申请/专利权人：中国人民解放军国防科技大学

申请日：2024-01-12

公开（公告）日：2024-03-26

公开（公告）号：CN117765575A

主分类号：G06V40/12

分类号：G06V40/12

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.12#实质审查的生效;2024.03.26#公开

摘要：本发明提出了一种基于多接收机协同的跨接收系统辐射源指纹识别方法，以多接收机协同工作的方式实现接收机“染色”影响的消除；具体包括采用多接收机协同架构接收信号以获得多个副本信号，利用迭代重加权最小二乘算法估计多接收机的公共波形，引入相关抵消算法消除接收机个性成分，实现接收机理想公共波形、相关波形以及对应指纹特征数据的积累和管理，为跨接收系统通用的鲁棒性辐射源指纹识别技术提供支撑，为后续辐射源指纹识别技术的大规模推广和应用奠定基础。

主权项：1.一种基于多接收机协同的跨接收系统辐射源指纹识别方法，其特征在于，该方法分为以下步骤：S1.多接收机信号协同接收S1.1信号接收在接收信号时，使用K部接收机共用同一套天线，通过分频器将多部接收机连接，所有接收机设置为相同接收模式、接收参数，同时所有接收机均外接至同一台高精度频率源做时钟源，控制所有接收机对同一辐射源的同一信号进行同步接收，得到该信号的K个副本，那么由第k部接收机接收到的第m个辐射源的信号表示为k＝1,2,…,K，m＝1,2,…,M，M表示辐射源总数；被称为副本信号；S1.2信号预处理对所有副本信号进行检测、滤波降噪后，得到由第m个辐射源发射、第k个接收机接收的副本信号 其中Am,k是信号的复数幅度，是一个系数值；∈m,k是独立的复数高斯分布的随机噪声；矩阵Γτm,k和Ωνm,k分别为时间转移算子矩阵和频率转移算子矩阵，大小均为Ns×Ns，Ns表示信号长度，τm,k表示信号的时间延迟量，νm,k表示信号的频率偏移值；Ωνm,k是对角矩阵，对角线元素为n表示矩阵的第n行，n＝1,...,Ns，Γτm,k是对角元素为τm,k的对角矩阵；μm表示不受接收机失真影响的、由第m个辐射源发射和理想无失真接收机接收的理想单位接收信号，满足其中·H表示共轭转置，I表示单位矩阵；S2.高精度时频偏差估计在多接收机协同系统中，K个接收机工作时均与同一个高精度频率源相连，因此这K个接收机的工作频率也是对齐的，但由于在信号传输接收环节存在随机因素以及硬件系统难以做到完全精准同步，造成信号之间会存在少量的时间、频率偏差，需要对多部接收机接收到的副本信号进行高精度的时域偏差估计以及频域偏差估计，即分别进行信号时间延迟量的估计和频率偏移值的估计；具体如下：S2.1信号时域偏差估计S2.1.1估计得到信号时域偏差—时间延迟量τm,k；S2.1.2将τm,k组成时间转移算子矩阵Γτm,k： S2.1.3根据Γτm,k和公式1，对信号进行时域对齐，得到时域对齐后的副本信号ym,k： 其中·-1表示矩阵的逆，即Γ-1τm,k是Γτm,k的逆；S2.2信号频域偏差估计S2.2.1得到副本信号的信号时域偏差—频率偏移值νm,k；S2.2.2将S2.2.1得到的副本信号的信号时域偏差—频率偏移值νm,k组成频率转移算子矩阵Ωνm,k，即信号频域偏差量： S3.公共波形估计利用K个副本信号ym,k估计得到公共波形基本原理是利用迭代重加权最小二乘算法不断更新权重值和估计值，直到误差满足预设条件，最后利用最新的权重值和估计值计算出具体过程如下：迭代次数用i表示，第i次迭代后，用表示理想单位接收信号μm的估计值，用表示信号复数幅度Am,k的估计值，Li表示当前误差值，表示当前副本信号ym,k对应的误差权重；S3.1设置副本信号ym,k对应的初始误差权重为1，设置公共波形的初始化估计值为所有副本信号的均值：设置复数信号幅度的初始化估计值为1即初始误差值并设置迭代次数的初始计数值i＝1；S3.2:按照迭代重加权最小二乘算法计算每个接收副本信号对应的幅度Am,k和公共波形信号μm： 其中fAm,k,μm表示最小化准则；当fAm,k,μm取最小值时，实际波形与估计波形的加权平方误差达到最小值，得到相应的理想单位接收信号估计值和复数幅度值估计值从而完成对μm和Am,k的估计更新；具体如下：S3.2.1由于直接求公式5最小化解的难度较大，因此下面将该问题进行变换：公式5中展开： 其中第二项中为复数，故是一个实数；结合公式4可知，Ωνm,kHΩνm,k＝I，且有因此： 将公式7代入公式6，有： 将公式8代入公式5，将最小化准则fAm,k,μm改写为： 可以看到，要想fAm,k,μm取最小值，公式9中第三项应为0，因此对应的应当满足如下关系式： 