基于Wigner_Ville分布與PCA降維的射頻指紋特征提取仿真畢業(yè)論文

1、本科畢業(yè)設(shè)計（2015屆）題目基于Wigner-Ville分布與PCA降維的射頻指紋特征提取仿真學院通信工程學院專業(yè)信息對抗技術(shù)班級10083511學號10083122學生梁 思指導教師閩紅完成日期2015年6月29 / 34摘要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。推而廣之，無線網(wǎng)絡(luò)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。無線網(wǎng)絡(luò)發(fā)射機識別，又稱為無線網(wǎng)絡(luò)發(fā)射機信號指紋識別，是指從接收到的無線網(wǎng)絡(luò)信號中提取能夠標識發(fā)射機個體的特征向量集(類似人類的指紋特征)，從而識別發(fā)射機個體的技術(shù)。隨著當今復雜電磁環(huán)境下的信息安全問題隨時涌現(xiàn)，該技術(shù)在通信對抗偵察系統(tǒng)

2、、無線網(wǎng)絡(luò)安全、通信資源管理等諸多領(lǐng)域有著十分廣闊的應(yīng)用前景。然而如今的現(xiàn)代無線網(wǎng)絡(luò)發(fā)射機設(shè)備集成度和一致性極高、調(diào)制參數(shù)設(shè)置軟件化、載波頻率高信號帶寬大等特點給無線發(fā)射機的個體識別技術(shù)帶來了更大的挑戰(zhàn)和更加深入研究的需要。本文研究了基于Wigner-Ville分布的時頻分析法將一維時域信號映射到由時間和頻率組成的時- 頻聯(lián)合矩陣上來分析信號，再利用PCA降維技術(shù)降低時頻數(shù)據(jù)矩陣的維數(shù)，保存主要信息，從而提取到信號特征，有效的識別同一型號的不同發(fā)射機個體。關(guān)鍵詞：指紋； 無線網(wǎng)絡(luò)發(fā)射機指紋識別； Wigner-Ville分布； PCA降維Abstract The concept of fing

3、er originated in the human finger print, it can identify individuals by virtue of fingerprint. By extension, the proposes of the concept of wireless network transmitter fingerprint from the transmitter identification requests. Wireless transmitter identification also known as wireless tran

4、smitter signal fingerprinting. Its a technology to getting the extraction of features vector sets which can identify individual transmitter that is similar to human fingerprints characteristics, from the received signal in a wireless network, to identify individual transmitters in the end. With toda

5、y's complex electromagnetic environment information security problems emerge at any time, the technology in the communication against reconnaissance systems, wireless network security, communications resource management and many other fields has a very broad application prospects. today's mo

6、dern high wireless network transmitter device integration and consistency of the modulation parameter setting software, the carrier frequency and other characteristics of high signal bandwidth brings greater challenges and needs more in-depth study to the wireless transmitter individual identificati

7、on technology. This paper studies the time-frequency analysis method based on the Wigner-Ville distribution, we map the one-dimensional time-domain signal to the composition of the time and frequency joint matrix to analyze the signal, and then use PCA dimensionality reduction technology to reduce t

8、he time-frequency dimension of data matrix , save key information, thereby extracting a signal feature.Keywords: Fingerprint; fingerprint of wireless network transmitter; Wigner-Ville distribution; PCA dimension reduction目錄1. 引言11.1. 研究的背景和意義11.2. 國外研究動態(tài)21.3. 章節(jié)安排42. 無線網(wǎng)絡(luò)發(fā)射機識別原理62.1. 無線網(wǎng)絡(luò)發(fā)射機識別的概念62.

9、2. 無線網(wǎng)絡(luò)發(fā)射機識別的原理63. Wigner-Ville分布原理83.1. Wigner-Ville(WVD)分布原理84. PCA原理124.1. PCA概念124.2. 主成分的計算134.3. 樣本主成分164.4. 主成分的選取164.5. 主成分分析的性質(zhì)175. 無線網(wǎng)絡(luò)發(fā)射機射頻指紋特征提取與仿真185.1. 無線網(wǎng)絡(luò)發(fā)射機射頻指紋特征提取與仿真186. 結(jié)論24致25參考文獻26附錄一27附錄二311. 引言1.1. 研究的背景和意義 隨著人類運用無線網(wǎng)絡(luò)發(fā)射機進行通信，電子戰(zhàn)應(yīng)運而生，并伴隨無線通信的發(fā)展而發(fā)展。無線通信具有開放性與無界性，一方面給人類帶來信息交流的快捷

10、與方便，另一方面敵人或不法之人有了竊取情報與干擾正常通信的可趁之機。日俄戰(zhàn)爭在1905年的爆發(fā)，拉開了第一次運用通信偵察、通信監(jiān)聽、通信干擾的無線通信電子戰(zhàn)大幕，無線網(wǎng)絡(luò)電子戰(zhàn)在一個多世紀的歷史所有戰(zhàn)爭中多次獲得好功績，已然變成在還沒開戰(zhàn)就能震懾其他國家主要的戰(zhàn)爭手段，是衡量一個強國的重要標志。如今，電子戰(zhàn)具有三項功能分別是信號偵察、信號攻擊和信號防御。通信電子偵察作為軍隊的“千里眼”和“順風耳”，是獲得主要諜報、在背后援助戰(zhàn)場和獲得訊息交流的主導權(quán)的主要方式。在信號偵察過程中，偵察到的無線網(wǎng)絡(luò)信號是要在無線網(wǎng)絡(luò)接收機事先沒有獲得目標無線網(wǎng)絡(luò)發(fā)射機的相關(guān)參數(shù)的情況下，對該無線網(wǎng)絡(luò)發(fā)射機發(fā)射的無

11、線網(wǎng)絡(luò)信號進行接收用于處理與分析，從而達到截取目標發(fā)射機的特征以與相關(guān)參數(shù)（頻率、帶寬、產(chǎn)生模式、信號幅度、定位坐標方向以與它所承載的主要信息）的目的。無線網(wǎng)絡(luò)發(fā)射機偵察隨著現(xiàn)如今通訊科技的進步而進步。不但先要解調(diào)接收到的無線發(fā)射機信號，而且可能還需要再對經(jīng)過解調(diào)后的信號的復雜解密過程才能獲得原始信息。可是在無線網(wǎng)絡(luò)信號偵查當中，人們不但要掌握無線發(fā)射機產(chǎn)生的信號所包含信息容，而且還得擁有無線發(fā)射機個體與其它屬于的平臺等發(fā)射機特征信息，這對于在戰(zhàn)場上創(chuàng)建電子序列圖，為戰(zhàn)術(shù)和戰(zhàn)略作出極其重要的貢獻。 隨著無線網(wǎng)絡(luò)通訊科學技術(shù)的快速飛躍，無線電頻譜的監(jiān)測手段與無線信號頻譜管理技術(shù)還需要再不斷突破一

