技術(shù)特征：

1.一種基于小波分析的能量泄漏信號(hào)的降噪方法，其特征在于，所述方法包括：

步驟1.在加密或解密過程中產(chǎn)生的側(cè)信道信息中，獲取所述能量泄漏信號(hào)；

步驟2.根據(jù)選定的母小波和分解層數(shù)對(duì)所述能量泄漏信號(hào)進(jìn)行小波多尺度分解，得到所述能量泄漏信號(hào)的低頻系數(shù)；

步驟3.分解構(gòu)建得到的所述低頻系數(shù)的漢克爾矩陣，得到降噪后的稀疏矩陣；

步驟4.根據(jù)降噪后的所述稀疏矩陣，計(jì)算得到降噪后的低頻系數(shù)；

步驟5.對(duì)所述降噪后的低頻系數(shù)進(jìn)行逆小波變換，得到降噪后的所述能量泄漏信號(hào)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟1，包括：

在密碼設(shè)備進(jìn)行加密或解密過程中產(chǎn)生的側(cè)信道信息中，用探頭在運(yùn)行AES算法的FPGA上采集所述能量泄漏信號(hào)，所述能量泄漏信號(hào)中包括密碼信息、環(huán)境噪聲、設(shè)備噪聲及采樣噪聲。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟2，包括：

2-1.根據(jù)所述能量泄漏信號(hào)的時(shí)頻分布圖確定所述分解層數(shù)，并在Daubechies小波族中選取母小波；

2-2.根據(jù)所述分解層數(shù)及選定的母小波，采用Mallat算法對(duì)所述能量泄漏信號(hào)進(jìn)行小波多尺度分解，得到所述能量泄漏信號(hào)的低頻系數(shù)：

$a_{j+1}\left(n\right)=\underset{l=-\mathrm{\∞}}{\overset{\mathrm{\∞}}{\Σ}}{a}_j\left(l\right)h_0(l-2n)=a_j\left(n\right)*{\stackrel{\‾}{h}}_0\left(2n\right)---\left(1\right)$

式(1)中，j為分解層中的某一層，a_j為第j層的低頻系數(shù)，j＝0時(shí)a_j為原始能量泄漏信號(hào)的值，h₀為母小波生成的分解低頻濾波器系數(shù)，為低頻濾波器系數(shù)的共軛值，n為得到相應(yīng)系數(shù)值的某一時(shí)刻，l為計(jì)數(shù)值。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟3，包括：

3-1.選取窗長L：

式(2)中，N為低頻系數(shù)的長度；

3-2.根據(jù)所述窗長L，構(gòu)建所述低頻系數(shù)的漢克爾矩陣X_L×K；

式(3)中，s_i為第i個(gè)低頻系數(shù)值，K＝N-L+1；

3-3.對(duì)所述漢克爾矩陣X_L×K進(jìn)行魯棒性的主成分分解：

$\begin{array}{cc}\underset{M,Y}{min}\left|\right|M|{|}_{*}+\mathrm{\λ}|\left|Y\right|{|}_0& s.t.\left|\right|M+Y-X_{L\×K}|{|}_F\≤\mathrm{\ϵ}\end{array}---\left(4\right)$

式(4)中，M是魯棒性的主成分分解中的低秩矩陣，Y是魯棒性的主成分分解中的稀疏矩陣，||M||_*為低秩矩陣的核范數(shù)，||Y||₀為稀疏矩陣的零范數(shù)，λ是平衡兩個(gè)目標(biāo)函數(shù)的參數(shù)，F(xiàn)為弗羅賓尼斯范數(shù)，ε表示未知干擾部分的參數(shù)；

3-4.采用ADM算法，在式(4)中分離得到所述稀疏矩陣Y。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟4，包括：

對(duì)降噪后的所述稀疏矩陣進(jìn)行斜對(duì)角平均操作，計(jì)算得到降噪后的低頻系數(shù)

$\tilde{a}\left(n\right)=\left\{\begin{array}{cc}\frac{1}{n+1}\underset{k=1}{\overset{n+1}{\Σ}}{x}_{k,n-k+2}^{*}& 0\≤n\≤L^{*}-1\\ \frac{1}{L^{*}}\underset{k=1}{\overset{L^{*}}{\Σ}}{x}_{k,n-k+2}^{*}& L^{*}-1\≤n\≤K^{*}\\ \frac{1}{N-n}\underset{k=n-K^{*}+2}{\overset{N-K^{*}+1}{\Σ}}{x}_{k,n-k+2}^{*}& K^{*}\≤n\≤N\end{array}\right.---\left(5\right)$

