本申請涉及射頻指紋識別，尤其涉及一種電力物聯(lián)網(wǎng)射頻指紋識別方法及計(jì)算設(shè)備。

背景技術(shù)：

1、物聯(lián)網(wǎng)技術(shù)通過將物理設(shè)備集成到網(wǎng)絡(luò)中，使其能夠相互通信并提供高效的服務(wù)。由于物聯(lián)網(wǎng)設(shè)備提供并訪問大量隱私信息，因此物聯(lián)網(wǎng)設(shè)備的身份認(rèn)證成為了物聯(lián)網(wǎng)技術(shù)中一個關(guān)鍵性的安全挑戰(zhàn)。在電力物聯(lián)網(wǎng)系統(tǒng)中，涉及到大量的敏感數(shù)據(jù)，如電網(wǎng)運(yùn)行狀態(tài)、設(shè)備性能等信息，這些信息的泄露可能對電力系統(tǒng)和國家能源安全造成嚴(yán)重威脅。

2、因此，需要通過身份認(rèn)證確保接入設(shè)備的可信性，保障數(shù)據(jù)在傳輸過程中的安全性。在此背景下，電力物聯(lián)網(wǎng)用戶身份驗(yàn)證中部署射頻指紋識別受到越來越多的關(guān)注。

3、現(xiàn)有的射頻指紋識別技術(shù)在識別低功耗的無線設(shè)備時，存在受噪聲影響大和識別精度低等問題。在這種情況下，低信噪比將覆蓋移動設(shè)備間射頻指紋的細(xì)微差異，從而難以識別出不同設(shè)備的差異。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，有必要提供一種電力物聯(lián)網(wǎng)射頻指紋識別方法及計(jì)算設(shè)備，以解決現(xiàn)有技術(shù)中在識別低功耗的無線設(shè)備時，存在受噪聲影響大和識別精度低等問題。

2、一種電力物聯(lián)網(wǎng)射頻指紋識別方法，包括：

3、獲取理想狀態(tài)下的信號樣本進(jìn)行加噪以構(gòu)建訓(xùn)練集，并確定訓(xùn)練集中信號樣本對應(yīng)設(shè)備的可信標(biāo)簽；

4、基于訓(xùn)練集對降噪自編碼器模型進(jìn)行訓(xùn)練，并更新降噪自編碼器模型的參數(shù)；

5、獲取待驗(yàn)證設(shè)備的射頻信號，并通過參數(shù)更新后的降噪自編碼器模型中的編碼器提取待驗(yàn)證設(shè)備的射頻信號的射頻指紋特征；

6、將射頻指紋特征輸入?yún)?shù)更新后的降噪自編碼器模型的分類器中，分類器基于射頻指紋特征預(yù)測出設(shè)備標(biāo)簽；

7、通過分類器將設(shè)備標(biāo)簽與可信標(biāo)簽比較，對電力物聯(lián)網(wǎng)射頻進(jìn)行識別。

8、優(yōu)選的，基于訓(xùn)練集對降噪自編碼器模型進(jìn)行訓(xùn)練，并更新降噪自編碼器模型的參數(shù)，包括：

9、通過降噪自編碼器模型的編碼器對訓(xùn)練集中的信號樣本進(jìn)行提取信號特征；

10、通過降噪自編碼器模型的解碼器根據(jù)提取的信號特征進(jìn)行信號重構(gòu)，得到重構(gòu)信號并構(gòu)建重構(gòu)誤差；

11、通過分類器基于重構(gòu)信號進(jìn)行標(biāo)簽預(yù)測，得到預(yù)測標(biāo)簽并構(gòu)建分類誤差；

12、通過對降噪自編碼器模型進(jìn)行訓(xùn)練，對降噪自編碼器模型進(jìn)行參數(shù)更新。

13、優(yōu)選的，通過最小化重構(gòu)誤差和分類誤差的組合，對降噪自編碼器模型進(jìn)行訓(xùn)練，對降噪自編碼器模型進(jìn)行參數(shù)更新，包括：

14、通過解碼器參數(shù)計(jì)算重構(gòu)誤差，通過分類器參數(shù)計(jì)算分類誤差；

15、設(shè)置超參數(shù)α1和α2調(diào)節(jié)解碼器參數(shù)和分類器參數(shù)對降噪自編碼器模型的影響權(quán)重，根據(jù)重構(gòu)誤差和分類誤差對降噪自編碼器模型進(jìn)行訓(xùn)練，以得到最小化重構(gòu)誤差和分類誤差的組合；其中，的超參數(shù)α1和α2總和為1。

16、優(yōu)選的，解碼器參數(shù)采用均方誤差作為損失函數(shù)；分類器參數(shù)采用分類交叉熵作為損失函數(shù)。

17、優(yōu)選的，對降噪自編碼器模型進(jìn)行訓(xùn)練時，采用隨機(jī)梯度下降法更新解碼器和分類器的參數(shù)，以最小化損失函數(shù)。

