1.一种基于线性近似的单载波通信发射机指纹估计与认证方法,其特征在于,接收机部分根据接收信号与数字解码信息估计发射机的IQ不平衡与PA非线性参数,作为发射机的硬件指纹信息;根据所述硬件指纹信息对发射机硬件身份进行认证。
2.根据权利要求1所述的单载波通信发射机指纹估计与认证方法,其特征在于,设计一种用于指纹估计的专用通信块,所述专用通信块由串接的纯实数子块与纯虚数子块组成。
3.根据权利要求2所述的发射机指纹估计与认证方法,其特征在于,所述发射机指纹估计与认证方法的具体步骤如下:第1步:设置发射机非线性PA的线性近似放大倍数集合 其中M为最大迭代次数,线性近似放大倍数序号m初始值为1;
第2步:设置线性近似放大倍数估计
第3步:对接收的纯实数子块进行去循环前缀操作得到矢量r0,对所述接收的纯虚数子块进行去循环前缀操作得到矢量r1,变量的下标0和1分别对应于纯实数子块量与纯虚数子块量;
第4步:根据矢量r0与发送的纯实数子块x0进行信道脉冲响应h的估计:其中DFT{}表示离散傅里叶变换,W为离散傅里叶变换矩阵,N为块训练序列长度且N为偶数,则所述纯实数子块长度为 IDFT{}表示离散傅里叶逆变换;
第5步:构造对角阵 根据矢量r1与发送的纯虚数子块x1估计IQ不平衡参数组合
其中,diag表示 各元素构成的对角矩阵,ε与 分别为IQ调制器的幅度不平衡度与相位偏差,∑{}表示求和运算,./表示矢量元素的点除;
第6步:根据多径信道脉冲响应估计 构造时域信道循环矩阵估计第7步:根据接收的纯实数子块r0估计非线性PA的B-Spline神经网络模型系数矢量θ0:其中()+表示伪逆运算,B0为根据x0构建的B-Spline基矩阵;
第8步:计算噪声w0的近似平均功率估计
其中E{}表示求均值运算,| |表示取模运算;
第9步:m自加1,若m不等于M+1,返回第2步重复执行;若m等于M+1,则重复工作结束,继续向下执行;
第10步:搜索E{|w0|2}m,m=1,...,M的最小值E{|w0|2}q;
第11步:计算E{|w0|2}q时的信道脉冲响应的估计值:第12步:计算E{|w0|2}q时的IQ不平衡参数组合的估计值:其中
第13步:计算E{|w0|2}q时的B-Spline神经网络模型系数矢量θ0的估计值:第14步:对 的模分别进行基于矩形的相似因子特征frec与三角形的相似因子特征ftri提取,公式为:其中, 为 的模,rec与tri分别表示矩形与三角形矢量,<,>表示内积运算,||||表示矢量的欧氏长度;
第15步:计算IQ不平衡估计 与矩形的相似因子特征frec构成的Frec矢量,以及IQ不平衡估计 与三角形的相似因子特征ftri构成的Ftri矢量,即:所述计算出Frec和Ftri组成的二维矢量即用于识别发射机的指纹矢量。
4.根据权利要求2或3所述的单载波通信发射机指纹估计与认证方法,其特征在于,专用通信块中,纯实数子块x0在前纯虚数子块x1在后,或者纯虚数子块x1在前纯实数子块x0在后。
5.根据权利要求1所述的单载波通信发射机指纹估计与认证方法,其特征在于,所述数字解码信息可由先验的通信帧训练序列代替。