电台指纹识别技术研究综述*

徐韦佳，汪泽焱，宋阿玲，冯 凯，姚 佳

（中国人民解放军陆军工程大学 基础部，江苏 南京 211101）

0 引 言

指纹的概念源于生物学意义上的人类指纹特征，凭借指纹特征可以对人进行个体识别[1-2]。近年来，随着现代战争的信息化程度不断提高，以电台为代表的各种通信设备，承担通信、监视、电子干扰等重要作用[3]。在当今复杂的战场电磁环境中，从接收到的无线信号中提取通信电台个体指纹特征（类似人类的指纹特征），利用先验信息对不同电台个体进行分析识别，确定电台的敌我属性、型号、方位、威胁等级等重要信息，可以为通信对抗、电子侦察和军事打击等战略措施提供重要依据[4-5]。随着当今复杂电磁环境下信息安全问题的不断涌现，电台指纹识别技术已经成为现代通信对抗领域的研究热点。

国外自20 世纪末开始对电台指纹个体识别技术进行了相关研究，并且取得了较大进展，成功运用到伊拉克战争、阿富汗战争等实际战争环境中。国内科研院校和院所对电台指纹个体识别技术也开展了研究和讨论，但是由于起步较晚，研究基础薄弱，部分关键技术问题仍处于仿真阶段，与国外存在较大差距[1]。本文将从电台识别技术的产生背景、当前研究成果和存在的问题、常用特征参数的选取和提取方法、应用前景等方面出发，对电台识别技术进行论述。

1 电台指纹识别技术及其特点

由于生产设备及工艺偏差、原料和生产环境差异、实际硬件参数和性能的失配、手工安装和调试等各种不确定性因素，电台内部元器件之间存在着微小差异，即使是相同品牌和型号的不同电台个体之间，也存在着肉眼难以区分的微小差异，且这种细微的差异必定会体现到电台发射的调制信号中，使得电台发射的信号频谱也包含特有的细微特征。由于这种细微特征和人体的指纹特征有着相近的意义，因此通常将电台个体所具备的细微特征称为电台指纹[5]。

电台指纹作为可以识别电台个体的重要参数，指纹特征的选取必须具备普遍性、唯一性、稳定性和可检测性。具体来说，电台指纹特征应该普遍存在于不同电台个体中且互不相同，不轻易随外部环境变化而改变，且可以通过科学手段进行提取和分析[2,4]。

电台指纹识别过程主要包含预处理、特征提取和分类识别3 个步骤，如图1 所示。信号的预处理是指通过信号处理技术对原始采集数据进行分析和变换，保留并加强有用特征，减少干扰，方便后续特征的提取和处理。特征提取是指纹识别技术的关键所在，是指通过信号分析方法，从信号的时域、频域等多角度分析并选取能识别电台个体的信号特征。分类识别是指采用数据库比对方法，对采集到的指纹特征与先验信息进行比对，最终识别不同的电台个体，同时判断电台型号、通信网络组成等其他相关信息[2,4-5]。

图1 电台指纹识别原理

2 电台指纹识别技术产生背景

早在20 世纪七八十年代，国际研究就已经发现通过捕获和分析敌军信号的频谱指纹特征，能够确定通信辐射源的个体属性，实现对通信辐射源的个体识别，进而掌握敌军的大量信息情报[3,6]。该项技术起初主要用于战场上特定型号雷达的识别，随着以电台为代表的无线通信技术的飞速发展，掌握电台指纹识别技术已经成为获取情报、把握战局走向的关键内容。例如，在阿富汗战争中，美军通过事先捕获的电台信号识别出敌方电台，迅速制定作战技术和安排人员部署，最终准确快速地清除敌方电台，从而一举摧毁通信网络，起到了事半功倍的效果[3]。当前发达国家对电台指纹识别技术的研究已经相对成熟，可以根据截获的电台指纹获取情报内容、敌我属性、具体方位、电台型号、威胁等级以及所在通信网络的构成等信息，进而进行通信信号干扰、定点清除等。近年来，随着我军科技与装备力量的不断进步与发展，我国国内高等院校和研究机构逐步意识到电台指纹识别技术的重要性和急迫性，并着手开展相关研究。

3 国内外研究现状及成果

电台指纹识别作为当前通信对抗领域的研究热点，已在国内外取得了不少研究成果。目前，国内外对该技术的研究主要包括暂态特征和稳态特征这两类频谱指纹特征的分析和提取[7]。