12、輪又一輪的挑戰(zhàn)，不法分子的干擾與監(jiān)聽行為、冒充成合法用戶并且進行非法入侵等都需要對無線網(wǎng)絡(luò)發(fā)射機設(shè)備進行個體身份的驗證和鑒別。新興的無線電軟件化等相關(guān)科學技術(shù)的廣泛發(fā)展和運用，同一個無線網(wǎng)絡(luò)發(fā)射機可以經(jīng)過軟件設(shè)置的調(diào)節(jié)來改變無線信號的的調(diào)制模式、載頻和波特率等相關(guān)參數(shù)，因此傳統(tǒng)無線網(wǎng)絡(luò)發(fā)射機個體識別方法如調(diào)制模式等已經(jīng)不再符合現(xiàn)如今越來越繁復的無線網(wǎng)絡(luò)發(fā)射機監(jiān)管和檢測。所以，研究更加有效的方法對發(fā)送信號的設(shè)備其硬件的細微特征進行提取與檢測已日益顯現(xiàn)出它的重要性。就像雷達個體識別技術(shù)，首先它接收正在工作的目標設(shè)備所發(fā)出的雷達信號，再對信號進行一系列處理來得到目標設(shè)備的各種參數(shù)指標如所在信號傳播的

13、方向角度和設(shè)備的具體坐標等；無線網(wǎng)絡(luò)發(fā)射機的個體指紋識別是與通信信號中包含要傳遞的真實信息容毫無關(guān)系，它的指紋識別方式是，首先利用網(wǎng)絡(luò)接收設(shè)備來收取目標網(wǎng)絡(luò)設(shè)備發(fā)出的信號，然后再通過一系列相關(guān)的信號處理手段來獲取潛藏在目標無線網(wǎng)絡(luò)發(fā)射機部的細微的個體指紋特征，并不需要去解調(diào)無線網(wǎng)絡(luò)發(fā)射機發(fā)射的信號來獲取其要傳播的信息容，兩者的目的顯然不同。利用雷達設(shè)備具有的獨特又細微的指紋特征，可以對雷達信號進行分類識別，現(xiàn)已有了一系列相關(guān)的理論體系與算法方案，同時也獲得了大量有意義又有效的研究成就。 我們可以把識別雷達設(shè)備的指紋的概念擴展至無線網(wǎng)絡(luò)發(fā)射機設(shè)備的辨別技術(shù)。在現(xiàn)實生活當中的無線網(wǎng)絡(luò)發(fā)射機因為其生

14、產(chǎn)技術(shù)與設(shè)備的局限性，以與生產(chǎn)部元器件是產(chǎn)生出物理誤差，這些細小的差別會在設(shè)備生成無線信號過程當中以各種形式通過載體傳達出去，那些微小差別標注出不同網(wǎng)絡(luò)發(fā)射機設(shè)備的特質(zhì)，又被稱為無線網(wǎng)絡(luò)發(fā)射機設(shè)備的指紋，這已經(jīng)是它們之間存在區(qū)別的重要依據(jù)。比在當啟動與關(guān)機或設(shè)備切換調(diào)制模式的一瞬間，無線網(wǎng)絡(luò)發(fā)射機的暫態(tài)信號就會擁有非常多的個體指紋特征，就算是同廠同款的一些發(fā)射機，它們之間微小的差別依然會存在。然而網(wǎng)絡(luò)發(fā)射機的信號不與雷達的信號一樣，它可以傳播一大批話音與數(shù)據(jù)，通過不同的調(diào)制方法，發(fā)射信號就擁有了對應(yīng)帶寬，重要參數(shù)的差別不大?，F(xiàn)代硬件開發(fā)技術(shù)發(fā)展到可以實現(xiàn)非常復雜的信號提取算法的程度，這也在很大

15、程度上提升了個體指紋的可測性，研究工作沒有止于對無線網(wǎng)絡(luò)信號的提取與分析，而是逐漸著手對隱藏在信號里面的指紋特征進行長遠地探索。 伴隨著社會的快速發(fā)展和現(xiàn)代信息化，無線網(wǎng)絡(luò)發(fā)射機個體指紋識別技術(shù)不單單只是應(yīng)用在軍事電子對抗中，在無線網(wǎng)絡(luò)和平、無線網(wǎng)絡(luò)資源管理等這些領(lǐng)域也具有非常廣大的運用空間和發(fā)展前景。比如在識別無線網(wǎng)絡(luò)發(fā)射機設(shè)備上，將識識別用于認知無線電的頻譜感知上，將合法用戶設(shè)備相關(guān)的指紋導入創(chuàng)建的數(shù)據(jù)庫中，以實現(xiàn)有效地管理頻譜資源和精確辨別假冒用戶的方針。再比如，當前由于所采用的網(wǎng)絡(luò)安全策略均都只是基于應(yīng)用層的疇中，假如有用戶有要盜取密碼等信息的不良意圖，很明顯要侵犯就是輕而易取之事。所

16、以我們可以運用無線網(wǎng)絡(luò)發(fā)射機設(shè)備中的硬件指紋特征，再與物理層的身份驗證和應(yīng)用層的密鑰管理結(jié)合，將大提升現(xiàn)如今的無線通信安全。還有網(wǎng)絡(luò)發(fā)射機設(shè)備的指紋，不僅能區(qū)分網(wǎng)絡(luò)發(fā)射端，還能夠用在檢查和保證設(shè)備生產(chǎn)工藝水平的精確度。由于生產(chǎn)設(shè)備的元器件都是一樣的，也不排除元器件生產(chǎn)可能導致的個體細微差異，但同一生產(chǎn)流水線的工藝水平也應(yīng)該要一樣，這樣能保持同型號產(chǎn)品一致。如果指紋信息顯現(xiàn)出一定的波動，就認為確定該元件可能在生產(chǎn)過程中精確度，去掉不合格的產(chǎn)品，從而達到讓產(chǎn)品保持非常穩(wěn)定的質(zhì)量水平。隨著無線網(wǎng)絡(luò)發(fā)射機個體指紋識別技術(shù)研究發(fā)展一步步走向?qū)嵱没?、體系化，在這過程當中人們會陸陸續(xù)續(xù)地發(fā)明出許許多多新異的

