王 威，李詩嫻，王 新

(長沙理工大學 計算機與通信工程學院，長沙 410114)

基于星座圖的通信輻射源個體識別方法

王 威，李詩嫻，王 新

(長沙理工大學 計算機與通信工程學院，長沙 410114)

提出了一種新的基于星座圖的通信輻射源個體識別方法﹒首先采用頻域能量檢測法檢測突發(fā)信號；然后進行載波恢復、符號速率估計和定時估計；最后在此基礎上進行星座圖提取，并通過Hausdorff距離進行相似性度量，識別信號發(fā)射設備﹒以QPSK信號發(fā)射極為例進行了實驗，實驗結果表明，所提方法可以很方便地進行通信設備識別，為研制通信SEI設備提供了新的思路﹒

輻射源個體識別；能量檢測；載波恢復；星座圖提取

在信號偵查中，不僅要知道信號是從哪類設備發(fā)射，更應該知道是從哪個設備發(fā)射的，這樣才能提高情報的準確性﹒通信輻射源個體識別(SEI: Specific Emitter Identification)是通信電子戰(zhàn)和無線網絡領域一個重要的研究課題﹒發(fā)射機元器件的硬件差異會產生非理想特性，從而導致各通信設備在發(fā)射信號上表現出來細微差異(如輻射信號包絡的畸變和相位的畸變)，那些具有長期穩(wěn)定性的特征就可以用做鑒別個體的特征﹒根據這些畸變，我們可以判別信號來自哪部設備，從而確定這些設備或系統(tǒng)的類型、用途、工作規(guī)律、所在位置及其各種技術參數，實現設備追蹤，進而實現設備平臺(如艦船、飛機、通信車輛等)的追蹤，精確分析和判斷其行動意圖，為下一步對該通信裝備及其載體采取跟蹤監(jiān)視、電子攻擊甚至軍事打擊提供支撐﹒

Langley L E[1]等用融合方法通過頻率、幅值、脈沖寬度、脈沖重復率進行 SEI，目前論文被引100多次﹒Owechko Y在申請的專利中對數據進行分區(qū)并未為每個分區(qū)計算直方圖，通過計算梯度的大小進行識別[2]﹒Zhang J等提出了基于希爾伯特譜的3種算法，通過選擇具有較強的類別可分性的希爾伯特譜元素得到識別特征[3]﹒Dudczyk J研究了基于分形特征的SEI方法[4]﹒Jia Y Q等研究了一種新的自動識別系統(tǒng)中輻射源瞬變指紋稀疏表示判別方法[5]﹒張斯梅對通信輻射源特征提取研究進行了深入研究，實現了基于相位方差和基于遞歸圖的起始檢測方法[6]﹒資曉軍等[7]分析了輻射源特征對于目標個體識別的意義，給出了信號載頻偏差、包絡高階特征及積分雙譜特征的計算方法﹒桂云川等[8]則研究了基于固有時間尺度分解(ITD)模型的通信輻射源特征提取算法﹒王金明等[10]在對輻射源信號進行時頻分析的基礎上提出一種基于特征融合的通信輻射源個體識別方法﹒唐哲[11]提出一種基于最大相關熵的通信輻射源個體識別方法，提取矩形積分雙譜特征來表征輻射源個體差異﹒黃欣利用通信輻射源信號的長時譜統(tǒng)計特性，提取信號功率譜峰值特征和包絡模板，構造通信輻射源個體特征向量[12]﹒唐哲等[13]提出基于 L2正則化的最大相關熵通信輻射源個體識別算法，提取通信輻射源信號矩形積分雙譜特征表征輻射源個體差異﹒李剛等以穩(wěn)態(tài)信號的雜散輸出特征為基礎，設計了一種工程中可用的 SVM 分類器算法完成短波電臺個體識別[14]﹒