式(5)中，x^*是稀疏系數(shù)矩陣Y中的元素，L^*表示為L^*＝min{L,K}，K^*表示為K^*＝max{L,K}；N為低頻系數(shù)的長度；n為得到相應(yīng)系數(shù)值的某一時(shí)刻，L為窗長，K＝N-L+1。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟5，包括：

對(duì)所述降噪后的低頻系數(shù)進(jìn)行逆小波變換，得到降噪后的所述能量泄漏信號(hào)y(n)：

$y\left(n\right)=\underset{l=-\mathrm{\∞}}{\overset{\mathrm{\∞}}{\Σ}}\tilde{a}\left(l\right)g_0(l-n)=\tilde{a}\left(n\right)*{\stackrel{\‾}{g}}_0\left(n\right)---\left(6\right)$

式(6)中，為某一計(jì)數(shù)時(shí)的低頻系數(shù)，為降噪后的低頻系數(shù)，g₀是由母小波生成的重建低頻濾波器系數(shù)，為重建低頻濾波系數(shù)的共軛值，n為得到相應(yīng)系數(shù)值的某一時(shí)刻，l為計(jì)數(shù)值。

7.一種基于小波分析的能量泄漏信號(hào)的降噪系統(tǒng)，其特征在于，所述系統(tǒng)包括：

能量泄漏信號(hào)獲取模塊，用于在加密或解密過程中產(chǎn)生的側(cè)信道信息中，獲取所述能量泄漏信號(hào)；

降噪?yún)?shù)選取模塊，用于根據(jù)選定的母小波和分解層數(shù)對(duì)所述能量泄漏信號(hào)進(jìn)行小波多尺度分解，得到所述能量泄漏信號(hào)的低頻系數(shù)；

觀測(cè)矩陣構(gòu)建及分離模塊，用于分解構(gòu)建得到的所述低頻系數(shù)的漢克爾矩陣，得到降噪后的稀疏矩陣；

低頻系數(shù)重建模塊，用于根據(jù)降噪后的所述稀疏矩陣，計(jì)算得到降噪后的低頻系數(shù)；

能量泄漏信號(hào)重建模塊，用于對(duì)所述降噪后的低頻系數(shù)進(jìn)行逆小波變換，得到降噪后的所述能量泄漏信號(hào)。

8.根據(jù)權(quán)利要求7所述的系統(tǒng)，其特征在于，所述能量泄漏信號(hào)獲取模塊包括：

側(cè)信道信息獲取單元，用于獲取密碼設(shè)備進(jìn)行加密或解密過程中產(chǎn)生的側(cè)信道信息；

能量泄漏信號(hào)獲取單元，用于在所述側(cè)信道信息中，用探頭在運(yùn)行AES算法的FPGA上采集所述能量泄漏信號(hào)，所述能量泄漏信號(hào)中包括密碼信息、環(huán)境噪聲、設(shè)備噪聲及采樣噪聲。

9.根據(jù)權(quán)利要求7所述的系統(tǒng)，其特征在于，所述降噪?yún)?shù)選取模塊包括：

分解層數(shù)選取單元，用于根據(jù)所述能量泄漏信號(hào)的時(shí)頻分布圖確定所述分解層數(shù)；

母小波選取單元，用于在Daubechies小波族中選取母小波；

低頻系數(shù)獲取單元，用于根據(jù)所述分解層數(shù)及選定的母小波，采用Mallat算法對(duì)所述能量泄漏信號(hào)進(jìn)行小波多尺度分解，得到所述能量泄漏信號(hào)的低頻系數(shù)。

10.根據(jù)權(quán)利要求7所述的系統(tǒng)，其特征在于，所述觀測(cè)矩陣構(gòu)建及分離模塊，包括：

窗長選取單元，用于選取窗長；

漢克爾矩陣構(gòu)建單元，用于根據(jù)所述窗長，構(gòu)建所述低頻系數(shù)的漢克爾矩陣；

漢克爾矩陣分解單元，用于對(duì)所述漢克爾矩陣進(jìn)行魯棒性的主成分分解；

稀疏矩陣獲取單元，用于采用ADM算法，分離得到所述稀疏矩陣。