3.1 暂态特征研究现状及成果

电台在开关机瞬间、通信模式变换等过程中，由于电台内部储能元件的过渡过程及其他非线性因素，会在发射的信号上呈现出电台个体特征，这种特征被称为暂态特征[1,8]。由于生产设备及工艺偏差、原料和生产环境差异、实际硬件参数和性能的失配、手工安装和调试等各种不确定性因素，会导致不同电台个体的内部硬件电路存在细微差别。这种硬件上的细微差别会体现在暂态信号特征上，进而反映出电台的个体特征。当前国外主要采用小波分析等时频分析方法，对电台暂态特征指纹识别进行大量研究[9]。1995 年， Choe 首先证明通过提取和分析电台的暂态特征，最终可以实现电台个体的识别[4,10]。Ellis 等人的研究表明，所有电台都具有稳定特征，但是由于时间推移、自身内部电路老化、外界自然环境变化等因素，这些特征可能会随之发生改变[4,11]。

关于暂态特征的研究，目前主要存在两个难点：一是如何定位暂态信号的起始点和终止点，二是如何提取分类能力强的信号特征。关于暂态信号起始点的选取问题，一种方法是由Shaw 等人提出的采用信号时域分析方法来定位信号的起始点，再通过实验方法确定信号的终止点[4,12]。该方法的缺点是信号幅度对噪声和干扰比较敏感，且方差门限估计比较困难。另一种主要的暂态信号定位算法是采用贝叶斯检测器算法[4,13-16]。这种方法通过采用信号处理算法对起始点进行检测和定位，但是并不适用于功率不稳定的信号。对于如何提取分类能力强的信号特征问题，主要从时域和频域方面分别对暂态信号进行研究[4]。Hilbert 变换和离散小波分析方法，可以用来提取多分辨率特征[17]。H.Choe 提出一种小波优化算法，执行率高，可以快速提取暂态特征。实验结果表明，该方法对两种不同型号的电台个体识别率高达94.3%[4,10]。综上所述，当前国外对暂态特征的研究已经较为成熟，且方法多样，准确率高。

3.2 稳态特征研究现状及成果

由于实际复杂战场通信环境中暂态信号的持续时间往往很短，导致获取暂态信号的难度大、噪声多、样本数据稀少，造成特征提取难度变大。因此，对稳态信号的个体细微特征的研究非常必要[4]。

简单来说，电台在稳定工作状态下表现出来的特征称为稳态特征。当前对于稳态特征提取胡方法，主要包括小波变换、高阶谱分析以及高阶统计特性等方法[7]。相对于暂态信号特征提取而言，稳态信号的个体特征分析难度更大。因为当电台处于稳定工作状态时，电台内部的个体差异会以综合作用形式叠加到信号上，而这种差异难以用常规的数学方法进行建模和分析[4]。

稳态信号的常规特征主要包括电台载频、通信信号的瞬时包络、瞬时频率、瞬时相位等时域特征。载频分析是信号处理领域的重点，已有的典型方法包括如子空间分析、时变Prony 方法、短时Fourier变换方法等，但是这些方法适用范围有限，需要改进才能更好地发挥作用[4]。针对实际通信环境信噪比往往较低的情况，Benxiong Huang 等人提出一种改进的载频估计算法，能够实现电台个体识别的功能[18]。Shuhua Xu 等人采用一种时域分析算法，通过构造正交分量来提取信号瞬时特征参数。该算法执行简单，抗干扰能力强[19]。当前，对积分双谱和选择双谱的研究证明，将二维的双谱变换为一维函数，可以有效解决高阶谱的限制作用[4]。

我国自2001 年提出电台指纹概念后，国内高校和科研机构开始着手通信电台特征方面的研究，目前已取得了不少研究成果[4,20]。2004 年，蔡忠伟提出了信号指纹识别系统框架[21]。2006 年，王若冰提出一种改进的BP 神经网络算法，能够有效识别AM 电台[22]。随着当前通信技术的发展，暂态特征和稳态特征以外的隐蔽特征逐步被发现，而如何采用已有的科学手段和方法挖掘信号的隐蔽特征，已经成为国内外的研究重点。

3.3 特征提取与选择研究现状及成果

在电台个体识别问题中，信号特征一般成为模式空间中的自变量，现代通信信号处理技术往往会导致模式的维数很高。高维模式包含的信息量大，会耗费大量的计算资源，还常常因为不能收敛而得不到正解。因此，必须将信号特征按一定准则由高维空间映射到较低维空间，而且尽可能去除无效甚至起反作用的信息，保留有用信息，选择适合作为电台指纹的特征参数[4]。

