本篇精读论文题目:
Exposing the Fingerprint: Dissecting the Impact of the Wireless Channel on Radio Fingerprinting(Infocom 2020)[1]
1. 简介:
目前设备指纹的识别方法往往利用CNN去获得之前低维度方法难以取得的准确率,不过同时普遍认为无线信道可以对识别率有负面的影响。但目前的工作主要问题是缺乏对无线信道对指纹识别的定量的、系统化的分析。
本篇文章首先提出了2个科学问题:
- CNN学习到的究竟是什么:设备差异 or 信道 or 设备差异+信道
- 信道均衡对CNN的学习过程有没有好处
2. 识别方法
论文选择的是1维的CNN而不是2维的,因为信号可以算作序列模型(注:这里需要说明I路信号和Q路信号互不相关)。
![4ec365a82f3945de86e09c5379185fc4.png](https://i-blog.csdnimg.cn/blog_migrate/6840c6bbe801d9404dd2fa71b8e2c06c.jpeg)
3个CNN模型简单说明一下:
- Homegrown:最简单的模型
- Baseline:AlexNet CNN,卷积网络的经典模型,baseline是修改版
- ResNet-50-1D:类ResNet-50
因为CNN模型是定长输入,