非正常無線電信號的自動識別系統(tǒng)及其方法
【專利摘要】本發(fā)明公開一種非正常無線電信號類型的自動識別和自學習方法,其特點是通過分析實測無線電信號的頻譜數(shù)據(jù)，結(jié)合無線電監(jiān)測專家的經(jīng)驗知識和特征提取方法，完成對無線電信號的特征提取；在無線電信號的特征空間中，采用聚類分析方法，對實測的掃頻式干擾、寬帶干擾、窄帶干擾、非法插播信號等進行了聚類分析；利用聚類分析結(jié)果，該方法可使無線電監(jiān)測設備具有自動識別非正常無線電信號類型的能力。隨著實測無線電信號頻譜數(shù)據(jù)的積累及識別誤差的增大，該方法提供了定期對聚類分析結(jié)果進行自學習的能力。根據(jù)識別結(jié)果，結(jié)合通信設備，該方法提供了監(jiān)測設備的自動報警能力。該方法用于無線電監(jiān)測設備，提高了無線電監(jiān)測設備的信息處理能力，可實現(xiàn)無線電監(jiān)測設備的無人值機，減少了監(jiān)測技術人員的工作量。
【專利說明】非正常無線電信號的自動識別系統(tǒng)及其方法
【技術領域】
[0001]本發(fā)明涉及到無線電監(jiān)測領域，更具體涉及到無線電信號檢測及非正常無線電信號的自動識別。
【背景技術】
[0002]無線電監(jiān)測主要針對無線電管理地域內(nèi)的無線電信號，并對該無線電信號進行分析、識別、監(jiān)視并獲取其技術參數(shù)、工作特征和輻射位置等技術信息。非正常無線電信號的發(fā)現(xiàn)與識別在無線電監(jiān)測中占有重要地位，特別是在重大活動期間對非正常無線電信號的監(jiān)測更為重要。
[0003]傳統(tǒng)的無線電監(jiān)測工作是無線電監(jiān)測人員通過監(jiān)測設備，配合專業(yè)知識和監(jiān)測人員的實際經(jīng)驗來人工完成的。且主要是通過該信號的頻譜圖和持續(xù)時間來判斷。這種識別方式主要有以下幾個不足:一方面，不同的工作人員有不同的經(jīng)驗知識，在做決策時存在一定的主觀性，直接影響非正常無線電信號的正確識別；同時無線電監(jiān)測過程中對非正常信號的發(fā)現(xiàn)與識別依賴于技術人員，其中大部分工作重復進行，是對人力資源的浪費，且在應急情況下極大的增加了其工作難度和工作量；另一方面，非正常無線電信號的識別遵循一套規(guī)范的監(jiān)測流程，由于現(xiàn)有無線電監(jiān)測設備的信息處理能力不足，導致非正常無線電信號的識別嚴重依賴于技術人員，無法實現(xiàn)無線電監(jiān)測設備的無人執(zhí)機。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的在于克服現(xiàn)有技術的不足，提高無線電監(jiān)測的自動化、智能化水平，提供一種非正常無線電信號的自動識別系統(tǒng)及其方法，該識別系統(tǒng)實現(xiàn)非正常無線電信號的自動檢測，以及非正常無線電信號的自動識別，增強無線電監(jiān)測的自動化、智能化水平。同時，該識別方法具備對算法參數(shù)進行自學習的能力。根據(jù)識別結(jié)果，結(jié)合通信設備，該系統(tǒng)具備監(jiān)測設備的自動報警能力。該方法用于無線電監(jiān)測系統(tǒng)，可提高無線電監(jiān)測系統(tǒng)的信息處理能力，實現(xiàn)無線電監(jiān)測系統(tǒng)的無人執(zhí)機，有效減輕監(jiān)測人員的工作難度與工作量。
