CN119485323A 一种基于深度优化自适应注意力机制的射频指纹识别方法 （长春理工大学）

一种基于深度优化自适应注意力机制的射种基于深度优化自适应注意力机制的射频指纹窗分割和特征增强实现了提升射频信号的清晰度和一致性同时减少了噪声和干扰的影响的效在复杂环境下对多尺度和关键特征的捕捉能力21.一种基于深度优化自适应注意力机制的射频指纹识别方法，其特征在于,包括:S向量进行特征增强；S24:对增强后的所述瞬时幅度特征向量和瞬时相位特征向量重构得2.根据权利要求1所述的一种基于深度优化自适应注意力机制的射频指纹识别方法，全局变化率阈值时停止当前窗口的扩展,并构建下一个时间窗口，在下一个时间窗口内持续扩展直至平均变化率大于全局变化率阈值时停止当前窗口的扩展,并构建下一个时间窗口内持续扩展直至平均变化率小于等于全局变化率阈值时停止当前窗口的扩展,并构建下3.根据权利要求2所述的一种基于深度优化自适应注意力机制的射频指纹识别方法，表示时间步时瞬时幅度特征和瞬时相位特征的变化率；所述S223用于判断时间窗口扩展条件的全局变化率阈值公式中，ro为所述平均变4.根据权利要求1或3所述的一种基于深度优化自适应注意力机制的射频指纹识别方归一化后的综合权重对瞬时幅度特征和瞬时相位特征进行加权和放大处理以得到增强后5.根据权利要求4所述的一种基于深度优化自适应注意力机制的射频指纹识别方法，3表示第i个时间窗口内的样本数量，和分别为第i个窗口幅度序列和相位序列的均6.根据权利要求1所述的一种基于深度优化自适应注意力机制的射频指纹识别方法，7.根据权利要求6所述的一种基于深度优化自适应注意力机制的射频指纹识别方法，4[0002]射频指纹识别技术是无线通信领域中用于识别和认证无线设备的重要手段之5[0013]S24:对增强后的所述瞬时幅度特征向量和瞬时相位特征向量重构得到IQ数据,并对所述IQ数据进行短时傅里叶变化处理得到值时停止当前窗口的扩展,并构建下一个时间窗口，在下一个时间窗口内持续扩展直至平均变化率大于全局变化率阈值时停止当前窗口的扩展,并构建下一个时间窗口，重复S225化率小于等于全局变化率阈值时停止当前窗口的扩展,并构建下一个时间窗口，重复S226[0021]所述S223通过如下公式计算得到用于判断时间窗口扩ro为所述平均变化率。6表示第i个时间窗口内的样本数量，和分别为第i个窗口幅度序列和相位序列的均[0029]所述S234通过如下公式得到增强后的特征其中，为问题，从而实现了提升射频信号的清晰度和一致性同时减少了噪声和干扰的影响的效果。7[0036]图1为一种基于深度优化自适应注意力机制的射频指纹识别方法的整体流程示意[0037]图2为一种基于深度优化自适应注意力机制的射频指纹识别方法的时间窗分割方[0038]图3为一种基于深度优化自适应注意力机制的射频指纹识别方法的特征增强流程[0039]图4为一种基于深度优化自适应注意力机制的射频指纹识别方法的系统框架示意[0040]图5为一种基于深度优化自适应注意力机制的射频指纹识别方法的预处理流程示[0041]图6为一种基于深度优化自适应注意力机制的射频指纹识别方法的模型结构示意8对所述IQ数据进行短时傅里叶变化处理得到训练数以下公式获得通过遍历IQ数据样本中每个时间步的I和Q值，逐一计9时幅度特征和瞬时相位特征与其后一时间步的变化率,取其绝对值,以得到每个时间步的值时停止当前窗口的扩展,并构建下一个时间窗口，在下一个时间窗口内持续扩展直至平均变化率大于全局变化率阈值时停止当前窗口的扩展,并构建下一个时间窗口，重复S225化率小于等于全局变化率阈值时停止当前窗口的扩展,并构建下一个时间窗口，重复S226和分别表示当前时间步瞬时幅度特征和瞬时相位特征的变化率；通过对整个特征向量的平均变化率序列进行计算，本申请可以对信号的整体变化趋势有一个量化的描在窗口划分中可以合理区分信号剧烈变化时段与平稳时段，进而避免了不必要的计算开局变化率阈值时停止当前窗口的扩展,并构建下一个时间窗口，在续扩展直至平均变化率大于全局变化率阈值时停止当前窗口的扩展,并构建下一展直至平均变化率小于等于全局变化率阈值时停止当前窗口的扩展,并构建下一和相位序列不仅保留了原始信号的关键信息，还通过权重调整强化了重要窗口内的特征。准确地提取特征并进行设备身份的推断和分类。分类器不具备对未知设备的识别能力,故而能轻易识别其不属于任何一个注册设备,开集识别能力使得系统能够有效应对未知设备