基于谱图与CNN的LoRa射频指纹识别
信号处理
2021-01-06 v1 机器学习
摘要
射频指纹识别(RFFI)是一种依赖无线设备固有硬件特性的新兴设备认证技术。我们设计了一种基于谱图与卷积神经网络(CNN)的远距离(Long Range, LoRa)系统RFFI方案。具体而言,我们使用谱图来表示LoRa信号的细粒度时频特性。此外,我们揭示了瞬时载波频偏(CFO)存在漂移,将导致误分类并显著损害系统稳定性;我们证明CFO补偿是一种有效的缓解手段。最后,我们设计了一种混合分类器,可利用估计的CFO调整CNN输出。CFO均值相对稳定,因此可用于排除估计CFO超出范围的CNN预测。我们使用20个待测LoRa设备(DUTs)与一台USRP N210接收机在真实无线环境中进行实验。通过与基于IQ与基于FFT的RFFI方案比较,我们基于谱图的方案可达到最佳分类准确率,即对20个LoRa DUTs达到97.61%。
引用
@article{arxiv.2101.01668,
title = {Radio Frequency Fingerprint Identification for LoRa Using Spectrogram and CNN},
author = {Guanxiong Shen and Junqing Zhang and Alan Marshall and Linning Peng and Xianbin Wang},
journal= {arXiv preprint arXiv:2101.01668},
year = {2021}
}
备注
Accepted for publication in IEEE INFOCOM 2021