南京邮电大学学报(自然科学版)

作者：江凌云,史秀秀

单位：南京邮电大学 通信与信息工程学院，江苏 南京 210003南京邮电大学 通信与信息工程学院，江苏 南京 210003

关键词：物理层认证；支持向量机；随机梯度下降；鲁棒主成分分析

基金：江苏省重点研发计划（BE2020084-4）和国家自然科学基金（92067201）资助项目

目前的物联网设备处在复杂的环境中且资源有限，基于信道特征的被动型物理层认证（Physical Layer Authentication，PLA）方式非常适合应用于目前的物联网设备。而传统基于信道特征的PLA 采集到的是静态特征，导致现实中的时变信道认证概率较低。针对这一问题，使用支持向量机（Support Vector Machine，SVM）对时变信道下提取的信道特征进行分类认证，并使用在线学习随机梯度下降（Stochastic Gradient Descent，SGD）来更新SVM 模型，实现了分类模型随着信道的变化而更新。此外，使用了鲁棒主成分分析（Robust Principal Component Analysis，RPCA）对提取的信道特征进行降维处理，降低获取SVM 模型的复杂度并抑制了信道噪声的干扰。仿真结果表明，方案改善了时变信道下的认证概率，提高了鲁棒性。

来源：2025年第01期

《南京邮电大学学报(自然科学版)》期刊编辑部

查看南京邮电大学学报(自然科学版)杂志2025年第01期