基于多尺度卷积和元学习的物理层认证方案

本发明涉及一种基于多尺度卷积和元学习的物理层认证方案。针对非法数据难以采集导致的数据不平衡问题，该方案提出基于子载波权重因子的SMOTE过采样算法对少数类样本进行过采样，引入不同子载波的权重来指导过采样过程，确保新生成的少数类样本更加贴近实际的样本分布。为了更有效地提取CSI数据深层特征，本发明设计了基于多尺度卷积和注意力机制的CNN网络MDA‑Net，使用可变形卷积模块来提升模型的特征提取能力。最后，本发明提出环境差异性指数EDI衡量现有环境和基础环境的差异，并基于EDI自适应调整元学习的学习率，提升模型在新场景和变化场景下的适应能力。实验表明，本发明提出的模型在新场景中F1分数达到了0.966，假正例率相较于现有代表性算法下降了2.42％。