面向射频指纹开集识别的自适应一致性检测方法及系统

本发明涉及射频指纹识别，具体涉及面向射频指纹开集识别的自适应一致性检测方法及系统。

背景技术：

1、射频指纹识别是利用无线发射设备在功率放大器、振荡器、混频器、滤波器、天线及其他射频链路器件中形成的硬件非理想特征，对不同无线设备进行身份识别和认证的技术。与基于协议字段、地址标识或密钥认证的方式相比，射频指纹来源于设备物理层硬件差异，具有难以伪造、可被被动监听和适用于非合作场景等特点，因而在频谱监管、物联网接入认证、无线入侵检测和异常设备发现等领域具有重要应用价值。

2、随着深度学习技术的发展，卷积神经网络、循环神经网络、transformer网络以及复数神经网络等模型逐渐被用于射频指纹识别任务。此类方法能够直接从原始i/q信号、时频图、频谱特征或统计特征中学习判别性表示，在训练设备类别与测试设备类别完全一致的闭集条件下能够取得较高识别准确率。然而，实际无线环境具有开放性和动态性，频谱监测系统或物联网网关在运行过程中经常会接收到训练阶段未出现过的未知设备信号，若仍按照闭集分类方式强制输出某一已知类别，将导致未知设备被误认证为合法设备，从而引发安全风险。

3、现有开集射频指纹识别方法通常利用模型输出置信度、特征距离、原型距离、重构误差或多个模型的输出差异来判断待测信号是否属于未知设备。基于置信度的方法依赖最大分类概率或熵值，当未知设备片段与某一已知设备的局部硬件失真特征高度相似时，模型可能仍然输出较高置信度，导致未知设备片段被错误归入已知类别。基于距离或原型的方法依赖稳定的特征边界，但射频信号受到信噪比、频偏、相位噪声、多径衰落和采样同步误差影响，特征分布会随环境变化发生漂移，固定边界难以长期保持稳定。

4、多个专家模型的一致性判别能够利用不同模型决策边界之间的差异来识别未知设备，但如果每个待测信号片段都调用全部专家模型，则在边缘网关、嵌入式监测节点或低功耗物联网接入设备上会产生较高推理时延和能耗。同时，已有方法多采用固定一致性阈值，对不同信道质量条件缺乏自适应能力；并且多数方法以单个信号片段作为判决对象，容易受到瞬时噪声、同步偏差或局部相似片段的影响，造成设备级识别结果不稳定。因此，需要一种能够在复杂无线环境下自适应确定阈值、减少平均专家调用数量并融合多个片段结果的开集射频指纹识别方法。

技术实现思路

1、针对现有技术所存在的上述缺点，本发明提供了面向射频指纹开集识别的自适应一致性检测方法及系统，能够有效解决现有技术中固定阈值适应性不足、全量专家模型推理开销较高以及单片段判决稳定性不足的问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：

3、本发明提供面向射频指纹开集识别的自适应一致性检测方法及系统，至少包括：

4、采集待测无线设备在预设时间窗口内的射频基带信号，并按照预设采样点数切分得到多个i/q信号片段；

5、根据所述i/q信号片段计算对应的信号质量向量，并对所述信号质量向量归一化处理，通过条件映射函数确定对应的条件分箱；其中，信号质量向量依据信噪比、载频偏移、误差矢量幅度以及信道扩展参数组成；

