中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
物聯網物理層智能認證方法研究 版權信息
- ISBN：9787030751690
- 條形碼：9787030751690 ; 978-7-03-075169-0
- 裝幀：平裝膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
物聯網物理層智能認證方法研究 本書特色
本書可作為信息通信、網絡安全、物聯網等領域的高校教師、研究生和相關科研人員進行學習和科研的參考用書。
物聯網物理層智能認證方法研究 內容簡介
物聯網非法接入設備的數據攻擊將對整個網絡造成嚴重的干擾與威脅，僅依靠傳統的應用層密碼認證方法難以保證通信系統的安全，因此設計有效的物理層認證系統具有重要意義。本書以泛在電力物聯網的信息安全問題為研究對象，建立更加穩健的物聯網物理層多級智能認證系統：利用電磁波特性與基因類似的特點，分析影響電磁波基因特性的因素，提取可代表感知層設備的基因特征并進行數學建模；引入融合特征的等勢星球圖和精細畫像的概念，將相似度極高的設備特征轉化為融合畫像，根據待識別設備的類別、型號、批次等差異提出多級特征提取方法；設計基于知識和數據聯合驅動的多粒度智能分類器，*終實現對感知層設備的智慧識別。重點研究所遇到的關鍵科學問題：多級基因特征的數學表示；智能融合基因精細畫像的構建；深度學習模型的設計及優化。基于以上理論搭建演示實驗驗證平臺，取得一些創新性的研究成果，以期為相關物聯網信息安全領域的發展提供重要的理論依據。
物聯網物理層智能認證方法研究 目錄
目錄
前言
第1章 緒論 1
1.1 物聯網物理層認證研究概述 1
1.2 國內外研究及發展現狀 3
1.2.1 通信信號調制方式識別研究現狀 4
1.2.2 通信輻射源個體指紋識別研究現狀 7
參考文獻 11
第2章 基于熵和Holder系數的通信調制信號特征提取算法 14
2.1 基于熵值分析法的特征提取算法 15
2.1.1 熵特征基本定義 16
2.1.2 熵特征提取算法實現步驟 17
2.1.3 仿真實驗與分析 18
2.2 基于Holder系數的特征提取算法 22
2.2.1 Holder系數基本定義 23
2.2.2 Holder系數特征提取算法實現步驟 24
2.2.3 仿真實驗與分析 26
2.3 分類器設計算法 30
2.3.1 灰色關聯理論基本算法 31
2.3.2 改進灰色關聯算法 35
2.3.3 神經網絡分類器 37
2.3.4 仿真實驗與分析 42
參考文獻 46
第3章 基于云模型的通信調制信號二次特征提取算法 47
3.1 云模型基本理論 48
3.2 改進熵云特征的二次特征提取算法 50
3.2.1 算法實現基本步驟 51
3.2.2 仿真結果與分析 52
3.3 改進Holder系數云特征的二次特征提取算法 55
3.3.1 算法實現基本步驟 55
3.3.2 仿真結果與分析 57
參考文獻 61
第4章 基于分形理論的通信調制信號特征提取算法 62
4.1 通信信號分形特征數學驗證 63
4.1.1 二進制幅移鍵控自相似性證明 63
4.1.2 二進制頻移鍵控自相似性證明 64
4.1.3 二進制相移鍵控自相似性證明 65
4.1.4 偏移正交相移鍵控自相似性證明 66
4.1.5 正交振幅調制信號自相似性證明 69
4.1.6 Hurst指數分形特征驗證 70
4.2 傳統一維分形維數特征提取算法 71
4.2.1 分形盒維數 72
4.2.2 Higuchi分形維數 73
4.2.3 Petrosian分形維數 74
4.2.4 Katz分形維數 75
4.2.5 Sevcik分形維數 75
4.2.6 仿真結果與分析 76
4.3 改進分形盒維數特征提取算法 78
4.3.1 算法實現基本步驟 79
4.3.2 仿真結果與分析 79
4.4 多重分形維數的特征提取算法 82
4.4.1 多重分形維數基本定義 82
4.4.2 系統識別模型 83
4.4.3 算法實現基本步驟 84
4.4.4 仿真結果與分析 87
參考文獻 92
