【導讀】指紋的概念源于人類指紋特征，憑借指紋特征可以對人進行個體識別。廣之，無線網絡發(fā)射機指紋識別概念的提出源于發(fā)射機個體身份的識別要求。隨著當今復雜電磁環(huán)境下的信息安全問題隨時涌現，該技。然而如今的現代無線網絡發(fā)射機設備集成度和一致性極高、調制參。了更大的挑戰(zhàn)和更加深入研究的需要。

　　

【正文】 默默地支持我，他們給予了我最無私的愛，為我的成長付出了許多許多，焉得諼草，言樹之背，養(yǎng)育之恩，無以回報，惟愿他們健康長壽！ 時光匆匆如流水，轉眼便是大學畢業(yè)時節(jié)，春夢秋云，聚散真容易。畢業(yè)離校已日趨臨近，寫到此處，指尖一澀，突然意識到，求學生涯真的要結束了！扭頭望向窗外的校園，久不能語。 杭州電子科技大學本科畢業(yè)設計 25 參考文獻 [1] 齊興敏 . 基于 PCA 的人臉識別技術的研究 [D].. 武漢理工大學 ,2020. [2] 趙彩月，無線發(fā)射機信號指紋識別的研究 [D]，廈門大學， 2020. [3] 許丹 . 輻射源指紋機理及 識別方法研究 [D]. 長沙 : 國防科學技術大學 , 2020. [4] 陸滿君 . 通信輻射源個體識別與參數估計 [D]. 哈爾濱工程大學 , 2020. [5] 李文偉 、王忠仁 .WignerVille 分布及在信號分析中的應用．吉林大學儀器科學與電氣工程學院， 2020. [6] 徐春光 謝維信 .一種基于互局部化 WigerVille 分布的瞬時頻率估計 .西安電子科技大學電子工程學院， 2020. [7] 唐智靈，楊小牛，李建東．基于順序統計的窄帶通信輻射源指紋特征抽取方法．電子與信息學報， 201 l(5)： 1228． [8] Qiu, distribution and windowed WignerVilledistribution of noisy signals[J]. International Conference on Information Engineering 39。93. 39。Communications and Networks for the Year 202039。, Proceedings of IEEE Singapore International Conference on (Volume:1 ),Pages: 388 392. [9] Pan, calculation method for multiponent WignerVille distribution[J],IET Journals amp。 Magazines,1992,Feb(13),398404. [10] An,S.。Wanquan Liu。Venkatesh,S.。Tjahyadi,R..A fast kernel dimension reduction algorithm with applications to face recognition[J].Machine Learning and Cyberics, of 2020 International Conference on Volume(6) :3369 3376. [11] Ronghua Shang。Kun Zhang。Licheng Jiao。Wei Fang 。A novel algorithm for manyobjective dimension reductions: ParetoPCANSGAII[J].Evolutionary Computation (CEC), 2020 IEEE Congress on,2020,19741981 [12] Varon,C.。Alzate,C.。Suykens, .。Noise Level Estimation for Model Selection in Kernel PCA Denoising[J],Neural Networks and Learning Systems,2020,Volume(PP):11 . [13] Scanlon,Patricia。 Kennedy, Irwin O.。Liu,Yongheng. Feature extraction approaches to RF fingerprinting for device identification in femtocells[J]. Bell Labs Technical Journal,2020, Volume(15):141151. 杭州電子科技大學本科畢業(yè)設計 26 附錄 一 close all clear all clc N=500。 fs=500。 n=1:N。 dt=1/fs。 a=[1 1 1 0 0 1 1 0 1 0 ]。 g1=a。 g2=~a。 g11=(ones(1,500))39。*g1。 g1a=g11(:)39。 t=0:dt:10dt。 t1=length(t)。 ask1=g1a.*cos(2*pi*50*t)。%ask的頻率為 50 ask2=g1a.*cos(2*pi*45*t)。%ask的頻率為 45 ask3=g1a.*cos(2*pi*40*t)。%ask的頻率為 40 figure(1)。 subplot(311)。 plot(t,ask1)。 title(39。ask1原始信號 39。)。 xlabel(39。時間 t39。)。 ylabel(39。幅值 A39。)。 grid on。 subplot(312)。 plot(t,ask2)。 title(39。ask2原始信號 39。)。 xlabel(39。時間 t39。)。 ylabel(39。幅值 A39。)。 杭州電子科技大學本科畢業(yè)設計 27 grid on。 subplot(313)。 plot(t,ask3)。 title(39。ask3原始信號 39。)。 xlabel(39。時間 t39。)。 ylabel(39。幅值 A39。)。 grid on。 figure(2)。 subplot(311)。 [tfr1,t,f1]=tfrwv(ask139。,1:N,N)。 contour(t/fs,f1(1:length(f1)/2)*fs,abs(tfr1(1:length(f1)/2,:)))。 title(39。ASK1的 WignerVille分布時頻圖 39。)。 xlabel(39。時間 t39。)。 ylabel(39。頻率 f39。)。 grid on。 subplot(312)。 [tfr2,t,f2]=tfrwv(ask239。