通信辐射源个体识别关键技术研究

发布时间：2022-10-20 14:04

　　随着通信技术的飞速发展,通信设备的种类与数量迅猛增加,这为通信辐射源的识别认证带来了更多的应用需求和更大的技术挑战。近年来,特定辐射源识别（SEI）的研究取得了诸多进展,已逐渐成为通信领域的研究热点。本文在标准的处理流程下,重点研究了高精度的预处理方法、基于专家经验的特征提取方法、基于深度学习的特征提取方法、考虑多普勒效应的个体识别方法和针对时分多址（TDMA）体制的个体识别方法五个部分,主要贡献和创新点如下:1.针对解调数据的预处理,提出了基于两级细化的高精度符号同步算法。首先指出了现有方法在SEI场景下的主要问题;然后利用基于窗化法的插值滤波器和基于前向判决反馈的时延估计器,对现有问题进行了针对性的改进。实验结果表明:与现有方法相比,该方法有效地提高了插值校正和时延估计的处理精度,对信号的识别增益大于2%。2.针对非解调数据的预处理,提出了基于干扰抵消的高精度预处理方案。首先建立了干扰抵消的信号模型,以畸变信号作为研究对象,将理想的数字调制信号视为干扰;然后完善了干扰抵消的处理流程,给出了高精度的预处理方案;最后利用干扰抵消比作为指标,理论分析了处理精度对抵消效果的影响。实验结果表... 

【文章页数】：124 页

【学位级别】：博士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 预处理的研究现状
        1.2.2 特征提取的研究现状
    1.3 主要问题
    1.4 结构安排
第二章 高精度的预处理方法
    2.1 引言
    2.2 基于两级细化的高精度符号同步算法
        2.2.1 现有方法的主要问题
        2.2.2 信号模型
        2.2.3 算法基本原理
        2.2.4 复杂度分析
        2.2.5 仿真实验
    2.3 基于干扰抵消的高精度预处理方案
        2.3.1 信号模型
        2.3.2 算法基本原理
        2.3.3 性能分析
        2.3.4 仿真实验
    2.4 本章小结
第三章 基于专家经验的特征提取方法
    3.1 引言
    3.2 基于峰均功率比的特征提取算法
        3.2.1 信号模型
        3.2.2 算法基本原理
        3.2.3 复杂度分析
        3.2.4 仿真实验
    3.3 基于矢量图轨迹分解的特征提取算法
        3.3.1 信号模型
        3.3.2 算法基本原理
        3.3.3 复杂度分析
        3.3.4 仿真实验
    3.4 本章小结
第四章 基于深度学习的特征提取方法
    4.1 引言
    4.2 基于Hilbert时频谱图的辐射源个体识别算法
        4.2.1 信号模型
        4.2.2 算法基本原理
        4.2.3 性能与复杂度分析
        4.2.4 仿真实验
    4.3 基于矢量图的辐射源个体识别算法
        4.3.1 信号模型
        4.3.2 算法基本原理
        4.3.3 性能与复杂度分析
        4.3.4 仿真实验
    4.4 本章小结
第五章 考虑多普勒效应的辐射源个体识别方法
    5.1 引言
    5.2 信号模型
    5.3 矢量图视觉特征在多普勒效应下的稳定性
        5.3.1 I/Q调制器
        5.3.2 中频滤波器
        5.3.3 振荡器
        5.3.4 射频功率放大器
    5.4 基于改进的矢量图轨迹分解的特征提取算法
        5.4.1 轨迹分解
        5.4.2 特征提取
    5.5 仿真实验
        5.5.1 无多普勒条件下与3.3 节算法的性能对比
        5.5.2 算法对多普勒效应的有效性和鲁棒性
    5.6 本章小结
第六章 针对TDMA体制的辐射源个体识别方法
    6.1 引言
    6.2 信号模型
    6.3 TDMA信号射频特征
        6.3.1 特征机理
        6.3.2 特征提取
    6.4 射频特征在SEI中的应用
        6.4.1 用户身份检测
        6.4.2 突发数据累积
    6.5 仿真实验
        6.5.1 用户身份的检测性能
        6.5.2 数据累积的识别性能
        6.5.3 观察时长对算法性能的影响
    6.6 本章小结
第七章 结束语
    7.1 全文工作总结
    7.2 未来工作展望
致谢
参考文献
作者简历


【参考文献】：
期刊论文
[1]基于多尺度信息熵的雷达辐射源信号识别[J]. 黄颖坤,金炜东,葛鹏,李冰.  电子与信息学报. 2019(05)
[2]Specific Emitter Identification Based on Visibility Graph Entropy[J]. 朱胜利,甘露.  Chinese Physics Letters. 2018(03)
[3]基于ITD与纹理分析的特定辐射源识别方法[J]. 任东方,张涛,韩洁,王欢欢.  通信学报. 2017(12)
[4]多普勒及多普勒变化率对辐射源个体识别性能的影响分析[J]. 王桂良,黄渊凌.  系统工程与电子技术. 2017(12)
[5]基于排列熵分形维数特征提取的通信辐射源个体识别[J]. 余沁,程伟,杨瑞娟.  空军预警学院学报. 2017(03)
[6]基于3D-Hibert能量谱和多尺度分形特征的通信辐射源个体识别[J]. 韩洁,张涛,王欢欢,任东方.  通信学报. 2017(04)
[7]基于Softmax回归的通信辐射源特征分类识别方法[J]. 刘亚冲,唐智灵.  计算机工程. 2018(02)
[8]基于最大相关熵的通信辐射源个体识别方法[J]. 唐哲,雷迎科.  通信学报. 2016(12)
[9]基于信号暂态稀疏表示的AIS辐射源个体识别方法[J]. 贾永强,甘露.  信号处理. 2016(10)
[10]基于谱再生逆分析的信号细微特征提取[J]. 陈健,段田东,徐文艳,吴素琴.  信号处理. 2016(03)

博士论文
[1]通信辐射源个体识别技术研究[D]. 贾永强.电子科技大学 2017
[2]辐射源指纹机理及识别方法研究[D]. 许丹.国防科学技术大学 2008
[3]基于信号指纹的通信辐射源个体识别技术研究[D]. 徐书华.华中科技大学 2007
[4]基于极致学习机的通信信号辐射源个体识别技术研究[D]. 黄玉春.华中科技大学 2007
[5]通信电台个体特征分析[D]. 任春辉.电子科技大学 2006

硕士论文
[1]卫星通信辐射源细微特征提取技术研究[D]. 王大海.解放军信息工程大学 2015



本文编号：3694662