混合射频指纹提取与设备分类方案的设计
L. Peng, A. Hu, J. Zhang, Y. Jiang, J. Yu, and Y. Yan, “Design of a Hybrid RF Fingerprint Extraction and Device Classification Scheme,” IEEE Internet of Things Journal. vol. 6, no. 1, pp. 349-360, 2018.
作者:彭林宁,胡爱群等,东南大学。
- 频率偏移特征
频率偏移是由发射器和接收器上不同的振荡器频率引起的,常用作设备识别的特征。这篇文章中使用了包括频率偏移特征在内的组合特征进行设备识别。现对文章中的频偏估计的方法进行研究,主要包括频偏的粗估计和精细估计。
1)粗略频偏估计:
利用数据包开头的前同步码序列进行粗频偏估计,通过预先计算前导序列的,选择一个序列相关窗口,并通过逐步进行频率搜索来执行频率预补偿。 最后,将产生相关峰值的频率偏移选择为粗略的频率预补偿值。 该过程在数学上表示为
![002f1a9a33b3a7ee0e493cd5cbd83aef.png](https://i-blog.csdnimg.cn/blog_migrate/6d5b81df9b554d4279c4db92fb8cac28.png)
其中Npreamble是前导序列波形的长度,Ts是采样率。
2)精细的频率偏移估计:
为了获得更准确的载波频率偏移估计以提高分类精度,首先用粗略的频率偏移补偿接收到的信号,可以将其表示为
![62a866fdbe956c8159e1f94262dc77b2.png](https://i-blog.csdnimg.cn/blog_migrate/0ee0c3438446ebbe4bfa1492289be8ef.png)
然后通过下面数学公式获得信号峰值相关值,
![ce420316788fffd12742b18bb2e660cc.png](https://i-blog.csdnimg.cn/blog_migrate/7a3cd3ba58339844d4bd2c20a63c239d.png)
其中k是符号的索引。然后通过构造函数:
![0ea144c5621bd675cdb6a7d8c74e07bb.png](https://i-blog.csdnimg.cn/blog_migrate/50dbb96f87339888ca159bde955392a1.png)
可以得到相邻s(k)之间的差值:
![97922edf9d50e62ca37fdc8075ed116f.png](https://i-blog.csdnimg.cn/blog_migrate/f713281ef96c869543467fba23ecc1c0.png)
由此可以得到精细的频率偏移估计:
![d5159f77ab4a69509565d137a0418952.png](https://i-blog.csdnimg.cn/blog_migrate/60643950874af1e34d04b99645d94d2a.png)
其中K是估计中的总符号数。