1.基于深度强化学习和raw i/q的射频指纹识别方法,其特征在于,包括:
2.根据权利要求1所述的基于深度强化学习和raw i/q的射频指纹识别方法,其特征在于,采集i/q样本数据时通过修改lte射频发射器的属性,包括同向正交iq不平衡,相位噪声和功率放大器增益,区分为5个硬件属性不同的设备。
3.根据权利要求2所述的基于深度强化学习和raw i/q的射频指纹识别方法,其特征在于,每个设备采集100个iq数据样本,每个样本长度为7680*1,数据集按照7:2:1分为训练集,验证集,测试集。
4.根据权利要求1所述的基于深度强化学习和raw i/q的射频指纹识别方法,其特征在于,环境包含了样本选取函数,动作奖励函数,动作执行函数以及状态重置函数。
5.根据权利要求1所述的基于深度强化学习和raw i/q的射频指纹识别方法,其特征在于,结合自定义的样本环境以及搭建的神经网络模型cnn,对样本数据进行dqn强化学习:
6.根据权利要求1所述的基于深度强化学习和raw i/q的射频指纹识别方法,其特征在于,设计奖励函数,针对不同数量的设备识别,奖励函数不一致:设备数目为5,奖励函数设计为,判断动作正确奖励10分,动作与实际目标差距为1扣1分,差距为2扣2分,差距为3扣3分,差距为4扣4分;判断错误的惩罚由判断动作与实际目标之间的差异大小决定,二者差距越大,奖励越小。
7.根据权利要求1所述的基于深度强化学习和raw i/q的射频指纹识别方法,其特征在于,训练过程:
8.基于深度强化学习和raw i/q的射频指纹识别系统,其特征在于,包括:
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述基于深度强化学习和raw i/q的射频指纹识别方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述基于深度强化学习和raw i/q的射频指纹识别方法的步骤。