本發(fā)明涉及無線通信與識別，尤其涉及一種基于zynq的射頻指紋在線識別方法及系統(tǒng)。

背景技術(shù)：

1、隨著移動通信技術(shù)的迅速發(fā)展，路由器、物聯(lián)網(wǎng)設(shè)備、無人機等無線設(shè)備的數(shù)量在不斷增加。然而，這些設(shè)備為人們帶來便利的同時，也帶來了新的安全挑戰(zhàn)，尤其是在物聯(lián)網(wǎng)和無人機領(lǐng)域，其安全性和隱私保護問題變得尤為重要?，F(xiàn)有的無線通信認證方法主要是依賴應(yīng)用層和數(shù)據(jù)鏈路層的加密認證，但是隨著量子計算的發(fā)展，傳統(tǒng)的加密算法面臨著被破解的風(fēng)險。

2、為了增強通信設(shè)備的安全性，基于物理層特征的射頻指紋識別技術(shù)成為了一種有效的補充手段。射頻指紋識別通過捕捉物聯(lián)網(wǎng)設(shè)備在傳輸信號時的獨特射頻特征進行身份識別，不改變現(xiàn)有的通信協(xié)議，能夠有效防止假冒設(shè)備的入侵，保障網(wǎng)絡(luò)安全。然而，現(xiàn)有的射頻指紋識別技術(shù)也存在一些不足之處：首先，射頻指紋數(shù)據(jù)的采集和處理效率較低，尤其是在大規(guī)模物聯(lián)網(wǎng)設(shè)備的應(yīng)用場景中，實時性難以保證。其次，現(xiàn)有的射頻指紋識別模型大多采用傳統(tǒng)的機器學(xué)習(xí)算法，如支持向量機(svm)、決策樹等，這些算法在面對復(fù)雜多變的射頻信號時，識別精度和魯棒性不足。最后，傳統(tǒng)的射頻指紋識別系統(tǒng)多采用pc或服務(wù)器進行數(shù)據(jù)處理和模型部署，難以實現(xiàn)輕量化和嵌入式部署，對于資源受限的物聯(lián)網(wǎng)設(shè)備來說，應(yīng)用受限。

技術(shù)實現(xiàn)思路

1、本部分的目的在于概述本發(fā)明的實施例的一些方面以及簡要介紹一些較佳實施例。在本部分以及本申請的說明書摘要和發(fā)明名稱中可能會做些簡化或省略以避免使本部分、說明書摘要和發(fā)明名稱的目的模糊，而這種簡化或省略不能用于限制本發(fā)明的范圍。

2、鑒于上述現(xiàn)有存在的問題，提出了本發(fā)明。因此，本發(fā)明提供了一種基于zynq的射頻指紋在線識別方法，用來解決背景技術(shù)中提到的問題。

3、為解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：

4、第一方面，本發(fā)明提供了一種基于zynq的射頻指紋在線識別方法，包括：

5、設(shè)計光傳輸系統(tǒng)，采集物聯(lián)網(wǎng)設(shè)備的基帶信號；

6、對信號數(shù)據(jù)進行預(yù)處理，使用神經(jīng)網(wǎng)絡(luò)構(gòu)建射頻指紋識別模型，通過所述射頻指紋識別模型提取預(yù)處理中數(shù)據(jù)集的信號特征，設(shè)置訓(xùn)練參數(shù)，對所述射頻指紋識別模型進行訓(xùn)練；

7、以zynq為核心板，將完成訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型部署至zynq中，實現(xiàn)在線的射頻指紋識別。

8、作為本發(fā)明所述的基于zynq的射頻指紋在線識別方法的一種優(yōu)選方案，其中：對信號數(shù)據(jù)進行預(yù)處理操作，包括：

9、從所述采集物聯(lián)網(wǎng)設(shè)備的基帶信號中提取i信號數(shù)據(jù)和q信號數(shù)據(jù)，將所述i信號數(shù)據(jù)和q信號數(shù)據(jù)劃分為訓(xùn)練集和測試集。