18、優(yōu)選的，獲取理想狀態(tài)下的信號樣本進(jìn)行加噪，并確定所述訓(xùn)練集中信號樣本對應(yīng)設(shè)備的可信標(biāo)簽，包括：

19、獲取理想狀態(tài)信號樣本；

20、對理想狀態(tài)信號樣本進(jìn)行添加高斯白噪聲模擬受到污染的信號，以構(gòu)建訓(xùn)練集；

21、確定訓(xùn)練集中信號樣本對應(yīng)設(shè)備的可信標(biāo)簽，得到可信標(biāo)簽使用獨(dú)熱編碼進(jìn)行表示。

22、優(yōu)選的，基于訓(xùn)練集對降噪自編碼器模型進(jìn)行訓(xùn)練前，還包括：對訓(xùn)練集進(jìn)行預(yù)處理；其中，預(yù)處理包括符號同步、幀同步、補(bǔ)償、變換以及歸一化。

23、優(yōu)選的，還包括：對訓(xùn)練完成后的降噪自編碼器模型及其參數(shù)進(jìn)行存儲。

24、與現(xiàn)有技術(shù)相比，本申請的有益效果在于：通過在理想射頻信號中添加噪音模擬含有噪音的信號，然后從中提取特征，深度學(xué)習(xí)技術(shù)優(yōu)化了射頻指紋特征提取，特別是在低信噪比條件下，能夠有效地識別設(shè)備，提高了電力物聯(lián)網(wǎng)設(shè)備身份認(rèn)證的準(zhǔn)確性和安全性。另外，通過利用設(shè)備自身的射頻特性來進(jìn)行身份驗(yàn)證，而不是依賴傳統(tǒng)的加密密鑰或證書，這解決了由于物聯(lián)網(wǎng)設(shè)備計(jì)算能力有限而導(dǎo)致的加密密鑰或證書無法有效分發(fā)、被暴力破解等問題。

技術(shù)特征：

1.一種電力物聯(lián)網(wǎng)射頻指紋識別方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，基于所述訓(xùn)練集對降噪自編碼器模型進(jìn)行訓(xùn)練，并更新降噪自編碼器模型的參數(shù)，包括：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，通過最小化所述重構(gòu)誤差和所述分類誤差的組合，對降噪自編碼器模型進(jìn)行訓(xùn)練，對降噪自編碼器模型進(jìn)行參數(shù)更新，包括：

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，包括：

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，包括：對降噪自編碼器模型進(jìn)行訓(xùn)練時，采用隨機(jī)梯度下降法更新解碼器和分類器的參數(shù)，以最小化損失函數(shù)。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，獲取理想狀態(tài)下的信號樣本進(jìn)行加噪，并確定所述訓(xùn)練集中信號樣本對應(yīng)設(shè)備的可信標(biāo)簽，包括：

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，基于所述訓(xùn)練集對降噪自編碼器模型進(jìn)行訓(xùn)練前，還包括：對所述訓(xùn)練集進(jìn)行預(yù)處理；其中，所述預(yù)處理包括符號同步、幀同步、補(bǔ)償、變換以及歸一化。

8.根據(jù)權(quán)利要求1-7任一項(xiàng)所述的方法，其特征在于，還包括：

9.一種計(jì)算設(shè)備，其特征在于，包括：

技術(shù)總結(jié)
本申請涉及射頻指紋識別技術(shù)領(lǐng)域，尤其涉及電力物聯(lián)網(wǎng)射頻指紋識別方法及計(jì)算設(shè)備。方法包括：獲取理想狀態(tài)的信號樣本進(jìn)行加噪以構(gòu)建訓(xùn)練集，并確定訓(xùn)練集中信號樣本對應(yīng)設(shè)備的可信標(biāo)簽；基于訓(xùn)練集對降噪自編碼器模型進(jìn)行訓(xùn)練，并更新降噪自編碼器模型的參數(shù)；獲取待驗(yàn)證設(shè)備的射頻信號，并通過參數(shù)更新后的降噪自編碼器模型中的編碼器提取待驗(yàn)證設(shè)備的射頻信號的射頻指紋特征；將射頻指紋特征輸入?yún)?shù)更新后的降噪自編碼器模型的分類器中，分類器基于指紋特征預(yù)測設(shè)備標(biāo)簽；分類器將設(shè)備標(biāo)簽與可信標(biāo)簽比較，進(jìn)行識別。本申請通過在理想射頻信號中添加噪音模擬含有噪音的信號，然后從中提取特征，特別是在低信噪比條件下，能夠有效地識別設(shè)備。

技術(shù)研發(fā)人員：馬振華,趙曉琦,宋文龍,陳鵬,張福榮,白濤,徐濤,馬靜,王蓉蓉,潘靚妮,賈博,趙睿,劉宏嶺,盧磊,田芳,張琴琴
受保護(hù)的技術(shù)使用者：國網(wǎng)寧夏電力有限公司石嘴山供電公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6