠從二維聯(lián)合域來精確描述非平穩(wěn)的暫態(tài)信號(hào),應(yīng)用較多的包括線性時(shí)頻分析(如短時(shí)Fourier變換)和非線性的時(shí)頻分析(如Wigner-Ville分布(WVD)與Choi-Williams分布(CWD)等)。利用Cohen類的時(shí)頻分析方法構(gòu)造最佳核函數(shù),能夠?qū)簯B(tài)信號(hào)的非平穩(wěn)信息充分展現(xiàn)在時(shí)頻面上,使得輻射源個(gè)體時(shí)頻表示的差異最大化[13]。時(shí)頻分析方法存在時(shí)頻域分辨率相矛盾和交叉項(xiàng)干擾的問題,并且在分析信號(hào)之前,需要準(zhǔn)確核函數(shù)或基函數(shù)的類型,否則就會(huì)影響分析精度。

除上述方法外,高階譜分析[14]、頻譜模板法[15]在提取暫態(tài)特征中也有一定的應(yīng)用?？傊?由于暫態(tài)特征的機(jī)理和表現(xiàn)單一,能夠較容易地選擇合適的理論對(duì)其進(jìn)行分析,因此在軍事、無線網(wǎng)絡(luò)安全、通信資源管理、機(jī)器人工智能以及設(shè)備故障診斷等諸多領(lǐng)域都有著十分廣闊應(yīng)用前景。值得注意的是,由于暫態(tài)信號(hào)持續(xù)時(shí)間比較短,包含的輻射源個(gè)體信息有限,因而對(duì)信號(hào)捕捉設(shè)備硬件要求較高。

3 信號(hào)穩(wěn)態(tài)特征分析

3.1 穩(wěn)態(tài)特征的產(chǎn)生機(jī)理

輻射源在穩(wěn)定工作時(shí),發(fā)射信號(hào)中不僅存在為有效可靠傳遞信息而人為添加的調(diào)幅、調(diào)頻以及編碼等有意調(diào)制特征,同時(shí)還有輻射源本身對(duì)信號(hào)的無意調(diào)制特征。因?yàn)橄鄬?duì)于理想輻射源,實(shí)際輻射源中存在3個(gè)問題:內(nèi)部頻率源不穩(wěn)定性、內(nèi)部諸多器件的非線性特性、器件加工過程的工藝缺陷造成器件特性和技術(shù)指標(biāo)的離散性。這些從根本上決定了處于穩(wěn)定工作狀態(tài)下的不同輻射源,即使是相同批次、相同型號(hào)、相同工作方式,都會(huì)在發(fā)送信號(hào)上存在不同程度的差異,主要表現(xiàn)為“器件的非線性特性、頻率源不穩(wěn)定性等所產(chǎn)生的諧波頻率、互調(diào)頻率、交叉調(diào)制、寄生調(diào)制等雜散輸出差異”以及“頻率源的不穩(wěn)定性在信號(hào)載頻、碼元速率上體現(xiàn)的差異”[16]。目前,對(duì)穩(wěn)態(tài)特征的提取主要從雜散輸出、頻率穩(wěn)定度、信號(hào)包絡(luò)、碼元速率以及調(diào)制參數(shù)等方面進(jìn)行研究。

3.2 穩(wěn)態(tài)信號(hào)特征提取

3.2.1 雜散輸出

不同的輻射源個(gè)體,其內(nèi)部器件的非線性特性、內(nèi)部噪聲以及本振頻率的不純,經(jīng)過內(nèi)部各級(jí)物理器件的不同影響,會(huì)不可避免地產(chǎn)生如諧波頻率、互調(diào)頻率及一些交叉調(diào)制、寄生調(diào)制等雜散成分,這些雜散成分會(huì)以多種形式伴隨著有用信號(hào)發(fā)送出去。一般利用包絡(luò)高階特征、高階譜分析、分形維數(shù)及時(shí)頻分析等手段來研究信號(hào)雜散輸出留在有用信號(hào)上的印記,提取輻射源指紋。