[0005]本發(fā)明所述非正常無線電信號是指監(jiān)測到的非法或干擾信號，包括掃描式干擾、寬帶干擾、窄帶干擾、非法插播信號等?？梢尚盘柺侵赶到y(tǒng)通過初步判斷為疑似非正常的無線電信號，但還需要進一步確定的信號。
[0006]本發(fā)明所述非正常無線電信號自動識別系統(tǒng)包括無線電信號監(jiān)測設備系統(tǒng)、無線電信號智能分析系統(tǒng)、網(wǎng)絡通信系統(tǒng)和處理控制器；監(jiān)測設備系統(tǒng)接收空中的電磁波，進行變換處理，產(chǎn)生信號的監(jiān)測數(shù)據(jù)，包括:頻譜數(shù)據(jù)，語音數(shù)據(jù)，方位數(shù)據(jù)，中頻測量數(shù)據(jù)等；智能分析系統(tǒng)通過對監(jiān)測數(shù)據(jù)進行一系列智能分析處理，自動識別非正常信號；網(wǎng)絡通信系統(tǒng)負責系統(tǒng)各模塊之間，系統(tǒng)與外部其它設備之間的通信；處理控制器負責協(xié)調(diào)各個模塊之間的處理調(diào)度。其中無線電信號智能分析系統(tǒng)，包括無線電非正常信號檢測模塊、非正常信號特征提取模塊、非正常信號識別模塊、系統(tǒng)自學習模塊，以及臺站數(shù)據(jù)庫、電磁環(huán)境數(shù)據(jù)庫、非正常信號數(shù)據(jù)庫；通過數(shù)據(jù)接口獲得頻段掃描數(shù)據(jù)，采用分段動態(tài)自適應閾值算法監(jiān)測出該頻段的所有信號及對應的頻點，對信號頻點進行中頻測量或中頻測向獲得信號的詳細數(shù)據(jù)，分析處理提取信號的多種特征，將所提取的特征輸入非正常信號識別模塊，識別出該信號所屬的類別；系統(tǒng)自學習模塊使用非正常信號識別模塊產(chǎn)生的數(shù)據(jù)，定期更新、完善特征提取參數(shù)和信號識別算法參數(shù)。
[0007]本發(fā)明所述無線電信號監(jiān)測設備系統(tǒng)包括接收機、頻譜測量儀、測向設備、監(jiān)聽設備、控制設備、天饋系統(tǒng)，以及通信、電源、防雷接地、環(huán)境監(jiān)控等輔助系統(tǒng)；監(jiān)測接收機通過天饋系統(tǒng)接收空中的電磁波，進行變換處理，產(chǎn)生信號的頻譜數(shù)據(jù)，語音數(shù)據(jù)，方位數(shù)據(jù)，中頻測量數(shù)據(jù)等，監(jiān)測接收機通過GPS接收機獲得經(jīng)緯度坐標數(shù)據(jù)，監(jiān)測接收機通過環(huán)境控制系統(tǒng)獲得監(jiān)測站所在的地理環(huán)境信息、氣候溫度等數(shù)據(jù)信息；本發(fā)明所述臺站數(shù)據(jù)庫是在該地域的所有申報、批準的無線電用頻設備的數(shù)據(jù)，電磁環(huán)境數(shù)據(jù)庫包含該地域所有頻段正常情況下的監(jiān)測數(shù)據(jù)。
[0008]本發(fā)明所述非正常無線電信號的自動識別方法的步驟為:首先通過對指定的頻段進行頻段掃描，進行信號檢測；對檢測出的信號提取一系列特征并選擇具有較好鑒別能力的特征；然后運用改進的FCM算法自動識別信號的類別；根據(jù)識別出的信號類型自動報警；對識別出的非正常無線電信號，系統(tǒng)進行保存，通過人工確認標定后，進入非正常信號數(shù)據(jù)庫，通過新的數(shù)據(jù)庫自學習特征選擇算法參數(shù)和FCM新的聚類中心，使得系統(tǒng)具有不斷學習的能力，智能化水平不斷提高。