6、从条件阈值表中获取一致性阈值、会话未知阈值以及专家可靠性权重；

7、根据专家可靠性权重、专家模型平均推理时延以及当前计算资源状态生成专家调用序列，按照专家调用序列依次调用多个射频指纹专家模型；

8、根据多个射频指纹专家模型输出结果生成类别计数向量，并基于最高计数、次高计数以及剩余未调用专家模型数量执行一致性早停判决，得到片段级识别结果；

9、对同一待测无线设备对应的多个片段级识别结果融合，得到设备级开集识别结果；

10、根据人工确认标签或后验标签更新条件阈值表以及专家可靠性权重。

11、根据所述i/q信号片段计算对应的信号质量向量的方法为：

12、计算接收信号功率；

13、表示载频偏移，若信号中存在间隔为的重复前导或导频，则计算载频偏移；

14、对当前片段完成同步和均衡后，记为均衡后的接收符号，为对应的理想星座点或参考符号，则：

15、

16、表示信道扩展参数，设第个片段估计得到的离散信道冲激响应为，表示时延抽头序号，则信道能量中心 和信道扩展参数分别为：

17、；

18、；

19、组成信号质量向量。

20、对所述信号质量向量归一化处理时，对所述信号质量向量中的每一个质量参数分别减去对应参数的均值，并除以对应参数的标准差与预设正数之和，得到归一化信号质量参数。

21、通过条件映射函数确定对应的条件分箱具体过程为：获取第i个i/q信号片段对应的归一化信号质量向量，通过条件映射函数对所述归一化信号质量向量映射计算，将具有相同接收条件的信号片段划分至对应编号的条件分箱。

22、本发明提供的技术方案，与已知的现有技术相比，具有如下有益效果：

23、本发明通过信号质量条件分箱为不同无线环境配置不同阈值，减少固定阈值在低信噪比、强频偏或多径信道下造成的误判；第二，本发明在专家模型协同推理过程中引入早停判决，避免每个信号片段均调用全部专家模型，从而降低平均推理时延和能耗；第三，本发明利用剩余未调用专家模型数量判断是否可以提前输出结果，使早停过程具有明确可解释性；第四，本发明通过设备会话级多片段融合降低单个异常片段对最终设备级识别结果的影响；第五，本发明通过专家可靠性更新机制提高长期运行中的自适应能力。

1.面向射频指纹开集识别的自适应一致性检测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述i/q信号片段通过将同相分量和正交分量进行复数形式组合得到，具体为：

3.根据权利要求1所述的方法，其特征在于，根据所述i/q信号片段计算对应的信号质量向量的方法为：

4.根据权利要求1所述的方法，其特征在于，通过条件映射函数确定对应的条件分箱具体过程为：获取第i个i/q信号片段对应的归一化信号质量向量，通过条件映射函数对所述归一化信号质量向量映射计算，将具有相同接收条件的信号片段划分至对应编号的条件分箱。

5.根据权利要求4所述的方法，其特征在于，对于每个条件分箱，枚举候选阈值组合，并在已知设备验证样本和未知设备代理样本上计算已知识别准确率；

6.根据权利要求1所述的方法，其特征在于，根据所述条件分箱从条件阈值表中获取专家可靠性权重的方法为：对于第个专家模型在条件分箱下的历史判决，记正确判决次数为，错误判决次数为，采用平滑方式计算专家可靠性权重：

7.根据权利要求1所述的方法，其特征在于，获取对应的一致性阈值、会话未知阈值的过程为：建立条件阈值表，条件阈值表是一个按照条件分箱保存阈值的表，每个条件分箱对应至少两个阈值：

8.根据权利要求1所述的方法，其特征在于，并依次调用多个射频指纹专家模型方法为：设第z个专家模型的平均推理时延为，则排序分数为：

9.根据权利要求1所述的方法，其特征在于，对同一待测无线设备对应的多个片段级识别结果融合，得到设备级开集识别结果的方法为：

10.自适应一致性检测系统，应用于权利要求1-9任一项所述的方法，其特征在于，包括信号采集模块、质量分箱模块、阈值查询模块、专家调度模块、早停判决模块、会话融合模块和经验更新模块；信号采集模块采集射频基带信号并切分为 i/q 信号片段；质量分箱模块计算信号质量向量并确定条件分箱；阈值查询模块读取当前条件分箱对应的一致性阈值、会话未知阈值和专家可靠性权重；专家调度模块根据专家可靠性权重和推理时延确定专家调用序列；早停判决模块用于根据最高计数、次高计数和剩余未调用专家模型数量输出片段级结果；会话融合模块融合多个片段级结果并输出设备级识别结果；经验更新模块用于根据反馈样本更新条件阈值表和专家可靠性权重。