[发明专利]一种无线通信设备的指纹融合识别方法及装置

权利要求书

1.一种无线通信设备的指纹融合识别方法，其特征在于，包括：

获取并识别无线通信设备的设备指纹和信道指纹；

对所述设备指纹的信号进行下变频以及信号补偿，检测并截取可识别信号；

对所述可识别信号进行射频指纹变换，计算所述信号的载波频偏特征和幅度特征；

分别对所述载波频偏特征和幅度特征进行转置得到第一载波频偏特征和第一幅度特征；

通过在冲击响应序列上截取不同时间窗口的数据来构造新的训练数据；

将每组训练数据按历史特征和未来特征进行划分，划分后的每组数据作为一组特征值，将所有特征值组成的集合作为训练集的特征向量；其中所述特征向量包括历史特征和未来特征；

在所述第一载波频偏特征和第一幅度特征后加入信道指纹的历史特征和未来特征构成联合特征向量；

对所述联合特征向量进行训练，利用训练后的第一特征向量建立融合指纹库；

获取待识别设备的信道指纹和设备指纹，与所述融合指纹库中的对照指纹进行比较获得判决结果。

2.根据权利要求1所述的无线通信设备的指纹融合识别方法，其特征在于，所述的对所述联合特征向量进行训练，具体包括：

从采集到的无线通信设备的样本集中抽取N个样例，得到一个大小为N的训练集，N＝μM，M为原始样本集的大小；其中，μ为使得所有基学习器结合形成的集成学习器准确率最高的值；

从所述联合特征向量中选取任意的n个特征，根据信息增益从n个特征中选取1个做节点分裂，其中，n＝ceil[sqrt(m)]；式中，sqrt为开平方根函数；ceil为向上取整函数；m为联合特征的总个数；

重复做子分割至所有节点分裂完成，形成不同分类性能的基学习器。

3.根据权利要求2所述的无线通信设备的指纹融合识别方法，其特征在于，所述的重复做子分割至所有节点分裂完成，形成不同分类性能的基学习器，之后还包括：

重新采集无线通信设备的设备指纹和信道指纹的数据集，作为基学习器的测试集；

将测试集输入到基学习器中，得到每个基学习器对测试集数据正确分类的比率CR_t，作为相应基学习器的筛选标准；

以CR_tλ为标准对基学习器进行筛选，去除性能较差的基学习器，并对所有剩余的基学习器赋予相同的权值，对样本数据进行检测分类并统计，得到总票数最多的类别作为样本数据的最终类别；其中，λ为使得联合判别准确率最高的值。

4.根据权利要求1所述的无线通信设备的指纹融合识别方法，其特征在于，在所述的将所有特征值组成的集合作为训练集的特征向量，之后还包括：

对每组训练数据添加对应的预测标签，把所有预测标签合并起来作为训练集的标签。

5.一种无线通信设备的指纹融合识别装置，其特征在于，包括：

第一获取单元，用于获取并识别无线通信设备的设备指纹和信道指纹；

预处理模块，用于对所述设备指纹的信号进行下变频以及信号补偿，检测并截取可识别信号；

计算模块，用于对所述可识别信号进行射频指纹变换，计算所述信号的载波频偏特征和幅度特征；

转置单元，用于分别对所述载波频偏特征和幅度特征进行转置得到第一载波频偏特征和第一幅度特征；

构造模块，用于通过在冲击响应序列上截取不同时间窗口的数据来构造新的训练数据；

划分模块，用于将每组训练数据按历史特征和未来特征进行划分，划分后的每组数据作为一组特征值，所有特征值组成的集合作为训练集的特征向量；其中所述特征向量包括历史特征和未来特征；

加入单元，用于在所述第一载波频偏特征和第一幅度特征后加入信道指纹的历史特征和未来特征构成联合特征向量；

训练单元，用于对所述联合特征向量进行训练，利用训练后的第一特征向量建立融合指纹库；

第二获取单元，用于获取待识别设备的信道指纹和设备指纹，与所述融合指纹库中的对照指纹进行比较获得判决结果。