[0009]本發(fā)明采用一種分段自適應閾值確定方法對實測信號進行檢測，對監(jiān)測頻段進行一段時間的 監(jiān)測后，獲得該實測頻段信號頻譜數(shù)據(jù)的平均值
,其中A代表第個2采樣點這一段時間的平均能量，。當前這幀頻段
數(shù)據(jù)的實時值Ρ?Α，...Λ)，其中代表第個千樣點當前這幀的能量，?為頻段
數(shù)據(jù)的采樣點數(shù)。第一步:根據(jù)實測頻段信號頻譜數(shù)據(jù)的平均值(--.-%?},進行分段
處理，設每段的大小力個采樣點，計算出此段內(nèi)數(shù)據(jù)的均值馬，其中i為段數(shù)，將此段
內(nèi)的數(shù)據(jù)依次和馬比較,若(? -?) >σ ,則記為信號點，若(? -尾)<σ ,則記為非信號
點，其中為設定的閾值，采取此方法找出該頻段信號點的下標；第二步:將該頻段信號頻率的噪聲值用其前后非信號頻率噪聲值的均值代替，例如第2個采樣點為信號點，第I個和第3個為非信號點，則第二個采樣點的噪聲值為(?+?)/? ,采用
這種方式提取出整個頻段的噪聲水平，設為拉而，…,?),其中A代表第:個采樣點的噪
聲值，l<i <? ;第三步:用實時值--...Α)和.(%?，…,?)逐個進行比對，令4代表第
i個采樣點的底噪聲閾值，。若6 >巧，則:? =P1'Si+(1-Λ)+ F ,若5 <s;,則:
h =ZV巧+ 0-+ f ,其中P1、A為設定值，A,ft e[O，1]，考慮有信號時的噪聲水平要
高于無信號時的噪聲水平，要求Λ 。由于各種監(jiān)測設備自身也會產(chǎn)生噪聲且噪聲具有一定的波動性，所以本方法加上一個設定值^這樣才能更好的反映實際情況；第四步:對底噪聲閾值進行平滑濾波處理。根據(jù)底噪聲閾值找出此頻段信號的頻率，然后與已經(jīng)建立的臺站數(shù)據(jù)庫進行比對，分析出正常信號和可疑信號，其中可疑信號分為兩種:一種是臺站數(shù)據(jù)庫中存在該信號，但是能量超出庫中保存的最大能量值，另一種是臺站數(shù)據(jù)庫中不存在該信號。
[0010]將實測信號頻譜數(shù)據(jù)經(jīng)底噪聲閾值濾除后用于無線電信號的特征提取。本發(fā)明根據(jù)無線電信號的物理特征提出了 21個特征分別為:信號估測帶寬、信號均值、信號方差、信號最大峰值、信號第二大峰值、信號第三大峰值、信號底噪聲水平、信號最大能量、小于底噪聲的連續(xù)點的個數(shù)、小于底噪聲的連續(xù)點的平均間隔、大于底噪聲的連續(xù)點的個數(shù)、大于底噪聲的連續(xù)點的平均間隔、信號峰值個數(shù)的比率、信號大于底噪聲的個數(shù)的比率、信號過零率、電平值大于底噪聲的頻率的方差、歸一化瞬時幅度絕對值的均方差、歸一化瞬時振幅的峭度、瞬時振幅絕對值的標準差、歸一化瞬時振幅均方差與均值之比、信號功率譜對稱性。其中信號估測帶寬為該信號所占用的帶寬，信號均值代表該幀信號的平均水平，信號方差代表該幀信號的波動水平，信號最大峰值代表該幀信號的最大峰值，信號第二大峰值代表該幀信號的第二大峰值，信號第三大峰值代表該幀信號的第三大峰值，信號底噪聲水平代表該幀信號噪聲值，信號最大能量代表該幀信號最大的能量值，小于底噪聲的連續(xù)點的個數(shù)代表信號濾出噪聲后連續(xù)零點的個數(shù)，小于底噪聲的連續(xù)點的平均間隔代表信號濾出噪聲后連續(xù)零點之間的平均間隔，大于底噪聲的連續(xù)點的個數(shù)代表信號濾出噪聲后大于零的連續(xù)點的個數(shù)，大于底噪聲的連續(xù)點的平均間隔代表信號濾出