10、作為本發(fā)明所述的基于zynq的射頻指紋在線識別方法的一種優(yōu)選方案，其中：還包括：

11、對i信號和q信號數(shù)據(jù)使用隨機移動窗口對數(shù)據(jù)進行切片處理，并按照信號具體的傳輸距離標注分類；

12、將所獲得的全部信號數(shù)據(jù)構(gòu)成數(shù)據(jù)集，按照8：2的比例隨機劃分為訓(xùn)練集和測試集。

13、作為本發(fā)明所述的基于zynq的射頻指紋在線識別方法的一種優(yōu)選方案，其中：使用神經(jīng)網(wǎng)絡(luò)構(gòu)建射頻指紋識別模型，包括：

14、設(shè)計時間序列信號的處理規(guī)則與添加注意力機制；

15、cnn網(wǎng)絡(luò)處理加權(quán)特征與整合特征并進行識別。

16、作為本發(fā)明所述的基于zynq的射頻指紋在線識別方法的一種優(yōu)選方案，其中：設(shè)計時間序列信號的處理規(guī)則與添加注意力機制，包括：

17、利用長短期記憶網(wǎng)絡(luò)處理射頻信號的時間序列數(shù)據(jù)，得到時間依賴特性；

18、在所述長短期記憶網(wǎng)絡(luò)基礎(chǔ)上添加自定義注意力機制層，所述自定義注意力機制層計算每個時間依賴特性的權(quán)重，并對長短期記憶網(wǎng)絡(luò)輸出的每個時間步長進行加權(quán)，得到時間步長特征。

19、作為本發(fā)明所述的基于zynq的射頻指紋在線識別方法的一種優(yōu)選方案，其中：cnn網(wǎng)絡(luò)處理加權(quán)特征與整合特征并進行識別，包括：

20、將注意力機制層中的加權(quán)特征輸入到cnn網(wǎng)絡(luò)中，cnn網(wǎng)絡(luò)通過多層卷積和池化層提取和學(xué)習(xí)所述加權(quán)特征的局部特征，得到空間特征；

21、將cnn輸出的特征圖，通過若干個全連接層進行處理，并使全連接層得到lstm和cnn提取的特征間的復(fù)雜非線性關(guān)系；

22、在全連接層基礎(chǔ)上，使用softmax函數(shù)生成模型的分類輸出，確定類別數(shù)。

23、作為本發(fā)明所述的基于zynq的射頻指紋在線識別方法的一種優(yōu)選方案，其中：以zynq為核心板，將完成訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型部署至zynq中，包括：

24、在所述訓(xùn)練過程中確定交叉熵損失函數(shù)，同時設(shè)置與交叉熵損失函數(shù)匹配的優(yōu)化器，通過所述優(yōu)化器調(diào)整神經(jīng)網(wǎng)絡(luò)模型中的學(xué)習(xí)率；

25、將完成訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型轉(zhuǎn)化為fpga中深度學(xué)習(xí)處理單元的運行模型，并把所述模型部署至zynq中，通過驅(qū)動zynq中的“模擬-數(shù)字”轉(zhuǎn)換器模塊，采集射頻設(shè)備發(fā)出的信號，將所述信號通過在arm端進行預(yù)處理后，輸入到神經(jīng)網(wǎng)絡(luò)模型中。

26、第二方面，本發(fā)明提供了基于zynq的射頻指紋在線識別系統(tǒng)，其包括：

27、基帶信號采集模塊，被配置為設(shè)計光傳輸系統(tǒng)，采集物聯(lián)網(wǎng)設(shè)備的基帶信號；

28、射頻指紋識別模型構(gòu)建模塊，被配置為對信號數(shù)據(jù)進行預(yù)處理，使用神經(jīng)網(wǎng)絡(luò)構(gòu)建射頻指紋識別模型，通過所述射頻指紋識別模型提取預(yù)處理中數(shù)據(jù)集的信號特征，設(shè)置訓(xùn)練參數(shù)，對所述射頻指紋識別模型進行訓(xùn)練；

