1.一种基于分类子波形叠加信号降噪的设备指纹识别方法，其特征在于：包括如下步骤：

步骤一：设备指纹特征采用函数f[·]表示，待识别的信号x(t)经过发射机发射后携带上发射机的设备指纹，得到发送信号记为f[x(t)]；

步骤二：发送信号经过无线链路的传播被接收机接收，接收信号记为：y(t)＝h(f[x(t)])+n(t),其中h(·)表示多径信道响应函数，n(t)表示均值为0，方差为N0/2加性高斯白噪声项；

步骤三：当设备训练数据和测试数据在相似的环境下采集，认为它们的多径信道响应相似，且接收信号的多径信道变化小，因此可以忽略多径信道对接收信号的影响，接收信号可以简化为：

y′(t)＝f[x(t)]+n(t).

步骤四：所有信号都是由一定数量的单位波形连接组成，信号中正单位波形形成波峰，负单位波形形成波谷，定义信号中的单位波形为U；

H H

步骤五：利用算法分别得到信号y′(t)中的波峰值Peaks 和波谷的值Peaks ，以及波峰的位置LocsH，波谷的位置LocsL：H L

Peaks＝[Peaks ,Peaks],Locs＝[LocsH,LocsL],其中上标H和L分别表示波峰和波谷；

步骤六：对波峰和波谷的位置进行排序分别得到 和步骤七：根据位置排列信息 和 对Peaks也重新排序，并将波峰和波谷的值分别归一化到1和‑1得到正确排列的波峰波谷信息 和步骤八：根据信号段中连续正/负单位波形U的数量，将信号划分为不同类型的子波形，如下：

m＝1,2,3,…,Mi；

H L

其中， 和 分别表示波峰型和波谷型子波形；K ,K表示对应子波形的数量；Mi表示每种子波形中包含的单位波形的数量；

步骤九：将相同类型的子波形进行叠加，以 为例：其中nM(t)表示叠加后的噪声项，同理可得步骤十：叠加后的信号 和 可以直接作为接收信号的设备指纹特征，记为：步骤十一：通过提取到的设备指纹特征进行设备身份识别。

2.根据权利要求1所述的一种基于分类子波形叠加信号降噪的设备指纹识别方法，其特征在于：步骤二中只考虑同一个接收机识别多个发射机的场景，也就是说接收机指纹对每个接收信号造成的畸变相同的，因此指纹系统建模的过程中可以忽略接收机指纹在设备指纹识别中的影响。

3.根据权利要求1所述的一种基于分类子波形叠加信号降噪的设备指纹识别方法，其特征在于：步骤三中，假设接收信号功率为1，则接收信号y′(t)的原始信噪比为：

4.根据权利要求1所述的一种基于分类子波形叠加信号降噪的设备指纹识别方法，其特征在于：步骤八中，相同波形段的定义包含两部分：(1)信号段的波形相同；(2)信号段的前一个单位波形相同。

5.根据权利要求1所述的一种基于分类子波形叠加信号降噪的设备指纹识别方法，其特征在于：步骤九中，子波形分类叠加后信号的等效SNR为：可以看到Mi个子波形叠加后的等效SNR是和接收信号原始SNRγo的Mi倍，但是子波形信号长度较短，因此其噪声信号不是严格0均值加性高斯白噪声，所以实际的叠加信号信噪比会低于理论值。

6.根据权利要求1所述的一种基于分类子波形叠加信号降噪的设备指纹识别方法，其特征在于：步骤十中设备指纹提取方法包括物理量提取法、机器学习、深度学习、星座图法等方法中的一种或多种方法。