針對(duì)特定輻射源識(shí)別的高精度符號(hào)同步方法

潘一葦，彭華，李天昀，王文雅

?

針對(duì)特定輻射源識(shí)別的高精度符號(hào)同步方法

潘一葦，彭華，李天昀，王文雅

（信息工程大學(xué)信息系統(tǒng)工程學(xué)院，河南 鄭州 450001）

對(duì)于特定輻射源識(shí)別的預(yù)處理環(huán)節(jié)，現(xiàn)有符號(hào)同步方法存在時(shí)延估計(jì)方式不妥和插值計(jì)算精度不足的問題。針對(duì)該問題，提出一種高精度的符號(hào)同步方法。對(duì)于時(shí)延估計(jì)，采用2步估計(jì)的方式，先由前向算法得到粗估計(jì)值，再利用解調(diào)得到的發(fā)送符號(hào)通過局部搜索得到精確值。對(duì)于插值計(jì)算，利用窗化法對(duì)插值濾波器進(jìn)行優(yōu)化設(shè)計(jì)，改善了濾波器的抗混疊特性，提高了計(jì)算精度。仿真實(shí)驗(yàn)表明，與常規(guī)符號(hào)同步算法相比，該算法能有效解決以上問題，且能在輻射源識(shí)別中取得更優(yōu)的識(shí)別效果。

特定輻射源識(shí)別；高精度；符號(hào)同步；時(shí)延估計(jì)；插值濾波器

1 引言

特定輻射源識(shí)別（SEI, specific emitter identification），即通過提取射頻信號(hào)上能夠體現(xiàn)輻射源個(gè)體差異的細(xì)微特征，實(shí)現(xiàn)對(duì)目標(biāo)個(gè)體的識(shí)別。由于射頻指紋（RFF, radio frequency fingerprinting）特征不依賴通信內(nèi)容，且難以偽造，因而在無線網(wǎng)絡(luò)安全和通信偵察對(duì)抗等民用和軍事領(lǐng)域均具有重要的應(yīng)用價(jià)值。

SEI的本質(zhì)是模式識(shí)別的問題：接收信號(hào)經(jīng)過預(yù)處理后，先提取細(xì)微特征，再根據(jù)先驗(yàn)信息完成分類識(shí)別，其中，特征提取是問題的核心?，F(xiàn)階段，利用積分雙譜[1]、分形理論[2]和時(shí)頻分析[3-4]等方法直接對(duì)接收信號(hào)進(jìn)行特征提取，所提特征容易受到調(diào)制信息的影響。為了克服該影響，Brik等[5]提出無源輻射裝置識(shí)別系統(tǒng)（PARADIS, passive radiometric device identification system），從解調(diào)所得的星座點(diǎn)上提取6種調(diào)制域特征，對(duì)138個(gè)無線設(shè)備的識(shí)別率超過了80%；文獻(xiàn)[6]將機(jī)器學(xué)習(xí)引入星座誤差的特征提取，改善了識(shí)別效果；文獻(xiàn)[7]推導(dǎo)并分析了I/Q不平衡失真條件下的基帶信號(hào)模型，利用幾何分析的方法提取RFF特征；黃淵凌等[8]建立了描述發(fā)射機(jī)相位噪聲特性的自回歸滑動(dòng)平均（ARMA, auto-regressive and moving average）模型，通過估計(jì)ARMA參數(shù)構(gòu)建特征，從而完成了個(gè)體識(shí)別。文獻(xiàn)[5-8]均是采用先解調(diào)再處理的方式，將特征提取的對(duì)象轉(zhuǎn)化為解調(diào)所得的星座點(diǎn)，然后將解調(diào)獲得的發(fā)送符號(hào)作為先驗(yàn)信息，通過對(duì)比解調(diào)所得的星座點(diǎn)與理想星座點(diǎn)的差異，實(shí)現(xiàn)細(xì)微特征的提取，有效避免了調(diào)制信息的干擾。然而，由于對(duì)預(yù)處理環(huán)節(jié)的忽視，這類方法直接采用常規(guī)的解調(diào)算法，有些算法并不滿足SEI力求精細(xì)準(zhǔn)確的要求，在預(yù)處理環(huán)節(jié)人為地引入了不必要的誤差，從而影響特征提取和分類識(shí)別的效果。

