射频指纹识别技术是一种通过对通讯设备的硬件差异识别不同的无线设备的方法,旨在辅助解决无线网络的安全接入问题。本文通过对通信发射机稳态信号的细微指纹进行提取,并利用分类技术对这些指纹信息进行识别。本文的主要工作包括以下各方面:首先,本文介绍了射频指纹识别的基本模型和原理,并根据现有的研究成果基于不同的硬件结构进行分析。在此基础上,介绍了不同分类器的识别性能并选取了3种分类器在本文研究过程中使用。接下来,本文研究了基于无导频结构下的稳态信号射频指纹。分别从分形特征、高阶矩特征和相位噪声谱等不同角度对无导频信号指纹特征进行提取。在此基础上,结合软件无线电平台实测数据,对提取的无导频结构指纹特征分别在3种分类器中进行分类识别。测试结果表明,本文提取的无导频结构信号指纹都能在不同程度上对发射机进行识别。其中,分形维数和相位噪声谱具有较好的抗噪能力,而高阶矩则受噪声影响较大。然后,本文研究了基于导频结构的稳态信号射频指纹。首先介绍了常用的载频估计方法,再根据先验导频信息重点说明了本文使用的载频相位精估计方法。通过已有的载频相位信息提取了几种简单的星座图特征,并对星座轨迹的I/Q偏移特征等进行了研究。在此基础上,每节结合了测试台实测数据,分别分析了以载频相位精估特征、星座图特征和功率谱统计特征的单一特征作为识别输入时不同分类的识别效果。测试结果表明,本文提取的基于导频结构信号指纹都能在不同程度上对发射机进行识别。其中,功率谱统计特征具有较好的抗噪能力,但整体识别率较低。载频相位估计特征和星座图特征尽管在低信噪比时几乎无法识别,但在信道条件较好的情况下,识别效果较好。最后,本文使用美国国家仪器公司(National Instruments,NI)通用软件无线电平台(Universal Software Radio Peripheral,USRP)及其配套软件实验室虚拟仪器工程平台(Laborary Virrtual Instrument Engineering Workbench,LabVIEW)搭建了射频指纹实验测试平台,并对本文提取的射频指纹特征进行分类和性能验证。首先对软件无线电平台软件和硬件进行了详细介绍,并对整个链路的通信模块进行了分析,包括帧结构设计、帧同步和参数配置等。最后分别从单一特征、多种特征组合和分类器性能三个角度分析了射频指纹识别性能。硬件测试结果表明,无论是无导频结构的稳态信号指纹,还是基于导频结构下提取的指纹特征均能在高信噪比时达到不错的分类识别效果。部分特征抗噪声性能强,包括分形特征、相位噪声谱、功率谱统计特征。部分特征虽然对信噪比较为敏感,但在良好的信道环境下,能取得更好的识别性能,在实际应用过程中可将两类特征结合使用。