基于无线射频技术的入侵设备识别方法研究

发布时间：2021-04-17 19:19

　　大多数无线设备的识别研究都是利用小波变换、傅里叶变换（Fourier transform, FT）和机器学习等方法对已知协议的单一设备进行识别,这些研究中设备种类的多样性不足,并且没有一种方法可以在多个设备同时存在时对它们进行识别。为解决上述问题,提出了一种基于自相关检验的方法,可以在多个不同协议的设备同时存在时对它们进行识别,并且无论是否已知设备的协议,都可以采用该方法。首先通过通用软件无线电设备（universal software radio peripheral, USRP）监测入侵设备的信道来采集信道信号的基带（in-phase and quadrature,IQ）数据,然后利用自相关检验的方法来提取时域信号数据的周期特征。在室内环境下,对无人机、WiFi路由器、ZigBee传感器3种设备中的两两设备同时存在时进行了30次测试,识别的成功率为100%。 

【文章来源】：武汉大学学报(工学版). 2020,53(09)北大核心CSCD

【文章页数】：7 页

【部分图文】：

基于DFT的自相关计算示意图

当选取信道为16的无人机和信道为6的Wifi设备在检测系统的信道上通信时，系统进行采样，图2为同时存在无人机和Wifi设备时的振幅幅值时域图，由图可见，有2种周期性脉冲出现，其中，类矩形脉冲波形的周期估算约为0.014 s，对应的频率约为71 Hz，而较高和较窄的脉冲波形的周期估算约为0.04 s，对应的频率约为25 Hz。当选取信道为6的Wifi设备和信道为17的ZigBee设备在检测系统的信道上通信时，系统进行采样，图3为同时存在Wifi设备和ZigBee设备时的振幅幅值时域图，由图可见，有2种周期性脉冲出现，其中，较高的脉冲波形的周期估算约为0.04 s，对应的频率约为25 Hz，而较矮的脉冲波形的周期估算约为0.1 s，对应的频率约为10 Hz。

当选取信道为16的无人机和信道为17的ZigBee设备在检测系统的信道上通信时，系统进行采样，图4为同时存在无人机和ZigBee设备时的振幅幅值时域图，由图可见，有2种周期性脉冲出现，其中，较高的脉冲波形的周期估算约为0.1 s，对应的频率约为10 Hz，而较矮的脉冲波形的周期估算约为0.014 s，对应的频率约为71 Hz。图4 无人机和ZigBee同时存在时的信号时域图

【参考文献】：
期刊论文
[1]射频指纹识别的研究现状及趋势[J]. 曾勇虎,陈翔,林云,郝晓军,许雄,汪连栋.  电波科学学报. 2020(03)
[2]无线通信设备的射频指纹提取与识别方法[J]. 俞佳宝,胡爱群,朱长明,彭林宁,姜禹.  密码学报. 2016(05)
[3]快速子空间谱峰搜索方法[J]. 曾浩,张迎辉,冯文江.  计算机应用. 2009(09)
[4]微弱信号相关检测技术综述[J]. 陈正涛.  科技广场. 2006(07)

硕士论文
[1]基于无线信号的无人机探测与干扰方法研究[D]. 梁超.浙江大学 2018



本文编号：3144000