(1)包絡(luò)高階特征

不同輻射源個(gè)體的雜散輸出不同,反映在信號(hào)包絡(luò)上就是包絡(luò)高階特征不同,主要指R值特征[17]和J值特征[18]的波動(dòng)。不同輻射源的R值與J值變化有所不同,兩者均不需要任何的先驗(yàn)信息且計(jì)算非常簡單。R值特征對(duì)加性噪聲比較敏感,而J值特征對(duì)加性高斯噪聲具有很好的抑制作用,但需要對(duì)噪聲功率進(jìn)行精確估計(jì)。

(2)高階譜分析

高階譜方法可以抑制高斯噪聲的干擾,保留了信號(hào)的幅度和相位信息,并且與時(shí)間無關(guān)。在分析輻射源雜散輸出中,高階譜中以雙譜應(yīng)用最為廣泛,但是直接應(yīng)用雙譜需要計(jì)算復(fù)雜的二維匹配模板,為降低復(fù)雜度且適應(yīng)在線分類識(shí)別應(yīng)用的需要,可以通過引入積分雙譜將二維變換為一維來計(jì)算,具體包括徑向積分雙譜[19]、軸向積分雙譜[20]、周向積分雙譜[21]、選擇雙譜[22]及矩形積分雙譜[23]等。

(3)分形維數(shù)

分形維數(shù)能夠?qū)﹄s散調(diào)制在信號(hào)上的影響進(jìn)行有效的刻畫,利用分形理論中的盒維數(shù)能夠反映分形集的集合尺度情況,描述分形信號(hào)的復(fù)雜度和不規(guī)則度;信息維數(shù)則反映分形集在區(qū)域空間上的分布疏密,兩者都是信號(hào)分選識(shí)別的有效特征。

(4)時(shí)頻分析

在對(duì)雜散輸出進(jìn)行特征提取時(shí)同樣可以采用時(shí)頻分析的方法,利用短時(shí)傅里葉變換、WVD及CWD等工具從二維聯(lián)合域來精確描述輻射源穩(wěn)態(tài)下的差異。文獻(xiàn)[24]還提出了基于經(jīng)驗(yàn)?zāi)B(tài)分解(Empiri-cal Mode Decomposition,EMD)的HHT時(shí)頻分析方法。作為一種后驗(yàn)性的、自適應(yīng)時(shí)頻分析方法,對(duì)分析輻射源雜散輸出在頻域上的細(xì)微表現(xiàn)是十分有利的。

3.2.2 頻率穩(wěn)定度

文獻(xiàn)[25]中指出:對(duì)于不同的輻射源,即使是同批次同型號(hào)的個(gè)體,由于采用不同的晶體振蕩器,相對(duì)頻率偏差和絕對(duì)頻率偏差都是不同的,因此,可以對(duì)穩(wěn)態(tài)信號(hào)的頻率信息進(jìn)行分析來提取輻射源指紋信息。頻率穩(wěn)定度主要指頻率的均值和方差特征,理論上只要對(duì)頻率做足夠長時(shí)間的統(tǒng)計(jì)測(cè)量,就可得到不同輻射源頻率穩(wěn)定度的微小差異,進(jìn)而實(shí)現(xiàn)區(qū)分輻射源個(gè)體的目的。對(duì)于信號(hào)頻率的估計(jì)有很多種方法,如周期圖法、最大似然法、子空間分析法、短時(shí)Fourier變換法、時(shí)變?yōu)V波器法、線性回歸法、ARMA法、過零法、Pisarenko諧波分解法、Music法、Esprit法、Kay法、Prony法等。一般而言,輻射源個(gè)體的頻率穩(wěn)定度很高,同型號(hào)同批次的個(gè)體之間的差別會(huì)非常小,加之信號(hào)傳輸時(shí)的多普勒效應(yīng)、噪聲干擾以及接收機(jī)本身頻率穩(wěn)定度的影響,頻率估計(jì)算法很難達(dá)到精度和效率的統(tǒng)一,使得精確測(cè)量輻射源頻率穩(wěn)定度的難度很大。因此,文獻(xiàn)[26]將頻率波動(dòng)信息轉(zhuǎn)換到偽調(diào)制的包絡(luò)來研究,從而巧妙地避免了直接計(jì)算頻率穩(wěn)定度難以滿足識(shí)別精度的問題,但這種方法本身對(duì)噪聲敏感,信噪比要求很高。