,1:N,N)。 contour(t/fs,f2(1:length(f2)/2)*fs,abs(tfr2(1:length(f2)/2,:)))。 title(39。ASK2的 WignerVille分布時頻圖 39。)。 xlabel(39。時間 t39。)。 ylabel(39。頻率 f39。)。 grid on。 subplot(313)。 [tfr3,t,f3]=tfrwv(ask339。,1:N,N)。 contour(t/fs,f3(1:length(f3)/2)*fs,abs(tfr3(1:length(f3)/2,:)))。 title(39。ASK3的 WignerVille分布時頻圖 39。)。 xlabel(39。時間 t39。)。 ylabel(39。頻率 f39。)。 grid on。 杭州電子科技大學本科畢業(yè)設計 28 figure(3)。 mesh(t/fs,f1(1:length(f1)/2)*fs,abs(tfr1(1:length(f1)/2,:)))。 title(39。ASK1的三維時頻圖 39。)。 xlabel(39。時間 t39。)。 ylabel(39。頻率 f39。)。 zlabel(39。幅值 A39。)。 grid on。 figure(4)。 mesh(t/fs,f2(1:length(f2)/2)*fs,abs(tfr2(1:length(f2)/2,:)))。 title(39。ASK2的三維時頻圖 39。)。 xlabel(39。時間 t39。)。 ylabel(39。頻率 f39。)。 zlabel(39。幅值 A39。)。 grid on。 figure(5)。 mesh(t/fs,f3(1:length(f3)/2)*fs,abs(tfr3(1:length(f3)/2,:)))。 title(39。ASK3的三維時頻圖 39。)。 xlabel(39。時間 t39。)。 ylabel(39。頻率 f39。)。 zlabel(39。幅值 A39。)。 grid on。 [COEFF1,SCORE1,latent1] = prinp(tfr1)。 [COEFF2,SCORE2,latent2] = prinp(tfr2)。 [COEFF3,SCORE3,latent3] = prinp(tfr3)。 S1=sum(latent1)。 S2=sum(latent2)。 S3=sum(latent3)。 C1=100*latent1/sum(latent1)。 C2=100*latent2/sum(latent2)。 C3=100*latent3/sum(latent3)。 figure(6)。 杭州電子科技大學本科畢業(yè)設計 29 pareto(C1)。 title(39。ask1的貢獻率 39。)。 figure(7)。 pareto(C2)。 title(39。ask2的貢獻率 39。)。 figure(8)。 pareto(C3)。 title(39。ask3的貢獻率 39。)。 SCORE1_test=SCORE139。 SCORE2_test=SCORE239。 SCORE3_test=SCORE339。 pca1=SCORE1_test(1:500*2)。 pca2=SCORE2_test(1:500*2)。 pca3=SCORE3_test(1:500*2)。 d12=pdist2(pca1,pca2,39。Euclidean39。)。 d13=pdist2(pca1,pca3,39。Euclidean39。)。 tfr11=tfr1(1:500*500)。 tfr21=tfr2(1:500*500)。 tfr31=tfr3(1:500*500)。 D12=pdist2( tfr11,tfr21,39。Euclidean39。)。 D13=pdist2( tfr11,tfr31,39。Euclidean39。)。 disp(39。降維后 ask1分別與 ask ask3的距離 :39。)。 disp(d12)。 disp(d13)。 disp(39。降維前 ask1分別與 ask ask3的距離 :39。)。 disp(D12)。 disp(D13)。 杭州電子科技大學本科畢業(yè)設計 30 附錄二 function [tfr,t,f] = tfrwv(x,t,N,trace) %TFRWV WignerVille時頻分布 . % [TFR,T,F]=TFRWV(X,T,N,TRACE) 計算維格納分布 % 一個離散時間 信號 x, % 或表示兩信號之間互維格納 . % % X : 信號如果自動維納，或 [ X1， X2 ]如果交叉維納 . % T : 瞬時時間 (默認 : 1:length(X)). % N : 矩陣頻率數量 (默認 : length(X)). % TRACE : 如果非零，算法的進展顯示 (默認 : 0). % TFR : 時頻表示。當沒有輸出參數， tfrwv運行 tfrqview。 % F : 歸一化頻率向量 . % 例如 : % sig=fmlin(128,)。 tfrwv(sig)。 % % % % % if (nargin == 0), error(39。At least one parameter required39。)。 end。 [xrow,xcol] = size(x)。 if (nargin == 1), t=1:xrow。 N=xrow 。 trace=0。 elseif (nargin == 2), N=xrow 。 trace=0。 elseif (nargin == 3), trace = 0。 end。 杭州電子科技大學本科畢業(yè)設計 31 if (N0), error(39。N must be greater than zero39。)。 end。 [trow,tcol] = size(t)。 if (xcol==0)||(xcol2), error(39。X must have one or two columns39。)。 elseif (trow~=1), error(39。T must only have one row39。)。 elseif (2^nextpow2(N)~=N), fprintf(39。For a faster putation, N should be a power of two\n39。)。 end。 tfr= zeros (N,tcol)。 if trace, disp(39。WignerVille distribution39