噪聲后大于零的連續(xù)點的平均間隔，信號峰值個數(shù)的比率代表該幀信號峰值的個數(shù)與采樣點之間的比率，大于底噪聲的個數(shù)的比率代表該幀信號大于底噪聲閾值的點數(shù)與采樣點之間的比率，信號過零率代表該幀信號轉(zhuǎn)換成時域信號后過零的比率，電平值大于底噪聲的頻率的方差代表該幀信號大于底噪聲閾值的采樣點對應頻率的方差，歸一化瞬時幅度絕對值的均方差代表該幀信號轉(zhuǎn)換成時域信號后歸一化幅度絕對值的均方差，歸一化瞬時振幅的峭度代表該幀信號轉(zhuǎn)換成時域信號后歸一化瞬時振幅的峭度，瞬時振幅絕對值的標準差代表該幀信號轉(zhuǎn)換成時域信號后瞬時振幅絕對值的標準差，歸一化瞬時振幅均方差與均值之比代表該幀信號轉(zhuǎn)換成時域信號后歸一化瞬時振幅的均方差與均值的比率，信號功率譜對稱性代表該幀信號頻譜圖的對稱性。在實際應用中，并非所有特征對無線電信號的聚類分析都是必要的，本發(fā)明采用優(yōu)化方法提取無線電信號聚類分析的必要特征，如遺傳算法、粗糙集屬性約簡、神經(jīng)網(wǎng)絡等。
[0011]無線電信號聚類分析的必要特征構(gòu)成了識別無線電信號的特征空間。設選出的必要特征為仏為，…名? ,其中2:代表選出的第I個必要特征，\<l<m。本發(fā)明采用一種改進的FCM聚類分析方法，在無線電信號的特征空間中對非正常無線電信號進行聚類分析，通過監(jiān)測信號數(shù)據(jù)庫分別獲取掃頻式干擾、寬帶干擾、窄帶干擾、非法插播信號等非
正常無線電信號的《個聚類中心疔=…,O，其中代表第i類非正常無
線電信號，巧代表第」類非正常無線電信號第J個聚類中心，1<J<? , Vi/代表第2類非正常無線電信號第J個聚類中心的第&個特征值，Hk Sm。令可疑信號提取的必要特征為J = …,?},其中巧代表可疑信號提取的第/個必要特征，i</<m。通過距離測度--/=|μ-1f I，可以得到無線電信號屬于各個類別的各聚類中心的不確定性程度，其中代表可疑信號與第^頭非正常無線電信號第^個聚類中心的距離，11為距離測度，如
Euclid距離、Minkowski距離、Hamming距離等。再根據(jù)不確定性排序準則，獲得無線電信號類型及相關特性。
[0012]對于某一確定的地區(qū)電磁環(huán)境隨時間變化，同時實測信號能量與監(jiān)測設備相關，不同監(jiān)測設備監(jiān)測到的同一信號能量不同。本發(fā)明考慮了電磁環(huán)境和設備狀況，提供了對聚類分析結(jié)果進行自學習的能力，使識別方法能夠與當前的電磁環(huán)境保持一致，提高了非正常無線電信號的識別精度，具體方法是，系統(tǒng)自動識別的非正常無線電信號自動保存在臨時數(shù)據(jù)庫中，檢測人員對這些信號做出最終確認后進入最終無線電非正常數(shù)據(jù)庫，系統(tǒng)定期采用更新的無線電非正常信號庫和當?shù)氐谋O(jiān)測環(huán)境進行特征選擇參數(shù)自學習和FCM聚類結(jié)果自學習，使得系統(tǒng)方法能夠自適應變化的電磁環(huán)境，提高了非正常無線電信號的檢測精度和識別率。
[0013]本發(fā)明主要有如下優(yōu)點:該實測信號檢測方法具有針對不同業(yè)務頻段的噪聲水平，自動調(diào)整閾值的功能；該實測信號檢測方法具有普適性，即適用于所有的監(jiān)測設備；該信號識別方法采用模糊聚類分析的方法得到每類非正常無線電信號的多個聚類中心后根據(jù)距離測度進行判斷可疑信號的類別，這樣更符合現(xiàn)實情況；該自學習能力使本發(fā)明能夠適應各種監(jiān)測環(huán)境，且提高非正常無線電信號的識別精度；根據(jù)識別結(jié)果，結(jié)合無線通信設備，該方法提供了監(jiān)測設備的自動報警功能，可實現(xiàn)無線電監(jiān)測設備的無人執(zhí)機，有效減輕監(jiān)測人員的工作量，提高監(jiān)測設備的使用效率。