3.2.3 信號(hào)包絡(luò)

信號(hào)包絡(luò)在輻射源個(gè)體識(shí)別中是重要的特征提取對(duì)象,尤其在雷達(dá)輻射源識(shí)別中應(yīng)用更多。雷達(dá)輻射源中的脈沖調(diào)制器是關(guān)鍵部件,由于實(shí)際器件中的分布電容、引線電感等產(chǎn)生的無意調(diào)制使得脈沖信號(hào)產(chǎn)生了獨(dú)特的包絡(luò)。文獻(xiàn)[27]將包絡(luò)的上升時(shí)間、下降時(shí)間及包絡(luò)頂降作為識(shí)別依據(jù);文獻(xiàn)[28]中從脈沖上升沿方面進(jìn)行分析,提出一種利用上升沿進(jìn)行基于多脈沖乃至單脈沖的雷達(dá)個(gè)體識(shí)別方法。其主要原因是脈沖包絡(luò)參數(shù)中最不易受多徑效應(yīng)影響的是脈沖包絡(luò)的上升沿,而脈沖寬度與脈沖包絡(luò)的下降沿受多徑效應(yīng)影響最大。在現(xiàn)代雷達(dá)系統(tǒng)中存在更加復(fù)雜的電磁環(huán)境以及更精細(xì)的信號(hào)波形,依據(jù)傳統(tǒng)的“脈沖描述字”參量很難識(shí)別輻射源個(gè)體,以解調(diào)后的脈沖包絡(luò)作為識(shí)別依據(jù),可以得到比傳統(tǒng)參數(shù)更高的識(shí)別率。

3.2.4 碼元速率

數(shù)字通信中,碼元速率的精確值可以作為輻射源個(gè)體的一種指紋。同頻率穩(wěn)定度一樣,只要進(jìn)行較長時(shí)間測(cè)量,提取精確的碼元特征是可能的。常用的碼元速率估計(jì)方法有:延遲相乘法、高階譜法、周期相關(guān)法以及基于小波變換的方法,這些方法均是在變換域內(nèi)檢測(cè)瞬時(shí)跳變點(diǎn)來估計(jì)碼元速率,不同的方法應(yīng)用的條件和環(huán)境不同。其中延遲相乘法假設(shè)發(fā)射機(jī)成形濾波器為理想的矩形濾波器,與實(shí)際情況不符,應(yīng)用范圍有限;高階譜法是對(duì)延遲相乘法輸出結(jié)構(gòu)的討論,難以確定最佳延遲參量。周期相關(guān)法假設(shè)信號(hào)是周期平穩(wěn)的,這與實(shí)際不符并且計(jì)算的復(fù)雜度高。小波變換法能夠較好地檢測(cè)信號(hào)跳變位置,不需要做大量統(tǒng)計(jì),估計(jì)的精度也很高,但是適用范圍有限。

3.2.5 調(diào)制參數(shù)

通信信號(hào)和雷達(dá)信號(hào)都是經(jīng)過調(diào)制的,在相同的調(diào)制方式下,不同的輻射源即使型號(hào)相同,由于采用器件和電路參數(shù)的差異以及物理器件的分散性,導(dǎo)致調(diào)制參數(shù)必然隨個(gè)體的不同而存在偏差。只要參數(shù)估計(jì)的精度足夠高,理論上可以區(qū)分不同輻射源個(gè)體。對(duì)AM信號(hào)的調(diào)幅指數(shù)的估計(jì)主要采用基于瞬時(shí)幅度的統(tǒng)計(jì)方法,獲得幅度最大值和最小值的估計(jì)值[29];也有從頻域上來統(tǒng)計(jì)調(diào)幅指數(shù)的方法[30]。FM信號(hào)的調(diào)頻指數(shù)可以利用信號(hào)頻率估計(jì)的諸多算法首先求得FM信號(hào)的瞬時(shí)頻率,然后同樣基于統(tǒng)計(jì)特性來計(jì)算。兩者的提取難度都很大,受隨機(jī)調(diào)制信息影響嚴(yán)重,通常需要已知或者準(zhǔn)確估計(jì)出調(diào)制方式。此外,還可以輻射源內(nèi)部的自激振蕩器和放大器為出發(fā)點(diǎn)建立輻射源模型來分析穩(wěn)態(tài)特征。

