移动通信技术的普及和发展对无线网络的安全能力提出了更高的要求,基于物理层的安全认证方式也受到更多关注。设备的接入认证是物理层安全中重要的组成部分,其目的是抗击仿冒攻击。射频指纹技术从设备本身独一无二的硬件特性出发,为身份认证提供了保障,成为当前无线安全领域的研究热点之一。本文针对射频指纹技术实现对物理层安全的研究,以发射机瞬态部分信号为目标,提出一种新的基于对数功率余弦谱的射频指纹提取方案。主要工作集中在射频指纹特征提取和特征性能分析。射频指纹特征提取是本课题的核心任务。针对基于瞬态的射频指纹提取算法性能对瞬态检测精度依赖性较强的问题,提出了一种双层瞬态检测算法。该方案首先使用固定区间峰值提取和三次样条插值提取射频信号的形状轨迹,基于形状轨迹初步确定瞬态起点和终点,然后设计代价函数并联合本文所提特征提取算法进行优化,最终获取精确的信号瞬态区间;为了进一步消除载波调制信号的影响,设计了三相下变频结构得到归一化对数功率包络;进而利用傅里叶变换得到对数包络功率谱,将蕴含在时域瞬态信号中的特征转换到频域;再利用对数余弦功率变换得到对数功率余弦谱,相比于对数包络功率谱,对数功率余弦谱具有更强的能量聚集效应,将表现在整个频谱的差异集中在低维部分,在很大程度上减少了算法复杂度。最终基于对数功率余弦谱提取7维统计特征构建射频指纹特征向量。在特征性能分析部分,使用来自开源数据集的射频信号进行验证,数据集中包含五个不同品牌的16台设备。首先使用机器学习中经典的支持向量机算法构建多元分类器,采用高斯核函数实现非线性分类,得到分类的混淆矩阵和整体分类准确率。实验结果表明,利用支持向量机即可实现较为理想的分类效果,使用7维特征实现了98.7%的识别准确率。为了进一步解释利用射频指纹进行设备身份识别的物理机理,利用主成分分析将高维射频指纹特征降维到可视化维度分析,并利用拟合方法构建了不同设备指纹特征的概率分布密度图谱,对所提取的特征指纹的区分度进行了验证。最后,通过给实测信号添加不同强度的噪声分析算法的抗噪性能,证明了所提特征的抗噪声能力,在低信噪比下仍能达到80%以上的识别准确率。最终证明本文所提射频指纹识别算法可以从设备接入认证角度有效提升对仿冒攻击的识别效果,从而提升无线通信的安全性。