【專利附圖】

【附圖說明】
[0014]圖1非正常無線電信號自動識別系統(tǒng) 圖2無線電信號智能分析系統(tǒng)
圖3非正常無線電信號自動識別整體流程圖 圖4分段自適應閾值的提取流程圖 圖5可疑信號的檢測流程圖 圖6信號識別流程圖 圖7自學習流程圖 圖8自動報警流程圖
【具體實施方式】
[0015]如圖1所示，非正常無線電信號自動識別系統(tǒng)在現(xiàn)有無線電監(jiān)測設備的基礎上擴展了無線電智能分析系統(tǒng)，如圖2所示，無線電智能分析系統(tǒng)通過通信接口調(diào)用監(jiān)測設備系統(tǒng)的服務，獲取無線電信號的頻譜數(shù)據(jù)、中頻數(shù)據(jù)、方向數(shù)據(jù)、IQ數(shù)據(jù)等，通過這些數(shù)據(jù)智能分析系統(tǒng)自動分析數(shù)據(jù)，準確檢測信號、提取信號特征、自動識別信號、通過報警系統(tǒng)報警、通過網(wǎng)絡系統(tǒng)將分析結(jié)果上報上級系統(tǒng)。監(jiān)測設備系統(tǒng)包括天饋系統(tǒng)、環(huán)境控制系統(tǒng)、監(jiān)測接收機、GPS接收機、控制處理器和通信接口等。整個系統(tǒng)通過網(wǎng)絡系統(tǒng)與其它系統(tǒng)或上級系統(tǒng)進行互聯(lián)通信。
[0016]非正常無線電信號自動識別包括信號檢測、信號特征提取、信號識別、自動報警幾個關鍵步驟，其整體流程如圖3所示，首先對某一頻段進行一段時間的掃描，獲取該頻段的相關數(shù)據(jù)，通過本發(fā)明提供的分段自適應閾值確定法提取該頻段的底噪聲閾值，詳細流程見圖4。通過閾值確定法提取出該頻段有信號的頻率，結(jié)合已經(jīng)建好的臺站數(shù)據(jù)庫找出此頻段所有的可疑信號，詳細流程見圖5。然后對可疑信號進行中頻測量，提取相應的必要特征后結(jié)合監(jiān)測信號數(shù)據(jù)庫，采用本發(fā)明提供的信號識別方法分析出可疑信號的類型，詳細流程見圖6。最后通過本發(fā)明提供的自學習方法，對非正常無線電信號進行學習，得到該類非正常無線電信號新的多個聚類中心，詳細流程見圖7，同時本發(fā)明提供自動報警功能，自動生成警告提示信息發(fā)送給相關終端系統(tǒng)，這樣減輕了監(jiān)測人員的工作量，詳細流程見圖8。待所有可疑信號分析完畢，則轉(zhuǎn)入下一個頻段掃描或結(jié)束此次任務。
[0017]圖4是分段自適應閾值的提取流程圖，其處理過程和
【發(fā)明內(nèi)容】
所述基本一致，如下:第一步通過一段時間的頻段掃描后記錄頻段數(shù)據(jù)的均值譜線{?...&}和當前幀頻段
數(shù)據(jù)的實時值{?...Λ? (如
【發(fā)明內(nèi)容】
所述)，第二步根據(jù)此頻段數(shù)據(jù)的均值譜線進行分
段處理從而提取出該頻段有信號的頻率，第三步根據(jù)無線電信號相鄰信道的噪聲水平被認為是連續(xù)的，其差異不大，從而用有信號的頻率前后非信號頻率的噪聲的均值代替其噪聲
水平，提取出整個頻段的底噪聲水平,第四步用頻段數(shù)據(jù)中每個采樣點的實
