通信辐射源个体特征提取技术

彭健航

（合肥电子工程学院，安徽合肥 230037）

0 引言

传统的通信信号侦察往往围绕通信电台传递的有效信息的获取或分析进行，即使人们获得中频和射频上可检测的物理信息，以便得到信号的频率，调制模式等。然而，通信信号侦察技术在现代战争中的地位不断提高，对那些由于通信发射机硬件个体差异而导致的并表现在发射信号中的物理量逐渐被人们关注。如何通过提取和分析这些附加调制在发射信号上的不影响信息传递、可检测、可重现、相对稳定的物理量（细微特征）来区别不同的通信发射机硬件个体[1]，这就是通信辐射源个体(指纹)识别。

通信辐射源个体识别的过程如图1所示[2，23-24]。

图1 通信辐射源个体识别过程

通信辐射源个体识别的本质是模式识别的问题，对采集到的信号进行特征提取，完成特征选择及融合之后送入分类器，根据一定的先验信息完成识别任务。在通信辐射源个体识别过程中，特征的选择和提取是关键，选择哪些细微特征作为个体特征，以及提取特征参数的方法和提取精度，对最后的分类判决都有重要影响，甚至直接决定识别性能的好与坏。本文结合国内外的研究现状，总结细微特征的产生机理、个体特征的选择和提取方法以及在实际工程中应用的可行性，探索性地展望未来通信辐射源个体识别的发展方向。

1 信号细微特征的产生机理及个体特征的选择

1.1 信号细微特征的产生机理

细微特征的来源有很多方面，主要包括有[3]：

（1）现有数学模型对电磁现象的抽象（特别的对非线性器件的逼近）与近似与实际情况不完全相符所造成的偏差；

（2）器件加工过程中的工艺缺陷造成器件技术指标与标称值的偏差；

（3）装备在设计、生产过程中的个体差异；

（4）设备在使用过程中老化，器件性能变差等因素的影响；

（5）基带信号：基带信号中含有信息特征和非信息特征以及由于数学模型的偏差/近似、元器件模块的离散性造成的信息特征和非信息特征的偏离；

（5）射频信号：已调波在载波被调制和放大发射的过程中，会受到频率源及发射机的非线性和元器件/模块离散性、稳定性的影响而形成偏差和污染。

1.2 个体特征的选择

对于各种各样的细微特征，要作为能够体现辐射源硬件个体差异的个体特征，归纳起来应该满足以下准则[4]：

（1）特征的普遍性。即用于通信辐射源个体识别的信号特征应该对于任意个体是普遍存在的，而不是仅仅存在于一部分个体。

（2）特征的唯一性，即用于区别个体的不同辐射源信号的特征应该各不相同。

（3）特征的稳定性。特征应具有高的稳定性，才能使其不因时间的推移或环境的变化而发生显著改变，从而具有高的置信度。

（4）特征的可检测性。即用于个体识别的特征应能利用当前先进的技术手段从有限观测数据中检测出来，且测量精度能达到个体识别的要求，不易因污染而改变，这样才具有实用意义。

根据通信信号的固有表现形式，通信辐射源的个体特征可分为暂态特征和稳态特征。

暂态特征是反映了系统过渡状态（非稳定工作状态）时的非线性特性，带有强烈的个体色彩。这些过渡状态有的来自系统本身，如发射机开机时的变化过程、工作模式的切换过程，数字通信设备中码字的变换等；有来自系统外部激励，如供电系统的不稳定变化。但是通信系统瞬态持续时间都很短，而且其瞬态出现的时机不可预测，在通信侦察过程中难以截获，而且持续时间过短的信号也不利于对其进行瞬态特征的提取；外部激励带来的暂态变化本身就具有偶然性，所引起的信号变化也不是每个辐射源必然存在的，不具有普遍性。因此利用暂态特征进行通信辐射源个体识别难以在实际工程中应用。

