改进BP神经网络在电台“指纹”识别中的应用

提取了两类实际电台信号的指纹特征，利用改进的BP神经网络对电台指纹特征进行了有指导的分类识别。通过Matlab 6．5．1编程实验，结果表明该算法收敛性好，精度高，对通信电台指纹识别效果比较理想。     

基于数据挖掘工具的电台“指纹”识别

提取了两类AM电台实际信号的“指纹”特征，根据该特征，利用基于数据挖掘工具iDA的ESX和反向传播神经网络工具对两类电台信号进行了有指导的分选识别，实验表明，这种有指导的学习对通信电台的指纹识别有一定效果。     

基于信号包络新特征参数的电台个体识别

非协作条件下的电台个体识别是目前通信侦察领域的一个难题。尽管已有多种方法从电台的发射信号中提取到指纹特征实现个体识别,但均在不同程度上存在着低信噪比条件下电台个体识别准确率不高的问题。在分析信号包络特征可以应用于电台个体识别的基础上,提出了一种基于信号复调制与低通滤波的改进包络提取算法,精确地提取信号包络;并为达到降维的目的,从提取的信号包络中求得一个对信号包络特征具有较强表征能力的新特征参数。仿真结果表明,不同电台个体的新特征参数具有较好的聚类性能,识别准确率在95%以上,有效提高了低信噪比条件下电台个体识别的准确率。     

短时频率稳定度特征分析的FSK信号个体识别

针对通信电台个体识别问题,提出一种利用码元持续时间内短时频率稳定度的指纹特征识别FSK信号电台的方法。采用改进的多周期“过零点”法提取瞬时频率,然后计算瞬时频率的信息维数特征,最后利用最近邻分类器实现电台个体识别。在高斯信道和短波信道下进行的仿真实验证明了该方法的有效性。     

基于瞬时频率畸变特性的FSK电台指纹特征提取

为解决FSK电台个体识别问题,需要从辐射源信号上提取特征构成辐射源指纹。通过分析构成FSK电台的各个模块的畸变特性,阐明了FSK电台指纹产生机理,建立了基于瞬时频率的指纹信号模型,并根据信号模型设计了基于辅助参数的最小二乘算法以完成FSK频率畸变特性参数的估计,从而构建指纹特征完成对FSK电台的识别。对仿真信号和实际信号的识别测试试验表明,该算法具备辐射源个体识别能力,对实际环境下的4个FSK电台的识别率大于96%,优于双谱类方法。     

基于半监督矩形网络的通信电台个体识别

通信电台信号的小样本条件造成了电台个体识别准确性欠佳的问题,本文首次提出基于半监督矩形网络进行通信电台个体识别,克服小样本条件对电台个体识别效果的影响.首先提取电台信号的矩形积分双谱特征,人为注入噪声构成污染样本,在半监督矩形网络编码器中有监督训练,其训练结果通过网络径向连接传给解码器,解码器再无监督学习,重构未污染的原始样本,从网络顶层提取电台个体特征,输入softmax分类器实现分类识别.在实际采集的电台数据集上的实验结果说明,本算法在小样本条件下相比现有算法能更准确识别同型号的电台个体.     

通信电台个体识别技术研究

本文研究了基于通信电台短时频率稳定度特征的通信电台个体识别技术.在论证通信电台短时频率波动可以作为电台个体细微特征的基础上,提出了一种利用该特征进行电台识别的有效方法.首先通过采样抽取的方法将频率波动信息转变到伪调制的包络波形中,并对极大值点之间用三次样条插值拟合的方法精确提取包络特征,然后计算包络信号分形的盒维和信息维特征,最后采用最近邻的分类方法达到对通信电台的个体识别.仿真和实际电台实验结果都验证了方法的有效性.     

通信信号指纹识别技术研究

随着通信技术的飞速发展,通信体制和调制样式更加复杂多样,为信号的分类、识别增大了难度,该文针对工作于相同通信体制、相同调制方式和相同频段的通信信号的个体指纹特征提取、分析、识别分类方法进行了研究,较系统地介绍了通信信号指纹识别的原理和方法,讨论了基于测量域、统计域和判决域的同类通信信号个体识别技术,并给出了设备实现的初步方案。     

通信辐射源指纹识别技术

通信辐射源个体识别是近来通信对抗领域的重要研究课题,不同于传统通信信号侦察中的调制模式识别研究,通信辐射源识别主要研究体现同类辐射源之间个体差异的信号指纹的分析提取技术。文中研究分析信号指纹的分析提取存在的技术难点和解决方案。对稳态通信信号的个体细微特征,如通信发射信号在载频和调制参数特征上的偏差,以及信号杂散输出成分...     

一种OFDM信号电台识别方法

为解决OFDM通信电台识别问题,提出了基于包络高阶特征J的OFDM电台个体识别的方法.该方法利用OFDM电台问信号包络的差异实现对OFDM电台个体的识别.     