總之,輻射源個(gè)體穩(wěn)態(tài)特征涵蓋的內(nèi)容相當(dāng)廣泛,但是相對(duì)于暫態(tài)特征提取,穩(wěn)態(tài)特征的表現(xiàn)形式多樣且更加的微小,因而提取難度比較大,仍然需要更深入的研究工作。

4 細(xì)微特征提取的工程應(yīng)用

諸多的細(xì)微特征提取方法在實(shí)際的輻射源識(shí)別中需滿足以下準(zhǔn)則才具備工程應(yīng)用的可行性。

(1)普遍性:該特征應(yīng)該普遍存在于輻射源個(gè)體中,而不是僅僅存在于一部分個(gè)體中;

(2)唯一性:該特征雖然普遍存在,但對(duì)于不同的輻射源個(gè)體,其值應(yīng)彼此相異,能夠唯一標(biāo)識(shí)設(shè)備個(gè)體;

(3)可檢測(cè)性:該特征能夠從有限的接收信號(hào)中,利用當(dāng)前技術(shù)手段實(shí)現(xiàn)成功檢測(cè);

(4)穩(wěn)定性:該特征應(yīng)與時(shí)間或環(huán)境條件無關(guān),即不會(huì)隨其變化而發(fā)生改變,或至少在一個(gè)相當(dāng)長的時(shí)間內(nèi)變化極小。

表1給出了常用特征參量的測(cè)量條件及其局限性。鑒于細(xì)微特征提取的特點(diǎn),所有方法都要求有足夠高的采樣頻率。有些方法適合實(shí)時(shí)測(cè)量,有些方法實(shí)時(shí)性相對(duì)較差。

表1 信號(hào)特征的測(cè)量條件及局限性Table 1 Measurement conditions and limitations of signal features

為了提取信號(hào)細(xì)微特征來完成輻射源個(gè)體識(shí)別,接收設(shè)備一般以“高保真信號(hào)采集+指紋特征精細(xì)分析+專家識(shí)別系統(tǒng)”為框架來設(shè)計(jì)實(shí)現(xiàn)[32]。首先高保真信號(hào)采集是保證正確提取信號(hào)細(xì)微特征,進(jìn)行個(gè)體識(shí)別的基礎(chǔ),應(yīng)盡最大可能地減少接收機(jī)給信號(hào)帶來損傷。設(shè)計(jì)中要保證接收機(jī)帶寬足夠且保持較好的線性,還要采用頻率穩(wěn)定度更高的晶振,并將全部振蕩器和時(shí)鐘的相位鎖定在一個(gè)共同的參考信號(hào)上。模數(shù)轉(zhuǎn)換器的數(shù)據(jù)位數(shù)要盡量大,確保有足夠的動(dòng)態(tài)范圍來提取輻射源識(shí)別特征參數(shù)。除此之外,要選用溫度穩(wěn)定性和電源穩(wěn)定性等級(jí)高的器件,并保證整個(gè)設(shè)備的均勻散熱性能。指紋特征精細(xì)分析需要對(duì)采集到的數(shù)據(jù)做精細(xì)的測(cè)量和提取,傳統(tǒng)的信號(hào)處理技術(shù)不能保留信號(hào)的細(xì)節(jié)特征,需要采用分析精度更高的現(xiàn)代信號(hào)處理新技術(shù),利用充足的處理資源完成大量的數(shù)據(jù)運(yùn)算,將不同的硬、軟件運(yùn)算單元進(jìn)行合理配置,充分發(fā)揮各自的處理優(yōu)勢(shì)。專家識(shí)別系統(tǒng)是在完成目標(biāo)指紋精細(xì)分析的基礎(chǔ)上,應(yīng)用神經(jīng)網(wǎng)絡(luò)、聚類分析及模糊理論等模式識(shí)別方法來實(shí)現(xiàn)對(duì)目標(biāo)信號(hào)的分類和識(shí)別。其關(guān)鍵之一就是解決算法的速度和識(shí)別正確率的矛盾,并且能夠通過樣本的訓(xùn)練和學(xué)習(xí),適應(yīng)更多的目標(biāo)對(duì)象的識(shí)別,尤其是對(duì)未知目標(biāo)的識(shí)別[33]。

