射频识别实训总结_基于多间隔差分星座轨迹图的射频指纹识别

文章信息：Yang Y , Hu A , Yu J . Radio Frequency Fingerprint Identification Based on Multi-Intervals Differential Constellation Trace Figures[C]// EAI MOBIMEDIA 2020 - 13th EAI International Conference on Mobile Multimedia Communications. 2020.

摘要：

差分星座轨迹图(DCTF)在射频指纹(RFF)识别上表现出良好的性能。然而，DCTF在低信噪比下容易模糊。本文提出了两种新型的基于多区间DCTF的zigbee设备RFF识别方法。首先，设计了一种基于高密度区域的低复杂度运动特征提取方法。此外，利用改进的3D-2D CNN模型来提取运动特征和空间特征。我们收集了54个不同的ZigBee设备进行实验，并通过这两种方法对其进行分类。实验结果表明，与使用单一差分区间生成的DCTF相比，这两种方法可以有效提高不同SNR水平下的识别精度。即使在5 dB的SNR水平下，3D-2D CNN分类器的分类准确率也在92%以上。

关键词：射频指纹，差分星座轨迹图，3D-2D CNN，运动特征，ZigBee

1介绍

物联网将各种信息传感设备联网结合起来，实现人、机、物在任何地方、任何时间的互联互通的功能。物联网的发展大大提高了各行各业的智能化水平。ZigBee是一种新型的无线通信技术。作为一种重要的物联网设备，它具有低速、低功耗、低成本的特点。它适用于传输距离短、速度低的电子设备之间的通信[1]。但由于其成本的限制，ZigBee接入认证一般基于MAC地址，很容易受到流氓设备的攻击[2]、[3]。

射频指纹(RFF)已经成功地用于识别ZigBee设备[4]-[6]。与基于软件或协议层的认证方法相比，RFF识别技术利用物理层模拟传输电路硬件的固有特性，具有与生物指纹相同的防欺骗、防克隆等优点。

RFF的识别方法可分为基于数据样本的瞬态和稳态[7]-[9]。DCTF是一种新型的基于图像的识别方法[10]。经过差分处理后，它通过扩大指纹的特征，对星座图进行变形。DCTF是一种新型的基于图像的识别方法[10]，经过差分处理后，通过扩大指纹的特征来变形星座图，通过轮廓和点分布等统计信息来反映设备指纹的DCTF，可以更直观地识别ZigBee设备。

适合RFF识别的机器学习方法有很多。但当设备数量过大时，如大规模无线传感器网络，机器学习方法通常无法达到较高的识别精度。作为一种非常有效的端到端学习方法，深度学习最近也在RFF领域得到了广泛的应用[