17、應(yīng)用模式。1.2. 國外研究動態(tài)1.2.1. 國外無線網(wǎng)絡(luò)發(fā)射機識別技術(shù)的發(fā)展狀況 無線網(wǎng)絡(luò)發(fā)射機的個體指紋識別技術(shù)的運用最先發(fā)生在第二次世界大戰(zhàn)期間軍隊對電報按鍵時產(chǎn)生出細微特征的識別，發(fā)送電報的通訊員的個人按鍵發(fā)報習慣等一些信息會以報文為載體，讓報文具有特殊的“無意調(diào)制信息”，擁有豐富經(jīng)驗和技能的的電報監(jiān)聽員能夠憑借它來發(fā)現(xiàn)和找到報文來源于什么發(fā)報機和那個通訊員。1960年左右，美國需要Northrop Grumman能夠研發(fā)出讓導彈能夠辨識與追蹤目標發(fā)射機的系統(tǒng)，因而才產(chǎn)生特定輻射源識別的概念。Northrop Gram man公司研究員DnTalbot定義了SEI(Specific E

18、mitter Identification)即“特定輻射源識別”，是指通過測量信號特性，然后和特性數(shù)據(jù)庫對比監(jiān)測出匹配出它的特征，達到能夠辨識獨一的發(fā)射端設(shè)備。該公司與美國的海軍合作繼續(xù)研究特定輻射源識別技術(shù)長達四五十年的時間，主導并參與研發(fā)出一系列的軍用乃至民用特定輻射源識別系統(tǒng)，其中包括“鷹眼”機載預(yù)警機裝備新的ESM系統(tǒng)，和電子支援系統(tǒng)，能夠辨識出可能核武器的船只發(fā)出的信號。英格蘭的CELT Mariner RWR用于船上的報警裝置，德國的“歐洲鷹”無人機計劃等。美國于AOC上，提議關(guān)于信號測量和特征諜報的觀點，簡稱MASINT，它所偵察的目標對象不但含有常常要說到的雷達信號、通訊信號等

19、，還包含非有意輻射(Unintentional Radiated Emissions，tntE)的信號，信號測量和特征情報技術(shù)可以認為是特定輻射源識別技術(shù)的延伸和擴展。人們在不斷地得到重視和挖掘特定輻射源識別的軍用價值與民用價值，然而由于國家的，國外公開的特定輻射源識別的技術(shù)相關(guān)資料非常稀缺。 國外的射頻指紋識別現(xiàn)處于蓬勃的發(fā)展發(fā)展階段，并不斷突破一個個技術(shù)難關(guān)，讓指紋識別技術(shù)造福于全人類。而中國的時頻指紋識別技術(shù)處于比較落后的萌芽期，但也掀起了對射頻指紋識別研究和探討的潮流，由于缺乏相關(guān)資料，大部分的研究只能通過仿真敵我識別，雷達指紋提取和通信設(shè)備的設(shè)備來實現(xiàn)，完全脫離了實際，缺乏實踐的考驗

20、。1.2.2. 射頻指紋特征提取的研究狀況 無線網(wǎng)絡(luò)發(fā)射機的特征提取是射頻指紋識別技術(shù)的首要一個過程。而本文就是研究指紋特征的提取，因為發(fā)射的信號發(fā)射前要被調(diào)制，通常無法直接觀察到產(chǎn)生于無線網(wǎng)絡(luò)發(fā)射機部個體的細微差異，所以為了排除調(diào)制信號的的影響，從而能夠獲得其指紋特征。形成無線網(wǎng)絡(luò)發(fā)射機存在射頻指紋的要素有很多，比如電源的不穩(wěn)定，碼率調(diào)制的不同、部結(jié)構(gòu)的非線性、噪聲等。雷達一般都是通過分析穩(wěn)態(tài)特征（高階譜分析法、循環(huán)譜分析法）來實現(xiàn)識別的，這種方法通常會用在船來識別雷達信號和由船產(chǎn)生的噪聲。但是無線通信信號與雷達信號不同，現(xiàn)代無線信號分析方法在無線網(wǎng)絡(luò)發(fā)射機(如電臺、WiFi等設(shè)備)的識別中

21、的應(yīng)用隨著研究不斷地深入也逐漸增多。蔡先生的團隊在對多個發(fā)射端提取雙譜特征進行鑒別的研究上獲得了非常好的成效?；泛褪菲占{曾利用提取出OFDM信號的二階循環(huán)譜特征技術(shù)，分別給六家廠商的網(wǎng)卡通過識別，其識別率可以達到94左右。許先生通過泰勒級數(shù)的建模對無線網(wǎng)絡(luò)發(fā)射端的功率放大器的非線性特性提取白激指數(shù)與頻推指數(shù)等一些特點，并驗證了該方法確實有效果，然而這個實驗是基于仿真建模來得到結(jié)果?？偠灾?，雖然對無線網(wǎng)絡(luò)發(fā)射機特征提取方法的研究有了一些很好的成績，可是這些方法普遍存在一些缺陷。許多提取技術(shù)只能體現(xiàn)信號的一些能夠顯而易見的參數(shù)，至于潛藏在信號部的微弱的又符合作為指紋特征標準的特質(zhì)在等待大家去挖

22、掘出來，因此特征提取這一領(lǐng)域仍然需要有識之士對它進一步的研究。在環(huán)境噪聲復雜多變和多個發(fā)射機工作等多種干擾的背境下,僅僅采用用頻譜分析所得到的特征是完全不夠的,因為該特征的成分不足以成為指紋去區(qū)分其他設(shè)備。時域只能體現(xiàn)信號隨時間而幅度變化的規(guī)律，頻域只能反映出信號含有的頻率以與所占的能量，而采用時頻分析法能將信號的頻率特性和時間特性結(jié)合在一起，相輔相成，彌補兩者的缺陷，同時又結(jié)合了兩者的優(yōu)勢，這對特征提取有非常重要的意義。1.3. 章節(jié)安排本課題要研究的課題是基于Wigner-Ville分布與PCA降維的射頻指紋特征提取仿真。用Wigner-Ville分布對多個無線網(wǎng)絡(luò)發(fā)射機發(fā)射的信號采用時頻

