基于划分的无接收器依赖性 WiFi RFF 识别
最优化与控制
2026-05-06 v2
摘要
在物理层安全方案中，WiFi 设备的射频指纹 (RFF) 识别易受接收器差异的影响，这些差异在模型在一个接收器上训练但在另一个接收器上测试时会显著降低分类性能。本文提出一种基于划分的无接收器依赖性 RFF 提取方法，用于 WiFi 系统，通过在频域对不同前导码进行划分来消除接收器效应。该方法仅需单个接收器进行训练，不依赖额外的校准或堆叠过程。首先，对于平坦衰落信道场景，将未知设备的遗留短训练字段 (L-STF) 和遗留长训练字段 (L-LTF) 在频域中除以参考设备的相应字段，可仅使用单个接收器消除接收器相关效应，并提取更高维度的 RFF 特征。其次，对于频率选择性衰落信道场景，将高吞吐量长训练字段 (HT-LTF) 在频域中除以 L-LTF，可仅使用单个接收器提取同时具备信道不变性和接收器中性性的更高维度 RFF 特征。最后，仿真和实验结果表明，所提方法有效缓解了信道变化和接收器差异的影响。分类结果显示，在仅使用单个接收器训练而在不同接收器上测试的情况下，所提方法在平坦衰落和频率选择性衰落信道场景下的分类准确率分别比当前最先进的方法提高了 15.5% 和 28.45%。
引用
@article{arxiv.2511.15457,
title = {Existence and Uniqueness Theorem of Continuous and Monotone Bayesian Nash Equilibrium and Stability Analysis},
author = {Ziheng Su and Huifu Xu},
journal= {arXiv preprint arXiv:2511.15457},
year = {2026}
}