基于深度度量学习的小样本无线设备射频指纹识别方法及装置

    公开(公告)号:CN114387627A

    公开(公告)日:2022-04-22

    申请号:CN202210026844.8

    申请日:2022-01-11

    Applicant: 厦门大学

    Abstract: 本发明公开了一种基于深度度量学习的小样本无线设备射频指纹识别方法及装置,其方法包括:获取多个无线设备对应的射频信号,并进行预处理,以生成训练集;建立基于深度度量学习的小样本无线信号分类识别网络模型,以进行特征提取与特征比较;采用元学习的训练方式自适应学习特征距离,通过N‑way K‑shot的方式输入训练数据,在训练过程中同步进行测试过程,通过将完整的数据集划分为多个小型分类任务的数据集不断适应未知的任务;采用交叉熵损失函数对网络模型进行最终优化。由此,提高了小样本场景下无线信号射频指纹识别的识别率。

    基于物理层特征指纹的CAN总线识别方法及装置

    公开(公告)号:CN112491677B

    公开(公告)日:2022-10-14

    申请号:CN202011228824.6

    申请日:2020-11-06

    Applicant: 厦门大学

    Abstract: 本发明提出了一种基于物理层特征指纹的CAN总线识别方法及装置,其中该方法包括:获取闭集的CAN总线信号并进行预处理以得到训练信号;采用时频统计特征识别算法对训练信号进行处理以提取多维统计特征;接着将多维统计特征输入到多类监督学习的分类器中,以对闭集的CAN总线进行识别;再接着建立SigTLNet网络模型;然后将训练信号输入到SigTLNet网络模型以对SigTLNet网络模型进行训练,以得到训练好的SigTLNet网络模型;最后获取开放集的CAN总线,并将开放集的CAN总线输入到训练好的SigTLNet网络模型,以对开放集的CAN总线进行识别;由此,通过引入时频统计特征识别算法与SigTLNet网络识别认证算法,以实现闭集及开放集的CAN总线的识别,从而在降低识别时延的同时还提高了识别效果。

    基于物理层特征指纹的CAN总线识别方法及装置

    公开(公告)号:CN112491677A

    公开(公告)日:2021-03-12

    申请号:CN202011228824.6

    申请日:2020-11-06

    Applicant: 厦门大学

    Abstract: 本发明提出了一种基于物理层特征指纹的CAN总线识别方法及装置,其中该方法包括:获取闭集的CAN总线信号并进行预处理以得到训练信号;采用时频统计特征识别算法对训练信号进行处理以提取多维统计特征;接着将多维统计特征输入到多类监督学习的分类器中,以对闭集的CAN总线进行识别;再接着建立SigTLNet网络模型;然后将训练信号输入到SigTLNet网络模型以对SigTLNet网络模型进行训练,以得到训练好的SigTLNet网络模型;最后获取开放集的CAN总线,并将开放集的CAN总线输入到训练好的SigTLNet网络模型,以对开放集的CAN总线进行识别;由此,通过引入时频统计特征识别算法与SigTLNet网络识别认证算法,以实现闭集及开放集的CAN总线的识别,从而在降低识别时延的同时还提高了识别效果。

Patent Agency Ranking