稳态特征是系统稳定工作状态下的特征，表现更为持久与稳定，可以作为通信辐射源识别的个体特征，也是本文分析的重点。

2 通信辐射源稳态特征分析

处于稳定工作状态的通信辐射源，即使是相同批次、相同型号、相同工作方式，都会在发射信号上存有不同程度的差异（稳态特征），主要表现为噪声特性的输出差异、杂散特性的输出差异、载波频偏的个体差异和调制参数的差异等[5]。

2.1 噪声特性

内部噪声特性是每个辐射源固有的特性，由于内部器件的千差万别，从统计意义上看，不同辐射源的噪声特性都存在细微差别。内部噪声在电台发射端，部分表现为加性白噪声；发射信号在传输过程中会受到环境影响，在进入接收机后、具体的分析进行之前，又会受到接收机内部噪声的污染，要想获得带有通信辐射源内部噪声特点的细微特征一般是很困难的。然而，当我们对同一区域的电台进行分析时，可以近似的认为：各电台信号经过的路径基本相同，再假设对不同电台用同一接收机进行信号的采集，这时，噪声特性的分析可以通过对接收信号进行信噪比的估计来实现。

信噪比的估计一直是无线通信领域的一个重要课题，主要可分为基于数据辅助的估计算法（需要先验知识）和不需要数据辅助的估计算法（不需要先验知识），其中不需要数据辅助的估计算法更适合在非协作通信中应用。SNR的时域估计算法中，不需要任何先验知识的主要有：基于二阶-四阶矩的估计器[6]（M2M4），其不受载频估计精度的影响，但主要是针对恒包络和双边带信号，所以实际应用前，需要了解信号调制类型，从而使其应用受到限制；基于特征值分解和最小二乘法的信噪比估计算法[7]（LS-EVD）及其改进算法，但是其构造自相关矩阵是基于接收信号为平稳信号的前提条件，而且在低信噪条件下估计的误差比较大。

在忽略环境和接收机影响的条件下，噪声的平均功率与电台发射功率大小直接相关，因此，当发射功率可调时，它将不能反映电台的个体特征。但是，在有些场合下，发射个体发射功率在出厂时已根据其标称功率调好了，在使用过程中一般不能或不会再改变发射功率，如电视发射机或通信电台，其发射功率在相当一段时期内保持一定的稳定性，这时，噪声的平均功率就可以作为识别电台或其他发射源的一个依据了。

2.2 杂散输出特性

通信辐射源内部非线性器件的非线性特性、内部噪声以及本振频率的不纯，经过系统内部各级的不同影响，会产生一些不需要的杂散成分（包括互调频率、谐波频率，以及一些交叉调制、寄生调制等）。这些杂散成分在信号发射端会以多种形式伴随着有用信号发送出去，并在发射信号中留下印记。

（1）信号包络高阶特征

对于不同电台个体，由于相位噪声和电台杂散输出的不同，各电台在相同工作模式时会附加不同寄生调制，反映在信号包络必然附带电台个体特征，因此，这些附加调制会使信号包络统计特性R 特征[8]和J 特征[9]发生波动，不同电台的R 特征和J 特征变化有所不同，计算简单，且不需要信号任何先验信息。但是R 特征的计算对加性噪声比较敏感，而J 特征对加性噪声有很好的抑制作用，非常适合用于分析信号由于附加调制带来的细微变化，但需要对噪声功率进行精确估计。

（2）高阶谱特征

通信信号是周期平稳信号，且通信辐射源的个体特征更多的表现为不规则的非平稳、非线性、非高斯信号，仅从时域、频域或时频域的角度，一般的一阶、二阶分析方法难以深入揭示其本质。高阶统计量，特别是高阶累枳量和高阶谱，能有效检测信号的幅度信息，并提供信号的相位信息，抑制高斯噪声，可以提取随机过程偏离高斯分布的程度，更适用于对个体特征的分析。

