强激光与粒子束
2024, 36(4): 043019
1 网络通信与安全紫金山实验室前沿交叉科学研究中心, 江苏南京 211111
2 东南大学 a.网络空间安全学院
3 东南大学 b.信息科学与工程学院, 江苏南京 210096
射频指纹 (RFF)来源于发射机电路设计的差异和生产过程中硬件电路的制造容差, 是一种新兴的设备身份识别和认证技术。对射频指纹产生机理进行建模是深入研究射频指纹技术的基础。本文根据一种通用的零中频数字通信发射机结构分析了各环节对射频指纹的影响, 并建立了对应的射频指纹时域基带模型。此外, 归纳总结了一系列通信标准的若干重要时域参数的容差, 并着重研究了 LTE标准下, 正交相移键控 (QPSK)和十六进制正交振幅调制 (16-QAM)两种典型调制方式的最大均方根误差向量幅度 (RMS EVM)。最后, 通过理论推导和 Matlab仿真给出了直流偏置、同相 /正交(I/Q)增益不平衡、 I/Q正交偏移误差、 I/Q滤波器偏差、振荡器相噪和功放非线性参数的上下界, 并分析了各种射频指纹参数临界情形下星座图的变化, 为射频指纹提取和识别技术的研究提供了合理的参数指导。
物理层安全 射频指纹 时域建模 误差向量幅度 零中频 physical layer security Radio Frequency Fingerprint(RFF) time -domain modeling error vector magnitude Zero Intermediate Frequency 太赫兹科学与电子信息学报
2021, 19(4): 603
哈尔滨工程大学信息通信工程学院,黑龙江哈尔滨 150001
研究了基于通信辐射源射频指纹 (RFF)的同类型设备分类识别理论,通过提取通信信号的围线积分双谱值来作为设备个体识别的特征向量,使用支持向量机 (SVM)分类器进行识别。构建辐射源识别系统,并使用实测信号进行仿真测试。结果显示该方法具有稳定的识别效果,且在信噪比 (SNR)为-22 dB时,系统可以达到接近 90%的分类识别准确度。这说明本文提出的基于双谱的RFF提取方法有效。
物理层安全 射频指纹 围线积分双谱 个体识别 physical layer security Radio Frequency Fingerprint(RFF) contour integral bispectrum individual identification 太赫兹科学与电子信息学报
2021, 19(1): 107
重庆邮电大学 光电信息感测与传输技术重庆市重点实验室, 重庆 400065
针对星座图的射频(RF)指纹识别方案中,低信噪比环境下识别准确率低的问题,提出一种基于欧式距离与幅度距离的二维识别算法来进行RF指纹识别。该方案通过对星座图进行优化处理,可从优化后的星座图中提取识别性能更好的RF指纹,再通过二维识别算法来提高识别准确率。仿真结果表明:与仅用欧式距离作为判断依据的方法相比,所提出的二维识别算法的识别准确率最高可提升8%,在设备容量为50组的情况下识别准确率为77.8%,并且从优化后的星座图中所提取的RF指纹具有更好的唯一性和稳定性。
射频指纹 星座图 欧式距离 幅度距离 radio frequency fingerprint constellation diagram Euclidean distance amplitude distance
电子信息系统复杂电磁环境效应国家重点实验室, 河南 洛阳 471000
射频(RF)功率放大器是辐射源射频指纹特征产生的关键器件之一, 是射频指纹(RFF)产生机理和个体识别的重要突破口。设计一种功率放大器射频指纹提取实验方法, 利用时域射频独特原生属性(RF-DNA)方法成功提取了功率放大器的射频指纹, 并对RF-DNA指纹进行了可视化处理。研究结果表明, 功率放大器的射频指纹主要反映在幅度失真特性上, 利用瞬时幅度生成的时域RF-DNA指纹能够实现对放大器个体的分类, 在信噪比大于12 dB时, 分类正确率在91%以上。可视化后, 能直观观察RF-DNA指纹及不同功率放大器之间统计特征的相似性和差异性。
射频指纹 射频独特原生属性(RF-DNA) 功率放大器 个体识别 Radio Frequency Fingerprint RF-DNA power amplifier individual identification 太赫兹科学与电子信息学报
2020, 18(1): 129