23、分析得到時頻矩陣，再采用PCA降維技術(shù)的根據(jù)特征向量對時頻矩陣提取主成分，進而得到由高貢獻率組成成分形成的降維矩陣，這就是要提取的特征。時頻分析能很好地給出信號的頻域和時域的特性, 信號通過Wigner-Ville轉(zhuǎn)換與PCA降維技術(shù)的處理過程，可以得到能夠區(qū)分其他設(shè)備的指紋特征向量。第一章簡單介紹了無線網(wǎng)絡(luò)發(fā)射機識別的發(fā)展與應(yīng)用以與本文所要研究的無線網(wǎng)絡(luò)發(fā)射機識別的方法，同時也簡單概括了國外對射頻識別的研究現(xiàn)狀。第二章主要介紹無線網(wǎng)絡(luò)發(fā)射機識別原理，還講述無線網(wǎng)絡(luò)發(fā)射機識別的作用和意義。第三章主要分析Wigner-Ville原理、性質(zhì)、優(yōu)缺點以與它的運用。第四章主要詳細介紹PCA降維原理、性

24、質(zhì)和優(yōu)點。第五章應(yīng)用MATLAB軟件進行仿真基于Wigner-Ville分布與PCA降維的無線網(wǎng)絡(luò)發(fā)射機射頻指紋特征提取實驗。第六章就上述章節(jié)的研究歸納總結(jié)出一些結(jié)論，并闡述了本畢業(yè)設(shè)計的缺點和以后需要改進的地方。編寫MATLAB程序產(chǎn)生三個同一調(diào)制方式但它們的頻率差小的2ASK的仿真同一型號不同無線網(wǎng)絡(luò)發(fā)射機發(fā)出的信號。利用基于維格納-威利變換程序?qū)Ψ謩e使三個射頻信號轉(zhuǎn)換成時頻矩陣，最后通過PCA降維來提取m個主分量足夠大(85 %以上)的特征向量，畫出時頻分布的主成分分布圖，計算了它們之間的歐式距離，判斷和識別出三個同一型號的無線網(wǎng)絡(luò)發(fā)射機。2. 無線網(wǎng)絡(luò)發(fā)射機識別原理2.1. 無線網(wǎng)絡(luò)發(fā)

25、射機識別的概念 以前的無線網(wǎng)絡(luò)發(fā)射機的偵查都是以獲取和分析無線網(wǎng)絡(luò)發(fā)射機傳播的容為目的的，通過截取各種頻段可檢測到的各種信號，進而分析信號獲取的頻率和產(chǎn)生信號的方式等特性。可是在現(xiàn)代戰(zhàn)爭中，無線網(wǎng)絡(luò)發(fā)射機信號的偵查手段的重要性在不斷提高，對于因無線通訊設(shè)備部硬件的個體差異會產(chǎn)生的并寄存于無線傳播的信號中的一些物理量被研究人員慢慢地重視起來。怎樣才能獲得再分析這些寄生于無線網(wǎng)絡(luò)射頻信號上的又不會破壞正常傳輸、檢驗性、再顯現(xiàn)、不易改變的細小特性來識別多個無線網(wǎng)絡(luò)設(shè)備個體，這就是無線網(wǎng)絡(luò)發(fā)射機識別。2.2. 無線網(wǎng)絡(luò)發(fā)射機識別的原理無線網(wǎng)絡(luò)發(fā)射機分類辨別的過程如圖2-1所示。分類判決特征的選擇和提取

26、信號的獲取預(yù)處理圖2-1無線網(wǎng)絡(luò)發(fā)射機的分類辨別流程由于模式識別是無線網(wǎng)絡(luò)發(fā)射機設(shè)備辨別的根本性質(zhì)，其過程是先獲取無線網(wǎng)絡(luò)設(shè)備的傳播信號，再通過預(yù)處理去除噪聲，然后就可以提取出細微的特征，最后執(zhí)行分類判決，依據(jù)已有的特征數(shù)據(jù)庫匹配和分類判決。揀選特征是在無線網(wǎng)絡(luò)發(fā)射機設(shè)備辨別流程中的的重要步驟，如何挑選什么微小的特質(zhì)作為個體指紋特征，還有獲取指紋參數(shù)的手段與其精確度，都是決定最終的分類鑒定結(jié)果的首要因素，乃至會影響識別性能的好壞水平。2.2.1. 信號細微特征的產(chǎn)生機理 產(chǎn)生細小指紋的因素良多，其中最關(guān)鍵因素包括以下六個來源： （1）由于現(xiàn)代數(shù)學模版對電磁情景的臆造和模仿，尤其是越來越向非線性

27、部件靠攏，這與現(xiàn)實狀況不完全契合，導致結(jié)果與實際有一定偏差； （2）由于部件在生產(chǎn)制作過程中出現(xiàn)加工技藝缺陷所造成其的制作目標和標稱值的誤差； （3）由于發(fā)射機的設(shè)計的缺陷使之生產(chǎn)過程中導致不同發(fā)射機的差異性； （4）發(fā)射機在工作歷程中會隨著時間而發(fā)生衰退現(xiàn)象導致設(shè)備性質(zhì)與效用也隨之回差等原因的作用效果； （5）基帶信號：在信源中有消息特點與消息的特點以與因為數(shù)學模版的誤差、相仿、電子元件的不連續(xù)性所造成的消息特點與消息的特點的偏離； （6）射頻信號：信號在合成和經(jīng)過功率放大器放大信號準備發(fā)送要傳播的過程中，必然要遭到射頻以與無線網(wǎng)絡(luò)設(shè)備的非線性與部電子元件的不平穩(wěn)、不連續(xù)的作用，結(jié)果造成了混

28、淆和誤差。2.2.2. 個體特征的選擇 如果要想把這些各式各類細小的特質(zhì)當作可以顯示無線網(wǎng)絡(luò)發(fā)射機間差別的指紋，綜合慨括一下它們必須符合下面幾項標準： （1） 特征的普遍性，就是作為無線網(wǎng)絡(luò)發(fā)射機設(shè)備鑒別的細微特質(zhì)必須對于任意一個發(fā)射機都有，并不只是一部分的無線網(wǎng)絡(luò)發(fā)射機才有。 （2） 特征的獨特性，要作為識別發(fā)射機設(shè)備鑒別的細微特質(zhì)必須各一樣。 （3） 特征的固定性，細微特質(zhì)應(yīng)該具有很強的穩(wěn)固性能，不會隨著時間或者傳播環(huán)境的改變，結(jié)果產(chǎn)生明顯的變化，從保持其很高的可信度。 （4） 特征的可測性，就是指紋的細微特質(zhì)應(yīng)該可以通過運用現(xiàn)時所有高端科學技術(shù)定量的數(shù)據(jù)中獲取到，并且提取出的數(shù)據(jù)能實現(xiàn)指

