毕业设计-瞬态特征的无人机射频指纹识别方法【源码+文章】可定制

基于瞬态特征的无人机射频指纹识别方法
摘 要
在物联网技术快速发展过程中，为了提升无线网络应用过程中的安全性，射频指纹识别技术得到广泛应用。射频指纹识别技术在实际应用中，通过应用设备提取射频指纹数据信息，并在物理层进行设备数据信息的识别与匹配工作。射频指纹是由信号发射机内部元器件模块在实际工作过程中存在的误差导致发射机产生的射频信号造成独特的影响，这也是射频指纹具有唯一性特征的原因。射频指纹可以用于对发射机的身份进行识别，在应用中射频指纹识别技术不仅可以单独使用，同时可以与密钥与安全协议的身份认证方式结合，以此来增强无线网络应用的安全性。
本次基于采用传统识别方法,对于同种型号无人机不同个体识别率不高，射频指纹的提出为解决这一问题提供了思路，射频指纹仅与自身的物理硬件特征相关，是表征设备的个体的独有特征，通过研究面向无人机不同个体识别，基于瞬态特征采用射频指纹实现对无人机个体的识别。利用SVM分类器和深度学习的方法对多种无人机型号进行分类识别，但是对于同种型号无人机不同个体识别率不高，射频指纹(Radio Frequency Distinct Native Attribute，RF-DNA)的提出为解决这一问题提供了思路，射频指纹仅与自身的物理硬件特征相关，是表征设备的个体的独有特征，将进一步利用RF-DNA的方法对不同类型及同类型无人机不同个体进行识别。
关键词：射频指纹；神经网络；无人机；
目 录
1 绪论 1
1.1研究背景及意义 1
1.2国内外研究现状 2
1.3论文研究内容 3
2 系统总体设计 4
2.1 任务设计 4
2.2 方案设计 5
3 射频指纹及深度学习 6
3.1射频指纹识别技术 6
3.1.1射频指纹产生原理 6
3.1.2射频指纹识别技术 7
3.2深度学习 8
3.2.1深度学习模型简介 8
3.2.2卷积神经网络 8
4 系统设计与实现 10
4.1系统设计 10
4.2神经网络控制模块的实现 10
4.3系统验证 12
4.3.1 信号预处理 12
4.3.2 信号特征提取 13
4.3.3 卷积神经网络的训练 15
5 结论 18
致 谢 19
参考文献 20
附录 22