5 存在問題及研究方向

世界上發(fā)達(dá)國家對(duì)于輻射源個(gè)體技術(shù)研究較早,國內(nèi)則處于剛剛起步的階段,更多的實(shí)際條件下的識(shí)別工作仍然需要進(jìn)一步的研究和驗(yàn)證。目前輻射源個(gè)體識(shí)別技術(shù)存在的主要局限在于,由于輻射源內(nèi)部眾多元器件或模塊共同作用在發(fā)射信號(hào)上,很難用數(shù)學(xué)方法對(duì)輻射源內(nèi)部所有的器件差異在信號(hào)上的影響建立模型,使得所選擇的細(xì)微特征只是利用了指紋機(jī)理中的現(xiàn)象,而非機(jī)理的本質(zhì),因而使得特征提取的方法很容易隨有意調(diào)制及調(diào)制信息的改變而改變,獨(dú)立性較差,因而選取的細(xì)微特征應(yīng)用范圍有限。

因此,輻射源個(gè)體識(shí)別技術(shù)的未來研究工作,首先要探究更深層次的、本質(zhì)性的機(jī)理和根源,以輻射源內(nèi)部不同硬件電路作為出發(fā)點(diǎn),研究電路的電特性和系統(tǒng)特性,建立具有普遍意義的、反映發(fā)射機(jī)物理本質(zhì)的輻射源系統(tǒng)模型,更有效、更可靠地完成個(gè)體識(shí)別任務(wù);其次,在算法研究方面,隨著微電子工藝技術(shù)的不斷發(fā)展,輻射源個(gè)體間的差異性不斷減少,對(duì)特征提取和分類算法的性能提出挑戰(zhàn),需要研究更高精度和更高效率的算法;再次,硬件實(shí)現(xiàn)方面,信號(hào)采集設(shè)備中AD變換器的位數(shù)以及采樣速率對(duì)滿足普遍性、唯一性和穩(wěn)定性原則的信號(hào)特征是否具有可檢測(cè)性的問題有待進(jìn)一步研究,同時(shí)接收機(jī)本身的其它性能對(duì)輻射源細(xì)微特征的影響需要進(jìn)行定量分析;最后,關(guān)于輻射源個(gè)體識(shí)別的大量研究工作中一般都會(huì)從識(shí)別成功率大小來對(duì)識(shí)別結(jié)果的可靠性進(jìn)行比較,但未見文獻(xiàn)對(duì)識(shí)別容量方面的工作進(jìn)行研究,這在將來的實(shí)際應(yīng)用中將是必不可少的部分。

此外,多特征參量的聯(lián)合檢測(cè)將是提高個(gè)體識(shí)別系統(tǒng)可靠性和識(shí)別率的關(guān)鍵因素。就目前的技術(shù)條件,單獨(dú)一種特征參量的測(cè)量很難同時(shí)滿足普遍性、唯一性、可檢測(cè)性和穩(wěn)定性,而將多個(gè)特征參量結(jié)合起來進(jìn)行聯(lián)合檢測(cè)則是一個(gè)簡單易行的解決方案。

6 總 結(jié)

本文結(jié)合國內(nèi)外在輻射源個(gè)體識(shí)別方向所做的研究工作,對(duì)目前輻射源特征提取的方法進(jìn)行了總結(jié)分類,對(duì)工程應(yīng)用可行性進(jìn)行了分析,并為輻射源個(gè)體識(shí)別設(shè)備的設(shè)計(jì)提出了框架結(jié)構(gòu)和要求。最后,結(jié)合個(gè)體識(shí)別中存在的局限性和問題,指出了未來可能的研究方向。

輻射源個(gè)體識(shí)別本身就是信號(hào)處理和模式識(shí)別領(lǐng)域中富有挑戰(zhàn)性的問題,具有很大的開放性。隨著信號(hào)處理新方法和新技術(shù)的不斷涌現(xiàn),在科研工作者的不斷努力下,相信輻射源個(gè)體識(shí)別技術(shù)一定能夠成功應(yīng)用到很多領(lǐng)域中。

[1]Langley L E.Specific emitter identification(SEI)and classical parameter fusion technology[J].IEEE T ransactions on Acoustics,Speech and Signal Processing,2003,33(1):377-381.