29、紋鑒別的作用，不會隨信號被混淆而有所變化，如此才能使得識別存在有用的意義。 無線網(wǎng)絡(luò)發(fā)射機的指紋特質(zhì)根據(jù)無線信號本來的表示方法可以分成暫態(tài)特性與穩(wěn)態(tài)特性。暫態(tài)特性表達的是系統(tǒng)過渡形態(tài)，也就是當發(fā)射機在運行時正處于非穩(wěn)定時表現(xiàn)出非線性特性，其具有明顯的個體特色。過渡狀態(tài)源自設(shè)備自己，像無線網(wǎng)絡(luò)設(shè)備開啟和關(guān)閉、切換工作模式，碼字變換等等；其他有的源自設(shè)備外的一些激發(fā)效果，例如電源提供的電不是很穩(wěn)定。然而發(fā)射機系統(tǒng)的瞬態(tài)其將持續(xù)時間一般都非常短暫，并且它的瞬態(tài)特征出現(xiàn)的時間是不可預(yù)測性的 ，這對于信號的偵察很難實現(xiàn)有效地截獲，況且持續(xù)時間太過于短暫的信號還不能有利于精確地提取它的瞬態(tài)特征；由設(shè)備外部

30、一些因素激發(fā)所導致的暫態(tài)變化是隨機發(fā)生的，不能普遍導致對于每一個發(fā)射機產(chǎn)生信號同時發(fā)生變化。所以通過提取暫態(tài)特征來實現(xiàn)無線網(wǎng)絡(luò)發(fā)射機鑒別很難得到廣泛運用。3. Wigner-Ville分布原理3.1. Wigner-Ville(WVD)分布原理對于時頻能量分布，相信大家最會感興趣的就是由維格納和威利共同提出來的Wigner-Ville分布，簡寫WVD，又稱維格納-威利分布。它不但是最先產(chǎn)生的一種表示時頻的方法，而且還具有非常好的時頻聚集性，較高的時間分辨率與頻率分辨率等特點，計算方法簡單。維格納-威利時頻分析就是將時域信號轉(zhuǎn)換成由時與頻組成的時頻矩陣信號, 是一種二次型變換方法，有很多優(yōu)越于其

31、他時頻變換的性質(zhì), 特別是對于非平穩(wěn)隨機信號的維格納-威利分布, 它與尋常的一些時頻變換比較，如短時譜會顯得更加卓越。在利用短時譜處理NSRS，假設(shè)信號在短時間都是平穩(wěn)的，那么這里就出現(xiàn)非常大的弊端，因為它時間的長短將會影響的時頻分辨率, 而為了讓其提高還得需要采用較長的時間去觀察，那么其將會與短時平穩(wěn)條件相矛盾，導致信號在時間與頻率上出現(xiàn)模模糊糊的狀況。而維格納-威利時頻轉(zhuǎn)換卻是一種完全能夠解決這類問題的時頻聯(lián)合表達信號特征的方式。3.1.1. 信號的Wigner-Ville分布定義 (1)信號s(t)的Wigner-Ville 分布的定義： (3.1)式中：z(t)是s(t)的解析信號。如

32、果式(1)對把s(t)替換成z(t)，那么得到的時頻分布是Wigner 分布，但是其不會被不經(jīng)常使用到。 (2)Wigner-Ville時頻分布用解析信號表達的頻譜公式表示如下：(3.2)(3)離散WV D分布定義：(3.3)式中為離散解析信號。維納利分布不但能有效地體現(xiàn)信號的能量隨時間和頻率的變化, 而且可以通過其來求出瞬時頻率。不妨證明，WVD的一階矩和信號的瞬時頻率成正比關(guān)系。設(shè)有一個離散信號為，則其離散序列的頻率為：（3.4）式中:為采樣頻率，離散維格納-威利分布一有K個頻率分布（可表達為N ×K 的矩陣)；是離散維格納-威利分布的一階矩。3.1.2. Wigner-Vill

33、e分布的性質(zhì)Wigner-Ville分布具有以下重要的性質(zhì)：（1） 對于所有的t和f值是實的；（2） 具有時移不變性：（3） 具有頻移不變性：（4） 滿足時間邊緣特性：（5） 具有頻率邊緣特性： 當分析多個分量的信號和NSRS的時候，對其作時頻分布轉(zhuǎn)換會在多分量信號的地方產(chǎn)生互分布就是交叉項，在圖像上呈現(xiàn)的虛假信號，從而給信號的時頻分布分析造成一定的干擾。對于任意一個多分量信號，二次型時頻分布必會然產(chǎn)生一個交叉項，設(shè)有n個 分量信號，可以得到多個分量信號的維格納-威利分布:（3.5）公式中，表示第k分量與第j分量之間的互WVD，即交叉項。維格納-威利分布的交叉項主要發(fā)生在在兩個分量的幾何中心處

34、和連接這兩點的直線上面。為此，學者們于維格納-威利的基礎(chǔ)上又提議能夠抑制交叉項的時頻分析方法。3.1.3 Wigner-Ville 分布的改進 信號與其頻譜只在某個時間圍和頻率圍非零，則稱信號與其頻譜是有限支撐的。假如信號的時頻分布在信號以與其頻譜的總支撐區(qū)域外面也等于零，那么它就是有限支撐的。交叉項能夠一直出現(xiàn)在于信號的周圍，抑制交叉項，即使時頻分布的支撐區(qū)域外交叉項等于零，主要是利用增加對核函數(shù)約束條件的方法來達成。對信號進行平滑技術(shù)的濾波過程，可以減少交叉項對真實信號的干擾程度，但是平滑處理會喪失維格納-威利分布的許多比較有用的特性，減小自項，信號項其時頻凝聚性也會在一定程度減小并且也不