对应地，fAm,k,μm的最小值fminAm,k,μm表示为： 由于在迭代过程中||ym,k||2的值是不变的，将公式11的问题转化为找到能够使得公式12取最大值的解，即求解公式12最大化时对应的 其中，S3.2.2下面从特征值分解的角度来对公式12中求最大值的问题进行变换；具体如下：S3.2.2.1将矩阵ZΩ视作待分解的矩阵，视为特征向量，令λ表示特征值分解的特征值，那么根据特征值分解的定义，特征值λ、特征向量待分解矩阵ZΩ需要满足以下关系： 而将公式13等号左右两边同时乘以可以得到与公式12高度相似的公式： 理论上存在多个满足公式14的特征值λ，也存在多个与不同特征值λ相对应的特征向量S3.2.2.2对比公式14和公式12可以看到，公式12中增加了max的限定要求，特指最大的特征值，即在公共波形计算过程中需要根据已有的矩阵ZΩ来找到最大的特征值以及最大特征值对应的特征向量；令λmax表示最大特征值，公式12变为： 则公式12求最大值的问题转化为对ZΩ进行特征值分解，确定最大特征值λmax，并找到对应的特征向量的问题；因为存在着最大值的限定要求，所以最终得到的λmax和都是唯一的；S3.2.2.3对矩阵ZΩ进行特征值分解，得到特征值和特征向量，并找到最大特征值λmax；求解ZΩ的全部特征值和特征向量，然后对求解得到的多个特征值进行排序，找到其中最大值λmax对应的特征向量就是要求的也就是使得公式12取得最大化的解；S3.2.3将公式3中ym,k、Ωνm,k和代入公式10更新S3.3利用更新后的和计算误差权重 其中，σ2是信号ym,k的噪声方差，hx为Huber加权函数： 式中，κ表示调整常数；S3.4计算当前误差值Li： S3.5计算前一次误差Li-1与当前误差值Li的比值，判断比值是否满足：Li-1Li＜1+rth19其中rth为设定门限值；若当前误差值Li满足公式19，则进行步骤S3.6；反之，若当前误差值Li不满足公式19，则认为误差仍较大，需要再次进行迭代，将迭代次数的计数值i加1，即i＝i+1，并返回步骤S3.2，将更新后的权重值代入公式5，重新迭代求解fAm,k,μm的最小值fminAm,k,μm；S3.6完成迭代后，最后利用最新的估计值计算最终的公共波形信号 S4.相关波形计算下面用公共波形计算每个接收机对应的相关波形，基本思路是基于相关抵消器算法计算每个接收机信号与理想接收机对应的公共波形的相关部分，以确定特定接收机的接收波形和公共波形之间的最佳线性相关值，便于后续对单个接收机的副本信号进行处理；具体如下：S4.1计算副本信号ym,k与公共波形的互相关矩阵RA： 其中，表示求均值运算，·表示向量乘法；因为每个接收机的副本信号ym,k中必然包含着与公共波形相关的部分，因此RA≠0；S4.2计算公共波形的自相关矩阵RB： S4.3用矩阵H表示线性变换，对公共波形进行线性变换得到ym,k中与线性相关部分的估计值 就是第k个接收机的相关波形；因为信号ym,k长度为Ns，那么ym,k、与均为Ns维矢量，相应地，线性变换矩阵H的维度也为NS×NS；下面利用相关波形与公共波形具有相关性，而误差向量与公共波形无关的特性来计算线性变换矩阵H，具体步骤如下：S4.3.1定义误差向量em,k： S4.3.2定义误差向量em,k与的互相关矩阵RC： 相关波形计算的目标是构造适当的线性变换矩阵H，使ym,k与最大线性相关，而误差向量em,k与不相关，因此有：RC＝026S4.3.3结合公式24、25和26可以得到： 即满足RA＝H·RB；则可得到矩阵H： S4.4将H代入公式23计算估计值即第k个接收机的接收信号ym,k与公共波形的线性相关成分——相关波形因此，经过相关抵消器算法处理后，ym,k与相关的部分被估计出来构成相关波形不相关的部分形成误差向量em,k；也就是说经过处理后，来自不同接收机的信号与公共波形不相关的误差em,k作为接收机的自身影响因素被消除，而与公共波形具有最大线性相关性的波形被最大程度保留，从而降低了接收设备的个性化影响em,k，不同接收机的相关波形均是与公共波形线性相关，从而有利于跨接收系统之间数据共享；S5.指纹特征提取与分类识别S5.1指纹特征提取根据S4得到的相关波形将相关波形输入轻量级神经网络提取指纹特征；S5.2分类识别提取出指纹特征后，将特征结果输入到分类器进行辐射源的分类识别，最终输出辐射源个体标签信息，完成辐射源指纹识别的全部流程。

全文数据：

权利要求：

百度查询： 中国人民解放军国防科技大学 基于多接收机协同的跨接收系统辐射源指纹识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD