VARIATIONAL MODE DECOMPOSITION BASED RADIO FREQUENCY FINGERPRINTING OF BLUETOOTH DEVICES
Date
2022-01-26
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
In this thesis, we evaluated the performance of RF fingerprinting method based on
variational mode decomposition (VMD). Radio frequency fingerprinting (RFF) is
based on identification of unique features of RF transient signals emitted by radio
devices. RF transient signals of radio devices are short in duration, non-stationary
and nonlinear time series. For this purpose, VMD is used to decompose Bluetooth
(BT) transient signals into a series of band-limited modes, and then, the transient
signal is reconstructed from the modes. Higher order statistical (HOS) features are
extracted from the complex form of VMD-reconstructed transients and VMD-modes.
Then, Linear Support Vector Machine (LVM) classifier is used to identify BT
devices. The method has been tested experimentally with BT devices of different
brands, models and series. The classification performance shows that VMD reconstructed transients method achieves better performance (at least 8% higher)
than time-frequency-energy (TFED) distribution based methods such as Hilbert Huang Transform. This is demonstrated with the same dataset but with smaller
number of features (nine features) and slightly lowers (2-3 dB) SNR levels. For the
same dataset the classification performance demonstrates that VMD-modes method
achieves better performance (4% higher) than VMD-reconstructed transient method.
Description
VARYASYONEL KİP AYRIŞTIRICI KULLANARAK BLUETOOTH
CİHAZLARIN RADYO FREKANS PARMAK İZİ ÇIKARIMI
ÖZ: Bu tez çalışmasında, Varyasyonel Kip Ayrıştırıcı (VKA) tabanlı Radyo Frekans (RF) parmak izi çıkarımı çalışılmıştır. RF parmak izi kullanımı, radyo cihazları tarafından iletilen geçiş(transient) sinyallerinin özniteliklerinin tanımlanmasına dayanmaktadır. RF cihazların geçiş sinyalleri, kısa süreli, durağan olmayan ve doğrusal olmayan zaman serileridir. Bundan dolayı, öncelikle VKA ile Bluetooth (BT) cihazların geçiş sinyalleri bant-sınırlı modlara ayrıştırılmakta ve ardından sinyal tekrar oluşturulmaktadır. Hem VKA ile yeniden oluşturulan hemde VKA modlarının yüksek dereceli istastiksel öznitelikleri çıkarılmaktadır. BT cihazlarını sınıflandırmada ise Doğrusal Destek Vektör Makinaları (DDVM-LSVM) sınıflandırıcısı kullanılmaktadır. Tez kapsamında önerilen yöntem, farklı marka, model ve seride BT cihazlarında deneysel olarak test edilmiştir. Önerilen VKA tabanlı RF parmak izi çıkarımı yönteminin, Hilbert-Huang transformu kullanılarak elde edilen zaman-frekans-enerji dağılımı tabanlı yöntemlerden en az %8 daha iyi bir başarım sağladığı deneysel veriler ile gösterilmektedir. Bu başarım, önceki yöntemdeki Sinyal-Gürültü Oranının (SGO-SNR) 2-3 dB altında ve daha az öznitelik ile elde edilebilmektedir. Ayrıca, VKA modlarının özniteliklerinin direk kullanılması durumundaki başarım, VKA ile yeniden oluşturulan sinyalden çıkarılan öznitelikler kullanılarek elde edilen başarımdan %4 daha yüksek bulunmuştur.
ÖZ: Bu tez çalışmasında, Varyasyonel Kip Ayrıştırıcı (VKA) tabanlı Radyo Frekans (RF) parmak izi çıkarımı çalışılmıştır. RF parmak izi kullanımı, radyo cihazları tarafından iletilen geçiş(transient) sinyallerinin özniteliklerinin tanımlanmasına dayanmaktadır. RF cihazların geçiş sinyalleri, kısa süreli, durağan olmayan ve doğrusal olmayan zaman serileridir. Bundan dolayı, öncelikle VKA ile Bluetooth (BT) cihazların geçiş sinyalleri bant-sınırlı modlara ayrıştırılmakta ve ardından sinyal tekrar oluşturulmaktadır. Hem VKA ile yeniden oluşturulan hemde VKA modlarının yüksek dereceli istastiksel öznitelikleri çıkarılmaktadır. BT cihazlarını sınıflandırmada ise Doğrusal Destek Vektör Makinaları (DDVM-LSVM) sınıflandırıcısı kullanılmaktadır. Tez kapsamında önerilen yöntem, farklı marka, model ve seride BT cihazlarında deneysel olarak test edilmiştir. Önerilen VKA tabanlı RF parmak izi çıkarımı yönteminin, Hilbert-Huang transformu kullanılarak elde edilen zaman-frekans-enerji dağılımı tabanlı yöntemlerden en az %8 daha iyi bir başarım sağladığı deneysel veriler ile gösterilmektedir. Bu başarım, önceki yöntemdeki Sinyal-Gürültü Oranının (SGO-SNR) 2-3 dB altında ve daha az öznitelik ile elde edilebilmektedir. Ayrıca, VKA modlarının özniteliklerinin direk kullanılması durumundaki başarım, VKA ile yeniden oluşturulan sinyalden çıkarılan öznitelikler kullanılarek elde edilen başarımdan %4 daha yüksek bulunmuştur.
Keywords
engineering systems