35、會全部解除它的交叉項，因此必須對核函數(shù)的圍與形狀進行合理篩選。下面我們介紹了兩種基于WVD分布的改進型分布： （1）偽 Wigner-Ville 分布（PWVD） 對于式（1），的取值圍為，實際中無法滿足，且為解決 WVD的雙線性產(chǎn)生交叉項問題，對 WVD 在頻域進行平滑。當核函數(shù)只是對加窗來截取從而完成減小交叉項的目的，這就是 偽WVD變換：（3.6） （2）平滑偽 Wigner-Ville 分布（SPWVD） 對變量t與變量的方向同時經(jīng)過加窗截取處理，這樣可以將這兩個t、方向上的交叉項平滑掉，得到平滑偽 PWVD，這就是 SPWVD變換：（3.7）上式中，與分別是2個實偶窗函數(shù)，同時。為了

36、直觀說明 WVD 分布與其改進分布的性能，現(xiàn)對常見信號的 WVD 分布、PWVD 分布和 SPWVD 分布進行仿真。圖3-1 LFM信號WVD、PWVD、SPWVD變換產(chǎn)生的時頻分布圖3-2 頻率編碼信號WVD、PWVD、SPWVD變換后的時頻分布 由以上圖3-1可知，WVD 分布高度集中在時頻平面圖上，具有較好的時頻聚集特性，能夠擁有較高的時間與頻率的分辨率，尤其是識別性能在線性調(diào)頻信號上體現(xiàn)效果的更加地好。但是出現(xiàn)了頻譜擴展，有交叉項存在，而PWVD 和 SPWVD 對信號分析性能有較大的改善，邊緣更加光滑，雜項較少。PWVD 轉(zhuǎn)換不僅減少頻率分辨率，并且交叉項抑制效果又不如 SPWVD

37、分布，SPWVD 通過時域的平滑過程，達到的抑制交叉項的效果最好。從圖3-2可以看到，在對頻率編碼信號進行 WVD 分析和 PWVD 分析之后，在兩個頻率直接出現(xiàn)了第三個頻率分量，出現(xiàn)了虛信號，影響了分析效果，這大部分因素是由時頻分布其二次型造成的交叉項而導致的，頻率編碼信號經(jīng)過 SPWVD 分析之后，清除了虛假頻率信息，進而抑制了它。4. PCA原理4.1. PCA概念 PCA全稱主成分分析（Principal Component Analysis，PCA），又稱主元分析、K-L變換（Karhunen-Loeve Transform），對于它的研究可以追溯到1901年，由皮爾森首次提出，而主

38、成分分析的概念是由霍特林總結(jié)出來?；籼亓謱CA的定義如下:對一個d維度的觀察向量序列,，PCA降維的目的就是要獲得q個正交的主方向，讓在q個主方向上投影后的方差最大。圖4-1所示就是PCS降維的簡單示例，圖中圓的所組成的直線表示第一主成分，把三角形表示的矩陣往主成分上投影就是矩陣從二維至一維的最佳降維。圖4.1 主成分分析示例 假定要觀測的指標共有p個，分別是，顯然有非常多的方法將這些指標結(jié)合成為一個綜合指標，但將這些指標用線性組合的方法綜合起來就是最簡單的方法了。因此，可設(shè)定其綜合指標的表達形式是這些指標的線性組合，那么就有:（4.1）很明顯，因為各組合的各個系數(shù)不相等，于是可以得到不相等

39、的綜合指標。綜合指標可以有多個，所以需要去主成少數(shù)幾個來代替原始指標。要防止它們發(fā)生重迭，還得約束綜合指標間必須是不相關(guān)的。少數(shù)指標可以將原始指標的變動情況傳達出來。其中能夠傳達變動程度最大的那個指標是最主要的，就稱之為第一主成分；而能夠能夠傳達其變動程度次大的那個指標，就稱之為第二主成分；就這樣一直下去，即能夠能夠傳達其變動程度第k大的那個指標，就稱之為第k主成分。各個原始觀測變量的方差反映了各個原始觀測指標的變動程度，而各個綜合指標作為原始觀測變量的線性組合，其方差的大小就取決于這些原始觀測變量各自的方差和它們之間的協(xié)方差。由上可得，主成分可以依據(jù)方差來來求得。設(shè)想有p個向量為 ，它的均值

40、向量是，他們的協(xié)方差矩陣是，那么對于第i個向量其方差為其協(xié)方差矩陣主對角線上相應(yīng)的元素，而總方差是，總方差可以體現(xiàn)出總體上的變化。某一個線性組合為：，那么它的方差是：（4.2）假如定義原始觀測變量對應(yīng)的第一主成分是，第二主成分是,，第k主成分是，那么就有：（4.3）并且有：。4.2. 主成分的計算4.2.1. 第一主成分的計算由PCA的概念我們可以知道，若想求得這p個原始指標所對應(yīng)的第一主成分，就應(yīng)該想辦法去尋求使得取得最大值時的那個指標所對應(yīng)的本征向量組合。由于是向量的增函數(shù)c，也就是說對于給出的任意一個常數(shù)，它都會有，由此如果不對給予限制，想使得取得最大，應(yīng)該取無窮大，這樣會致使這個問題毫

41、無意義可言了。因而，通常要是將線性組合對應(yīng)的系數(shù)標準化也就是單位化，令，因而第一主成分的題目轉(zhuǎn)變成在的條件之下，要使得取得最大的向量的題目，即：（4.4）我們可以得到的函數(shù)是：（4.5）由于它是線性的，微分取零可得：（4.6）由前p個方程，可以得到：（4.7）從的約束條件可以得知，因此存在非零解。由我們大一所學的數(shù)學的知識可以知道，這時方程組對應(yīng)的,其行列式為0：（4.8） 將前p個方程式所組成的向量與一個行向量相成得出的結(jié)果為：（4.9）因為在約束條件中規(guī)定，所以必定有：（4.10）因而，如果要使得取得最大值，的取值也就要盡可能的偏大：（4.11）同時對應(yīng)的本征向量：（4.12）就應(yīng)當是最大

42、主成分相應(yīng)的本征向量，即最大主成分是:（4.13）4.2.2. 第k個主成分的計算 如果只用最大主成分作為特征也許會造成特征提取的不足，為了這種情況的發(fā)生還須要再計算第二大主成分。這樣下去，假如前(k-1)大主成分還未能足作為信號的指紋特征是，這就須要再求出第k大主成分了。在的情況下下，求出使得的最大的。這個問題就是：（4.14）（4.15）微分并令其為0，可推出：（4.16）由此易知一定是的特征根，從函數(shù)可以知到其應(yīng)該為協(xié)差陣對應(yīng)的第k個征根的值，的就是與第k個主成分的相應(yīng)系數(shù)向量，其方差值就是這個的值。事實上，因為是非負矩陣，所以，可以算出與之相對應(yīng)的主成分。這里假如定義出主成分向量分別為