三阶谱被称为双谱[10-11]，是阶数最低的高阶谱，具有时移不变性、尺度变化性和相位保持性等3个特点，处理方法简单，与其他高阶谱相比，它的应用相对较为广泛，理论和方法也较为成熟。双谱的直接应用将要求计算复杂的二维匹配模板，为了克服这一困难，引入积分双谱的方法实现将二维的双谱变换为一维函数，具体包括径向积分双谱、轴向积分双谱、周向积分双谱、选择双谱及矩形积分双谱等。

文献[26]采用相位信息更丰富的三谱来提取杂散输出特性，提出了一种全新的类似于三谱的分析方法，利用时频分析的思想，构造了基于短时Fourier 变换形式的三谱，并利用三谱的对称性简化了计算复杂度。

（3）时频特征

要捕获不同电台个体的杂散成分的细微变化，要求频域分析能够尽可能真实地反映信号的各种频率成分，传统的傅里叶变换由于无法获得信号各频率分量随时间变化的关系，而且其把握信号中的细微变化代价太大，使其在分析非平稳性号和信号中的微弱成分时很不利。由此而发展起来很多非平稳信号的分析方法（如短时傅里叶变换，二次型时频分布，小波变换等）从二维联合域来精确描碠辐射源稳态下的细微差异。文献[12]提出了基于经验模态分解（Empirical Mode Decomposition，EMD）算法的HHT时频分析方法，其后验性、自适应的特点分析辐射源杂散输出在频域上的细微表现十分有利。

（4）分形特征

从时频域提取的特征对噪声变化较敏感，在信噪比（SNR）未知的情况下，分类识别能力很难得到改善，从信号波形中提取反映其几何分布特性的分形维数[13]能够克服这个缺点，深入刻画杂散调制对信号幅度、频率和相位的影响，使分类能力大大提高。盒维数反映了分形集的几何尺度情况，度量信号的不规则量度；信息维数能够反映分形集在分布上的信息，度量信号在区域内分布的疏密情况，两者都是信号分类识别的有效特征[14]。

2.3 频率源特征

对于不同的发射源，即使是相同型号同批次的不同个体，由于本振不同，这种频率源的频率或相位的随机起伏也是不同的，因而频率源的这种频率或相拉的随机起伏可以作为辐射源的个体特征之一。受频率源影响很大的有两个参数，分别是载频的频率稳定度和码元速率。

（1）频率稳定度

受频率源不稳定的影响，实际的载频不会完全精确地等于其标称频率值，总是存在或大或小的偏差，因此只要对信号载频作足够精确的测量，根据频率偏差的统计特性，就可以区别不同辐射源发射的信号。而对信号的载波频率估计一直是通信领域的重要课题，方法很多，如周期图法、最大熵法、ARAM模型法、最大似然法、子空间分析法、过零点法、短时Fourier 法、时变滤法器法、线性回归法、Music 法、Esprit 法、Kay 法、Prony法，以及现代谱估计理论中的各种方法等。一般而言，辐射源本振的频率稳定度是很高的，同型号同批次的个体之间的差别非常小，加之信号传输过程中的噪声污染以及接收机本身频率稳定度的影响，频率估计精度和效率难以统一。文献[15]通过对通信信号进行合理抽取，将频率波动信息转换到卷积伪调制的包络信息中，而包络特征易于提取，从而巧妙地回避了直接计算频率波动难以满足精度的难题，但该方法对信号的信噪比要求较高，当信号较弱时，信号自身包络畸变较大，会对伪包络特征中包含频率变化的特征造成很大影响。

