基于机器学习的射频发射机识别方法
信号处理
2017-11-09 v2 机器学习
神经与进化计算
机器学习
摘要
近年来随着无线设备（手机、物联网、Wi-Fi）的发展和广泛使用，电磁频谱变得极为拥挤。为了应对由恶意或未知发射机带来的安全威胁，重要的是不依据传输的数据内容，而是基于发射机固有的物理特征来识别射频发射机。由于涉及极高的数据速率以及给定位置可能存在的发射机数量众多，射频波形带来了特殊挑战。这些因素表明需要超越传统手工设计方法的快速指纹识别与识别方法。在本研究中，我们探究了将机器学习 (ML) 策略用于分类与识别问题，以及使用小波来减少所需数据量。评估了四种不同的 ML 策略：深度神经网络 (DNN)、卷积神经网络 (CNN)、支持向量机 (SVM) 以及使用加速 Levenberg-Marquardt (A-LM) 更新的多阶段训练 (MST)。经小波预处理后的 A-LM MST 方法准确度远超其他，对来自 12 个不同发射机的数据测试实现了 100% 的发射机分类准确率。我们讨论了将 MST 扩展到更大量发射机的策略。
引用
@article{arxiv.1711.01559,
title = {Machine Learning Approach to RF Transmitter Identification},
author = {K. Youssef and Louis-S. Bouchard and K. Z. Haigh and H. Krovi and J. Silovsky and C. P. Vander Valk},
journal= {arXiv preprint arXiv:1711.01559},
year = {2017}
}
备注
14 pages, 14 figures