《電子技術(shù)應(yīng)用》
您所在的位置：首頁 > 通信与网络 > 设计应用 > CFR-JVMD与多接收机协作的OFDM辐射源个体识别
CFR-JVMD与多接收机协作的OFDM辐射源个体识别
网络安全与数据治理
朱丽，刘高辉
西安理工大学自动化与信息工程学院
摘要： 针对通信辐射源识别中射频指纹易受多径效应与接收机畸变干扰的难题，提出了一种结合信道频率响应（Channel Frequency Response, CFR）相关性与联合变分模态分解（Joint Variational Modal Decomposition, JVMD）的多接收机协作OFDM辐射源识别方法。首先，根据多径信道的频域效应呈现乘性衰落特性，提出抑制多径信道影响的频谱轮移比值算法;其次，采用JVMD对多接收机归一化信号进行联合分解，将信号分解为含有发射机指纹与接收机指纹的模态分量；最后，通过基于非高斯统计量的动态阈值筛选出发射机指纹分量并输入CNN分类器实现辐射源个体识别。实验结果表明，该方法在ORACLE数据集上平均识别率达到97%，相较传统方法在抗多径衰落和接收机失真方面展现出更强的鲁棒性。
中圖分類號：TN911文獻標(biāo)志碼：ADOI:10.19358/j.issn.2097-1788.2026.03.006
中文引用格式：朱麗，劉高輝. CFRJVMD與多接收機協(xié)作的OFDM輻射源個體識別［J］.網(wǎng)絡(luò)安全與數(shù)據(jù)治理，2026，45（3）：40-47.
英文引用格式：Zhu Li，Liu Gaohui. CFRJVMDbased multireceiver cooperative OFDM specific emitter identification［J］.Cyber Security and Data Governance，2026，45（3）：40-47.
CFR-JVMD-based multi-receiver cooperative OFDM specific emitter identification
Zhu Li，Liu Gaohui
School of Automation and Information Engineering，Xi′an University of Technology
Abstract： To address the challenge that radio frequency fingerprints in specific emitter identification (SEI) are highly susceptible to multipath effects and receiverinduced distortions, this paper proposes a multireceiver cooperative OFDM emitter identification method that integrates channel frequency response (CFR) correlation with joint variational modal decomposition (JVMD).First, by exploiting the multiplicative fading characteristics of multipath channels in the frequency domain, a spectral cyclic shift ratio algorithm is developed to suppress multipath channel effects. Second, JVMD is applied to the normalized signals received by multiple receivers to jointly decompose the signals into modal components containing transmitter fingerprints and receiver fingerprints. Finally, transmitter fingerprint components are selected using a dynamic thresholding strategy based on nonGaussian statistical measures and fed into a convolutional neural network (CNN) classifier to achieve specific emitter identification. Experimental results demonstrate that the proposed method achieves an average identification accuracy of 97% on the ORACLE dataset and exhibits superior robustness against multipath fading and receiver distortions compared with conventional methods.
Key words : specific emitter identification (SEI); multipath fading channel; receiver impairments; feature extraction

引言

特定輻射源識別(Specific Emitter Identification，SEI)是指從接收到的電磁信號中提取出細(xì)微的射頻指紋特征，進而識別發(fā)射機的個體身份。射頻指紋（RFF）源于發(fā)射機模擬組件因硬件缺陷所產(chǎn)生的獨特特征［1］，當(dāng)前射頻指紋提取技術(shù)大多基于單接收機采集的數(shù)據(jù)。隨著射頻監(jiān)測系統(tǒng)向多節(jié)點、協(xié)同化方向發(fā)展，輻射源識別研究的焦點也逐步轉(zhuǎn)向了多接收機協(xié)同的場景。

