張育瑜，趙 磊 ，郭文彬*，彭 濤 ，王文博

(1.北京郵電大學(xué) 信息與通信工程學(xué)院，北京 100876；2.通信網(wǎng)信息傳輸與分發(fā)技術(shù)重點(diǎn)實(shí)驗(yàn)室，河北 石家莊 050000)

0 引言

無(wú)線電監(jiān)測(cè)是一個(gè)討論多年的熱門話題，它能更有效地實(shí)現(xiàn)可用頻譜資源的監(jiān)測(cè)，增強(qiáng)頻譜資源的管理，具有很強(qiáng)的應(yīng)用價(jià)值。盲信號(hào)識(shí)別是無(wú)線電監(jiān)測(cè)中一項(xiàng)重要的識(shí)別技術(shù)，它負(fù)責(zé)從一段頻譜中提取出信號(hào)信息，在缺少足夠的先驗(yàn)信息前提下，及時(shí)發(fā)現(xiàn)違法、異常和干擾信號(hào)，凈化頻譜資源環(huán)境，同時(shí)，它能夠秩序化地利用空閑頻段，實(shí)現(xiàn)頻譜資源的高效利用。

大數(shù)據(jù)背景下的無(wú)線電監(jiān)測(cè)需要考慮諸多問(wèn)題[1]。一方面，基于網(wǎng)格化節(jié)點(diǎn)[2-4]監(jiān)測(cè)產(chǎn)生的海量原始數(shù)據(jù)需要進(jìn)行數(shù)據(jù)分析[5]；另一方面，對(duì)于數(shù)據(jù)挖掘出的結(jié)果需要進(jìn)行分布式存儲(chǔ)[6-7]。文獻(xiàn)[4]給出了海量數(shù)據(jù)背景下無(wú)線電監(jiān)測(cè)的功能實(shí)現(xiàn)、平臺(tái)構(gòu)建和結(jié)果存儲(chǔ)的一種方案，該方案缺乏對(duì)原始數(shù)據(jù)的全面分析，也沒(méi)有結(jié)合諸多成熟的識(shí)別技術(shù)挖掘出完備的知識(shí)單元，使得存儲(chǔ)數(shù)據(jù)含有大量冗余信息，不能很好地解決無(wú)線電監(jiān)測(cè)所面臨的問(wèn)題。西華大學(xué)借助產(chǎn)學(xué)研聯(lián)合實(shí)驗(yàn)室開(kāi)展的無(wú)線電智能化監(jiān)管研究探索了共享型無(wú)線電監(jiān)測(cè)技術(shù)融合體制[3]，一定程度上實(shí)現(xiàn)了智能化無(wú)線電監(jiān)測(cè)平臺(tái)，但還是缺乏對(duì)無(wú)線電監(jiān)測(cè)數(shù)據(jù)的深入分析以及對(duì)原始數(shù)據(jù)的提純。針對(duì)大數(shù)據(jù)背景的無(wú)線電監(jiān)測(cè)數(shù)據(jù)處理需要能夠結(jié)合相應(yīng)識(shí)別算法對(duì)原始數(shù)據(jù)進(jìn)行深度挖掘，提純出有價(jià)值的知識(shí)信息替代原始數(shù)據(jù)[8]，并對(duì)知識(shí)信息進(jìn)行結(jié)構(gòu)化梳理、規(guī)范化存儲(chǔ)，進(jìn)而實(shí)現(xiàn)機(jī)器智能化認(rèn)知識(shí)別結(jié)果。結(jié)構(gòu)化知識(shí)是大數(shù)據(jù)處理的高效方法[9]，知識(shí)圖譜作為一種結(jié)構(gòu)化知識(shí)的架構(gòu)，被廣泛應(yīng)用在涉及大數(shù)據(jù)處理的各個(gè)領(lǐng)域[10-12]，取得了不錯(cuò)的成果。

結(jié)構(gòu)化知識(shí)是核心[13]，識(shí)別算法是關(guān)鍵。本文一方面在無(wú)線電監(jiān)測(cè)平臺(tái)上引入知識(shí)圖譜架構(gòu)，并結(jié)合ITU無(wú)線電監(jiān)測(cè)內(nèi)容[14]，全面梳理盲信號(hào)識(shí)別的知識(shí)，構(gòu)建知識(shí)間的拓?fù)浣Y(jié)構(gòu)，規(guī)范存儲(chǔ)模板；另一方面，重點(diǎn)介紹了無(wú)線電監(jiān)測(cè)中的盲信號(hào)識(shí)別流程，結(jié)合改善多種盲信號(hào)識(shí)別算法進(jìn)行數(shù)據(jù)分析與挖掘，利用得到的知識(shí)實(shí)體對(duì)構(gòu)建的盲信號(hào)知識(shí)模板進(jìn)行知識(shí)填充，最終利用工程技術(shù)實(shí)現(xiàn)智能可視化無(wú)線電監(jiān)測(cè)平臺(tái)。第2節(jié)介紹了基于知識(shí)圖譜架構(gòu)的盲信號(hào)識(shí)別；第3節(jié)進(jìn)行實(shí)驗(yàn)結(jié)果分析；第4節(jié)給出結(jié)論。