[2]南建設(shè).信號(hào)細(xì)微特征分析技術(shù)研究[J].電訊技術(shù),2007,47(2):68-71.NAN Jian-she.On Fine Signature Analysis Technique[J].Telecommunication Engineering,2007,47(2):68-71.(in Chinese)

[3]Choe H C,Poole C E,Yu A M,et al.Novel identification of intercepted signals from unknown radio transmitters[C]//Proceedings of SPIE-The International Society for Optical Engineering.Orlando:SPIE,1995:504-517.

[4]Shinbara W,Ojima N,Chino R,et al.Transient variation in the transmitter frequency of a mobile FM transmitter when its press-to-talk switch is operated[J].Review of the Radio Research Laboratory,1971,17(90):281-286.

[5]Shaw D,Kinsner W.Multifractal Modeling of Radio Transmitter Transients for Classification[C]//Proceedings of the 1997 IEEE WESCANEX Conference on Communications,Power and Computing.Winnipeg:IEEE,1997:306-312.

[6]UretenO,Serinken N.Detection of radio transmitter turn-on transients[J].Electronic Letters,1999,35(23):1996-1997.

[7]Ureten O,Serinken N.Bayesian detection of Wi-Fi transmitter RF fingerprinting[J].Electronics Letters,2005,41(6):373-374.

[8]Chen J,Kinsner W.Multifractal analysis of transients in power systems[C]//Proceedings of Canadian Conference on Electrical and Computer Engineering.Nova Scotia:IEEE,2000:307-311.

[9]Sun L,Kinsner W,Serinken N.Characterization and feature extraction of transient signals using multifractal measures[C]//Proceedingsof Canadian Conference on Electrical and Computer Engineering.Edmonton:IEEE,1999:781-785.

[10]Grieder W,Kinsner W.Speech Segmentation By Variance Fractal Dimension[C]//Proceedings of the 1994 Canadian Conference on Electrical and Computer Engineering.Halifax:IEEE,1994:481-485.

[11]Hippenstiel R D,Payal Y.Wavelet Based Transmitter Identification[C]//Proceedings of the 4th International Symposium on Signal Processing and its Applications.Gold Coast:IEEE,1996:740-743.

[12]Toonstra J,Kinsner W.Transient Analysis and Genetic Algorithms for Classification[C]//Proceedings of the 1995 IEEEWESCANEX Communications,Power,and Computing Conference.Winnipeg:IEEE,1995:432-437.

[13]Gillespie B W,Atlas L E.Optimizing time-frequency kernels for classification[J].IEEE Transactions on Signal Processing,2001,49(3):485-496.

[14]蔡忠偉,李建東.基于雙譜的通信輻射源個(gè)體識(shí)別[J].通信學(xué)報(bào),2006,28(2):75-79.CAI Zhong-wei,LI Jian-dong.Study of transmitter individual identification based on bispectra[J].Journal of Communications,2006,28(2):75-79.(in Chinese)

[15]Sugiyama T,Shibuki M,Iwasaki K,et al.Transmitter I-dentification-Experimental Techniques and Results[J].Journal of Communications Research Laboratory,2002,49(1):137-153.

[16]黃玉春.基于極致學(xué)習(xí)機(jī)的通信信號(hào)輻射源個(gè)體識(shí)別技術(shù)研究[D].武漢:華中科技大學(xué),2007.HUANG Yu-chun.Study on Extreme Learning Machine Based Communicaion Signal Transmitter Recognition Technology[D].Wuhan:Huazhong University of Science and Technology,2007.(in Chinese)

[17]Chan Y T,Gadbois L G,Yansouni P.Identification of the modulation type of a signal[C]//Proceedings of International Conference on Acoustics,Speech and Signal Processing.Tampa:IEEE,1985:838-841.

