基于去噪自编码器的射频指纹识别
信号处理
2019-07-23 v1 密码学与安全
摘要
射频指纹识别 (RFF) 是提升物联网 (IoT) 安全性的一种有前景的无源认证方法。然而，随着低功耗 IoT 设备的普及，在低信噪比场景下提高识别准确率变得势在必行。为解决该问题，本文提出了一种通用的基于去噪自编码器 (DAE) 的深度学习 RFF 模型。此外，设计了一种部分堆叠方法，以适当结合 ZigBee 设备的半稳态与稳态 RFF。所提出的基于部分堆叠的卷积 DAE (PSC-DAE) 旨在重建高信噪比信号并进行设备识别。实验结果表明，在加性白高斯噪声 (AWGN) 污染的信道下，与卷积神经网络 (CNN) 相比，PSCDAE 在低信噪比（从 -10 dB 到 5 dB）下可将识别准确率提高 14% 至 23.5%。即使在 SNR = 10 dB 时，识别准确率也高达 97.5%。
引用
@article{arxiv.1907.08809,
title = {Radio Frequency Fingerprint Identification Based on Denoising Autoencoders},
author = {Jiabao Yu and Aiqun Hu and Fen Zhou and Yuexiu Xing and Yi Yu and Guyue Li and Linning Peng},
journal= {arXiv preprint arXiv:1907.08809},
year = {2019}
}