本文針對(duì)預(yù)處理環(huán)節(jié)中的符號(hào)同步，首先指出將現(xiàn)有方法直接應(yīng)用于SEI的預(yù)處理環(huán)節(jié)會(huì)面臨時(shí)延估計(jì)方式不妥和插值計(jì)算精度不足的問題。對(duì)于時(shí)延估計(jì)，本文采用2步估計(jì)的方式，先由前向算法得到粗估計(jì)值，再以解調(diào)獲得的發(fā)送符號(hào)為輔助通過局部搜索得到精確值。對(duì)于插值計(jì)算，本文在詳細(xì)分析插值模型的基礎(chǔ)上，對(duì)插值濾波器進(jìn)行優(yōu)化設(shè)計(jì)并靈活地增加抽頭個(gè)數(shù)。仿真實(shí)驗(yàn)表明，本文算法能夠有效解決上述2個(gè)問題，且能在SEI應(yīng)用中取得更優(yōu)的識(shí)別效果。

2 現(xiàn)有符號(hào)同步方法存在的問題

全數(shù)字符號(hào)同步可以分為時(shí)延估計(jì)和插值校正這2個(gè)部分。盡管關(guān)于符號(hào)同步的研究已經(jīng)相當(dāng)成熟，但將現(xiàn)有方法直接應(yīng)用于SEI的預(yù)處理環(huán)節(jié)仍會(huì)面臨以下2個(gè)問題。

1) 時(shí)延的估計(jì)方式不妥

時(shí)延估計(jì)的方法主要分為前向和反饋2類。前者容易受到符號(hào)速率估計(jì)準(zhǔn)確度和發(fā)射電路晶振穩(wěn)定度的影響，估計(jì)誤差較大；后者存在hang-up現(xiàn)象，同步速度較慢。在實(shí)際應(yīng)用中，我們通常采用前向與反饋相結(jié)合的方式進(jìn)行符號(hào)同步，然而這種方式并不適用于通信輻射源的細(xì)微特征提取。這是因?yàn)椋悍答伣Y(jié)構(gòu)會(huì)自適應(yīng)調(diào)整時(shí)延參數(shù)，解調(diào)所得的星座點(diǎn)將趨于標(biāo)準(zhǔn)化，這就抹除了不同個(gè)體之間的細(xì)微差異，影響了識(shí)別的效果。

2) 插值的計(jì)算精度不足

圖1 分段拋物線插值造成的失真

3 改進(jìn)算法

設(shè)頻偏、相偏均為0，則經(jīng)過匹配濾波后的基帶復(fù)信號(hào)可以表示為

由于反饋結(jié)構(gòu)會(huì)影響識(shí)別效果，本文算法采用前向結(jié)構(gòu)?，F(xiàn)有的前向方法均采用盲估計(jì)的方式，即使在部分發(fā)送符號(hào)已知的情況下，只要能夠?qū)崿F(xiàn)解調(diào)，便不會(huì)苛求時(shí)延估計(jì)的精度。然而對(duì)于SEI，所關(guān)注的并非信號(hào)解調(diào)，而是不同個(gè)體之間的細(xì)微差異?？紤]到信號(hào)的信噪比普遍較高，可以近乎無誤碼解調(diào)，因此，為了更準(zhǔn)確地提取細(xì)微特征，本文算法利用解調(diào)獲得的發(fā)送符號(hào)提高時(shí)延的估計(jì)精度是必要且可行的。

文獻(xiàn)[10]給出了數(shù)據(jù)輔助的時(shí)延估計(jì)準(zhǔn)則，即

3.1 優(yōu)化插值算法

圖2 插值模型

在實(shí)際應(yīng)用時(shí)，可以根據(jù)實(shí)際需求選擇不同類型的窗函數(shù)，以漢明窗為例，有

3.2 設(shè)定搜索步長(zhǎng)

由于在實(shí)際系統(tǒng)中，CRB很難精確獲得，本文采用時(shí)延估計(jì)的修正克拉美羅界[13]（MCRB, modified Cramer-Rao bound）為