美國Northrop Grumman公司早在20世紀60年代就開始研發(fā)SEI技術，經過40多年的研究，形成了一套比較完善的SEI系統(tǒng)，可適應各個頻段的通信信號的個體識別﹒國內對SEI技術的相關研究與美國等發(fā)達國家相比還有較大的差距，從上世紀90年代開始，國防科技大學、成都29所、西南交通大學、西安電子科技大學等單位跟蹤國外報道，對脈內細微特征和輻射源個體識別等概念及可用方法展開了研究，但總體來說還存在很多問題：(1)理論研究以實驗驗證為主，缺少實戰(zhàn)檢驗；(2)樣本集對接收機依存度較強，算法可用度低﹒即使是同一批次生產的同型號的接收機，其提取的樣本集個體特征差異也很明顯；(3)對多卜勒效應比較敏感；(4)完成一次識別需要數十至數百個脈沖的積累﹒

本文針對通信SEI中的信號檢測與定位，特別是個體特征提取這兩項關鍵技術展開研究，利用符合個體識別特征的星座圖形狀特征，為通信設備SEI提供了新的思路﹒

1 突發(fā)信號檢測

通信SEI主要分為3步：信號預處理、個體特征提取和分類識別，如圖1所示﹒其中，信號預處理工作主要完成信號去噪、幅度的歸一化、頻率的中心化、突發(fā)信號包絡的前沿對齊、突發(fā)信號的起始點和結束點位置的檢測與估計等處理任務，減小由環(huán)境噪聲、多徑干擾、多普勒效應等外在因素對個體特征提取的影響﹒如何精確定位突發(fā)信號的起止點就成了對信號進行個體特征分析的首要問題﹒

圖1 通信SEI流程圖

定位突發(fā)信號起始點和結束點最經典的方法是能量檢測法﹒能量檢測法需預先知道噪聲功率，而在實際環(huán)境中噪聲功率是時變的，且實現自適應的門限判別較為困難﹒在充分分析和實驗的基礎上，本文選擇用頻域能量檢測法來提取信號﹒頻域能量檢測法是對信號作DFT變換，在頻域上求取帶內的信號能量，以排除帶外噪聲對信號檢測器的影響﹒利用這種計算結果進行門限判決，可以提高檢測的可靠性，并可精確確定信號的起始點和結束點﹒

頻域能量檢測法理論依據是帕塞瓦爾定理﹒根據帕塞瓦爾定理，信號時域的總能量等于頻域的總能量，滿足能量守恒原理﹒若長度為N點的序列x（n）的N點DFT為則有

這表明一個序列在時域計算的能量與在頻域計算的能量是相等的﹒在大多數情況下，信號的中心頻率和帶寬是可以知道的，頻域能量檢測法是將接收信號作DFT變換，在頻域上求帶內信號的能量，從而抑制帶外噪聲的干擾，提高檢測的準確性﹒

頻域能量檢測的實質是利用快速傅里葉變換(FFT)將時域信號轉換成頻域信號，在頻域內對帶內頻譜進行平方再累加，從而實現快速檢測﹒由于DFT實際上是一組由N個FFT子帶組成的濾波器組，選擇合適的窗函數可以獲得很高的阻帶衰減，帶外噪聲對帶內影響較小，因而可以獲得更高的檢測可靠性﹒但是，由于需要用到FFT運算，計算量同樣較大﹒

2 星座圖提取

理想通信設備的星座圖的每個星座是點狀，但受到噪聲污染時，呈現為圓球型的云團狀﹒實際上，不同輻射源硬件設備中，其振蕩源、混頻器和功率放大器等器件的非線性特性會有細微差異，所以設備發(fā)射信號的星座圖形狀也會不同，我們根據星座圖形狀的差異特性就可以判別信號來自哪個輻射源﹒

提取信號的星座圖需要對接收信號解調后得到基帶信號，提取同步正交分量﹒具體步驟為：先求信號的4次方，做DFT變換得到對應于4倍載頻的線譜，對得到的頻譜進行譜線搜索求得載頻；再用判決方差最小法方法進行定時恢復并求得初始相位，便可得到復基帶信號；再進行抽樣，即可繪出信號的星座圖﹒下面以QPSK為例說明星座圖提取方法﹒

2.1 載波恢復

假設接收信號為

其中A是信號幅度；ω0是信號載波；φ(t)是QPSK的載波相位；φ0是信號的初相，φ0在0～2π區(qū)間內均勻分布﹒接收信號4次方運算可得式(3)﹒

對y（t）進行 DFT 變換后取絕對值得到頻譜從式(3)可以看出，y（t）由 3 部分組成：第1項為線譜分量，第2項為寬譜分量，第3項為直流分量﹒其中，線譜分量的譜峰位于40ω﹒通過譜線搜索得到頻率40ω，將其除以4即可得到載波頻率0ω﹒

