无线信道指纹特征识别技术研究_新闻_

LTE基础无线信道传播特性

张雷+王军

摘要：无线信号识别在无线信号传输和监测中占有重要地位，为了减少各类干扰源和白噪声对传播信号造成的影响，提高信号识别准确度，分析了基于PCA和小波变换法的特征提取技术，提出积分包络法来提取接收信号特征的模型，采用不同信号样本包络之间的贴近度构建简洁而明确的评价指标以验证有效性，同时利用模糊数学识别功能计算样本与区域划分之间的贴近度，通过贴近度差值来判断和识别无线信号。实验结果表明，该算法识别性能较好，不仅具有较高的识别率和良好的稳健性且计算复杂度较低。

关键词：积分包络；模糊数学；小波变换；贴近度

中图分类号： TN92?34 文献标识码： A 文章编号： 1004?373X（2017）13?0013?04

Abstract： The wireless signal recognition plays a crucial role in the wireless signal transmission and monitoring. In order to reduce the effect of various interference sources and white noise on transmission signal， and improve the signal recognition accuracy， a feature extraction technology based on principal component analysis （PCA） and wavelet transform method is analyzed， and a model to extract the characteristics of received signal with integral envelope method is proposed. The close degree among the envelopes of different signal samples is used to construct the concise and specific evaluation indexes， and verify its validity. The fuzzy mathematics identification function is used to calculate the close degree between the sample and regional division. The wireless signal is judged and identified according to the difference value of the close degree. The experimental results show that the algorithm has high recognition performance， high recognition rate， perfect robustness， and low computational complexity.

Keywords： integral envelope； fuzzy mathematics； wavelet transform； close degree

0 引言

移動通信产业的迅猛发展极大的改变了世界，已成为世界发展的主要高科技产业之一，对人类社会产生了巨大的影响，为人们的生活带来了便利，同时也为信号监测和提取提出了新的挑战。无线信道的传输是在一个相对比较复杂的环境下开展的，所以提取无线信道中的信号相关特征具有重大的研究价值，在无线通信领域，最重要的内容就是探讨无线信道。在无线通信信道中，信号的发射端和接收端之间电磁波传播受到建筑等障碍物的反射、折射、衍射以及它们的联合作用干扰，导致信号的不同频率分量存在着不同程度的时延[1]。

本文基于离散时间信号中各参数的时变特性，比较了积分包络法、PCA主成分分析法和小波变换法提取接收信号的特征。通过积分包络法获取的信号包络值最能够凸显信号的特性，引入包络相关系数的计算公式，检验了包络值作为“指纹”特征的合理性。同时，构建不同信号样本包络之间的贴近度作为样本归类的评价指标，通过计算信号样本的包络平均值和方差，利用模糊数学理论求取信号样本包络与不同场景包络之间贴近度函数值，选取能代表其规律性的一段数据进行贴近度计算，找出了相同的信号源[2]。

1 特征提取模型建立

由于接收的实际信号幅值与时间间隔和频率有关，在每个样点中各样本数据的时间间隔一致下。文中首先讨论了PCA主成分分析算法和小波变换算法两类特征提取算法，分析了两者的不足之处，提出用积分包络法来提取信号特征的算法。

1.1 基于PCA的特征提取

假设为维向量，协方差矩阵为主成分分析就是把这维向量降到维向量满足其中，为如下变换矩阵：

如上所述，求解第1个主分量其数学实质就是在的条件下，寻求向量使得达到最大值。设相应的标准正交特征向量为则存在正交矩阵使得：

假定向量为维单位向量，则有：

从以上分析得到，当即时方差最大为，同理可得其他主分量（实际应用中只选取前个主分量）分别为：

对于PCA算法，虽然该方法操作简单、客观性较强，但由于算法中涉及到特征向量，所以对题目中的大量信号数据进行PCA特征提取，必然会产生数量庞大的特征向量，极大地降低了算法的效率。

1.2 基于小波变换的特征提取

小波变换是一种信号的视频局域化分析方法，分析窗口大小固定，但形状、时间窗和频率窗都可以改变，而且在时间域和频率域都有表征信号局部特征的能力[3]。小波变换具有多分辨率分析的特点，因此在提取信号源暂态特征时应用较广泛。离散小波变换可表示为小波函数与采样信号的内积[4]，即：

式中：为采样信号；为尺度参数；为平移参数；为离散小波函数，且满足：

虽然在辐射源差别很小的情况下，小波分析也能通过增加分解层次体现个性差异，但同时也会使计算量和特征空间维数增加，而且可能存在冗余和无效特征。因此，通常需要搜寻原始特征集中最优特征子集。借鉴二重结构编码的遗传算法给出以下最优特征子集的评价准则。

首先定义特征集合空间的可分离度为其计算公式如下：

式中：为第个样本的归一化标准差，且为维样本点的第类样本的核心；为第类样本的第维样本点的核心；为极差，用于归一化样本的维信息。

假设待识别的信号有类，特征选择的评价准则函数定义如下：

在挑选出分辨能力强的特征后，利用支持向量机分类器便可以实现对信号的个体识别。

小波分析特征提取的结果不仅与分层数密切相关，同时还受权重因子的影响。目前，对于分层数的确定仍然没有现成的方法可供借鉴。此外，权重因子受主观因素的影响过大，导致特征提取结果客观性较差。所以，在此使用小波分析法提取信号特征值不恰当。

