基于深度学习的超高频标签识别系统
无线射频识别(Radio Frequency Identification,RFID)系统最基本的功能是标签识别,然而身份验证系统无法检测到伪造或克隆标签,从而出现潜在安全隐患和个人隐私问题.目前有基于加密的认证协议和基于特征提取的解决方法,其中基于加密的认证协议方法不兼容现有的协议,基于特征提取的方法存在特征提取困难或者识别距离短等限制.文中基于标签物理层信号的真实性进行识别,结合深度学习技术,提出标签信号识别方法.其核心思想在于在RFID 通信过程中,利用标签的后向散射信号提取与标签逻辑信息无关的信号,将提取的信号送入卷积神经网络进行相似度匹配,根据得到的相似度匹配分数与给定的阈值对比,最后实现标签的真实性识别.采用USRP N210 作为RFID 系统的阅读器,采用150 个超高频商用标签作为信号的发射器,并在实际场景中采集真实的RFID 信号.通过实验验证了基于深度学习的标签识别能达到94％以上的识别精度,在识别距离长达2m 的情况下其等错误比率(EER)为0.034.
物理层识别、无线射频识别、深度学习、标签
50
TP391(计算技术、计算机技术)
2023-09-06（万方平台首次上网日期，不代表论文的发表时间）
共6页
656-661