43、，本征向量分別為所構(gòu)成出A，即：（4.17）然后我們可以得出主成分就是：（4.18）如此，可以求出所有的主成分。4.3. 樣本主成分 在實際試驗中，總體的協(xié)方差矩陣常常都是不可能知道的，所以要實行主成分分析那就必須以樣本為出發(fā)點。假定來自原始變量的不同樣本所組成的數(shù)據(jù)觀測矩陣為:（4.19）那么可先計以計算各樣本變量的均值為和方差是，然后對樣本觀測的數(shù)據(jù)矩陣進行中心化變換或者標準化變換，用其變換后的得到數(shù)據(jù)矩陣來計算出樣本協(xié)方差矩陣是：（4.20） 在利用該方法得出相應(yīng)的各主成分之后，如果我們分別把樣本里的每一個個體所對應(yīng)的值代入其對應(yīng)的公式中，這樣就可以得出每一個個體在每個主成分上與之相對應(yīng)

44、的數(shù)值，這里我們可以稱之為每個個體的主成分貢獻。其中要得出其貢獻而采取的變量數(shù)據(jù)，絕對不是來自于原始的觀測數(shù)據(jù)，而應(yīng)該是要和在計算中要采用的變量數(shù)據(jù)保持一致?？偠灾?，主成分假如是依據(jù)樣本的協(xié)方差矩陣的方法而得出來的，那么我們要計算的主成分貢獻就應(yīng)當要利用每一個個體的中心化變換過程后來得到的數(shù)據(jù)。4.4. 主成分的選取從上述分析中的基本原理和算法流程不難得出，該算法分析就是要將p個任意變量所對應(yīng)的分解成為r個毫無關(guān)聯(lián)的隨機變量方差之和。每一個主成分的方差就是對應(yīng)的特征根說明了這個主成分的方差與全部方差中的比值，因此這里所提到的方差是第j個主成分)對應(yīng)的貢獻率，因此可以得到，當方差的值越高，證明

45、主成分的作為數(shù)據(jù)變量的性能就越大，因此就是指我們用的差異程度去證明x這個隨機向量的差異的能力很強。具體的實踐使用當中，一般第一主成分不能足夠地去反映原始的變量信息，因此我們都須要采用前多個方差。我們通過對方差的從大到小的順序依次列出，將前邊幾個比較大方差之和去除以總的方差：（4.21）代表的是累積貢獻率。目前提出的問題出現(xiàn)需要選取的時候，普遍都需要其累積貢獻率的大小不能低于86%。4.5. 主成分分析的性質(zhì)4.5.1. 在平均誤差最小的原則情況下的最優(yōu)降維依據(jù)上述這個主要成分的分析概念和算法流程，它的主要目標就是要數(shù)據(jù)矩陣由基數(shù)為d的高維降至維數(shù)為q的一個低維，而且此時還要最大限度的保留下需要

46、的原數(shù)據(jù)所包含的容。通過這種算法可以得出需要的轉(zhuǎn)換矩陣：為階，其變換之后的隨機向量是。假設(shè)q<d，那么y是q維矩陣的一個任意向量，此時就可以完成PCA降維。我們可以通過此分析算法的定義可以知道，結(jié)論中的d*q維矩陣所包括的數(shù)據(jù)量是最少的，所以我們?nèi)コ罱K的那幾維從而達PCA降維這一目標，并且在這個過程中丟掉的數(shù)據(jù)可以達到最小。將上述經(jīng)過轉(zhuǎn)換就可以得到一個新的任意向量用于重新構(gòu)造原向量x：，那么是信號的重構(gòu)誤差。而在實際情況中，就像該分析算法的基本定義當中所涉與到的特征那樣：我們就可以在均方誤差取得極小值的條件下可以得到最優(yōu)的線性降維，在這個最小準則的前提其實就是要算出PCA主成分的一個代

47、替的計算方法，該函數(shù)的表達為：（4.22）在一些特殊的情況中，我們研究的降低維數(shù)的方法能發(fā)揮很大的作用：1) 大大提高了后續(xù)的計算效率；2) 會把噪音減小，除了前q個主成分其他的信息很大一部分幾乎都是噪聲，所以該方法起到了降低噪聲的功能；3) 通過該方法可以投影到一個低維的子空間上，這樣就會便于將信息可視化。4.5.2. 主成分的性質(zhì)l)如果將各個主成分的均值都等價于0，那么就可以得到:（4.23）上式中在計算中，一定都事先對各個原始變量進行相應(yīng)的轉(zhuǎn)換或者中心化的一個過程，而經(jīng)過變換后得到的變量中其均值等于0，因此各個變量的均值也就肯定等于0。2）計算該主成分過程中所使用的初始變量的協(xié)差陣，可

48、以得到：（4.24）3)由于它們之間是相互不關(guān)聯(lián)，那么經(jīng)過這個變換過程后，就可以實現(xiàn)了去相關(guān)性的之一目標。同時可以得到其它們之間的協(xié)方差就等于0，可以得到：（4.25）5. 無線網(wǎng)絡(luò)發(fā)射機射頻指紋特征提取與仿真5.1. 無線網(wǎng)絡(luò)發(fā)射機射頻指紋特征提取與仿真根據(jù)前幾章的理論分析的準備工作，我們可以確定將要仿真基于Wigner-Ville分布與PCA降維的射頻指紋特征提取的基本步驟如下：步驟一、首先，我們假設(shè)有三臺同一型號的無線網(wǎng)絡(luò)發(fā)射機，它們采用的調(diào)制方式都是2ASK，但由于無線網(wǎng)絡(luò)發(fā)射機一些部因素導致載波頻率有一點誤差，所以這里給出發(fā)射機的載波頻率分別為50、45和40，并產(chǎn)生發(fā)射無線信號，同

