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！

龙图腾网获悉桂林电子科技大学申请的专利一种去信道特征的IEEE802.11a信号辐射源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：CN115942325B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202211554365.X，技术领域涉及：H04W12/79；该发明授权一种去信道特征的IEEE802.11a信号辐射源识别方法是由谢跃雷;曾浩南;王胜;谢星丽;梁文斌;李天佳;邓景宇;郝婉瑞;蒋俊正;欧阳缮;廖桂生设计研发完成，并于2022-12-06向国家知识产权局提交的专利申请。

本一种去信道特征的IEEE802.11a信号辐射源识别方法在说明书摘要公布了：本发明公开了一种去信道特征的IEEE802.11a信号辐射源识别方法，包括如下步骤：1）采集待识别的IEEE802.11a设备信号；2）时域训练序列提取；3）训练LMS滤波器；4）信道均衡处理；5）训练神经网络；6）设备身份识别。这种方法具有抗干扰性强、识别率高、实现难度小的优点。

本发明授权一种去信道特征的IEEE802.11a信号辐射源识别方法在权利要求书中公布了：1.一种去信道特征的IEEE802.11a信号辐射源识别方法，其特征在于，包括如下步骤： 1采集待识别的IEEE802.11a设备信号：IEEE802.11a采用标准OFDM技术，对于OFDM信号模型时域信号序列如公式1所示： 其中，Xk为OFDM中第k个子载波上的频域数据，N表示OFDM信号中一共有N个子载波，在射频设备的射频电路中，器件存在非理想性的制造误差，电路的走线不同，会使不同射频设备的电路参数存在细微差异，这种细微差异会以无意调制的形式附加在发送信号上，导致射频设备实际发射的基带信号模型如公式2所示： 其中，Δan表示信号包络的无意调制函数，表示信号相位误差，Δf表示信号的频率偏移，对于射频设备而言，发送的实际信号与理想调制信号之间存在偏差，导致Δan、Δf和总是存在，采用宽带接收机单独采集每一个需要进行身份识别设备的无线信号，假设不存在信号盲分离问题，经过宽带接收机处理后得到的基带IQ信号为公式3所示： rn＝hn*sn+n0n3， 公式3中，*表示卷积运算，rn是宽带接收机采集信号，hn是信道冲击响应，n0n为加性噪声，hn与n0n共同构成信道特征； 2时域训练序列提取：包括： 2-1信号帧同步：采用延时相关帧同步算法对步骤1的采集信号rn做信号帧同步，延时相关算法如公式4、5、6所示： 其中，L表示延时量，r*n表示rn的共轭信号，Cn为延时自相关函数，Pn为接收信号的功率函数，Mn为用于判决统计的归一化值，通过寻找Mn的最大值找到帧的起始位置； 2-2时域训练序列提取：IEEE802.11a信号的一个时域帧中，包含的长训练序列用来进行信道估计，经过信号帧同步后，从步骤1采集信号rn中提取长训练序列，记为X0n； 3训练LMS滤波器：依据步骤2中提取的IEEE802.11a信号帧头长训练序列X0n完成LMS滤波器的迭代训练，LMS滤波器的迭代流程如下： 3-1初始化滤波器系数：依据公式7初始化滤波器系数：Wn＝07， 3-2更新抽头权值：依据公式8、9、10更新抽头权值： yn＝WTnX0n8， en＝dn-yn＝dn-WTnX0n9， Wn+1＝Wn+2μenX0n10， Wn＝[w0n,w1n,...,wN-1n]T，Wn是LMS自适应滤波器的抽头权值向量，N代表滤波器的阶数，X0n是步骤2-2提取的长训练序列，X0n＝[x0n,x0n-1,...,x0n-N+1]T， dn是IEEE802.11a标准规定的，未经信道干扰的长训练序列，dn＝[d0n,d0n-1,...,d0n-N+1]T；en为误差信号，μ为迭代步长； 3-3重复步骤3-2直到达到迭代次数； 4信道均衡处理：将采集的待识别信号rn做信道均衡处理n做信道均衡处理，有公式11成立： 其中*表示卷积计算，sn为射频设备实际发射的基带信号序列，hn为传输信道的离散时间冲激响应，n0n为信道中的高斯噪声，rn为经过信道传输后宽带接收机采集的信号序列，Wn为步骤3中训练的LMS滤波器，为滤波器输出信号即经过均衡恢复后的信号； 5训练神经网络：包括： 5-1数据集制作：将采集的每个待识别IEEE802.11a设备信号经过步骤4处理得到多个均衡恢复后的信号并制作成数据集：采用步骤2-1方法找到中每个信号帧的起始位置，再提取每个信号帧的前256个点，然后把每个信号段做能量归一化，由于采集信号分为IQ两通道，将IQ两通道信号拼接成256×2大小的二维信号段，最后将信号段按照对应的待识别IEEE802.11a设备分类打包制成数据集； 5-2训练神经网络：采用步骤5-1得到的数据集训练神经网络，神经网络采用IQCNet模型，训练模型的梯度下降优化器选择的是Adam优化器，损失函数采用交叉熵损失函数，训练完成后将模型保存，其中，IQCNet模型由输入层、特征提取层、分类层组成，输入层接收256×2大小的数据输入，特征提取层由6个卷积层、2个最大池化层、6个BN层、1个自适应平均池化层组成，第一个卷积层采用1×2卷积核、步长为1,1，后续5个卷积层采用3×1卷积核、步长为1,1，在每2个卷积层后加入一个4×1最大池化层、在每个卷积层后插入一个BN层，特征提取层的最后一层为自适应平均池化层，分类层采用全连接层进行分类； 6身份识别：宽带接收机采集待识别的IEEE802.11a设备射频信号，采用步骤4方法做信道均衡处理、再采用步骤5-1中方法得到256×2大小的二维信号段，将处理后的信号段输入到步骤5中训练好的IQCNet模型，经过IQCNet模型前向推导运算后即可到识别结果。

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桂林电子科技大学，其通讯地址为：541004 广西壮族自治区桂林市金鸡路1号；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”。