（2）码元速率

码元速率是数字通信电台中受频率源影响的另一个重要参数，通过分析码元速率，同样可获得频率源稳定度差异的线索。常用的码元速率估计方法有：延迟相乘法、高阶谱法、时频分析法、周期相关法，基于Bernoulli 随机过程的参数估计方法，以及基于小波变换的估计方法，这些方法均是在变换域内检测瞬时跳变点来估计码元速率，不同的方法应用的条件和环境不同。延迟相乘的方法将码元速率估计问题建立在发射机成形滤波器为理想的矩形滤波器的前提下，但是这一假设很难满足；高阶谱法通常基于延迟相乘后的输出进行讨论，但在实际应用中，由于码元速率未知，很难确定最佳延迟值；周期相关法能够处理经过脉冲成形滤波器的场合，但该方法面临着在每个DFT 频率搜索范围内的逆矩阵计算问题，再加上周期相关本身计算复杂，使整个算法的运算量和计算资源占用成为一个不可忽略的问题；小波变换虽然对瞬变信号有很好的检测能力，可以精确描述数字信号的变化时刻，但是当码元之间无幅度或相位突变时，小波变换的幅度变化不大，无法检测出瞬时跳变点。文献[16]提出一种基于STFT时频能量分布和小波分析的码速率估计方法，通过对调制信号的时频能量分布，即数字基带信息进行小波分析，既利用了数字基带码元的节拍信息，也利用了小波变换优良的信号奇异点检测能力，可以在非协作通信条件下对调制信号进行精确的码速率估计，而且可以推广到对其他基本数字调制信号进行码速率估计。

2.4 调制参数

通信信号都是经过调制的。不同通信电台（即使型号相同），由于采用的器件的差异，导致调制参数必然随个体的不同而存在偏差，理论上只要参数估计的精度足够高，就可以区分不同的辐射源个体。对AM 信号的调幅指数的估计主要采用基于瞬时幅度的统计方法，获得幅度最大值和最小值的估计值[17]；也有从频域上来统计调幅指数的方法[18]。FM 信号的调频指数可以利用信号频率估计的诸多算法首先求得FM 信号的瞬时频率，然后同样基于统计特性来计算。但是，在非协作条件下，调制类型未知和调制参数的估计给调制参数个体差异的测量加深了难度，而且调制参数受随机调制信息影响严重，所以利于调制参数的差异进行电台识别还有待进一步研究。

此外，对辐射源振荡器和系统功放建模分析也可以分析信号的稳态特征。

总之，辐射源个体稳态特征涵盖的内容相当广泛，但是相对于暂态特征提取，稳态特征的表现形式多样且更加的微小，因而提取难度比较大，仍然需要更深入的研究工作。

3 实际工程中应用的可行性

实际工程应用中，通信辐射源的个体特征的获取会面临种种困难，会受到众多因素的影响，使对信号个体特征的提取问题变得错综复杂[19]。可以这么说，通信信号从离开辐射源起，就开始受到这样那样因素的影响，因而表征信号辐射源个体的个体特征难免会受到污染，甚至被淹没。

（1）设备运行环境变化造成的特性差异

辐射源内部各种器件在不同的空气湿度、温度情况下特性会有细微变化，由此造成不同的工作环境、一年中不同的季节其个体特征也会发生改变；供电源的细微变化经过非线性器件后被放大，也会对特征参数造成污染。

（2）信号传播途径的影响：大气衰落、多径、平台位移、色散、天电等因素的影响，会对特征参数造成污染。

在信号的传输过程中，由于大气噪声（含天电干扰）、工业污染（例如：汽车、电力设备）、非恶意串扰（广播、电视、通信）、恶意攻击、平台位移（产生多普勒效应）、多径等背景环境条件的不同使正常的装备表现出不同的技术性能。当受外界环境污染的个体特征到达接收机时，通过接收机模块本身的非线性处理，外界环境条件将改变个体特征。特别是当个体特征本身就是微小量的时候，信号背影环境条件将湮没这些特征量。

（3）接收机的影响：接收机中的信道带宽、平坦度、准确度、稳定度、非线性、动态范围，色散延迟、数字量化等因素会对个体特征造成新的污染。

因此在实际工程应用当中，各种个体特征参数提取所花费的代价、用于分类识别的效果都是各不相同的，其所适合应用的场合也各不相同。表1给出了常用个体特征参数测量的条件其及实际工程应用的局限性[20]。