因此，搜索步長(zhǎng)可以設(shè)定為

即時(shí)延估計(jì)標(biāo)準(zhǔn)差的最小值。

3.3 縮小搜索范圍

搜索次數(shù)由所用前向算法的估計(jì)性能與MCRB共同決定，一般來說，在實(shí)際應(yīng)用中遍歷搜索次數(shù)不會(huì)超過10次，因此，增加的計(jì)算量也并非不可接受。

3.4 算法流程

至此，根據(jù)圖3所示的原理，本文算法的流程總結(jié)如下。

圖3 本文算法原理

4 仿真實(shí)驗(yàn)與性能分析

4.1 插值計(jì)算精度的仿真實(shí)驗(yàn)

插值算法的計(jì)算精度采用解調(diào)所得星座點(diǎn)的方差，描述為

圖4 3種插值算法的方差與信噪比的關(guān)系

4.2 時(shí)延估計(jì)精度的仿真實(shí)驗(yàn)

圖5 3種時(shí)延估計(jì)算法的方差與信噪比的關(guān)系

4.3 輻射源識(shí)別的仿真實(shí)驗(yàn)

4.3.1 仿真信號(hào)

為了使實(shí)驗(yàn)易于理解且更具可重復(fù)性，本節(jié)采用文獻(xiàn)[7]中的I/Q不平衡模型產(chǎn)生仿真信號(hào)。根據(jù)上述模型，攜帶I/Q不平衡畸變的基帶復(fù)信號(hào)可以表示為

實(shí)驗(yàn)首先根據(jù)式(15)仿真產(chǎn)生5個(gè)不同的輻射源，其畸變參數(shù)設(shè)定如表1所示。在每個(gè)信噪比下，每個(gè)輻射源包含1 000個(gè)信號(hào)樣本，其中，500個(gè)用于訓(xùn)練，500個(gè)用于測(cè)試。采用文獻(xiàn)[5,7]中的方法提取細(xì)微特征：文獻(xiàn)[5]方法的特征向量由相位錯(cuò)誤、幅度錯(cuò)誤、錯(cuò)誤矢量幅度和原點(diǎn)偏置等組成；文獻(xiàn)[7]的特征向量由上述4個(gè)畸變參數(shù)的估計(jì)值組成。在特征提取完成之后，采用基于徑向基（RBF, radial basis function）核函數(shù)的支持向量機(jī)（SVM, support vector machine）進(jìn)行分類識(shí)別，分類器使用默認(rèn)參數(shù)。

表1 5個(gè)輻射源的畸變參數(shù)

在接收信號(hào)的預(yù)處理環(huán)節(jié)，本節(jié)分別對(duì)常規(guī)符號(hào)同步算法（O&M算法估計(jì)時(shí)延、分段拋物線插值計(jì)算最佳采樣序列）和本文符號(hào)同步算法進(jìn)行對(duì)比，在得到實(shí)際的星座點(diǎn)之后，進(jìn)行特征提取和分類識(shí)別。圖6給出了上述2種符號(hào)同步算法的識(shí)別率對(duì)比。

圖6 2種符號(hào)同步算法的識(shí)別率對(duì)比

由圖6可以看出，盡管分別采用了文獻(xiàn)[5]和文獻(xiàn)[7]的方法提取細(xì)微特征，但在相同條件下，與常規(guī)符號(hào)同步算法相比，本文符號(hào)同步算法均能夠帶來約2%~3%識(shí)別率的提高，這是因?yàn)楸疚乃惴ㄔ跁r(shí)延估計(jì)精度和插值計(jì)算精度這2個(gè)方面均做出了針對(duì)性的改進(jìn)，較好地解決了現(xiàn)有方法遇到的問題，得到的實(shí)際星座點(diǎn)能夠更好地保持輻射源固有的個(gè)體差異，從而提高了個(gè)體的識(shí)別率。值得注意的是，雖然實(shí)驗(yàn)中采用的是文獻(xiàn)[5]和文獻(xiàn)[7]的特征提取方法，但本文所提的高精度符號(hào)同步算法通用于任何以信號(hào)解調(diào)為基礎(chǔ)的特征提取算法。