[18]蔡權(quán)偉.多分量信號(hào)的信號(hào)分量分離技術(shù)研究[D].成都:電子科技大學(xué),2006.CAI Quan-wei.Research on Separation of Signal Components of Multicomponent Signal[D].Chengdu:University of Electronic Science and Technology of China,2006.(in Chinese)

[19]Chandran V,Elgar S L.Pattern Recognition using Invariants Defined fromHigher Order Spectra to One-dimensional Inputs[J].IEEE Transactions on Signal Processing,1993,41(1):205-212.

[20]Tugnait J K.Detection of non-Gaussian Signals using Integrated Ployspectrum[J].IEEE Transactions on Signal Processing,1994,42(11):3137-3149.

[21]Liao X J,Bao Z.Circularly Integrated Bispectra:Novel Shift Invariant Featuresfor High Resolution Radar T arget Recognition[J].Electronics Letters,1998,34(19):1879-1880.

[22]Zhang X D,Shi Y,Bao Z.A New Feature Vector Using Selected Bispectra for Signal Classification With Application in Radar Target Recognition[J].IEEE Transactions on Signal Processing,2001,49(9):1875-1885.

[23]徐書華,黃本雄,徐麗娜.基于SIB/PCA的通信輻射源個(gè)體識(shí)別[J].華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版),2008,36(7):14-17.XU Shu-hua,HUANG Ben-xiong,XU Li-na.Identification of individual radio transmitters using SIB/PCA[J].Journal of Huazhong University of Science and Technology(Natural Science Edition),2008,36(7):14-17.(in Chinese)

[24]Huang N E,ShenZ,Long S R,et al.The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis[J].Proceedings of the Royal Society of London Series,1998,454:903-995.

[25]王倫文,鐘子發(fā).2FSK信號(hào)“指紋”特征的研究[J].電訊技術(shù),2003,43(3):45-48.WANG Lun-wen,ZHONG Zi-fa.Study on Fingerprint Characters of 2FSK Signal[J].Telecommunication Engineering,2003,43(3):45-48.(in Chinese)

[27]張國柱,黃可生,姜文利,等.基于信號(hào)包絡(luò)的輻射源細(xì)微特征提取方法[J].系統(tǒng)工程與電子技術(shù),2006,28(6):795-797.ZHANG Guo-zhu,HUANG Ke-sheng,JIANG Wen-li,et al.Emitter feature extract met hod based on signal envelope[J].Journalof Systems Engineering and Electronics,2006,28(6):795-797.(in Chinese)

[28]秦長海,薛景.基于脈沖上升沿的雷達(dá)個(gè)體識(shí)別方法[J].艦船電子對(duì)抗,2009,32(6):27-30.QIN Chang-hai,XUE Jing.A Method for Specific Emitter Identificationof Radar Based on the rising edge of pulse[J].Shipboard Electronic Countermeasure,2009,32(6):27-30.(in Chinese)

[29]Tong L,XuG,KailathT.Blind identification and equalization based on second-order statistics:A time domain approach[J].IEEE Transactions on Information Theory,1994,40(2):340-349.

[30]Tong L,Xu G,Hassibi B,et al.Blind identification and equalization based on second-order statistics:A frequency domain approach[J].IEEE Transactions on Information Theory,1995,41(1):329-334.

[31]Ellis K,Serinken N.Characteristics of Radio Transmitter Fingerprints[J].Radio Science,2001,36(4):585-597.

[32]許海龍,周水樓.雷達(dá)輻射源個(gè)體識(shí)別設(shè)備的框架研究[J].電子信息對(duì)抗技術(shù),2008,23(6):9-11.XU Hai-long,ZHOU Shui-lou.Model discussion on specific radar emitter identification system design[J].Electronic Information Warfare Technology,2008,23(6):9-11.(in Chinese)

[33]許海龍,王雋,周水樓.雷達(dá)輻射源指紋識(shí)別設(shè)備的設(shè)計(jì)與實(shí)現(xiàn)[J].航天電子對(duì)抗,2008,24(5):43-45.XU Hai-long,WANG Jun,ZHOU Shui-lou.Design and realization of specific radar emitter fingerprint identification equipment[J].Aerospace Electronic Warfare,2008,24(5):43-45.(in Chinese)