• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文学位 >Application of dual-tree complex wavelet transforms to burst detection and RF fingerprint classification .
【24h】

Application of dual-tree complex wavelet transforms to burst detection and RF fingerprint classification .

机译：双树复小波变换在突发检测和射频指纹分类中的应用

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This work addresses various Open Systems Interconnection (OSI) Physical (PHY) layer mechanisms to extract and exploit RF waveform features ("fingerprints") that are inherently unique to specific devices and that may be used to provide hardware specific identification (manufacturer, model, and/or serial number). This is addressed by applying a Dual-Tree C omplex Wavelet Transform (DT- C WT) to improve burst detection and RF fingerprint classification. A "Denoised VT" technique is introduced to improve performance at lower SNRs, with denoising implemented using a DT- C WT decomposition prior to Traditional VT processing. A newly developed Wavelet Domain (WD) fingerprinting technique is presented using statistical WD fingerprints with Multiple Discriminant Analysis/Maximum Likelihood (MDA/ML) classification. The statistical fingerprint features are extracted from coefficients of a DT- C WT decomposition. Relative to previous Time Domain (TD) results, the enhanced WD statistical features provide improved device classification performance. Additional performance sensitivity results are presented to demonstrate WD fingerprinting robustness for variation in burst location error, MDA/ML training and classification SNRs, and MDA/ML training and classification signal types. For all cases considered, the WD technique proved to be more robust and exhibited less sensitivity when compared with the TD Technique.
机译：该工作解决了各种开放系统互连（OSI）物理（PHY）层机制，以提取和利用特定设备固有的RF波形特征（“指纹”），这些特征可用于提供硬件特定的标识（制造商，型号，和/或序列号）。通过应用双树复合波小波变换（DT-C WT）改善突发检测和RF指纹分类，可以解决此问题。引入了“ Denised VT”技术以在较低SNR时提高性能，并在传统VT处理之前使用DT-C WT分解实现降噪。使用具有多重判别分析/最大似然（MDA / ML）分类的统计WD指纹，提出了一种新开发的小波域（WD）指纹技术。统计指纹特征是从DT-C WT分解系数中提取的。相对于以前的时域（TD）结果，增强的WD统计功能提供了改进的设备分类性能。提出了其他性能灵敏度结果，以证明WD指纹识别对于突发位置误差，MDA / ML训练和分类SNR以及MDA / ML训练和分类信号类型变化的鲁棒性。在所有考虑的情况下，与TD技术相比，WD技术被证明更加可靠并且灵敏度较低。

著录项

  • 作者

    Klein, Randall W.;

  • 作者单位

    Air Force Institute of Technology.;

  • 授予单位 Air Force Institute of Technology.;
  • 学科 Engineering Electronics and Electrical.
  • 学位 Ph.D.
  • 年度 2009
  • 页码 137 p.
  • 总页数 137
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类
  • 关键词

  • 入库时间 2022-08-17 11:38:19

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号