時值和對應的底噪聲進行比對，根據(jù)
【發(fā)明內(nèi)容】
所述的方法計算出整個頻段的底噪聲閾值
佔為,…,Ικ},第五步:對底噪聲閾值進行平滑濾波。
[0018]圖5為可疑信號的識別流程圖，此過程需要一個已知的臺站數(shù)據(jù)庫，其處理過程如下:第一步通過閾值確定法檢測出監(jiān)測頻段有信號的頻率，若該信道的能量值大于底噪聲閾值則認為該頻率有信號 ，否則認為其為底噪聲，第二步將有信號的頻率和臺站數(shù)據(jù)庫進行比對，出現(xiàn)臺站數(shù)據(jù)庫中沒有記錄該頻率或者臺站數(shù)據(jù)庫中存在該頻率，但是能量超出臺站數(shù)據(jù)庫中保存的值時都認為該信號為可疑信號。
[0019]圖6是信號識別流程圖，其處理過程如下:第一步對可疑信號進行中頻測量，提取信號特征，并用優(yōu)化方法選出必要特征，第二步用模糊聚類分析法計算出每類非正常無線電信號的《個聚類中心，，再通過距離測度計算該信號到每個聚類中心的距離，選出距離最小的類別，第三步若最小距離小于某一閾值時則可疑信號為該類非正常無線電信號，否則進入第四步:對可疑信號進行進一步分析，結(jié)合專家知識判斷該可疑信號是否為新的非正常無線電信號，若是則確認其相關信息，若不是則保存數(shù)據(jù)。
[0020]圖7為自動學習流程圖，隨著監(jiān)測數(shù)據(jù)和監(jiān)測時間的積累，信號也在隨時間發(fā)生變化，本發(fā)明提供自學習能力，其處理過程是:第一步通過對可疑信號的識別判斷其是否為無非常無線電信號，若不是則結(jié)束，若是非正常無線電信號則進入第二步:判斷其是否為新的非正常無線電信號，若是則添加至監(jiān)測信號數(shù)據(jù)庫并提取此類非正常無線電信號的必要特征，得到此類非正常無線電信號的多個聚類中心；若可疑信號是庫中已有的某種非正常無線電信號，同樣添加至監(jiān)測信號數(shù)據(jù)庫并提取該非正常無線電信號的必要特征，得到此類非正常無線電信號新的多個聚類中心。
[0021]圖8為自動報警流程圖，當監(jiān)測設備發(fā)現(xiàn)非正常無線電信號時，結(jié)合無線通信設備，本發(fā)明提供自動報警功能，其處理過程是:第一步接收到非正常無線電信號的相關信息，第二步該識別系統(tǒng)自動生成相應的警告提示信息，第三步通過無線通信設備自動將信息發(fā)送給相關監(jiān)測技術人員。
【權利要求】
1.一種非正常無線電信號自動識別系統(tǒng)包括:無線電信號監(jiān)測設備系統(tǒng)、無線電信號智能分析系統(tǒng)、網(wǎng)絡通信系統(tǒng)和處理控制器，在所述自動識別系統(tǒng)中 監(jiān)測設備系統(tǒng)接收空中的電磁波，進行變換處理，產(chǎn)生信號的監(jiān)測數(shù)據(jù)，所述監(jiān)測數(shù)據(jù)包括:頻譜數(shù)據(jù)，語音數(shù)據(jù)，方位數(shù)據(jù)，中頻測量數(shù)據(jù)等； 智能分析系統(tǒng)通過對監(jiān)測數(shù)據(jù)進行一系列智能分析處理，自動識別非正常信號； 網(wǎng)絡通信系統(tǒng)負責系統(tǒng)各模塊之間，系統(tǒng)與外部其它設備之間的通信； 處理控制器負責協(xié)調(diào)各個模塊之間的處理調(diào)度；其特征在于: 所述無線電信號智能分析系統(tǒng)，包括:無線電非正常信號檢測模塊、非正常信號特征提取模塊、非正常信號識別模塊、系統(tǒng)自學習模塊，以及臺站數(shù)據(jù)庫、電磁環(huán)境數(shù)據(jù)庫、非正常信號數(shù)據(jù)庫； 