多徑傳播導(dǎo)致各路徑信號經(jīng)歷不同程度的幅度衰落、時延擴展和相位偏移，這種信道畸變會對發(fā)射機指紋造成污染。文獻［2］收集了多種環(huán)境的SEI數(shù)據(jù)，表明基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）的輻射源識別在不同信道環(huán)境中性能顯著下降?？朔诺烙绊懙某Ｓ梅椒ㄖ饕獮椋?1)基于信道估計的失真補償。文獻［3］設(shè)計了一個有限脈沖響應(yīng)(FIR)濾波器來補償無線信道，它會根據(jù)當(dāng)前信道條件和發(fā)射機特性進行優(yōu)化，然而，每次信道發(fā)生變化時，需不斷重新計算最優(yōu)濾波器參數(shù)。(2)基于信道頻率響應(yīng)的相關(guān)性。文獻［4］提出無線信道的頻率響應(yīng)在短時間內(nèi)不發(fā)生顯著變化，構(gòu)建與信道無關(guān)的頻譜圖可以在時頻域中減輕信道影響，同時保留發(fā)射機指紋特征。

接收機作為信號采集的關(guān)鍵環(huán)節(jié)，即便采用高精度接收設(shè)備，基帶信號仍會攜帶接收機的指紋信息。文獻［5］發(fā)現(xiàn)當(dāng)訓(xùn)練與測試使用同一接收器時系統(tǒng)性能穩(wěn)定，而跨接收器場景下，識別準(zhǔn)確率因接收機硬件畸變下降。目前，抑制接收機指紋污染的研究主要有3種思路：(1)基于失真耦合逆向建模的硬件校正。文獻［6］提出一種基于載波泄漏與濾波器失真聯(lián)合估計的校正方法以分離發(fā)射機指紋與接收機畸變，但其性能受限于失真參數(shù)的可辨識性。(2)基于深度學(xué)習(xí)的接收器特征分離。文獻［7］通過引入多種損失函數(shù)來增強網(wǎng)絡(luò)的泛化能力，讓網(wǎng)絡(luò)學(xué)習(xí)與接收器無關(guān)的特征，從而分離出發(fā)射機相關(guān)特征和接收器相關(guān)特征，然而深度學(xué)習(xí)模型通常被視為“黑箱”，其特征分離過程難以被系統(tǒng)性地解釋和驗證。(3)利用多接收機協(xié)同融合抑制接收機干擾。文獻［8］通過協(xié)同使用多個失真接收機，利用空間分集增益抵消單個接收機失真的影響。

接收機獲取的通信信號往往呈現(xiàn)顯著的非平穩(wěn)或非線性特性,近年來，基于信號分解的特征提取方法展現(xiàn)出獨特優(yōu)勢，變分模態(tài)分解（VMD）通過構(gòu)建約束變分優(yōu)化問題，可將復(fù)雜信號自適應(yīng)分解為具有明確中心頻率的本征模態(tài)函數(shù)。文獻［9］在單跳和中繼場景下利用VMD將接收到的信號分解為各種時域和頻域模態(tài)，提高了輻射源之間的可區(qū)分性。文獻［10］利用改進的VMD算法來應(yīng)對環(huán)境噪聲與接收機失真的影響，提高了設(shè)備分類的準(zhǔn)確性和對噪聲的魯棒性。但現(xiàn)有方法大多孤立地處理多徑失真或接收機損傷，未能建立抑制信道—接收機聯(lián)合干擾的框架，針對以上問題，本文提出了結(jié)合信道頻率響應(yīng)（Channel Frequency Response,CFR）相關(guān)性與聯(lián)合變分模態(tài)分解（Joint Variational Modal Decomposition, JVMD）的多接收機協(xié)作OFDM輻射源識別方法。首先，利用CFR相關(guān)性提出頻譜輪移比值算法抑制多徑衰落帶來的干擾，通過信道估計先去除衰落嚴(yán)重的子載波；然后，利用JVMD實現(xiàn)接收機協(xié)同分解，有效分離發(fā)射機指紋和接收機指紋;接著，結(jié)合非高斯特性設(shè)計動態(tài)閾值策略篩選出發(fā)射機指紋特征；最后，結(jié)合CNN分類器實現(xiàn)分類識別。


本文詳細(xì)內(nèi)容請下載：

http://ihrv.cn/resource/share/2000007025


作者信息：

朱麗，劉高輝

（西安理工大學(xué)自動化與信息工程學(xué)院，陜西西安710048）

2.jpg

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。