1.3 基于积分包络的特征提取

假设接收端接收的实际信号为：

式中：为信号包络特性函数，取决于信号能量变化情况；为载波信号包络；为载频；为载波相位；为高斯白噪声。因此，信号和噪声的合成包络为：

式中为噪声包络。

一般情况下，由于存在不同发射端和噪声等因素的影响，信号峰值会有所不同。为了方便比较，往往会对采集到的信号数据进行归一化处理。

积分包络是对信号积分后取的包络。经积分包络变换后的暂态信号波形会有较大差异。对于平稳信号：

可以认为在时间内是不变的。假设对积分，可得其积分包络从式（8）可以看出，积分后的包络与积分时间间隔、信号频率有关。由于积分时间间隔不变，且平稳信号的频率也不变，因此，原包络恒定的平稳信号经过积分后也是恒定的平稳信号。不同频率的信号经过积分后的包络是不同的，故信号的积分在一定程度上能反映信号频率的变化。以下对非平稳信号进行积分包络，假设任意非平稳信号在很小的时间内为线性调频信号：

可以认为在时间内是不变的。假设对积分，得到积分包络

得出包络值后，可以根据采样段的信号作出初始信号图和信号包络图。

积分包络算法是直接针对原始数据进行特征提取，充分还原原始数据的特征。同时，积分包络算法操作性简单、数据量小的特点也极大地提高了算法的求解效率。

1.4 指纹“特征”合理性检验方法

检验“指纹”特征的合理性，其实质就是检验以该特征为标准是否能够将不同场景进行合理的区分。可以通过计算不同场景包络值之间的相关系数对以包络值作为“指纹”特征的合理性进行检验。

记分别为场景的信号包络，它们之间的协方差计算公式为：

求得场景与场景的相关系数为：

2 评价指标的确定

首先找到信道信号存在的周期性。取各场景中具有代表性的某100个样点作为参考点。以下将通过模糊数学理论进行有效地识别。场景识别涉及到一维向量指标，因此可以用模糊多指标进行个体识别。首先，选取各样点的包络值序列作为评价指标，然后，采用多指标个体模糊识别的方法对场景进行识别。

可以假设各样点包络值均服从正态分布。如果将各样点的包络值分别看作是区间的模糊子集（称之为正态模糊子集），那么对正态分布的密度函数稍加改造就可作为其隶属函数：

式中为第个样点的样本变量。

为了对两个未知类别的场景样本进行识别，先定义包络均值与模糊子集的贴近度如下：

式中表示的隶属函数。

对于正态型模糊子集，由于，所以：

多指标个体识别遵从就近原则。

3 实验结果与分析

通过软件进行仿真实验，本文模拟构造了三种场景的真实信道测量结果，根据积分包络的特征提取方法绘制了三种场景的初始信号和包络信号波形图，如图1～图3所示。

通过计算不同场景包络值之间的相关系数，对以包络值作为“指纹”特征的合理性进行检验。计算结果得出，。结果表明，包络特性用于分析验证所建模“指纹”合理有效。

以不同样本包络值之间的貼近度作为识别采样信号归类的评价指标，求得样本的包络均值和方差趋势图，如图4～图6所示。

分析图4～图6可知，信道信号存在周期性，且周期为100 s左右。因此，取各场景中具有代表性的某100个样点作为参考点。将未知类别的两个信道数据，每个建立100项指标，分别是上的模糊子集。通过未知类别的两个个体求得包络均值和方差。计算对的贴近度可以得到由就近原则，应归入场景一类。对的贴近度为由就近原则，应归入场景一。

综上分析，问题二中的两个测试数据均属于场景一。对归类结果进行图形描述，结果如图7，图8所示。

4 结论

与PCA主成分分析法和小波变换法相比，通过积分包络法获取的信号包络值最能够凸显信号的特性，能有效地将问题中的三种场景进行区分。为了检验包络值作为“指纹”特征的合理性，引入了包络相关系数的计算公式。计算结果表明，选取积分包络值作为信道的“指纹”特征是合理的。

采取不同信号样本包络之间的贴近度作为样本归类的评价指标，计算出样本的包络平均值和方差。利用模糊数学理论求取信号样本包络与已知包络之间贴近度函数值。选取各场景中能代表其规律性的一段数据进行贴近度计算。最后的计算结果表明，两个采样信号均与已知场景信号吻合。

参考文献

[1] 钱玉文，宋华菊，孔建寿，等.一种基于网络隐蔽时间信道的网络指纹模型研究[J].兵工学报，2012，33（1）：19?25.

[2] 刘爱霞.雷达信号包络的特征提取与分类[D].西安：西安电子科技大学，2003.

[3] 曹喆.一种区域特性的小波图像融合新算法[J].计算机工程与应用，2011，47（26）：213?215.

[4] 陈韬伟，朱明，陈振兴.雷达辐射源信号小波变换特征提取方法[J].计算机工程与应用，2010（6）：245?248.

[5] 辛焦丽，高丽.基于遗传算法的蜂窝网络接入信道动态分配方案的设计[J].现代电子技术，2016，39（15）：5?7.

[6] 陈慧玲.信号个体特征的检测和识别技术研究[D].西安：西安电子科技大学，2013.

[7] 钱梦阳.信道参数提取方法研究[D].南京：南京邮电大学，2012.

[8] 柯志龙.基于幅频特性的无线信道指纹研究[D].厦门：厦门大学，2011.

[9] 薛伟，王忠.基于实测的无线信道仿真分析[J].中国测试技术， 2008，34（1）：77?79.