基于多天线软件无线电平台的射频指纹提取系统研究文献综述

1. 文献综述（或调研报告）：

射频指纹是无线通信设备的重要身份特征，可用于无线通信设备的身份识别和接入认证。无线通信设备发送射频信号，接收器采集到的射频信号与发送信号相比受到了多径信道的影响，因此根据接收信号提取的特征可以分成两部分：基于信道的特征和基于发射机的特征。其中，基于信道的特征表征了无线信道响应以及周围环境影响，被称为信道指纹；而基于发射机的特征则主要代表了发射机模拟电路的射频特征，被称为设备指纹。射频指纹就是基于发射机的射频特征[1]。

预处理：系统采集信号后，根据后续的射频指纹提取要求，要对信号先进行下变频、相位补偿、能量归一化、丢弃不合格信号等预处理。在信号的预处理阶段，要求尽可能少引入噪声，抑制信道指纹，保留设备指纹。

提取射频指纹：在进行预处理后，识别系统检测和截取可识别信号，将这段信号进行射频指纹变换，变换到时域、频域或者小波域，来提取设备相关的特征，构成一个特征向量作为设备的射频指纹。目前已有的射频指纹提取方法主要分为基于稳态信号与基于瞬态信号两种方法。瞬态信号由于具有很短的持续时间，且截取与获得可识别的瞬态信号需要较高的采样速率，所以对采样设备的要求较高[2]。若接收机已知部分先验的符号信息，可以通过比较不同发射机的频偏、前导、调制特征等信息来区分信号，因此具有一定先验信息的稳态信号段也可以作为可识别信号。但所有的通信信号都具有瞬态信号部分，并不一定包含前导部分，所以早期射频指纹研究领域主要关注于基于瞬态的信号。随着技术的不断发展，几乎所有的数字通信系统都在数据段之前加入了前导序列，以便简化接收机的设计。稳定的前导提供了一个稳定的可识别稳态信号，因此，该领域的研究重心开始转向稳态信号射频指纹提取和识别技术。

瞬态信号可提取的部分特征：持续时间，分形维数，频谱特征，时域包络，小波系数等。

稳态信号可提取的部分特征：频率偏移，调制域特征，频谱特征，时域包络，小波系数等。

模式分类：主要分成训和识别两个步骤。在训练阶段，对面向的所有设备进行信号的采集与存储，提取每个设备的射频指纹，登记入库，与对应设备的ID号链接在一起构建成射频指纹库。在识别阶段，通过采集待识别设备的通信信号提取其对应射频指纹，与指纹库中的对照指纹进行比较获得结果。

射频指纹识别通过分析无线通信设备的通信信号提取射频指纹来进行设备识别。因此，理论上所有无线通信设备都可以通过提取射频指纹进行识别。至今为止，已经有各种各样的无线设备被用来进行射频指纹的研究，包括最早开始研究的VHF FM发射机，随后的蓝牙，GSM设备，IEEE 802.16WiMax设备，通用移动通信系统（UMTS）设备，LTE设备，认知无线电网络（CRN）设备，RFID设备，以及研究最多的IEEE 802.11WiFi设备和IEEE 802.15.4 Zigbee设备。

早在1997年，Shaw等人在文献[3]中提出了基于信号幅度的门限检测方法，该门限方法对于噪声十分敏感，并且需要预先设定门限值，在信噪比较低时精度较低。1999 年Ureten等人在文献[4]中提出了基于信号幅度变化的 Bayesian 阶跃变点检测方法，与门限检测方法不同，Bayesian 阶跃变点检测方法不需要设定门限，仅利用信号的变化特征进行检测，对于阶跃信号的检测效果较好。

稳态信号的射频指纹主要是由发射机在信号调制阶段引入的特征构成的。2008 年，Brik 等人设计了一个被动的射频设备识别系统用来识别 IEEE 802.11b设备[5]，主要是提取硬件容差引起的调制误差作为射频指纹来识别设备。选用了调制信号的五个特征：频偏、前导相关、I/Q 偏移、幅度误差和相位误差作为设备射频指纹。2014 年，Peng 等人提出利用调制域的 I/Q 不平衡作为设备射频指纹进行协同中继系统的中继认证和识别，采用双参数假设检验和似然比检验的方法进行认证，最后用数值仿真进行了验证，结果显示认证性能有显著提升[6]。2015 年，Knox 等人利用 Ettus Labs USRP1 软线无线电平台作为接收设备，以 4M 的采样速率对来 自同一厂家的五个SiLabs IEEE 802.15.4 2.4GHz的射频设备进行信号采集和解调[7]。为了减小噪声的影响，该文首先将采集的信号用一个噪声滤波器进行了筛选，然后提取解调后基带信号的相位信息作为射频指纹。2015 年，袁英俊等人提出将发射机建模成非线性动力系统，利用相空间重构的方法选取重构相空间的两类特征共 30个特征作为 RFF，利用主成分分析方法和支持向量机分类器对四个无线网卡进行识别。

射频指纹特点：