DOI:10.16180/ki.issn1007-7820.2011.12.005
2011 年第 24 卷第 12 期 Electronic Sci. ＆ Tech. / Dec. 15，2011
电子·电路
通信辐射源指纹识别技术
朱丽莉，王爱粉，赵 星
（ 空军工程大学 电讯工程学院，陕西 西安 710077） 摘 要 通信辐射源个体识别是近来通信对抗领域的重要研究课题，不同于传统通信信号侦察中的调制模式识别 研究，通信辐射源识别主要研究体现同类辐射源之间个体差异的信号指纹的分析提取技术。文中研究分析信号指纹的 分析提取存在的技术难点和解决方案。对稳态通信信号的个体细微特征，如通信发射信号在载频和调制参数特征上的 偏差，以及信号杂散输出成分的差异，并考虑将上述特征确立为反映通信电台个体技术特点的信号指纹，提出一个基 于证据理论的通信辐射源识别方案，是实现个体识别在军事通信对抗作战计划的重要依据。 关键词 通信辐射源； 模式识别； 频率稳定度； 个体识别 中图分类号 TN971 + . 1； TP391. 4 文献标识码 A 文章编号 1007 － 7820（2011）12 － 063 － 03
通信信号指纹识别的本质是模式识别问题，识别 的过程由设计和实现组成。设计是指用一定数量的样 本进行分类器设计，实现是指用设计的分类器对待识 别的样本进行分类决策。
线性信号处理系统，具有强大的模式识别分类和泛函 逼近能力，并具有良好的容错性。
组合分类器是近年来提出的一个新课题，指通过 一个组合器对不同分类器的输出作第二次判决，由于 融合了多个分类器的决策，所以可以得到更好的分类
1 指纹及信号指纹机理分析
1. 1 通信辐射源指纹 通信辐射源个体信号的细微特征也称通信信号的
“指纹”，指信号中可以用于标识发送该信号的通信设 备身份的特征。通过通信信号处理技术，发现通信信 号上所承载的通信辐射源稳定的硬件特征信息。可以 认为信号指纹主要表现为同一通信设备在其发送的所 有信号中反复表现出的一种有规律的变化趋势，而通 信信号个体中这种重复出现的变化规律信息具有反映 信号个体特点的技术特征，可以作为“指纹”用于标识 发送该信号的通信设备的个体特征。
电子·电路
图 2 基于证据理论组合分类器的辐射源个体识别结构
D － S 证据组合分类器对独立的信息才能进行融 合，其关键在于基本概率分配函数（ BPA） 的确定。文 献［7］认 为 如 果 各 分 类 器 使 用 不 同 的 特 征 集 或 训 练 集，则可认为不同分类器结果之间是独立的。因而，文 中利用不同的辐射源个体特征训练不同的成员分类 器，并进行 D － S 证据理论组合，可以根据需要选择合 适的证据组合规则进行通信辐射源类别的判断。
体的基础上，得到信号中通信设备的工作参数和特征 参数，然后利用这些参数获取该通信设备的体制、用途 和型号等信息，进而掌握其工作状态，了解其战术运用 特点、活动规律以及作战能力的过程。
文中研究的是同型号、同批次并工作于相同调制 方式、频段的多个电台辐射信号的个体识别技术。通 信辐射源个体识别主要包括 3 个过程： 预处理、特征提 取和分类识别。
2 通信信号指纹识别方法
性能，而其中的每个分类器都不要求是最优的，为通信
2. 1 特征参数值域判别法 采用特征参数值域判别法，首先要提取一个或多
信号的识别提供了新途径。
3 一种基于证据理论的个体识别方案
个能反映通信信号个体特征的参数值，根据各特征参 数所在的值域范围，采用模式识别的方法进行个体识 别，分析处理的主要过程是在时域和频域 ［3 － 4］。
Identification Technology for Individual Radio Transmitters
ZHU Lili，WANG Aifen，ZHAO Xing （ Institute of Telecommunication Engineering，Air Force Engineering University，Xi'an 710077，China） Abstract Recently identification of individual radio transmitters is an important problem，which is different from traditional modulation identification of communication signals． Identification technology of radio transmitters is an analysis and extraction technology based on individual different signal dactylogram of the same kind of radio transmitters． The difficulties and solution are discussed in this article． The