文献类型：期刊文章

作　　者：张六[1] 曾正[1] 陈俊昌[2] 杨晶晶[1] 黄铭[1]

ZHANG Liu;ZENG Zheng;CHEN Junchang;YANG Jingjing;HUANG Ming(School of Information Science and Engineering,Wireless Innovation Lab.of Yunnan University,Kunming 650091,China;Yunnan Radio Monitoring Station of the State Radio Monitoring Center,Kunming 650031,China)

机构地区：[1]云南大学信息学院无线创新实验室,昆明650091 [2]国家无线电监测中心云南省无线电监测站,昆明650031

出　　处：《电波科学学报》

基　　金：国家自然科学基金(61863035,61461052,11564044)。

年　　份：2020

卷　　号：35

期　　号：3

起止页码：350-357

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对无线设备“指纹”特征提取技术含量较高,且技术手段较为复杂的问题,在无线空间信道状态不变的前提下,提出了一种基于卷积神经网络(convolution neural network,CNN)自动分类无线路由器指纹的识别方法,解决无线设备“指纹”特征提取困难的问题.文章设计并实现了一种通过接收处理多输入多输出(multiple-input multiple-output,MIMO)信号幅度识别无线路由器的方法,该方法通过采集无线路由器的信道状态信息(channel state information,CSI),并对CSI的幅度数据进行预先平滑和去噪处理,然后把预处理后的幅度数据作为设备的指纹特征,最后通过机器学习的算法进行分类和识别.实验采用CNN对10台商用无线路由器进行分类和识别,准确率达到96%以上,证明了使用CSI来识别无线路由器是可行的.

关 键 词：无线路由器 指纹识别 信道状态信息(CSI)  预处理  机器学习  卷积神经网络(CNN)  

分 类 号：TP183] TN915.05]