基于改进型LMMSE信道估计的车联网射频指纹识别方法

来源：电子测量技术杂志2026年第1期北京时间：

作者：盛丽娜，徐耀，李燕，杨飏，付楠

单位：1.无锡学院物联网工程学院 无锡 214105;2.南京信息工程大学计算机学院 南京 210044

摘要：车联网场景下设备的移动性和复杂环境使其更易遭受恶意攻击，需要安全高效的认证机制，RFF为车联网身份认证提供了新的思路。但由于设备指纹特征直接从无线信号中提取，且其稳定性极易受到信道变化的影响，无线信道和接收机噪声的共同作用将导致接受到的信号发生失真，难以直接分离发射信号的真实特征。为解决上述问题，本文提出了一种基于改进型LMMSE信道估计的PSBCH的RFF提取方法。首先，本文构建了基于LMMSE准则的信道估计器。该估计器利用信道时频二维统计特性建立相应的二维相关矩阵，从而可有效捕获时间选择性衰落与频率选择性衰落之间的内在耦合关系，基于该矩阵能够有效地从接收信号中分离出随机信道响应。然后，通过信道均衡操作，对已被信道污染的硬件指纹进行还原，恢复指纹的原始特征信息。最后，通过结构优化的双分支异构神经网络对指纹进行深度表征学习，实现对硬件指纹的高精度分类。实验结果表明，在低信噪比的固定和移动场景下，所提方法的分类准确率分别达到95.46%和92.05%。

关键词：车联网;射频指纹;LMMSE;设备识别;神经网络

基金资助：无锡学院高层次人才科研启动专项经费(2024r001)资助