individual characters of steady radio signals， such as radio transmitters offset of carrier frequency and modulation parameter and the difference of signal hash export component，are discussed． These characters are carried as signal dactylogram reflecting the individual technical characteristic of radio transmitters． An identification project of individual radio transmitters is proposed which is important for individual identification to play a role in the military communication counter-measure program． Keywords radio transmitters； pattern recognition； frequency stabilization； individual identification
目前常用的分类器是基于统计决策理论的参数和 非参数分类算法，如线性和广义线性决策函数，k － 最 近邻算法（ K － NN） ，二元分类树等。如果待识别特征 的概率密度函数已知或可以通过样本得到精确估计， 那么这些分类算法可以得到最佳识别性能，但是在通 信信号指纹识别问题中，这些条件很难满足，传统分类 器难以获得满意的个体识别性能。主要缺点是识别率 低、稳健性差［5 － 6］。
文中对通 信 信 号 指 纹 的 研 究 主 要 采 用“机 理 研 究 － 特征分析 － 特征提取 － 分类实验”的方法，其中 由于实际通信信号信噪比变化范围大，容易导致识别 率下降，直接影响分类器的分类性能。基于 D － S 证 据组合原理进行分类器设计，可以由不同类别指纹特 征参量集进行特征提取，下面给出一种基于证据理论 组合分类器的辐射源个体识别的设计方法，其结构如 图 2所示。
体差异。（ 3） 电台的杂散输出差异。 辐射 源 可 提 取 的 特 征 参 数 可 分 为 如 下 几 类：
（ 1） 技术特 征。 调 制 方 式、载 频 精 度、频 率 稳 定 度。 （ 2） 内部特征。数字通信的信息传输速率。（ 3） 频域特 征。信号带宽、调频参数调制失真度。（ 4） 时变特征。
对于接收到的通信信号，首先通过通信信号预处 理，再进行指纹特征提取，通过确立通信信号的载频、 调制参数及杂散成分特性为稳态信号指纹，可以对上 述特征运用时域、频域分析方法和现代时频域和高阶 谱方法进行特征分析提取。在分类器设计方面，第一 级分类器可以选用特征参数值域判别法、信号模本匹 配识别法等方法实现第一级分类，第二级采用并行组 合分类器，这样将高维特征空间的判分问题转化为针
www. dianzikeji. org
63
电子·电路
朱丽莉，等： 通信辐射源指纹识别技术
瞬时包络、频率、相位。
务是根据某一准则把一个给定的由特征向量表示的输
1. 2 信号指纹机理分析
入归入到一个适当的特征类别，即实现从特征空间到
通信辐射源个体识别是指在分析截获通信信号个 决策空间的转换，从而完成特征类的分类任务。
决策理论的发展克服了传统分类器的不足，提出
了更先进的不确定性推理理论，在此基础上，分类器识
别性能得到了显著提高。其中，神经网络分类器作为
一种先进的自适应、非参数和非线性分网络是一种以
图 1 通信辐射源个体识别系统的基本组成
自组织、自适应和大规模分布式并行计算为特征的非
的某模本相匹配，即可完成个体识别。
对不同低维空间进行划分的问题，再对第一级分类器
2. 3 通信信号指纹识别分类器
的输出作第二次判决。这样，融合了多个分类器的决
在统计模式识别中，分类器即分类算法的基本任 策，能够获得较好的分类性能。
64
www. dianzikeji. org
朱丽莉，等： 通信辐射源指纹识别技术
特征参数值域判别法也可以通过计算特征类的距 离进行个体识别，其难点在于如何从原始测量数据提 取和选择合适且必要的特征向量进行计算，重点是特 征的提取和选择算法。 2. 2 信号模本匹配识别法
信号模本匹配识别法的基本思想如下： （ 1） 对同一种通信信号形式中的 N 个信号进行参 数提取，提取的特征参数为 M 个，N 个已知信号的同 一个特征参数值各不相同，这样，每一个信号就有 M 个特征参数值与其他信号相区别； （ 2） 将 N 个信号的 M × N 个特征参数存入数据 库，建立包含 N 个已知信号模本的模本库； （ 3） 提取待识别信号的 M 个特征参数，与模本库 中的模本进行比较，如果提取的特征参数与模本库中