本发明涉及无线通信和信号处理，具体为一种针对tdma对讲机的射频指纹提取方法。
背景技术：
1、射频指纹识别(rad iofrequencyfi ngerpr i nt i ng，rff)利用辐射源硬件差异在无线电信号中产生的独特属性，实现个体识别。这些硬件差异不会影响辐射源的通信或探测功能，但会在无线电信号上留下独特的“指纹”。目前，tdma双工模式对讲机可以采用射频指纹识别技术进行特征提取和识别。
2、现有的射频指纹识别技术主要分为三类：1)iq数据简单预处理+复杂预处理+专家特征变换+网络模型的结构；2)iq数据简单预处理+复杂预处理+网络模型的结构；3)iq数据简单预处理+网络模型结构。这些方法尽管理论上适用于tdma双工模式对讲机，但由于没有针对其特殊设计，存在一些明显的不足。
3、首先，这些方法虽然理论上适用于tdma双工模式对讲机，但由于没有针对其特殊设计，识别准确率较低，难以实现预期效果。其次，现有方法的算法复杂度高，计算成本大，在实际应用中操作难度较大。
4、因此，亟需开发一种专门针对tdma双工模式对讲机的射频指纹提取方法，以克服现有技术的不足。
技术实现思路
1、针对现有技术的不足，本发明提供了一种针对tdma对讲机的射频指纹提取方法，解决了现有tdma双工模式对讲机射频指纹识别方法识别准确率低和算法复杂度高的问题。
2、为实现以上目的，本发明通过以下技术方案予以实现：一种针对tdma对讲机的射频指纹提取方法，包括以下步骤：
3、s1、获取tdma对讲机的iq数据；
4、s2、计算接收信号的rssi；
5、s3、窗式截取稳态段的功率波形图；
6、s4、对截取的波形图进行数据清洗；
7、s5、使用深度学习网络模型进行特征提取和识别。
8、优选的，所述s1步骤具体包括以下步骤：
9、s1.1、将tdma对讲机信号录制为wav格式文件；
10、s1.2、使用mat l ab程序读取wav格式的iq数据；
11、s1.3、将读取的iq数据保存为二维数组。
12、优选的，所述s2步骤中rssi的计算公式为：
13、rssi＝i2+q2，其中i和q分别代表iq数据的实部和虚部。
14、优选的，所述s3步骤具体包括以下步骤：
15、s3.1、设定rss i的阈值；
16、s3.2、截取rss i值大于阈值的部分波形图；
17、s3.3、保存截取到的波形图。
18、优选的，所述s4步骤具体包括以下步骤：
19、s4.1、计算波形图中每个点的rgb值的算术平均值；
20、s4.2、删除rgb平均值均大于253的波形图。
21、优选的，所述深度学习网络模型通过lenet网络模型进行训练和分类。优选的，所述窗式截取功率波形图的具体实现包括以下伪代码：
22、
23、
24、优选的，所述数据清洗的具体实现包括以下伪代码：
25、
26、本发明提供了一种针对tdma对讲机的射频指纹提取方法。具备以下有益效果：
27、1、本发明通过本发明的方法录制了两种型号共4台tdma双工模式对讲机的信号，经过窗式截取功率波形图，使用lenet网络模型进行训练实验。清洗前识别正确率为84％，清洗后正确率提升至86％，显示出数据清洗步骤的有效性。
28、2、本发明通过制作功率时域图作为神经网络的训练样本，有效地提取出tdma双工模式对讲机的射频指纹特征，经试验证明，本发明方法截取的功率时域图训练的正确率高达86％，显著提高了识别的正确率。
29、3、本发明通过采用信号的稳态段进行射频指纹特征提取，减少了同步工作的需求，使得射频指纹特征提取过程更加便捷，并且通过窗式截取功率时域图的方法，在一定的信号时长内，可以大幅增加深度学习网络模型使用的样本数量，从而提高训练的正确率。
1.一种针对tdma对讲机的射频指纹提取方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种针对tdma对讲机的射频指纹提取方法，其特征在于，所述s1步骤具体包括以下步骤：
3.根据权利要求1所述的一种针对tdma对讲机的射频指纹提取方法，其特征在于，所述s2步骤中rssi的计算公式为：
4.根据权利要求1所述的一种针对tdma对讲机的射频指纹提取方法，其特征在于，所述s3步骤具体包括以下步骤：
5.根据权利要求1所述的一种针对tdma对讲机的射频指纹提取方法，其特征在于，所述s4步骤具体包括以下步骤：
6.根据权利要求1所述的一种针对tdma对讲机的射频指纹提取方法，其特征在于，所述深度学习网络模型通过lenet网络模型进行训练和分类。
7.根据权利要求1所述的一种针对tdma对讲机的射频指纹提取方法，其特征在于，所述窗式截取功率波形图的具体实现包括以下伪代码：
8.根据权利要求1所述的一种针对tdma对讲机的射频指纹提取方法，其特征在于，所述数据清洗的具体实现包括以下伪代码：
