在云技术与大数据等互联网技术日新月异的信息时代,无线通信技术也因此受益进入了全面发展的新阶段,即将步入5G时代。安全可靠以及高效实时的通信需求,使得安全通信技术面临更加艰巨的挑战。无线信道因其天然的开放特性,使得通信变得透明化,也因此更容易受到信息窃听、篡改以及伪造等手段的攻击和干扰。其中基于身份信息的模仿攻击是无线通信中常用的攻击方式,因此能否准确识别和认证用户身份是安全通信的基本保障。可靠的物理层传输媒介能为安全通信提供强有力的保护,高效利用物理信道丰富的天然特征实现安全通信是物理层安全领域的研究热点。借助信道的互异性、空间唯一性、随机性等传输特征可高效实现通信的机密性与安全性,其实质是利用收发信道和传输信号的空时特异性来加密及认证发送信息,使窃听者获得的信息量趋于零从而提升信息传输的安全性。物理层安全认证技术为安全通信提供了第一道保护屏障,能有效防止窃听及模仿等攻击,协助增强上层通信的安全性能且不会增加任何负担和额外开销。本文从无线信道模型、多径衰落特征、物理层认证等方面进行研究。重点研究了基于无线信道特征的物理层认证技术,同时将机器学习中数据分类算法引入到无线通信OFDM系统中,进行信道时延特征分类检测实现物理层身份认证。该方法可实现单向或双向的被动认证,能很好的应用在具有衰落的移动场景中。主要工作和创新如下:1.对无线信道的多径时延变化特征进行量化处理,分别从多径时延变量和多径时延差量两个角度进行分析,给出了利用时延变化特征对多径时延进行相似处理,提高了认证检测效率,简化算法的复杂度。2.针对时变信道的特点,设计了一种基于多径时延特征的物理层认证新方案,实时地跟踪多径时延的动态变化特征,较好地解决了当用户处于移动状态下的认证效率低的问题。当接收端处在移动场景时,通过动态因子检测多径时延的变化特征,可以有效地区分不同用户的信道特征从而实现身份认证。3.在物理层中引入机器学习SVM分类算法,对物理层信道时延特征进行训练学习,给出了一种基于SVM算法的无线物理层认证新方法。提高物理层时域资源利用率,解决在低信噪比下认证识别率较低的问题。相较于传统的认证方案认证性能显著提高,当多径时延特征缓慢变化时也有很好的认证效率。