Channel-Robust RFF for Low-Latency 5G Device Identification in SIMO Scenarios
Yingjie Sun, Guyue Li, Hongfu Chou, Aiqun Hu
超低延迟是第五代移动通信(5G)的标志,对识别也提出了严格的时间要求。 当前的加密解决方案引入了额外的计算开销,从而导致更高的识别延迟。 射频指纹(RFF)识别物理层的设备,阻止冒名攻击,同时显著降低延迟。 不幸的是,多路径通道损害了RFF的准确性,现有的通道弹性方法需要跨多个时间点的反馈或处理,从而产生额外的信号延迟。 为了解决这个问题,本文引入了一种新的RFF提取技术,该技术采用来自多个接收天线的信号来解决多路径问题,而不会增加延迟。 与单域方法不同,使用来自多个天线的联合时序信道频率响应(CFR)的Log-Linear Delta Ratio(LLDR)来保存判控RFF功能,从而消除多时间采样并缩短采集时间。 为了克服依赖最小信道变异的挑战,将频段分割成子波段,LLDR在每个子频段内单独计算。 模拟结果表明,在20 dB的信噪比(SNR)下,20个路径通道内的30个用户设备(UE)的识别精度达到96.13%。 此外,我们使用Roofline模型评估理论延迟,导致0.491 ms的空中接口延迟,满足超可靠和低延迟通信(URLLC)延迟要求。
Ultra-low latency, the hallmark of fifth-generation mobile communications (5G), imposes exacting timing demands on identification as well. Current cryptographic solutions introduce additional computational overhead, which results in heightened identification delays. Radio frequency fingerprint (RFF) identifies devices at the physical layer, blocking impersonation attacks while significantly reducing latency. Unfortunately, multipath channels compromise RFF accuracy, and existing channel-resilien...