2.2 符號速率估計

符號估計采用瞬時自相關法，主要利用相位的跳變信息﹒假設檢測到的信號為對該信號進行Hilbert變換后得到復解析信號為

將復解析信號的共軛與復解析信號偏移τ后相乘，且τ小于符號寬度Tb，可得

式(5)中第1項為常數項；第2項中符號φ(n)是寬度為Tb的隨機變量﹒由于τ＜Tb，因此在一個符號周期內第2項有可能發(fā)生2次）的相位躍變，即相位的最小變化周期為Tb﹒所以）的頻譜中含有線譜分量，該線譜分量所對應的頻率值即為符號速率

2.3 定時恢復

在接收數字信號時，為了在準確對接收符號進行判決，必須得知接收符號的準確起止時間﹒

本文提出了一種判決方差最小法，來實現最大精度地估計符號定時誤差﹒判決方差最小法的基本原理是，在一幀信號中，眼圖張開最大的地方，既是符號采樣的最佳時刻點，也是符號采樣值方差最小的采樣點﹒在最佳時刻采樣，得到同相支路I和正交支路Q的數據，即可繪制QPSK解調信號的星座圖﹒

而在實際接收信號中，在完成載波恢復之后，但還沒有完成定時恢復時，QPSK信號的眼圖如圖2所示﹒

由圖2可見眼圖張開最大的點尚未落在整符號寬度采樣點上，此時不能實現最佳采樣﹒為了實現最佳采樣，我們將一幀數據中，從0～Tb區(qū)間內N個采樣時刻的每一組采樣值的絕對值做一個統(tǒng)計分析，便可以求出它們的標準方差然后求σ（n）的最小值，則所對應的時刻即為最佳采樣時刻，隨即得到定時偏差值定時誤差的標準方差σ（n）變化曲線見圖3﹒

圖2 定時恢復前的QPSK信號眼圖

圖3 定時誤差均方差曲線

對比分析圖2和圖3，可以看出，定時偏差的位置正好是對著眼圖張開程度最大的位置﹒因此，只要消除了定時偏差，即可實現符號序列的最佳采樣﹒

3 實驗結果與分析

實驗選取6部同型號移動通信設備，分別標為1號至6號通信設備﹒該類設備工作在QPSK突發(fā)通信模式﹒在數據傳輸速率等工作參數相同的前提下，對每臺發(fā)射機采集QPSK模式下發(fā)射信號，并生成各自的星座圖見圖4﹒

理想通信設備的星座圖的每個星座是一個圓點，但由于在實際通信環(huán)境中受到噪聲等干擾的影響，每個星座成圓球狀散布﹒而對于實際使用的通信設備，由于設備所使用的模擬器件的非理想性，每個星座的形狀一般成非圓球型散布，每個星座球的獨特形狀就成了通信設備的個體特征，我們可以根據這些形狀差異很容易地將這6臺設備區(qū)分開﹒

圖4 通信機星座圖

實驗采用 Hausdorff距離算法對于星座圖相似度度量﹒選取6臺通信機在4個不同時段發(fā)射信號的星座圖的第1個時段的星座圖作為參考標準，剩余3個時段的星座圖相互之間的Hausdorff距離如表1所示﹒

表1 不同星座圖之間的Hausdorff距離

從表1中可以看出，1號通信機類內距離在11～20之間，類間距離在40～700之間；2號通信機類內距離在0～2之間，類間距離在6～800之間；3號通信機類內距離在3～4之間，類間距離在6～800之間；4號通信機類內距離在13～21之間，類間距離在 30～800之間；5號通信機類內距離在69～71之間，類間距離在 160～500之間；6號通信機類內距離在120～200之間，類間距離在380～720之間﹒相比較而言，類內距離要遠遠小于類間距離，因此我們可以通過Hausdorff距離進行通信設備識別﹒

