基于频谱偏移的多周期依赖性Transformer用于射频指纹识别
信号处理
2024-08-15 v1
摘要
射频指纹识别（RFFI）已成为实现可靠设备认证的关键任务。尽管RFFI方法有所进步，但背景噪声和有意调制特征导致RFF特征能量弱、差异细微。这些挑战削弱了RFFI方法的特征表示能力，使得有效识别设备身份变得复杂。本文提出了一种新颖的多周期依赖性Transformer（MPDFormer）来应对这些挑战。MPDFormer采用基于频谱偏移的周期嵌入表示来增强内在特征的差异性。我们深入探究了周期依赖性注意力机制的复杂性，融合了周期间和周期内注意力机制。该机制有助于提取长程和短程周期依赖性特征，在增强特征区分度的同时，衰减由背景噪声和弱周期性特征引起的扰动。实验结果表明，MPDFormer优于现有的基线方法，在NVIDIA Jetson Orin NX上实现了0.07秒的推理时间。
引用
@article{arxiv.2408.07592,
title = {Multi-periodicity dependency Transformer based on spectrum offset for radio frequency fingerprint identification},
author = {Jing Xiao and Wenrui Ding and Zeqi Shao and Duona Zhang and Yanan Ma and Yufeng Wang and Jian Wang},
journal= {arXiv preprint arXiv:2408.07592},
year = {2024}
}