4.3.2 實(shí)際信號(hào)

由于樣本的頻偏波動(dòng)較大，為了避免其對(duì)特征提取算法的干擾，在實(shí)驗(yàn)過程中，先對(duì)每個(gè)樣本估計(jì)并去除頻偏。采用文獻(xiàn)[5]的PARADIS提取細(xì)微特征，并利用RBF-SVM進(jìn)行分類識(shí)別。在預(yù)處理環(huán)節(jié)，分別利用常規(guī)符號(hào)同步算法和本文符號(hào)同步算法進(jìn)行對(duì)比。表2和表3分別給出了2種符號(hào)同步算法的識(shí)別結(jié)果。為了方便觀察，圖7給出了分別采用上述2種符號(hào)同步算法得到的部分特征的分布圖，這里僅選取了相位錯(cuò)誤、原點(diǎn)在I軸和Q軸上的偏置這三維特征。

表2 常規(guī)符號(hào)同步算法的識(shí)別結(jié)果

表3 本文符號(hào)同步算法的識(shí)別結(jié)果

由圖7可以看出，與常規(guī)符號(hào)同步算法相比，由本文算法得到的部分特征的分布呈現(xiàn)出了更明顯的類內(nèi)聚、類間散的特點(diǎn)，取得了更好的識(shí)別結(jié)果。這是因?yàn)楸疚乃惴ㄌ岣吡朔?hào)同步的處理精度，減弱了人為引入的處理誤差，更好地保持了輻射源的個(gè)體特征。表2和表3的識(shí)別結(jié)果證明本文算法具有較好的實(shí)際效果。

圖7 部分特征的分布

5 結(jié)束語

本文針對(duì)現(xiàn)有符號(hào)同步方法直接應(yīng)用于SEI預(yù)處理環(huán)節(jié)面臨的問題，分別通過優(yōu)化插值濾波器的設(shè)計(jì)和采用數(shù)據(jù)輔助的方式，提高了插值計(jì)算和時(shí)延估計(jì)的精度，更適用于提取輻射源的細(xì)微特征。仿真結(jié)果表明，在相同條件下，本文算法能夠帶來約2%~3%識(shí)別率的提高。

雖然本文只涉及解調(diào)過程的符號(hào)同步環(huán)節(jié)，但是載頻、符號(hào)速率等參數(shù)的估計(jì)以及載波同步等環(huán)節(jié)同樣需要引起重視，SEI的預(yù)處理流程有待規(guī)范統(tǒng)一。

[1] 蔡忠偉, 李建東. 基于雙譜的通信輻射源個(gè)體識(shí)別[J]. 通信學(xué)報(bào), 2007, 28(2): 75-79.

CAI Z W, LI J D. Study of transmitter individual identification based on bispectra[J]. Journal on Communications, 2007, 28(2): 75-79.

[2] 韓潔, 張濤, 王歡歡, 等. 基于3D-Hibert能量譜和多尺度分形特征的通信輻射源個(gè)體識(shí)別[J]. 通信學(xué)報(bào), 2017, 38(4): 99-109.

HAN J, ZHANG T, WANG H H, et al. Communication emitter individual identification based on 3D-Hibert energy spectrum and multi-scale fractal features[J]. Journal on Communications, 2017, 38(4): 99-109.

[3] BERTONCINI C, RUDD K, NOUSAIN B, et al. Wavelet fingerprinting of radio-frequency identification (RFID) tags[J]. IEEE Transactions on Industrial Electronics, 2012, 59(12): 4843-4850.

[4] ZHANG J, WANG F, DOBRE O A, et al. Specific emitter identification via Hilbert-Huang transform in Single-Hop and relaying scenarios[J]. IEEE Transactions on Information Forensics & Security, 2016, 11(6): 1192-1205.

[5] BRIK V, BANERJEE S, GRUTESER M, et al. Wireless device identification with radiometric signatures[C]// ACM International Conference on Mobile Computing and Networking. 2008: 116-127.