其中通過數(shù)據(jù)接口獲得頻段掃描數(shù)據(jù)，采用分段動態(tài)自適應閾值算法監(jiān)測出該頻段的所有信號及對應的頻點，對信號頻點進行中頻測量或中頻測向獲得信號的詳細數(shù)據(jù)，分析處理提取信號的多種特征，將所提取的特征輸入非正常信號識別模塊，識別出該信號所屬的類別；系統(tǒng)自學習模塊使用非正常信號識別模塊產(chǎn)生的數(shù)據(jù)，定期更新、完善特征提取參數(shù)和信號識別算法參數(shù)。
2.如權利要求1所述的非正常無線電信號自動識別系統(tǒng)，其中所述無線電信號監(jiān)測設備系統(tǒng)包括接收機、頻譜測量儀、測向設備、監(jiān)聽設備、控制設備、天饋系統(tǒng)，以及通信、電源、防雷接地、環(huán)境監(jiān)控等輔助系統(tǒng)。
3.如權利要求2所述的非正常無線電信號自動識別系統(tǒng)，其中所述監(jiān)測接收機通過天饋系統(tǒng)接收空中的電磁波，進行變換處理，產(chǎn)生信號的頻譜數(shù)據(jù)，語音數(shù)據(jù)，方位數(shù)據(jù)，中頻測量數(shù)據(jù)等；監(jiān)測接收機通過GPS接收機獲得經(jīng)緯度坐標數(shù)據(jù)；監(jiān)測接收機通過環(huán)境控制系統(tǒng)獲得監(jiān)測站所在的地理環(huán)境信息、氣候溫度等數(shù)據(jù)信息。
4.如權利要求1所述的非正常無線電信號自動識別系統(tǒng)，其中所述臺站數(shù)據(jù)庫是在該地域的所有申報、批準的無線電用頻設備的數(shù)據(jù)，電磁環(huán)境數(shù)據(jù)庫包含該地域所有頻段正常情況下的監(jiān)測數(shù)據(jù)。
5.一種非正常無線電信號的自動識別方法，包括如下步驟: 首先通過對指定的頻段進行頻段掃描，進行信號檢測； 對檢測出的信號提取一系列特征并選擇具有較好鑒別能力的特征； 然后運用改進的FCM聚類分析方法自動識別信號的類別； 根據(jù)識別出的信號類型自動報警； 對識別出的非正常無線電信號，系統(tǒng)進行保存，通過人工確認標定后，進入非正常信號數(shù)據(jù)庫，通過新的數(shù)據(jù)庫自學習特征選擇算法參數(shù)和FCM新的聚類中心，使得系統(tǒng)具有不斷學習的能力。
6.如權利要求1-5所述的非正常無線電信號的自動識別方法，其中采用分段自適應閾值確定方法來進行所述信號檢測，所述分段自適應閾值確定方法具體包括:對監(jiān)測頻段進行一段時間的監(jiān)測后，獲得該實測頻段信號頻譜數(shù)據(jù)的平均值(?,?，…，,其中A代表第個i采樣點這一段時間的平均能量，;以及當前這幀頻段數(shù)據(jù)的實時值.Λ),其中^代表第個τ采樣點當前這幀的能量，1<j<? ,?為頻段數(shù)據(jù)的采樣點數(shù)；第一步:根據(jù)實測頻段信號頻譜數(shù)據(jù)的平均值(％?,進行分段處理，設每段的大小為《個采樣點，計算出此段內(nèi)數(shù)據(jù)的均值馬，其中i為段數(shù)，將此段內(nèi)的數(shù)據(jù)依次和&比較，若-Ek)>a,則記為信號點，若(?-Ek) <σ ,則記為非信號點，其中