49、時畫出無線信號的時域圖，仿真圖如圖（5-1）所示；步驟二、接收這三個信號，同時分別對它們進行WVD變換，也就是將一維時域信號轉(zhuǎn)換成由時間和頻率組成二維信號的二次型變換得到時頻矩陣，并同時畫出它們的Wigner-Ville分布的時頻圖與三維時頻圖，如圖5-2到5-5，我們直觀地看出三個信號的時頻特征，他們的時頻圖非常相似。步驟三、由于我們現(xiàn)在提取變換得到的時頻矩陣維數(shù)很大，這對于我們接下來要識別兩臺射頻發(fā)射機的計算量太大，所以這里引入PCA降維技術(shù)。對時頻矩陣樣本的PCA降維不僅提高后續(xù)工作的計算效率，而且還可以降低噪聲對分析數(shù)據(jù)的干擾。經(jīng)過PCA降維，可以得到一個按貢獻率由大到小排列的n維數(shù)據(jù)

50、。同時要從分別從三組信號的主成分中去提取m個總貢獻率最少要超過85%的特征向量。如圖5-6到圖5-8的主成分貢獻率圖，我們發(fā)現(xiàn)到了第二個主成分是的累計貢獻率高至90%，所以我們分別對ask1、ask2和ask3的PCA轉(zhuǎn)換的主成分矩陣取前兩個主成分作為它們的特征。步驟四、用歐氏距離分別求出信號ask1與ask2、ask3在降維前歐氏距離D12、D13和降維后提取的特征矩陣的距離d12、d13。計算結(jié)果如圖5-9所示。由于降維前的時頻矩陣是500*500的矩陣，而降維后提取的特征是2*500的矩陣，由前邊定義的計算公式可知，當數(shù)據(jù)個數(shù)n越大，歐式距離也就越大。因此，我們計算降維前的D12和D13

51、相等，而其中的細微差異被忽略了。但降維后的距離d12和d13不同，顯然體現(xiàn)出PCA降維和提取細微特征的作用。由于d12和d13的不一樣且不等于0，我們可以就識別出ask1、ask2和ask3的這三臺發(fā)射機了。圖5.1 三個不同頻率的信號時域圖圖5.2 三個不同頻率信號的Wigner-Ville分布時頻圖圖5.3 ask1的三維時頻圖圖5.4 ask2的三維時頻圖圖5.5 ask3的三維時頻圖圖5.6 ask1的PCA降維后各組成成分的貢獻率圖5.7 ask2的PCA降維后各組成成分的貢獻率圖5.8 ask3的PCA降維后各組成成分的貢獻率圖5.9 降維前后ask1分別與ask2、ask3的歐式

52、距離6. 結(jié)論時頻分析的方法目的就是讓我們能夠直觀地看到信號的頻率在隨時間變化的規(guī)律，是把該信號從時域去變換到時頻的一個過程，并且可以作出二維活著三維的一個時頻分布圖，同時可以在時頻的平面上來呈現(xiàn)出每一個分量與時間相關(guān)聯(lián)的關(guān)系譜特征，顯示出在每個時間點上它的瞬時頻率附近數(shù)據(jù)的一個分布狀況，而且也能夠比較為客觀地反映出信號的一些特點。本文主要研究的是基于Wigner-Ville分布與PCA降維的射頻指紋特征提取技術(shù)，它是要保證發(fā)射機細微的指紋特征信息比較完整的前提下，可以有效地降低時頻矩陣信號的維數(shù)，有效地減少了接下來要運算的數(shù)據(jù)量，并提取出能夠區(qū)分其他同型號設(shè)備的指紋特征。由上述提出方法得出結(jié)

53、論可以得出，通過Wigner-Ville變換的時頻分析的方法得到的特征量的技術(shù)來得到的發(fā)射機目標間的差別很明顯，這就表明所提取的指紋的特征與不同發(fā)射機間的差異成正比關(guān)系，而且具備較好的可識別性。致在這篇論文將要圓滿完成之際，我最先應(yīng)該由衷感的人是閩紅老師。老師學識淵博，治學態(tài)度踏實嚴謹，和藹可親，平易近人，待人以誠，為人師表，無論是給他身邊的人，還是他的學生留下好形象，樹立了好榜樣。從論文選題與相關(guān)資料的收集，到研究課題解決一個個難題，到最終的完成論文寫，老師都給予了我充分的指導和悉心的幫助，并要求和鼓勵我們要學會獨立自主地完成任務(wù)，培養(yǎng)和學會良好的自學習慣，擺脫在困難與挫折面前就退縮而是完全

54、依賴其他人的惡習。老師不僅是我的畢業(yè)論文導師，而且之前還教我們信息對抗技術(shù)這門專業(yè)課程。師從老師的這段大學學習時光已成為我一生中最有價值的財富。感同窗好友，大家相互鼓勵，一起探討，營造良好的學習氛圍，共同度過了四年美好難忘的大學時光，我非常珍視和他們的友誼！祝他們前程似錦，事業(yè)有成！感生我養(yǎng)我的父母，在身后默默地支持我，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(zhuǎn)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(jié)束了！扭頭望向窗外的校園，久不能語。參考文

55、獻1 齊興敏. 基于PCA的人臉識別技術(shù)的研究D.  理工大學,2007.2 彩月，無線發(fā)射機信號指紋識別的研究D，大學，2013.3 許丹. 輻射源指紋機理與識別方法研究D. : 國防科學技術(shù)大學, 2008.4 陸滿君. 通信輻射源個體識別與參數(shù)估計D. 工程大學, 2010.5 文偉 、王忠仁.Wigner-Ville 分布與在信號分析中的應(yīng)用大學儀器科學與電氣工程學院，2008.6 徐春光 維信.一種基于互局部化Wiger-Ville分布的瞬時頻率估計.電子科技大學電子工程學院，2000.7 唐智靈，小牛，建東基于順序統(tǒng)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

56、 l(5)：12288 Qiu,L.Wigner-Ville distribution and windowed Wigner-Villedistribution of noisy signalsJ. International Conference on Information Engineering '93. 'Communications and Networks for the Year 2000', Proceedings of IEEE Singapore International Conference on (Volume:1 ),Pages: 388

57、- 392.9 Pan,W.Fast calculation method for multicomponent Wigner-Ville distributionJ,IET Journals & Magazines,1992,Feb(13),398-404.10 An,S.;Wanquan Liu;Venkatesh,S.;Tjahyadi,R.A fast kernel dimension reductionalgorithm with applications to face recognitionJ.Machine Learning and Cybernetics, 2005.Proceedings of 2005 International Conference on Volume(6) :3369 - 3376.11 Ronghua Shang;Kun Zhang;Licheng Jiao;Wei Fang A novel algorithm for many-objective dimension reductions: Pareto-PCA-NSGA-IIJ.Evolutionary Computation (CEC),