载频稳定度在射频指纹识别中的应用研究

射频指纹识别是利用辐射源射频特征唯一性对其个体身份进行识别的技术,具有广阔的军民用应用前景。针对传统射频指纹特征稳定度不高、难以工程实现的问题,提出了一种基于辐射源频率偏移和相位噪声等多维频域特性的射频指纹识别方法。该方法以ADS-B信号为例,利用统计原理对频率偏移和相位噪声特征进行量化处理,并利用贝叶斯分类方法对信号进行分类以实现辐射源个体身份的识别。通过半实物生成和实采ADS-B信号数据两种方式对提出的算法进行实验验证。实验结果表明,该方法能够对同型号的辐射源进行有效区分,对真实环境下4个目标的识别正确率达到93.5%。     

基于功率谱密度的通信辐射源个体识别方法

为阻止设备克隆、重放攻击和用户身份假冒等问题的发生,准确识别和认证物联对象,提出一种基于功率谱密度指纹特征与智能分类器的通信辐射源个体识别方法。利用接收机采集I路射频基带信号;通过方差轨迹检测截取稳态信号片段,并对稳态信号片段进行数据标准化处理;计算数据标准化处理后的稳态信号片段的功率谱密度得到特征向量,将所述特征向量作为发射机的射频指纹;最后利用智能分类器识别所述射频指纹,完成通信辐射源个体识别。通过对同厂家、同型号、同批次的8个无线数传电台E90-DTU设备和100个WiFi网卡设备的实验测试表明,本文所提方法在视距(LOS)场景、视距场景与非视距(NOS)场景的混合场景、低信噪比场景、大数量物联设备场景都具有良好的识别准确率。     

移动通信基站接收分系统的软件无线电技术实现

软件无线电技术自军事研究领域提出来后，以其强大通用性和灵活性而得到广泛的发展和应用。本文介绍了移动通信基站接收分系统的一种宽带中频带通采样软件无线电技术实现方法。     

Radio Fingerprint Extraction Based on Marginal Fisher Deep Autoencoders

Aiming at the difficulty of extracting radio fingerprint feature caused by insufficient traditional training method under small labeled sample prerequisite, the deep autoencoders regularized by marginal Fisher analysis algorithm for radio fingerprint extraction is proposed. Based on deep autoencoders, the training procedures was divided into two parts: unsupervised pre-training and supervised finetuning based on marginal Fisher analysis. In the algorithm, firstly the individual information of radio classes in large amounts of unlabeled signal samples was extracted, whose information was then applied on model optimal parameters learning by deep autoencoders. Then the trainable parameters were analyzed by marginal Fisher method with the assistant of labeled samples to improve the discriminant capability of fingerprint feature between radio individuals of the same model. The classification experiment was operated on several communication radio signal dataset. The results proved that the differences of radio individuals of the same model can be represented effectively through the algorithm proposed.     

基于瞬时包络特征的跳频电台个体识别方法

通信电台发射的信号通常表现出一定的细微特征差异,针对这种细微特征差异,本文在论证跳频信号跳变瞬时包络可以作为电台个体细微特征的基础上,提出了一种基于跳频信号瞬时包络特征的跳频电台个体识别方法。首先基于一种改进的基于小波变换的包络提取算法,提取出了样本信号跳变时刻的瞬时包络,并减轻了噪声等因素的影响。其次,分离并定量计算其盒维数和信息维数等瞬时特征,将得到的跳频信号的瞬时细微特征变换为一个特征向量,之后采用基于构造型神经网络的分类方法实现不同跳频电台的个体识别。最后对实际工作状态下3种型号电台进行个体识别,实际数据的实验结果验证了算法的有效性。      

Design and rapid prototyping of SCA-compliant public safety P25 waveform and P25?CFM3TR?CVoIP bridge

Establishing radio communication between military commanders, soldiers and law enforcement officers is an important enabling capability to facilitate interoperability. The Joint Tactical Radio System (JTRS) program is enabling communications within the military by implementing different military radio waveforms on software defined radio (SDR) platforms. It is logical to include a Project 25 (P25) public safety waveform in the JTRS waveform portfolio. This paper describes the rapid development of a P25 waveform on a surrogate JTRS SDR platform. The development process and methodology, which starts from a platform agnostic executable waveform model in Matlab, through an intermediate implementation using open tools on generic platforms, to the final platform-specific implementation, is introduced and discussed. This paper shows that adopting this methodology can speed up waveform development and porting. Furthermore, this paper presents the design and implementation of a three way voice bridge among P25, the future multiband multiwaveform modular tactical radio (FM3TR), and voice over Internet Protocol (VoIP), with software communication architecture (SCA) compliant implementation for both the P25 and FM3TR waveforms. This paper shows that critical issues such as interoperability can be tackled efficiently by leveraging SDR and SCA.     

军用无线电通信的码间干扰抑制算法仿真研究

军用无线电通信对通信质量和码元的保真性要求较高,军用无线电通信信道受到多径向量的影响产生码间干扰,需要进行码间干扰抑制,降低通信误码率。传统的码间干扰抑制方法采用波特间隔信道均衡算法,当通信信道受到电磁扰动的强度较大时,信道均衡性和码间干扰抑制能力不好。提出一种基于时间反转镜技术的军用无线电通信的码间干扰抑制算法,首先构建了军用无线电通信的信道模型,进行军用无线电通信的信道多径特性测量,采用自适应级联滤波器进行干扰滤波,结合时间反转镜技术实现码间干扰抑制算法改进。仿真结果表明,采用该算法进行军用无线电通信的码间干扰抑制,能有效提高通信传输的保真率,信道均衡性能较好,提高了通信输出的信噪比,降低通信误码率,提高了通信质量。