電臺指紋識別技術研究綜述*

徐韋佳，汪澤焱，宋阿玲，馮 凱，姚 佳

（中國人民解放軍陸軍工程大學 基礎部，江蘇 南京 211101）

0 引 言

指紋的概念源于生物學意義上的人類指紋特征，憑借指紋特征可以對人進行個體識別[1-2]。近年來，隨著現代戰爭的信息化程度不斷提高，以電臺為代表的各種通信設備，承擔通信、監視、電子干擾等重要作用[3]。在當今復雜的戰場電磁環境中，從接收到的無線信號中提取通信電臺個體指紋特征（類似人類的指紋特征），利用先驗信息對不同電臺個體進行分析識別，確定電臺的敵我屬性、型號、方位、威脅等級等重要信息，可以為通信對抗、電子偵察和軍事打擊等戰略措施提供重要依據[4-5]。隨著當今復雜電磁環境下信息安全問題的不斷涌現，電臺指紋識別技術已經成為現代通信對抗領域的研究熱點。

國外自20 世紀末開始對電臺指紋個體識別技術進行了相關研究，并且取得了較大進展，成功運用到伊拉克戰爭、阿富汗戰爭等實際戰爭環境中。國內科研院校和院所對電臺指紋個體識別技術也開展了研究和討論，但是由于起步較晚，研究基礎薄弱，部分關鍵技術問題仍處于仿真階段，與國外存在較大差距[1]。本文將從電臺識別技術的產生背景、當前研究成果和存在的問題、常用特征參數的選取和提取方法、應用前景等方面出發，對電臺識別技術進行論述。

1 電臺指紋識別技術及其特點

由于生產設備及工藝偏差、原料和生產環境差異、實際硬件參數和性能的失配、手工安裝和調試等各種不確定性因素，電臺內部元器件之間存在著微小差異，即使是相同品牌和型號的不同電臺個體之間，也存在著肉眼難以區分的微小差異，且這種細微的差異必定會體現到電臺發射的調制信號中，使得電臺發射的信號頻譜也包含特有的細微特征。由于這種細微特征和人體的指紋特征有著相近的意義，因此通常將電臺個體所具備的細微特征稱為電臺指紋[5]。

電臺指紋作為可以識別電臺個體的重要參數，指紋特征的選取必須具備普遍性、唯一性、穩定性和可檢測性。具體來說，電臺指紋特征應該普遍存在于不同電臺個體中且互不相同，不輕易隨外部環境變化而改變，且可以通過科學手段進行提取和分析[2,4]。

電臺指紋識別過程主要包含預處理、特征提取和分類識別3 個步驟，如圖1 所示。信號的預處理是指通過信號處理技術對原始采集數據進行分析和變換，保留并加強有用特征，減少干擾，方便后續特征的提取和處理。特征提取是指紋識別技術的關鍵所在，是指通過信號分析方法，從信號的時域、頻域等多角度分析并選取能識別電臺個體的信號特征。分類識別是指采用數據庫比對方法，對采集到的指紋特征與先驗信息進行比對，最終識別不同的電臺個體，同時判斷電臺型號、通信網絡組成等其他相關信息[2,4-5]。

圖1 電臺指紋識別原理

2 電臺指紋識別技術產生背景

早在20 世紀七八十年代，國際研究就已經發現通過捕獲和分析敵軍信號的頻譜指紋特征，能夠確定通信輻射源的個體屬性，實現對通信輻射源的個體識別，進而掌握敵軍的大量信息情報[3,6]。該項技術起初主要用于戰場上特定型號雷達的識別，隨著以電臺為代表的無線通信技術的飛速發展，掌握電臺指紋識別技術已經成為獲取情報、把握戰局走向的關鍵內容。例如，在阿富汗戰爭中，美軍通過事先捕獲的電臺信號識別出敵方電臺，迅速制定作戰技術和安排人員部署，最終準確快速地清除敵方電臺，從而一舉摧毀通信網絡，起到了事半功倍的效果[3]。當前發達國家對電臺指紋識別技術的研究已經相對成熟，可以根據截獲的電臺指紋獲取情報內容、敵我屬性、具體方位、電臺型號、威脅等級以及所在通信網絡的構成等信息，進而進行通信信號干擾、定點清除等。近年來，隨著我軍科技與裝備力量的不斷進步與發展，我國國內高等院校和研究機構逐步意識到電臺指紋識別技術的重要性和急迫性，并著手開展相關研究。

3 國內外研究現狀及成果

電臺指紋識別作為當前通信對抗領域的研究熱點，已在國內外取得了不少研究成果。目前，國內外對該技術的研究主要包括暫態特征和穩態特征這兩類頻譜指紋特征的分析和提取[7]。