当前，特征提取方法主要包括线性降维方法和非线性降维方法。Fisher 判别分析是最常用的线性投影方法，缺点是适用范围有限，不适用于类别均值相近的情况以及小样本问题。此外，投影-寻踪方法作为一种专门处理高维数据的降维方法，在诸多领域已经被广泛应用[23]。线性降维方法的优点是低维模式下的算法复杂度低，缺点是不适用于高维模式。非线性降维特征提取方法，包括多维尺度分析、等距特征映射和基于核函数的非线性特征提取方法，目前得到了较多应用[4]。总体来说，非线性特征提取能反映数据的非线性结构，但计算量大；线性特征提取则简单快速[4]。因此，应根据实际要求选择合适的特征提取方法。

3.4 指纹识别分类器研究现状及成果

在特征提取和选择完成后进入分类识别阶段，分类器的设计对电台个体识别具有重要的作用。

1967 年，Cover 和Hart 共同提出了最邻近法，并构建出了传统的最邻近距离分类器，适用于特征维度较少且有较好聚类特征的样本[3]。1982 年，J.Hopfield 提出了对称突触连接的单层Hopfield 网络，奠定了神经网络基础。神经网络具有非线性动态特性和记忆功能的特点，被快速应用到各个领域中。1995 年，Cortes 等人首先提出了支撑向量机（Support Vector Machine，SVM）的概念。后人不断完善该系统，逐步解决了分类器分离性差的问题。目前，基于SVM 的学习和分类算法仍是研究的热点之一[3]。

4 特征参数的提取

当前，国内外主要通过捕获电台的开机信号，根据暂态信号特征提取和分析方法实现电台的个体识别。这是因为暂态信号产生在电台信号传输初步建立阶段，在内部电路开关转换或模式转换瞬间产生，包含了丰富的非线性和非平稳特征。暂态特征表现明显，很多时候甚至通过肉眼可以直接观察到暂态信号之间的差异，因此很多电台个体识别研究都基于暂态特征[1]。但是，在战争环境中，暂态信号信噪比往往较低，且存在时间短、不易捕捉的特点，稳态信号样本数多且容易截获，因此研究稳态特征很有必要。

图2 是通信电台的简化模型示意图，需要发射的数据经过扩频信号发生器的数字化处理后，经过调制器和频率源的共同作用进入射频放大器放大，随后通过天线发送出去。由于扩频信号发生器的数字处理过程不会对同型号电台信号造成影响，所以电台产生稳态特征的模块主要含有模拟电路的调制器、频率源和射频放大器。

图2 通信电台的简化模型结构

4.1 载 频

由于电台频率源噪声会导致频谱信号的频率或相位产生随机起伏，这种频率源的起伏引起的载频偏差可以作为电台指纹[4]。由于不同电台内部的晶体振荡器不同，因此载频的频率偏差都是不同的[24]。理论上，只要准确估计载频，依据载频偏差特性就可以识别不同的电台个体。

通信信号的载频估计，一直以来都是研究热点。常见的方法包括最大似然法、最小二乘法、Kay 法等[4]。这些方法存在频率估计精度不够高、执行效率较低、运算量较大的缺陷，导致很接近的间隔频率往往无法识别。改进后的基于FFT 的非参数估计算法，如基于内插的FFT 算法IFFT、Kay 加权相位平均法等，可以有效提高载频估计精度和算法执行效率[25]。其中，Kay 算法计算速度快，但是仅适用于高信噪比环境。刘渝提出一种改进的自相关系数Kay 算法，可以有效提高载频估计准确性[26]。O.Bessen 等人提出一种适用于较低信噪比环境的非线性最小二乘估计法[27]。

4.2 杂散特性

由于电台内部器件的非线性、随机噪声、频率源不纯等因素，通过内部硬件电路的层层作用，会产生各种杂散成分，如互调频率、谐波频率及一些交叉调制、寄生调制等。这些杂散成分会综合叠加在有用信号上，导致电台最终发送信号具备个体指纹特征。这些特征可通过时域、频谱和时频分析方法提取出来[3]。

