本发明属于电子信息技术与信息安全技术领域，具体描述的是一种试验现场无线设备身份识别系统，可用于对试验中参试的无线传输电子设备快捷、安全地进行身份识别与认证。
背景技术：
当前试验现场对参试的无线传输电子设备的身份认证，主要通过人工对比设备铭牌的手段实现。在此种方式下，设备铭牌直接附着在参试设备之上，试验现场管理人员通过直接人工比对设备铭牌上的标识内容与数据库中记录的内容，实现对参试设备身份的识别与认证。
此外，部分自动化程度较高的试验现场为参试设备加入射频标签(rfid)，进而通过识别射频标签的手段识别参试设备身份。在此种方式下，采用在参试设备上附着rfid标签，再通过rfid阅读器识别rfid标签，结合后台数据库实现对参试设备身份的识别与认证。rfid标签和rfid阅读器间通过询问-应答方式在开放的无线信道中进行信息交互，后台数据库用于识别、存储并管理参试设备rfid标签信息。
无论以上哪种方法，均是利用人工加入电子设备之上的特征进行识别，并没有直接利用电子设备本身的物理特征进行识别，因此不可避免地带来了身份误识别的风险，并且在频段相近的情况下，rfid还有可能对参试设备造成无线电干扰，影响参试设备的正常工作。
技术实现要素：
本发明解决的技术问题是：克服现有技术的不足，针对试验现场参试无线设备身份管理中人为操作因素多、rfid可能对试验造成干扰及可被篡改等问题，提供了一种试验现场无线设备身份识别系统，能够在设备研制中采集无线设备特征并记录，在试验时直接比对参试设备的无线特征和历史记录，识别参试设备身份。
本发明的技术解决方案是：一种试验现场无线设备身份识别系统，包括信号采集天线、软件无线电平台、身份管理软件系统，其中：
信号采集天线，根据工作参数采集参试设备的无线特征并转换为有线射频信号，送至软件无线电平台；所述的工作参数包括信号截取长度、采样率、无线信号采集增益；
软件无线电平台，接收有线射频信号并解调得到参试设备无线特征对应的数字信号，并送至身份管理软件系统；
身份管理软件系统，对参试设备无线特征进行基于向量机的机器训练与学习，得到参试设备无线特征矩阵，存储参试设备基本信息、无线通信参数、参试设备无线特征矩阵及对应的环境条件参数；接收软件无线电平台发送的待识别参试设备无线特征后进行基于向量机的机器训练与学习，得到待识别参试设备无线特征矩阵，分别计算身份管理软件系统存储的参试设备无线特征矩阵与待识别参试设备无线特征矩阵的欧式距离，将最小值对应的参试设备作为待识别参试设备；所述的环境条件参数包括温度、湿度、气压；所述的参试设备基本信息包括设备型号、生产批次；所述的无线通信参数包括发射功率、载波频率、编码方式、信号带宽；所述的参试设备无线特征包括载波频偏、发射信号i/q偏移量、星座轨迹图形态特性、时域波形图形态特性、信号频谱特性。
一种试验现场无线设备身份识别方法，包括如下步骤：
(1)根据工作参数采集参试设备的无线特征并转换为有线射频信号；所述的工作参数包括信号截取长度、采样率、无线信号采集增益；
(2)将有线射频信号解调后得到参试设备无线特征对应的数字信号；
(3)对参试设备无线特征进行基于向量机的机器训练与学习，得到参试设备无线特征矩阵，存储参试设备基本信息、无线通信参数、参试设备无线特征矩阵及对应的环境条件参数；
(4)采集接收待识别参试设备无线特征后进行基于向量机的机器训练与学习，得到待识别参试设备无线特征矩阵，分别计算存储的参试设备无线特征矩阵与待识别参试设备无线特征矩阵的欧式距离，将最小值对应的参试设备作为待识别参试设备；所述的环境条件参数包括温度、湿度、气压；所述的参试设备基本信息包括设备型号、生产批次；所述的无线通信参数包括发射功率、载波频率、编码方式、信号带宽；所述的参试设备无线特征包括载波频偏、发射信号i/q偏移量、星座轨迹图形态特性、时域波形图形态特性、信号频谱特性。
还包括上位机，上位机为身份管理软件系统提供运行环境。
所述的参试设备无线特征为在参试设备开机情况下进行采集。
所述的机器训练与学习的方法包括：矩阵化预处理、特征矩阵预加权、分类器学习。
通过本发明所设计的试验现场无线设备身份识别系统，与现有技术相比具有的有益效果是：
(1)在试验现场的管理中，避免了大量的人为操作带来的不可控因素，减少了试验人员的工作量，能够对参试的无线传输电子设备进行快捷、安全地进行身份识别与认证。
(2)区别于当前对设备上附着的身份信息进行认证的方式，采用直接对设备物理特征进行认证的方式，具有不可篡改的特性，保证了身份认证的安全性和一致性。
(3)区别于当前采用rfid方式进行身份认证的方式，本系统不需要使参试无线设备额外增加电磁辐射，因而避免了rfid标签对无线设备造成的电磁干扰。
附图说明
图1为本发明所述系统的组成示意图；
图2为本发明所述系统的使用流程图；
图3为特征库组成示意图；
图4为身份特征模板制作的软件流程图；
图5为基于支持向量机的分类器算法实现框图。
具体实施实例
下面结合附图和具体实施对本发明作进一步详细的描述：