3.1 暫態特征研究現狀及成果

電臺在開關機瞬間、通信模式變換等過程中，由于電臺內部儲能元件的過渡過程及其他非線性因素，會在發射的信號上呈現出電臺個體特征，這種特征被稱為暫態特征[1,8]。由于生產設備及工藝偏差、原料和生產環境差異、實際硬件參數和性能的失配、手工安裝和調試等各種不確定性因素，會導致不同電臺個體的內部硬件電路存在細微差別。這種硬件上的細微差別會體現在暫態信號特征上，進而反映出電臺的個體特征。當前國外主要采用小波分析等時頻分析方法，對電臺暫態特征指紋識別進行大量研究[9]。1995 年， Choe 首先證明通過提取和分析電臺的暫態特征，最終可以實現電臺個體的識別[4,10]。Ellis 等人的研究表明，所有電臺都具有穩定特征，但是由于時間推移、自身內部電路老化、外界自然環境變化等因素，這些特征可能會隨之發生改變[4,11]。

關于暫態特征的研究，目前主要存在兩個難點：一是如何定位暫態信號的起始點和終止點，二是如何提取分類能力強的信號特征。關于暫態信號起始點的選取問題，一種方法是由Shaw 等人提出的采用信號時域分析方法來定位信號的起始點，再通過實驗方法確定信號的終止點[4,12]。該方法的缺點是信號幅度對噪聲和干擾比較敏感，且方差門限估計比較困難。另一種主要的暫態信號定位算法是采用貝葉斯檢測器算法[4,13-16]。這種方法通過采用信號處理算法對起始點進行檢測和定位，但是并不適用于功率不穩定的信號。對于如何提取分類能力強的信號特征問題，主要從時域和頻域方面分別對暫態信號進行研究[4]。Hilbert 變換和離散小波分析方法，可以用來提取多分辨率特征[17]。H.Choe 提出一種小波優化算法，執行率高，可以快速提取暫態特征。實驗結果表明，該方法對兩種不同型號的電臺個體識別率高達94.3%[4,10]。綜上所述，當前國外對暫態特征的研究已經較為成熟，且方法多樣，準確率高。

3.2 穩態特征研究現狀及成果

由于實際復雜戰場通信環境中暫態信號的持續時間往往很短，導致獲取暫態信號的難度大、噪聲多、樣本數據稀少，造成特征提取難度變大。因此，對穩態信號的個體細微特征的研究非常必要[4]。

簡單來說，電臺在穩定工作狀態下表現出來的特征稱為穩態特征。當前對于穩態特征提取胡方法，主要包括小波變換、高階譜分析以及高階統計特性等方法[7]。相對于暫態信號特征提取而言，穩態信號的個體特征分析難度更大。因為當電臺處于穩定工作狀態時，電臺內部的個體差異會以綜合作用形式疊加到信號上，而這種差異難以用常規的數學方法進行建模和分析[4]。

穩態信號的常規特征主要包括電臺載頻、通信信號的瞬時包絡、瞬時頻率、瞬時相位等時域特征。載頻分析是信號處理領域的重點，已有的典型方法包括如子空間分析、時變Prony 方法、短時Fourier變換方法等，但是這些方法適用范圍有限，需要改進才能更好地發揮作用[4]。針對實際通信環境信噪比往往較低的情況，Benxiong Huang 等人提出一種改進的載頻估計算法，能夠實現電臺個體識別的功能[18]。Shuhua Xu 等人采用一種時域分析算法，通過構造正交分量來提取信號瞬時特征參數。該算法執行簡單，抗干擾能力強[19]。當前，對積分雙譜和選擇雙譜的研究證明，將二維的雙譜變換為一維函數，可以有效解決高階譜的限制作用[4]。

我國自2001 年提出電臺指紋概念后，國內高校和科研機構開始著手通信電臺特征方面的研究，目前已取得了不少研究成果[4,20]。2004 年，蔡忠偉提出了信號指紋識別系統框架[21]。2006 年，王若冰提出一種改進的BP 神經網絡算法，能夠有效識別AM 電臺[22]。隨著當前通信技術的發展，暫態特征和穩態特征以外的隱蔽特征逐步被發現，而如何采用已有的科學手段和方法挖掘信號的隱蔽特征，已經成為國內外的研究重點。

3.3 特征提取與選擇研究現狀及成果

在電臺個體識別問題中，信號特征一般成為模式空間中的自變量，現代通信信號處理技術往往會導致模式的維數很高。高維模式包含的信息量大，會耗費大量的計算資源，還常常因為不能收斂而得不到正解。因此，必須將信號特征按一定準則由高維空間映射到較低維空間，而且盡可能去除無效甚至起反作用的信息，保留有用信息，選擇適合作為電臺指紋的特征參數[4]。