29、射頻指紋識別模塊，被配置為以zynq為核心板，將完成訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型部署至zynq中，實現(xiàn)在線的射頻指紋識別。

30、第三方面，本發(fā)明提供了一種計算機設(shè)備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其中：所述處理器執(zhí)行所述計算機程序時實現(xiàn)上述方法的任一步驟。

31、第四方面，本發(fā)明提供了一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其中：所述計算機程序被處理器執(zhí)行時實現(xiàn)上述方法的任一步驟。

32、與現(xiàn)有技術(shù)相比，發(fā)明有益效果為：本發(fā)明通過采用軟硬件協(xié)同的設(shè)計方法，將神經(jīng)網(wǎng)絡(luò)部署在fpga端的計算單元中，實現(xiàn)神經(jīng)網(wǎng)絡(luò)的硬件加速效果；構(gòu)建的射頻指紋識別模型不僅能夠提升對序列數(shù)據(jù)的處理深度和精確度，還能增強在面對復(fù)雜多變環(huán)境時的魯棒性和靈活性；此外，使用時間和空間等多種特征進行融合，可以更全面的反映射頻指紋信號的關(guān)鍵信息，更突出設(shè)備之間射頻指紋信號的微小差異性，提高了射頻指紋在線識別系統(tǒng)的識別準確率。

技術(shù)特征：

1.一種基于zynq的射頻指紋在線識別方法，其特征在于，包括：

2.如權(quán)利要求1所述的基于zynq的射頻指紋在線識別方法，其特征在于，對信號數(shù)據(jù)進行預(yù)處理操作，包括：

3.如權(quán)利要求2所述的基于zynq的射頻指紋在線識別方法，其特征在于，還包括：

4.如權(quán)利要求2或3所述的基于zynq的射頻指紋在線識別方法，其特征在于，使用神經(jīng)網(wǎng)絡(luò)構(gòu)建射頻指紋識別模型，包括：

5.如權(quán)利要求4所述的基于zynq的射頻指紋在線識別方法，其特征在于，設(shè)計時間序列信號的處理規(guī)則與添加注意力機制，包括：

6.如權(quán)利要求4所述的基于zynq的射頻指紋在線識別方法，其特征在于，cnn網(wǎng)絡(luò)處理加權(quán)特征與整合特征并進行識別，包括：

7.如權(quán)利要求6所述的基于zynq的射頻指紋在線識別方法，其特征在于，以zynq為核心板，將完成訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型部署至zynq中，包括：

8.一種基于zynq的射頻指紋在線識別系統(tǒng)，基于權(quán)利要求1～7任一所述的基于zynq的射頻指紋在線識別方法，其特征在于，包括：

9.一種計算機設(shè)備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于：所述處理器執(zhí)行所述計算機程序時實現(xiàn)權(quán)利要求1～7任一所述方法的步驟。

10.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其特征在于：所述計算機程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1～7任一所述方法的步驟。

技術(shù)總結(jié)
本發(fā)明公開了一種基于ZYNQ的射頻指紋在線識別方法及系統(tǒng)包括，本發(fā)明采用了軟硬件協(xié)同的設(shè)計方法，將神經(jīng)網(wǎng)絡(luò)部署在FPGA端的計算單元中，實現(xiàn)神經(jīng)網(wǎng)絡(luò)的硬件加速效果；通過構(gòu)建射頻指紋識別模型，不僅能夠提升對序列數(shù)據(jù)的處理深度和精確度，還能增強在面對復(fù)雜多變環(huán)境時的魯棒性和靈活性；此外，使用時間和空間等多種特征進行融合，可以更全面的反映射頻指紋信號的關(guān)鍵信息，更突出設(shè)備之間射頻指紋信號的微小差異性，提高了射頻指紋在線識別系統(tǒng)的識別準確率。

技術(shù)研發(fā)人員：黃子揚,農(nóng)鑫,張振榮
受保護的技術(shù)使用者：廣西大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/31