系统采用信号采集天线+软件无线电平台+上位机及软件系统的方式实现试验现场无线设备的身份识别。
图1为本发明所述系统的组成示意图。试验现场无线设备身份识别系统通过信号采集天线采集参试无线通信设备辐射的电磁信号，信号采集天线将无线信号转换为有线射频信号提供给软件无线电平台；软件无线电平台进行信号ad转化，并根据操作人员输入的设备无线通信参数进行量化采样，获得无线通信设备辐射的原始特征，并通过usb数据接口提供给上位机上运行的相关软件；上位机为操作人员提供人机交互界面、存储各类数据，并运行身份特征提取、管理、识别所使用的软件。
图2为本发明所述系统的使用流程图，系统的工作流程为：
(1)在无线通信的生产过程中，启动身份识别系统；
(2)在上位机上输入身份识别系统的工作参数；
(3)启动在研制中的无线通信设备；
(4)身份识别系统采集无线设备的信号特征；
(5)将采集到的信号特征存储进设备特征库；
(6)关闭在研制中的无线通信设备；
(7)关闭身份识别系统；
(8)对每一套在研制的无线通信设备，重复(1)至(7)环节，完成单套无线设备的特征采集；
(9)对所有在研制的无线通信设备，重复(1)至(8)环节，完成所有无线设备的特征采集；
(10)对所有采集到的特征，进行机器训练与学习，生成每一套无线设备的身份特征模板；
(11)结束无线通信的生产环节，开始无线通信设备的试验环节；
(12)在上位机上输入身份识别系统的工作参数，该工作参数应与生产环节中输入的工作参数一致；
(13)启动在试验中的无线通信设备；
(14)采集无线通信设备辐射的无线信号特征；
(15)将采集到的无线信号特征与身份特征模板库中的模板进行加权欧式距离比对；
(16)得出身份识别结果。
图3为特征库组成示意图。将所采集到的无线设备信号特征，经过处理后，整理成为图3所示的各类特征。特征包括四类：
(1)设备基本参数。包括设备型号、生产批次等设备基本信息，发射功率、载波频率、编码方式、信号带宽等无线通信参数。设备基本参数用于记录无线设备的基本情况，从身份识别软件界面输入的无线通信参数应与设备相匹配。
(2)环境条件参数。包括温度、湿度、气压等环境条件。环境条件参数用于记录本次设备身份特征采集时的周围环境。
(3)系统工作参数。包括信号截取长度、采样率、无线信号采样增益等。系统工作参数配置身份识别系统的工作状态，对于同一批次的设备，系统工作参数应尽量一致。
(4)设备身份特征参数。包括载波频偏、i/q偏移量、信号频谱特性、时域波形图特征值、星座轨迹图特征值。载波频偏、i/q偏移量为两个单独的数值，信号频谱特性、时域波形图特征值、星座轨迹图特征值分别为一组向量形式的数值，时域波形图特征值、星座轨迹图特征值分别由时域波形图及星座轨迹图提取。
图4为身份特征模板制作的软件流程图。其软件流程为：
(1)采集无线设备原始射频信号；
(2)将无线设备原始信号进行模/数采样；
(3)频偏估计同步。无线目标的频偏受到本地晶体振荡器的影响，在有些情况下会有较大的频偏。针对发射信号中一段已知的符号序列，将接收到的信号和已知序列进行相关后再进行符号差分，生成频偏估计值以补偿全部序列的频偏。
(4)载波相位同步。信号采集的过程中不可避免的引入了载波相位偏差。针对发射信号中另一段已知的符号序列，将接收的信号和已知序列进行相关，生成相位误差估计值，以补偿全部序列的相位误差。
(5)分别绘制所采集信号的时域波形图、星座轨迹图，并进行频谱分析。时域波形图绘制的方法为：将接收到的信号在时间轴上逐点分别以i路和q路描点绘制；星座轨迹图绘制的方法为：将接收到的信号在星座图上分别以i路和q路描点绘制；频谱分析的方法为：将接收到的信号分段，对每段信号进行傅立叶变换，得到信号的频域特征。
(6)分别提取信号的时域特征、星座轨迹图特征、频域特征。时域特征提取方法为：将i路特征点与q路特征点做差；星座轨迹图特征提取方法为：采用canny算子提取图像中的边缘信息，以边缘点作为星座轨迹图特征；频域特征提取方法为：对每段傅立叶变换后的信号，分别记录其幅值和频点。
(7)向量归一化处理。对采集到的三类特征，分别进行归一化处理。
(8)将归一化处理后的向量，累加成为对设备无线特征单次采集的身份特征矩阵。
(9)对研制过程中所有的无线设备进行多次采集，并进行基于支持向量机的分类，生成每个设备的身份特征模板。
图5为基于支持向量机的分类器算法实现框图。其算法为：
(1)特征矩阵预处理；
(2)结合信号采集时的温度、湿度、气压等环境条件，设定特征矩阵预加权权重。预加权权重设置的参考方法为：将所有温度、湿度、气压等数值分别取均值，将当次采集的数值与均值做差并取绝对值，视为预加权权重；
(3)对特征矩阵进行基于支持向量机的分类；
(4)对分类结果进行迭代，由程序自动调整权值；
(5)对前后两次迭代后的矩阵做差，当小于一定数值的情况时，程序中止，视为最终的特征矩阵。
本发明说明书中未作详细描述的内容属本领域技术人员的公知技术。