為了觀察基于星座圖個體識別算法的長效性，對6號通信機錄取20幀信號，并將星座圖與每個通信機的星座圖進行比較，結果如圖5所示﹒

圖5 6號機幀與所有發(fā)射機信號的相似度

由圖5可見，6號通信機不同時段發(fā)出的突發(fā)幀信號，其星座圖與6號通信機本身的模版很相似，其Hausdorff距離均小于100；而與其它5部通信機的Hausdorff距離均大于200，表現出了良好的類內一致性和類間差異性﹒

4 結語

本文針對通信SEI中的信號檢測與定位、個體特征提取這兩項關鍵技術展開研究，得到了符合個體識別特征的星座圖形狀特征，為研制通信SEI設備提供了新的思路﹒針對星座圖形狀差異的個體識別，下一步需要在特征的矢量量化和分類器的設計方面展開深入的研究，并將人工智能等理論應用到輻射源個體識別系統(tǒng)中﹒

[1]LANGLEY L E. Specific emitter identification (SEI) and classical parameter fusion technology[C]. Wescon '93 Conference Rec, IEEE, 2002: 377-381.

[2]OWECHKO Y. Specific emitter identification using histogram of oriented gradient features[P]. US, US008131074 B2, 2012.

[3]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 amp; Security, 2016, 11(6): 1192-1205.

[4]DUDCZYK J. Specific emitter identification based on fractal features//Fractal Analysis - Applications in Physics, Engineering and Technology[M]. Rijeka: InTechOpen, 2017.

[5]JIA Y Q, GAN L. A novel fingerprint identification method based on sparse representation for transient of AIS emitter[J]. Journal of Signal Processing, 2016, 32(10): 1146-1152.

[6]張斯梅. 通信輻射源特征提取研究[D]. 西安: 西安電子科技大學, 2013.

[7]資曉軍, 謝丹, 楊劍波. 通信輻射源指紋特征提取算法研究[J].艦船電子工程, 2017, 37(3): 63-65.

[8]桂云川, 楊俊安, 呂季杰. 基于固有時間尺度分解模型的通信輻射源特征提取算法[J]. 計算機應用研究, 2017, 34(4):1172-1175.

[10]王金明, 徐玉龍, 徐志軍, 等. 基于指紋特征融合的通信輻射源個體識別研究[J]. 計算機工程與應用, 2014, 50(19):217-221.

[11]唐哲, 雷迎科. 基于最大相關熵的通信輻射源個體識別方法[J]. 通信學報, 2016, 37(12): 171-175.

[12]黃欣, 郭漢偉. 一種穩(wěn)健的通信輻射源個體識別方法[J]. 電訊技術, 2015, 55(3): 321-327.

[13]唐哲, 雷迎科. 通信輻射源個體識別中基于L2正則化的最大相關熵算法[J]. 模式識別與人工智能, 2016, 29(6): 527-533.

[14]李剛, 包從開. 輻射源個體特征識別技術及在短波電臺識別上的應用[J]. 信息通信, 2016, 167(11): 175-177.

(責任編校：龔倫峰)

A Communication SEI Approach Based on Constellation Diagram

WANG Wei, LI Shixian, WANG Xin
(School of Computer amp; Communication Engineering, Changsha University of Science amp; Technology, Changsha, Hunan 410114, China)

A new method for communication SEI based on constellation diagram is proposed. Firstly, the frequency domain energy detection method is used to detect the burst signals, and then the carrier recovery,symbol rate estimation and timing estimation are carried out. Finally, the constellation is obtained based on the results above, and the similarity measurement is carried out through Hausdorff distance to identify the signal transmitting device. The experiments are carried out with QPSK signal emitter, and the experimental results show that the proposed method can facilitate the identification of communication equipment, and it provides a new way for developing communication SEI devices.

Specific Emitter Identification (SEI); energy detection; carrier recovery; constellation extraction

TN919.5

A

10.3969/j.issn.1672-7304.2017.05.0011

1672–7304(2017)05–0051–05

2017-09-04

國家安全重大基礎研究項目(973)(613XXX0301)；湖南省教育廳科研項目(17C0043)

王威(1974- )，男，山東青島人，教授，博士，主要從事智能信息處理方面研究﹒E-mail: wangwei@csust.edu.cn