SinFormer：面向鲁棒无线电频率指纹识别的定制化 Transformer
信息论
2026-05-26 v1 信号处理
math.IT
摘要
随着无线设备和物联网 (IoT) 设备的快速普及，确保设备识别的安全性和可靠性已成为重要挑战。传统的安全技术，如基于 IP 或 MAC 地址的身份验证，容易受到欺骗，而无线电频率指纹识别 (RFFI) 则通过利用设备 RF 信号中独特的硬件缺陷提供了更安全的替代方案。本文提出了一个基于深度学习的 RFFI 框架，旨在增强在挑战性无线电环境下的识别准确性和可靠性。我们方法的核心是信号奇点变换器 (SinFormer)，它利用专门的多尺度自注意力机制，有效捕获信号中的大尺度和细粒度指纹，显著提高识别准确性。为进一步增强鲁棒性和可靠性，我们引入了两阶段训练策略，使模型能够学习通用信号特征，并在低信噪比 (SNR) 或信道变化等恶劣条件下保持性能。我们使用真实世界数据集验证了所提方法的有效性。实验结果表明，SinFormer 框架在准确性和鲁棒性方面， consistently 优于现有方法，适用于多样化且具挑战性的场景。
引用
@article{arxiv.2605.24389,
title = {SinFormer: A Tailored Transformer for Robust Radio Frequency Fingerprint Identification},
author = {Liu Yang and Qiang Li and Xiaoyang Ren},
journal= {arXiv preprint arXiv:2605.24389},
year = {2026}
}
备注
Accepted by Knowledge-Based Systems