當前，特征提取方法主要包括線性降維方法和非線性降維方法。Fisher 判別分析是最常用的線性投影方法，缺點是適用范圍有限，不適用于類別均值相近的情況以及小樣本問題。此外，投影-尋蹤方法作為一種專門處理高維數據的降維方法，在諸多領域已經被廣泛應用[23]。線性降維方法的優點是低維模式下的算法復雜度低，缺點是不適用于高維模式。非線性降維特征提取方法，包括多維尺度分析、等距特征映射和基于核函數的非線性特征提取方法，目前得到了較多應用[4]?？傮w來說，非線性特征提取能反映數據的非線性結構，但計算量大；線性特征提取則簡單快速[4]。因此，應根據實際要求選擇合適的特征提取方法。

3.4 指紋識別分類器研究現狀及成果

在特征提取和選擇完成后進入分類識別階段，分類器的設計對電臺個體識別具有重要的作用。

1967 年，Cover 和Hart 共同提出了最鄰近法，并構建出了傳統的最鄰近距離分類器，適用于特征維度較少且有較好聚類特征的樣本[3]。1982 年，J.Hopfield 提出了對稱突觸連接的單層Hopfield 網絡，奠定了神經網絡基礎。神經網絡具有非線性動態特性和記憶功能的特點，被快速應用到各個領域中。1995 年，Cortes 等人首先提出了支撐向量機（Support Vector Machine，SVM）的概念。后人不斷完善該系統，逐步解決了分類器分離性差的問題。目前，基于SVM 的學習和分類算法仍是研究的熱點之一[3]。

4 特征參數的提取

當前，國內外主要通過捕獲電臺的開機信號，根據暫態信號特征提取和分析方法實現電臺的個體識別。這是因為暫態信號產生在電臺信號傳輸初步建立階段，在內部電路開關轉換或模式轉換瞬間產生，包含了豐富的非線性和非平穩特征。暫態特征表現明顯，很多時候甚至通過肉眼可以直接觀察到暫態信號之間的差異，因此很多電臺個體識別研究都基于暫態特征[1]。但是，在戰爭環境中，暫態信號信噪比往往較低，且存在時間短、不易捕捉的特點，穩態信號樣本數多且容易截獲，因此研究穩態特征很有必要。

圖2 是通信電臺的簡化模型示意圖，需要發射的數據經過擴頻信號發生器的數字化處理后，經過調制器和頻率源的共同作用進入射頻放大器放大，隨后通過天線發送出去。由于擴頻信號發生器的數字處理過程不會對同型號電臺信號造成影響，所以電臺產生穩態特征的模塊主要含有模擬電路的調制器、頻率源和射頻放大器。

圖2 通信電臺的簡化模型結構

4.1 載 頻

由于電臺頻率源噪聲會導致頻譜信號的頻率或相位產生隨機起伏，這種頻率源的起伏引起的載頻偏差可以作為電臺指紋[4]。由于不同電臺內部的晶體振蕩器不同，因此載頻的頻率偏差都是不同的[24]。理論上，只要準確估計載頻，依據載頻偏差特性就可以識別不同的電臺個體。

通信信號的載頻估計，一直以來都是研究熱點。常見的方法包括最大似然法、最小二乘法、Kay 法等[4]。這些方法存在頻率估計精度不夠高、執行效率較低、運算量較大的缺陷，導致很接近的間隔頻率往往無法識別。改進后的基于FFT 的非參數估計算法，如基于內插的FFT 算法IFFT、Kay 加權相位平均法等，可以有效提高載頻估計精度和算法執行效率[25]。其中，Kay 算法計算速度快，但是僅適用于高信噪比環境。劉渝提出一種改進的自相關系數Kay 算法，可以有效提高載頻估計準確性[26]。O.Bessen 等人提出一種適用于較低信噪比環境的非線性最小二乘估計法[27]。

4.2 雜散特性

由于電臺內部器件的非線性、隨機噪聲、頻率源不純等因素，通過內部硬件電路的層層作用，會產生各種雜散成分，如互調頻率、諧波頻率及一些交叉調制、寄生調制等。這些雜散成分會綜合疊加在有用信號上，導致電臺最終發送信號具備個體指紋特征。這些特征可通過時域、頻譜和時頻分析方法提取出來[3]。

常用的信號包絡提取方法有全波整流法、檢波濾波法等，但是精度不高，抗干擾能力較差。目前，提取包絡的主流算法是Hilbert 變換法和Teager-Kaiser 法。Hilbert 法能夠大致反映實際信號的瞬時包絡特性，但是包含了部分多余頻帶，且抗干擾能力差。Teager-Kaiser 法計算簡單，同樣存在抗干擾能力差的缺陷。徐書華提出一種改進型的包絡提取方法，包絡提取精度較高且具有一定的抗噪能力[4]。王健提出一種改進的譜對稱性算法，消除了算法對于載波估計的依賴，且進一步分離了不同電臺特征落點的參雜[3]。