[6] HUANG Y L, ZHENG H. Radio frequency fingerprinting based on the constellation errors[C]// Communications. 2012:900-905.

[7] 王大海. 衛(wèi)星通信輻射源細(xì)微特征提取技術(shù)研究[D]. 鄭州: 解放軍信息工程大學(xué), 2015.

WANG D H. Research on the extraction technology of satellite communication transmitter fine features[D]. Zhengzhou: PLA Information Engineering University, 2015.

[8] 黃淵凌, 鄭輝. 一種基于相噪特性的輻射源指紋特征提取方法[J]. 計(jì)算機(jī)仿真, 2013, 30(9): 182-185.

HUANG Y L, ZHENG H. Emitter fingerprint feature extraction based on characteristics of phase noise[J]. Journal of Computer Simulation, 2013, 30(9): 182-185.

[9] ERUP L, GARDNER F M, HARRIS R A. Interpolation in digital modems II Implementation and performance[J]. IEEE Transactions on Communications, 1993, 41(6): 998-1008.

[10] GOETHALS K, MOENECLAEY M. PSK symbol synchronization performance of ML-oriented data-aided algorithms for nonselective fading channels[J]. IEEE Transactions on Communications, 2002, 43(234): 767-772.

[11] GARDNER F M. Interpolation in digital modems I Fundamentals[J]. IEEE Transactions on Communications, 1993, 41(3): 501-507.

[12] 李天昀, 許漫坤, 葛臨東. 取鄰抽取任意倍數(shù)采樣率變換算法[J]. 數(shù)據(jù)采集與處理, 2012, 27(2): 254-258.

LI T Y, XU M K, GE L D. Conversion algorithm between arbitrary sampling rate based on neighbor decimation[J]. Journal of Data Acquisition&Processing, 2012, 27(2): 254-258.

[13] D'ANDREA A N, MENGALI U, REGGIANNINI R. The modified Cramer-Rao bound and its application to synchronization problems[J]. IEEE Transactions on Communications, 1994, 42(234): 1391-1399.

[14] OERDER M, MEYR H. Digital filter and square timing recovery[J]. IEEE Transactions on Communications, 1988, 36(5): 605-612.

High-precision symbol timing algorithm for specific emitter identification

PAN Yiwei, PENG Hua, LI Tianyun, WANG Wenya

Institute of Information Systems Engineering, Information Engineering University, Zhengzhou 450001, China

The existing symbol timing algorithms have the problems that the method of delay estimation is improper and the calculation precision of the interpolation is insufficient for the pretreatment of specific emitter identification. A high-precision symbol timing algorithm was proposed to solve these problems. Aiming at the former problem, a two-step estimation method was adopted, rough estimation of delay was firstly obtained by the forward algorithm, and then the accurate value was acquired through local search with the demodulated symbols. For the latter problem, a window-based approach was used to design an interpolating filter which could optimize the anti-aliasing characteristics and improve the calculation accuracy. Simulation results show that the proposed algorithm can effectively solve the above problems and achieve better recognition results in the radiation source recognition compared with the conventional symbol timing algorithm.

specific emitter identification, high precision, symbol timing, delay estimation, interpolating filter

TN911.7

A

10.11959/j.issn.1000?436x.2018132

潘一葦（1990?），男，山東青島人，信息工程大學(xué)博士生，主要研究方向?yàn)橥ㄐ判盘?hào)處理、特定輻射源識(shí)別等。

彭華（1973?），男，江西萍鄉(xiāng)人，信息工程大學(xué)教授、博士生導(dǎo)師，主要研究方向?yàn)檐浖o線電和通信信號(hào)處理。

李天昀（1979?），男，江西萍鄉(xiāng)人，信息工程大學(xué)副教授、碩士生導(dǎo)師，主要研究方向?yàn)檐浖o線電、通信信號(hào)處理等。

王文雅（1991?），女，湖北天門人，信息工程大學(xué)碩士生，主要研究方向?yàn)橥ㄐ判盘?hào)處理。

2017?12?25：

2018?04?09

國(guó)家自然科學(xué)基金資助項(xiàng)目（No.61401511）

The National Natural Science Foundation of China (No.61401511)