表1 细微特征参数的测量条件及应用的局限性

4 存在问题和发展方向

对于辐射源个体识别的研究早期主要是针对雷达辐射源，雷达信号相对简单，其工作方式利于暂态特征的提取，而通信信号远比雷达信号复杂，通信辐射源个体特征的研究处于一个起步阶段，更多的实际条件下的识别工作仍然需要进一步的研究和验证。对通信辐射源个体特征的研究主要存在以下几个方面的问题[3]：

（1）个体特征的产生机理建模问题

个体特征的选取是辐射源个体识别最核心的问题，而个体特征产生的机理能为个体特征的选择提供依据。实际上，通信系统中很多无意识调制现象在经典文献中都有提及，张伯涵、王振耀和Skolnik.M 等人的著作中，对磁控管、功放和频率源的某些寄生特性都有过非常形象的描述，张国柱[21]在此基础对放大链的噪声特性作了分析。但由于通信工程领域主要是从器件的噪声特性、谱特性等对通信系统自身的影响来看待问题，很多描述是定性的、经验性的，而且并不完整，难以直接应用到辐射源个体识别中。

系统稳定工作状态下，辐射源个体内部差异是以“合力”的形式表现在信号上，很难以数学方法对所有内部设备差异在信号上的影响进行建模。由于缺乏理论模型，目前辐射源个体识别研究文献多数只能依据定性结论选择特征，然后用分类实验来验证特征的有效性。实际上，相关文献在选取特征时多数只是利用了指纹机理中的现象，而非机理的本质，因而使得特征提取的方法很容易随有意调制及调制信息的改变而改变，独立性较差，因而选取的细微特征应用范围有限。

因此，对个体特征的机理建模问题是个急待解决的问题，探索个体特征更深层次的、本质性的机理和根源，以辐射源内部不同硬件电路作为出发点，研究电路的电特性和系统特性，建立具有普遍意义的、反映发射机物理本质的辐射源系统模型，对系统的结构设计、指标的确定和识别结果可信度的衡量等都具有重要意义。

（2）个体特征的稳定性问题

稳定性是指特征本身稳定，不易因温度、湿度、振动等环境变化而发生显著变化。稳定性要求分短期的或者长期的，对个体识别而言，一般要求尽可能的选择具有长期稳定性的特征。

国防科大对脉冲体制辐射源实测数据的分类实验表明，在3天的时间内，瞬时频率曲线特征虽然有效，但并不是严格稳定的，会出现特征的漂移而导致分类性能的下降[22]。辐射源个体识别领域对此类问题关注得很少。

（3）个体特征的可测性问题

“可测性”是指该特征是可测量得到的，并且精度能达到个体分类的要求。目前提出的特征多数将“可测量”作为首要条件，但“可测量”不同于“可测性”，有些量能测但达不到所要求的精度时也很难奏效。工程可测性也属于“可测性”条件，如果理论上特征都是可行的，而工程无法实现，个体特征的价值也将被打折扣。在个体识别应用中，目标辐射源发射的信号只能进行远距离侦收，多径以及接收机的灵敏度、线性度、动态范围等因素都会影响上升沿、下降沿等特征的可测性。

目前，侦察接收机的频率稳定度、大动态范围、高线性度、高位采样及高采样率被认为是指纹侦察的必要条件，由于器件工艺等基础技术水平的限制，上述条件在工程中很难得到满足，因此使得辐射源个体识别的研究、开发和应用受到很大限制。“有没有不需要上述条件的辐射源个体识别接收机”成为国内电子战领域热切关心的问题。

此外，多特征参量的联合检测将是提高个体识别系统可靠性和识别率的关键因素。就目前的技术条件，单独一种特征参量的测量很难同时满足普遍性、唯一性、可检测性和稳定性的要求，而将多个特征参量结合起来进行联合检测则是一个简单易行的解决方案。

5 总结

本文结合国内外辐射源个体识别的研究方向所做的工作，针对通信辐射源个体特征的选择和提取的方法进行了总结分类，分析了细微特征来源及传播过程中所受到的污染，对工程应用可行性进行了分析，并为辐射源个体识别设备的设计提出了框架结构和要求。最后，结合通信辐射源个体识别中存在的局限性和问题，指出了未来可能的研究方向。

辐射源个体识别本身就是信号处理（特别是微小信号的处理）和模式识别领域中富有挑战性的问题，具有很大的开放性。随着信号处理新方法和器件工艺新技术的不断涌现，在科研工作者的不断努力下，相信通信辐射源个体识别技术一定能有更大的发展。

[1]Langley L E.Specific emitter identification(SEI)and classical parameter fusion technology[J].IEEE Transactions on Acous-tics，Speech and Signal Processing，2003，33(1)：377-381.

