用于射频指纹识别的多通道注意力特征融合
信号处理
2023-06-26 v2
摘要
射频指纹识别（RFF）是一种用于保障物联网安全的极具前景的设备认证技术。它利用发射机固有的独特硬件损伤来进行射频设备识别。在真实通信系统中，各发射机间的硬件损伤十分细微，难以显式建模。近来，由于基于深度学习（DL）的分类模型在真实数据集上的优越性能，DL 网络已被探索用于 RFF。大多数现有基于 DL 的 RFF 模型使用无线电信号的单一表示作为输入。多通道输入模型可利用无线电信号不同表示的信息，提升射频指纹的识别准确率。本工作中，我们提出一种新颖的多通道注意力特征融合（McAFF）方法用于 RFF。它利用从无线电信号多种表示（包括 IQ 采样、载波频偏、快速傅里叶变换系数和短时傅里叶变换系数）提取的多通道神经特征，以实现更好的射频指纹识别。从不同通道提取的特征通过共享注意力模块自适应融合，其中多通道神经特征的权重在训练 McAFF 模型时学习得到。此外，我们设计了一个基于卷积的 ResNeXt 块的信号识别模块，将融合特征映射至设备身份。为评估所提方法的识别性能，我们构建了一个 WiFi 数据集，命名为 WFDI，使用商用 WiFi 终端设备作为发射机、一台通用软件无线电外设（USRP）作为接收机。
引用
@article{arxiv.2303.10691,
title = {Multi-Channel Attentive Feature Fusion for Radio Frequency Fingerprinting},
author = {Yuan Zeng and Yi Gong and Jiawei Liu and Shangao Lin and Zidong Han and Ruoxiao Cao and Kaibin Huang and Khaled Ben Letaief},
journal= {arXiv preprint arXiv:2303.10691},
year = {2023}
}