4.3 矩形積分雙譜

實際經過編碼和調制后的電臺的細微特征表現為非線性和非高斯性，常用的低階矩和功率譜分析方法難以解決識別問題，還應綜合高階譜特征，以獲取更為完備的電臺特征參數集。高階譜的優勢在于可以完全抑制非平穩信號的高斯有色噪聲的影響[4]。

徐書華采用高階譜對矩形積分雙譜特征進行約簡后作為電臺識別指紋[4]。吳啟軍提出一種基于矩形積分雙譜的核主元分析法，降低了特征維，提高了電臺識別率[5]。

5 發展前景

當前，電臺指紋識別技術在國內外發展迅速。隨著軍事無線指揮、單兵作戰通信系統、機載車載無線通信系統等無線通信技術在軍事中的廣泛應用，以電臺為代表的無線發射器的指紋識別技術有著更廣闊的應用前景[3]。

5.1 軍事方面

5.1.1 保護頻譜資源，加強管理

電磁頻譜作為有限的、不可再生的戰略資源，只有部分應用于軍事，絕大部分應用于民用，而未來戰場裝備數量多、種類全、電臺密度大、電磁環境日益復雜，因此必須對有限的電磁頻譜資源進行科學合理的劃分及管理，減少通信干擾保證信息化作戰中取得更多頻譜優勢，獲得戰爭的主動權。有關資料顯示，海灣戰爭中，無線電頻率管理的無線網絡由7 500 多個高頻網、1 200 多個甚高頻網和7 000 個特高頻網組成[24]?？梢姡姶蓬l譜的有效管理直接決定我軍未來能否取得戰場制電磁權。因此，對電磁頻譜資源開展科學合理的管理，是當前也是未來不可或缺的重要研究內容。

5.1.2 通信對抗

在當今復雜的戰場電磁環境中，運用電臺指紋識別技術可以識別對方電臺的敵我屬性、監測敵方電臺，進而實施通信干擾和定點清除。同時，可以鎖定電臺目標進行跟蹤，甚至是判定通信網絡組成，進一步分析其軍事部署和作戰計劃，從而把握戰場態勢[5,28]。

5.2 民用方面

5.2.1 識別和檢測非法用戶

當前需要加強通信頻譜的監測和管理，保證公民的合法通信，嚴防非法用戶對無線頻譜的非法利用和干擾。通過建立合法用戶個體特征庫，對電臺個體的特征分析，有效識別非法用戶使用頻譜資源的行為，并且對其非法行為開展跟蹤偵查[1,5]。

5.2.2 加強無線網絡安全

當前，無線網絡安全策略均建立在應用層的范圍，一旦非法用戶竊取了密鑰等信息，網絡就被入侵。如果結合電臺等無線發射機硬件的個體指紋特征，再結合物理層的身份驗證和應用層的密鑰管理，雙管齊下，將極大地提高當前無線通信網絡的安全性能[1]。

5.2.3 產品質量檢測

電臺等無線發射機的指紋特征，既可以用于區別不同的無線發射機個體，也可以用于判別同一型號設備生產工藝的一致性。由于采用的元器件和同一流水線的生產工藝都相同，所以同一型號無線發射機的指紋特征應該保持較好的一致性。如果指紋特征出現較大的變動，可以判斷元器件或者生產工藝中出現的問題，進而穩定產品的質量[1]。

6 結 語

本文回顧了電臺指紋識別技術的發展背景，較為詳細地分析了電臺暫態指紋、穩態指紋、指紋提取方法和指紋分類器的具體內涵和當前國內外已經取得的研究成果，重點分析了可行的特征參數提取方法和可以提取的電臺指紋參數類型，并在此基礎上討論了電臺指紋識別技術在軍事和民用上的應用前景和發展趨勢。

在未來信息化電磁斗爭中，戰場環境處于極其復雜的電磁環境下，作戰雙方的大多的智能化武器均利用電磁頻譜進行偵察與反偵察、干擾與反干擾等軍事活動，因此奪取制電磁權是戰爭成敗的關鍵。另外，以美國為首的一批發達國家的情報部門，正是通過自由電磁空間來竊取別國的機密情報、最新科學技術等信息。因此，電磁頻譜的安全在信息化戰爭、國家信息安全和國防安全等方面具有不可估量的作用，而以電臺識別技術為代表的電磁技術的相關研究必定會在未來得到長足發展。