[2]任春辉.通信电台个体特征分析[D].成都：电子科技大学，2006.

[3]许丹.辐射源指纹机理及识别方法研究[D].长沙：国防科学技术大学，2008.

[4]芦岩.电台信号细微特征分析与提取[D].成都：电子科技大学，2008.

[5]黄玉春.基于极致学习机的通信信号辐射源个体识别技术研究[D].武汉：华中科技大学，2007.

[6]Dae-ki Hong，Chocl-Hee pak etc.SNR estimation in frequency domain using circular correlation[J].Electronics Letters，2002，38(25)：1693-1694.

[7]詹亚峰，曹志刚，马正新.无线数字通信的盲信噪比估计[J].清华大学学报，2003，46(7)：957-960.

[8]Chan YT，Gadbois L G，Yansouni P.Identification of the modulation type of a signal[C].Proceedings of International Conference on Acoustics，Speech and Signal Processing，Tampa：IEEE，1985：838-841.

[9]蔡权伟.多分量信号的信号分量分离技术研究[D].成都：电子科技大学，2006.

[10]蔡叫伟，李建东.基于双谱的通信辐射源个体识别[J].通信学报，2006，28(2)：75-79.

[11]徐书华，黄本雄，徐丽娜.基于SIB/PCA的通信辐射源个体识别[J].华中科技大学学报：自然科学版，2008，36(7)：14-17.

[12]Huang N E，Shen Z，Long S R，et al.The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis[J].Proceedings of the Royal Society of London Series，1998，454：903-995.

[13]郭双冰.基于小波和分形理论的调制信号特征提取方法研究[J].信号处理，2005，21(2)：316-318.

[14]陈慧贤，吴彦华，钟子发.分形在电台细微特征识别中的应用[J].数据采集与处理，2009，24(5)：686-693.

[15]张旻，王若冰，钟子发.通信电台个体识别中的载波稳定度特征提取技术研究[J].电子与信息，2008，30(10)：2529-2532.

[16]徐书华.基于信号指纹的通信辐射源个体识别技术研究[D].武汉：华中科技大学，2007.

[17]伦文，钟子发.2FSK信号“指纹”特征的研究[J].电讯技术，2003，43(3)：45-48.

[18]Tong L，Xu G，Kailath T.Blind identification and equalization based on second-order statistics：A time domain approach [J].IEEE Transactions on Information Theory，1994，40(2)：340-349.

[19]Tong L，Xu G，Hassibi B，et al.Blind identification and equalization based on second-order statistics：A frequency domain approach[J].IEEE Transactions on In for mation Theory，1995，41(1)：329-334.

[20]南建设.信号细微特征分析技术研究[J].电讯技术，2007，47(2)：68-71.

[21]周斌，王秀敏.辐射源个体特征提取技术综述[J].电讯技术，2011，51(6)：162-168.

[22]张国柱.辐射源识别技术研究[D].长沙：国防科技大学，2005.

[23]柳征.辐射源调制分类与个体识别技术研究[D].长沙：国防科学技术大学，2005.

[24]许海龙，周水楼.雷达辐射源个体识别设备的框架研究[J].电子信息对抗技术，2008，23(6)：9-11.

[25]许海龙，王隽，周水楼.雷达辐射源指纹识别设备的设计与实现[J].航天电子对抗，2008，24(5)：43-45.

[26]郭瑞，周亚建，孙娜.短时三谱分析在通信电台个体识别中的应用[J].现代电子技术，2011，34(2)：116-118.