基于盒子维数和最大Lyapunov维数瞬态信号特征提取.docVIP

基于盒子维数和最大Lyapunov维数瞬态信号特征提取 　　摘 要： 认知无线电是一种通过无线频谱感知来有效提高频谱利用率的无线通信技术。它除了面临传统无线通信的各种安全问题外，还会面临一些新的问题，比如模仿主用户攻击（PUE）。提出基于分形维数的瞬态信号特征提取来预防认知无线网络中的模仿主用户攻击，并通过实验提取无线发射机的分形维数，为下一步信号识别提供可靠的特征参数，达到预防PUE攻击的目的。 　　关键词： 认知无线电； 模仿主用户攻击； 盒子维数； 最大Lyapunov维数； 特征提取 　　中图分类号： TN918.91?34 文献标识码： A 文章编号： 1004?373X（2013）07?0051?03 　　0 引 言 　　认知无线电网络是在软件无线电基础上发展起来的新兴通信网，它以一种“机会方式”接入授权频段内，动态地利用其临时空闲的频段，从而提高其频谱利用率[1]。在认知无线电中，一个被授予执照的用户称为主用户（Primary User，PU），而没有被授予执照的用户称为认知用户。无线频谱感知是认知无线电的关键技术之一，它的目的就是找到当前无线频谱中未被主用户利用的频谱空穴，即检测主用户信号的存在性，它是认知无线电得以正常工作的前提保证[2]。从1999年瑞典皇家工学院的Mitola J. 博士首先提出认知无线电概念[3]以来，认知无线电受到了广泛的关注并取得了显著的发展。 　　认知无线电作为无线通信的一种，除了会面临传统无线通信的各种安全问题外，还会面临一些新的安全隐患，比如模仿主用户攻击（Primary User Emulation， PUE）等。模仿主用户攻击是利用在授权频段内发送一个模仿主用户的信号，来欺骗认知用户，从而阻止认知用户接入到这一频段内，达到非法占有频谱资源的目的。模仿主用户攻击不但严重干扰了认知用户的频谱感知过程，而且严重降低了认知用户的可用的频谱资源[4]。本文引入特定发射机识别（Specific Emitter Identification，SEI）的概念，用于认知网络中非合作式设备的识别，达到预防PUE攻击的目的。SEI的研究主要有本振相位噪声提取、瞬态信号“指纹”识别、循环谱的特征提取、时钟指纹的提取等，本文主要从瞬态信号“指纹”识别展开，瞬态信号“指纹”识别是指发射机从静态到开机时，会经历一个瞬态过程，瞬态信号的特征是每个发射机特有的，对这些特征，如幅度、相位进行分析和提取，从而作为主用户发射机“指纹”识别的依据。本文提出一种基于分形理论的瞬态信号“指纹”特征提取，作为主用户发射机识别的依据。 　　1 分形理论及分形维数 　　分形理论是由B.B.Mandelbort于1967年首先提出，用以描述自然界不规则以及杂乱无章的的事物和现象。自然界中存在许许多多具有分形特征的物体，比如海岸线、闪电的形状、大脑的褶皱、雪花的形状等等，这些分形物体有一个共同的特点就是局部与整体具有自相似性。分形的主要研究工具是它的维数，分形物体的维数可以由分形维数来描述，分形维数定量地表述了分形物体的形状和复杂性。目前有各种分形维数的定义方法，如Hausdorff维数、信息维数、容量维数等， 本文主要针对盒子维数[5]和最大Lyapunov维数来展开，对认知无线电信号提取其盒子维数和最大Lyapunov维数来作为识别的依据。 　　设A∈Rn，在欧氏距离下，用N（δ，A）表示覆盖集合A所需直径最大为δ的集的最少数目，则盒维数定义为[6]： 　　[DB=limδ→0-lnN（δ，A）lnδ] （1） 　　式中DB即为集合A的盒子维数。盒子维数非常容易由计算机求得，因此它是到目前为止应用最为普遍的分形维数，广泛应用在各个学科领域中。 　　本文是基于Wolf方法[7]来计算最大Lyapunov维数，而Wolf方法是基于相空间重构的[8]，在相空间重构的过程中，最重要的就是确定延迟时间τ和嵌入维数m，它们的选择直接关系到相空间重构的质量。采用一种基于关联积分的简单算法来同时估计延迟时间和嵌入维数，这种方法由H.S.Kim等人改进，称为C?C算法[9?10]。Wolf方法首先利用时间延迟法对瞬态信号时间序列[x（t）]进行相空间重构，由C?C算法确定延迟时间τ和嵌入维数m，则空间中的每个点是由[{x（t），x（t+τ），…，][x（t+（m-1）τ）}]给出。找出距离初始点[{x（t0），x（t0+τ），…，x（t0+（m-1）τ）]最近的点，用[L（t0）]标识这两点之间的距离。到[t1]时刻，[L（t0）]的值演化为[L（t1）]，然后再按照与演化后基准点的距离[L（t1）]很小并且[L（t1）]与[L（t1）]的夹角很小的原则寻找新的数据点。如此往复，直到穷尽所有的数据点。这样得出最大Lyapunov维数指数[1