, σ為設定的閾值，采取此方法找出該頻段信號點的下標；第二步:將該頻段信號頻率的噪聲值用其前后非信號頻率噪聲值的均值代替，例如第2個采樣點為信號點，第I個和第3個為非信號點，則第二個采樣點的噪聲值為O1+%)/2 ,采用這種方式提取出整個頻段的噪聲水平，設為(--，…,?},其中代表第個采樣點的噪聲值，I幻S? ；第三步:用實時值和(％?."%?)逐個進行比對，令A代表第i個采樣點的底噪聲閾值，1<? <? ;若G > Si ,則:4 =P1'巧+(1-巧)I + F，若rs Ssi,則:.4 = P2'Si+0.-P2).ri+S ,其中Pl、P2為設定值，Pl^Pi e[0，l],考慮有信號時的噪聲水平要高于無信號時的噪聲水平，要求Λ<p2; f為設定值，其表示各種監(jiān)測設備自身產(chǎn)生噪聲以及噪聲的波動性以更好的 反映實際情況；第四步:對底噪聲閾值仏為,...^)進行平滑濾波處理；根據(jù)底噪聲閾值找出此頻段信號的頻率，然后與已經(jīng)建立的臺站數(shù)據(jù)庫進行比對，分析出正常信號和可疑信號，其中可疑信號分為兩種:一種是臺站數(shù)據(jù)庫中存在該信號，但是能量超出庫中保存的最大能量值，另一種是臺站數(shù)據(jù)庫中不存在該信號。
7.如權利要求1-5所述的非正常無線電信號的自動識別方法，其中將實測信號頻譜數(shù)據(jù)經(jīng)底噪聲閾值濾除后用于無線電信號的特征提??；所提取的特征分別為:信號估測帶寬、信號均值、信號方差、信號最大峰值、信號第二大峰值、信號第三大峰值、信號底噪聲水平、信號最大能量、小于底噪聲的連續(xù)點的個數(shù)、小于底噪聲的連續(xù)點的平均間隔、大于底噪聲的連續(xù)點的個數(shù)、大于底噪聲的連續(xù)點的平均間隔、信號峰值個數(shù)的比率、信號大于底噪聲的個數(shù)的比率、信號過零率、電平值大于底噪聲的頻率的方差、歸一化瞬時幅度絕對值的均方差、歸一化瞬時振幅的峭度、瞬時振幅絕對值的標準差、歸一化瞬時振幅均方差與均值之比、信號功率譜對稱性；采用遺傳算法、粗糙集屬性約簡、神經(jīng)網(wǎng)絡等方法來進行所述特征提取。
8.如權利要求1-5所述的非正常無線電信號的自動識別方法，所述無線電信號的所提取特征構(gòu)成了識別無線電信號的特征空間，設選出的必要特征為仏為....^}，其中4代表選出的第I個必要特征，^纟;其中通過所述FCM聚類分析方法，在無線電信號的特征空間中對非正常無線電信號進行聚類分析，具體包括步驟:通過監(jiān)測信號數(shù)據(jù)庫分別獲取掃頻式干擾、寬帶干擾、窄帶干擾、非法插播信號等非正常無線電信號的《個聚類中心# =，其中《 >1 ,,代表第，類非正常無線電信號，if代表第類非正常無線電信號第J個聚類中心，
9.如權利要求1-5所述的非正常無線電信號的自動識別方法，其中系統(tǒng)自動識別的非正常無線電信號自動保存在臨時數(shù)據(jù)庫中，檢測人員對這些信號做出最終確認后進入最終無線電非正常數(shù)據(jù)庫，系統(tǒng)定期采用更新的無線電非正常信號庫和當?shù)氐谋O(jiān)測環(huán)境進行特征選擇參數(shù)自學習和FCM聚類結(jié)果自學習，使得系統(tǒng)方法能夠自適應變化的電磁環(huán)境，提高了非正常無線電信號的檢測精度和識別率。
【文檔編號】H04B17/00GK103812577SQ201210438094
【公開日】2014年5月21日 申請日期:2012年11月6日 優(yōu)先權日:2012年11月6日
【發(fā)明者】馬方立, 裴崢, 高志升, 陳濤, 何永東, 徐鵬, 徐揚, 康凱寧, 伊良忠, 秦克云, 宋振明 申請人:西南交通大學, 四川省無線電監(jiān)測站, 西華大學