买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉军工保密资格审查认证中心;北京理工大学申请的专利一种射频指纹识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN113869156B 。

龙图腾网通过国家知识产权局官网在2025-06-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111084919.X，技术领域涉及：G06F18/23213；该发明授权一种射频指纹识别方法是由尹鹏;许欣;赵勇强;梁青云;王群;冯立辉;卢继华设计研发完成，并于2021-09-16向国家知识产权局提交的专利申请。

本一种射频指纹识别方法在说明书摘要公布了：本发明涉及一种射频指纹识别方法，属于机器学习、物理层安全与信号分类技术领域。所述射频指纹识别方法，通过将接收到的信号变换成星座轨迹图，再对星座轨迹图进行聚类，得到聚类中心点，并计算各个类簇的类内平均距离以及类内距离和，将相应类簇的类内平均距离以及类内距离和构建为特征向量，作为设备的射频指纹特征，再进行分类，即根据特征对设备进行识别。所述方法时间复杂度和空间复杂度低，在小样本数据条件下，识别准确率高；相较于瞬态信号，稳态信号射频指纹包含了更多无线设备的硬件信息，因此更易提取及分类识别；相较于信号分布的形状图像识别，预处理过程相对简单。

本发明授权一种射频指纹识别方法在权利要求书中公布了：1.一种射频指纹识别方法，其特征在于：包括：步骤1、M个不同的设备发射调制信号，接收机收到信号后处理得到星座轨迹图； 步骤2、对步骤1的输出星座轨迹图中的星座点进行聚类，计算类内距离和以及类内平均距离向量、以得到的聚类中心点作为射频指纹，构建特征向量集； 步骤3、从特征向量集中选取A组特征向量作为分类的训练样本和B组作为测试样本进行分类，且分别将训练样本以及测试样本构成训练集和测试集； 步骤4、使用训练集进行训练，得到训练好的分类模型参数； 其中，分类模型参数包括权重向量和分离间隔；且权重向量特征空间的分离超平面的法向量,记为w；分离间隔为分离面和坐标原点的间隔，记为ρ； 步骤4，具体过程包括如下子步骤： 步骤4.1、对训练集中的训练样本进行随机傅里叶特征变换，得到随机傅里叶特征变换后的特征向量数据集Z； 步骤4.2、从随机傅里叶特征变换后的特征向量数据集Z中随机选择一个数据点作为初始权重向量w； 步骤4.3、基于w通过黄金分割线搜索计算分离间隔ρ； 步骤4.4、对所有计算wzxj-ρ小于0的数据点zxj求平均后得到权重向量wm； 其中，xj为训练集的数据，zxj为特征向量数据集Z中xj的对应项； 步骤4.5、通过随机梯度下降方法计算w和wm间新的权重向量wnew，再用wnew更新权重向量w； 其中，用wnew更新权重向量w，即令w＝wnew； 步骤4.6、重复步骤4.3至步骤4.5，直至K次迭代后w基本趋于稳定，记w为最优权重向量w*，并根据黄金分割线搜索计算出最优权重向量w*对应的最优分离间隔ρ*； 其中，最优权重向量w*以及最优分离间隔ρ*为训练好的模型参数； 步骤5、对测试集进行分类，具体包括如下子步骤： 步骤5.1、对测试集进行随机傅里叶特征变换，根据公式1得到随机傅里叶特征变换，得到测试特征向量数据集Zt； 步骤5.2、根据步骤4训练得到的w*、ρ*计算w*ztxti-ρ*的结果，记为P； 其中，P的维数为1×nt；nt为测试集中元素的数量；xti为测试集中的第i个元素，ztxti为xti进行随机傅里叶特征变换后测试特征向量数据集Zt中的元素； 步骤5.3、根据步骤5.2得到P的元素值进行判断，具体为：若Pv≥0，则测试集中第v个元素对应的待分类数据与训练集数据是同类；否则，若Pv＜0，则测试集中第v个元素对应的待分类数据与训练集数据是异类。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人军工保密资格审查认证中心;北京理工大学，其通讯地址为：100081 北京市海淀区紫竹院路69号中国兵器大厦12层；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。