第5章 基于瞬態信號的通信輻射源個體識別方法 94
5.1 基于Hilbert變換與多重分形維數特征提取的射頻指紋識別方法 94
5.1.1 算法實現基本步驟 94
5.1.2 實驗結果與分析 96
5.2 基于Hilbert變換與Holder系數特征提取的射頻指紋識別方法 99
5.2.1 算法實現基本步驟 99
5.2.2 實驗結果與分析 100
5.3 基于Hilbert變換與熵特征提取的射頻指紋識別方法 101
5.3.1 算法實現基本步驟 102
5.3.2 實驗結果與分析 103
參考文獻 108
第6章 基于積分雙譜的通信輻射源個體識別方法 109
6.1 積分雙譜基本理論 109
6.2 基于積分雙譜特征提取的射頻指紋識別方法 111
6.3 應用與分析 112
6.3.1 基于積分雙譜特征與灰色關聯分類器的通信輻射源個體識別 112
6.3.2 基于積分雙譜與支持向量機分類器的通信輻射源個體識別 116
參考文獻 119
第7章 基于功率譜密度的通信輻射源個體識別方法 120
7.1 現有方法的問題描述 120
7.2 功率譜密度基本理論 121
7.3 基于功率譜密度特征提取的射頻指紋識別方法 125
7.3.1 算法實現基本步驟 125
7.3.2 應用與分析 127
7.4 基于差分功率譜密度特征提取的射頻指紋識別方法 131
7.4.1 算法實現基本步驟 131
7.4.2 應用與分析 132
參考文獻 139
第8章 基于射頻信號基因的物聯網物理層多級智能認證方法 140
8.1 射頻信號基因認知 141
8.2 基于射頻信號基因特性的物聯網物理層認證方法研究目標 143
8.2.1 基于射頻信號基因認知分析的多級數學建模 144
8.2.2 基于射頻信號精細畫像的多級特征提取 145
8.2.3 基于知識和數據聯合驅動的多粒度智能分類器設計 145
8.3 基于射頻信號基因特性的物聯網物理層認證方法亟待解決的關鍵問題 147
8.4 基于射頻信號基因特性的物聯網物理層認證方法技術路線 148
8.4.1 基于射頻信號基因認知的電磁波散射特性數學建模 149
8.4.2 多層次、多維度、多信度的射頻基因精細畫像的建立 153
8.4.3 多粒度智能分類器的物理層認證系統的構建 156
參考文獻 158
第9章 基于等勢星球圖的通信輻射源個體識別方法 159
9.1 基于傳統調制信號統計圖域的射頻指紋識別方法 160
9.2 基于等勢星球圖的射頻指紋識別方法 161
9.2.1 算法實現基本步驟 161
9.2.2 實驗結果與分析 164
9.3 基于差分等勢星球圖的射頻指紋識別方法 170
9.3.1 算法實現基本步驟 170
9.3.2 實驗結果與分析 174
參考文獻 180
第10章 基于深度復數卷積神經網絡的通信輻射源個體識別方法 181
10.1 基于復數卷積神經網絡的通信輻射源個體識別 181
10.2 基于差分深度復數卷積神經網絡的通信輻射源個體識別方法 182
10.2.1 算法實現基本步驟 183
10.2.2 實驗結果與分析 184
10.3 基于深度復數殘差網絡的通信輻射源個體識別方法 190
10.3.1 算法實現基本步驟 190
10.3.2 實驗結果與分析 191
參考文獻 196
第11章 基于深度學習的大規模現實無線電信號識別研究 197
11.1 現有方法的問題描述 197
11.2 基于深度卷積神經網絡的大規模無線電信號識別模型 202
11.2.1 算法實現基本步驟 204
11.2.2 實驗結果與分析 205
11.3 基于深度復數卷積神經網絡的大規模無線電信號識別模型 211
11.3.1 算法實現基本步驟 211
11.3.2 實驗結果與分析 212
參考文獻 215
展開全部
書友推薦
- >
朝聞道
- >
名家帶你讀魯迅:朝花夕拾
- >
月亮虎
- >
伯納黛特,你要去哪(2021新版)
- >
回憶愛瑪儂
- >
龍榆生：詞曲概論/大家小書
- >
我從未如此眷戀人間
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
本類暢銷