常用的信号包络提取方法有全波整流法、检波滤波法等，但是精度不高，抗干扰能力较差。目前，提取包络的主流算法是Hilbert 变换法和Teager-Kaiser 法。Hilbert 法能够大致反映实际信号的瞬时包络特性，但是包含了部分多余频带，且抗干扰能力差。Teager-Kaiser 法计算简单，同样存在抗干扰能力差的缺陷。徐书华提出一种改进型的包络提取方法，包络提取精度较高且具有一定的抗噪能力[4]。王健提出一种改进的谱对称性算法，消除了算法对于载波估计的依赖，且进一步分离了不同电台特征落点的参杂[3]。

4.3 矩形积分双谱

实际经过编码和调制后的电台的细微特征表现为非线性和非高斯性，常用的低阶矩和功率谱分析方法难以解决识别问题，还应综合高阶谱特征，以获取更为完备的电台特征参数集。高阶谱的优势在于可以完全抑制非平稳信号的高斯有色噪声的影响[4]。

徐书华采用高阶谱对矩形积分双谱特征进行约简后作为电台识别指纹[4]。吴启军提出一种基于矩形积分双谱的核主元分析法，降低了特征维，提高了电台识别率[5]。

5 发展前景

当前，电台指纹识别技术在国内外发展迅速。随着军事无线指挥、单兵作战通信系统、机载车载无线通信系统等无线通信技术在军事中的广泛应用，以电台为代表的无线发射器的指纹识别技术有着更广阔的应用前景[3]。

5.1 军事方面

5.1.1 保护频谱资源，加强管理

电磁频谱作为有限的、不可再生的战略资源，只有部分应用于军事，绝大部分应用于民用，而未来战场装备数量多、种类全、电台密度大、电磁环境日益复杂，因此必须对有限的电磁频谱资源进行科学合理的划分及管理，减少通信干扰保证信息化作战中取得更多频谱优势，获得战争的主动权。有关资料显示，海湾战争中，无线电频率管理的无线网络由7 500 多个高频网、1 200 多个甚高频网和7 000 个特高频网组成[24]。可见，电磁频谱的有效管理直接决定我军未来能否取得战场制电磁权。因此，对电磁频谱资源开展科学合理的管理，是当前也是未来不可或缺的重要研究内容。

5.1.2 通信对抗

在当今复杂的战场电磁环境中，运用电台指纹识别技术可以识别对方电台的敌我属性、监测敌方电台，进而实施通信干扰和定点清除。同时，可以锁定电台目标进行跟踪，甚至是判定通信网络组成，进一步分析其军事部署和作战计划，从而把握战场态势[5,28]。

5.2 民用方面

5.2.1 识别和检测非法用户

当前需要加强通信频谱的监测和管理，保证公民的合法通信，严防非法用户对无线频谱的非法利用和干扰。通过建立合法用户个体特征库，对电台个体的特征分析，有效识别非法用户使用频谱资源的行为，并且对其非法行为开展跟踪侦查[1,5]。

5.2.2 加强无线网络安全

当前，无线网络安全策略均建立在应用层的范围，一旦非法用户窃取了密钥等信息，网络就被入侵。如果结合电台等无线发射机硬件的个体指纹特征，再结合物理层的身份验证和应用层的密钥管理，双管齐下，将极大地提高当前无线通信网络的安全性能[1]。

5.2.3 产品质量检测

电台等无线发射机的指纹特征，既可以用于区别不同的无线发射机个体，也可以用于判别同一型号设备生产工艺的一致性。由于采用的元器件和同一流水线的生产工艺都相同，所以同一型号无线发射机的指纹特征应该保持较好的一致性。如果指纹特征出现较大的变动，可以判断元器件或者生产工艺中出现的问题，进而稳定产品的质量[1]。

6 结 语

本文回顾了电台指纹识别技术的发展背景，较为详细地分析了电台暂态指纹、稳态指纹、指纹提取方法和指纹分类器的具体内涵和当前国内外已经取得的研究成果，重点分析了可行的特征参数提取方法和可以提取的电台指纹参数类型，并在此基础上讨论了电台指纹识别技术在军事和民用上的应用前景和发展趋势。

在未来信息化电磁斗争中，战场环境处于极其复杂的电磁环境下，作战双方的大多的智能化武器均利用电磁频谱进行侦察与反侦察、干扰与反干扰等军事活动，因此夺取制电磁权是战争成败的关键。另外，以美国为首的一批发达国家的情报部门，正是通过自由电磁空间来窃取别国的机密情报、最新科学技术等信息。因此，电磁频谱的安全在信息化战争、国家信息安全和国防安全等方面具有不可估量的作用，而以电台识别技术为代表的电磁技术的相关研究必定会在未来得到长足发展。