1 基于知識(shí)圖譜架構(gòu)的盲信號(hào)識(shí)別

無(wú)線電業(yè)務(wù)的發(fā)展以及監(jiān)測(cè)設(shè)備的增多，使得盲信號(hào)識(shí)別呈現(xiàn)出大數(shù)據(jù)的特點(diǎn)。盲信號(hào)實(shí)時(shí)監(jiān)測(cè)平臺(tái)所依賴的原始數(shù)據(jù)主要有以下3點(diǎn)特征[13]。

① 基于時(shí)空頻的多域特性。一段頻譜數(shù)據(jù)的標(biāo)簽信息包括監(jiān)測(cè)時(shí)間、監(jiān)測(cè)地點(diǎn)和監(jiān)測(cè)頻段以及監(jiān)測(cè)設(shè)備等。智能化的監(jiān)測(cè)平臺(tái)需要能夠從這3個(gè)維度展示識(shí)別結(jié)果。

② 基于多平臺(tái)的同構(gòu)異構(gòu)數(shù)據(jù)類型。由于監(jiān)測(cè)設(shè)備多樣化，接入監(jiān)測(cè)平臺(tái)的數(shù)據(jù)類型復(fù)雜多樣。這其中不僅包含不同設(shè)備對(duì)同一地區(qū)同一頻段同一時(shí)間的原始數(shù)據(jù)，還包括除了頻譜掃描數(shù)據(jù)之外的IQ數(shù)據(jù)、AD采樣數(shù)據(jù)以及音頻、測(cè)向定位數(shù)據(jù)等[15]。

③ 數(shù)據(jù)存在冗余，不利于批量存儲(chǔ)。原始數(shù)據(jù)不能作為知識(shí)實(shí)體被機(jī)器所識(shí)別，無(wú)法實(shí)現(xiàn)智能化平臺(tái)，需要結(jié)合相關(guān)算法，抽取出有用的知識(shí)實(shí)體進(jìn)行存儲(chǔ)。

針對(duì)上述特征，通過(guò)知識(shí)圖譜的構(gòu)建，賦予原始數(shù)據(jù)時(shí)空頻屬性、節(jié)點(diǎn)屬性和數(shù)據(jù)類型屬性等，對(duì)數(shù)據(jù)進(jìn)行標(biāo)識(shí)；利用頻譜感知算法、信號(hào)識(shí)別算法挖掘提取有用知識(shí)實(shí)體。

1.1 知識(shí)圖譜的構(gòu)建

盲信號(hào)知識(shí)圖譜的核心在于形成結(jié)構(gòu)化的知識(shí)，并采用高效的方式進(jìn)行存儲(chǔ)。從構(gòu)建知識(shí)圖譜的流程[12]以及知識(shí)庫(kù)最終的呈現(xiàn)形態(tài)2個(gè)角度進(jìn)行闡述。圖1展示了知識(shí)圖譜的構(gòu)建流程。

原始數(shù)據(jù)主要分為結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)2部分。結(jié)構(gòu)化數(shù)據(jù)中的歷史模板可以作為知識(shí)抽取的先驗(yàn)信息。知識(shí)抽取主要從非結(jié)構(gòu)化數(shù)據(jù)中提取知識(shí)并生成知識(shí)實(shí)體，抽取出的知識(shí)需要與結(jié)構(gòu)化數(shù)據(jù)知識(shí)進(jìn)行知識(shí)融合，融合過(guò)程中利用時(shí)間、空間、頻段和節(jié)點(diǎn)ID生成知識(shí)的唯一性標(biāo)簽，并對(duì)重疊實(shí)體部分進(jìn)行消歧處理，初步形成盲信號(hào)知識(shí)的拓?fù)浣Y(jié)構(gòu)，并利用知識(shí)計(jì)算生成新知識(shí)，與原知識(shí)拓?fù)浣Y(jié)構(gòu)融合形成完備的知識(shí)圖譜并存儲(chǔ)至知識(shí)庫(kù)，通過(guò)調(diào)度結(jié)構(gòu)化知識(shí)庫(kù)的數(shù)據(jù)進(jìn)行智能化平臺(tái)展示。

圖1 盲信號(hào)識(shí)別知識(shí)圖譜構(gòu)建流程Fig.1 Blind signal recognition knowledge map construction flow chart

知識(shí)庫(kù)是知識(shí)圖譜的核心成果，它包含2個(gè)要點(diǎn)：模式層與數(shù)據(jù)層。模式層定義知識(shí)實(shí)體內(nèi)的屬性、關(guān)系，實(shí)體間的層級(jí)結(jié)構(gòu)，盲信號(hào)識(shí)別知識(shí)庫(kù)的模式層定義了知識(shí)入口類、背景知識(shí)類、實(shí)時(shí)信息類和單個(gè)信號(hào)類4大類；數(shù)據(jù)層則是模式層的具體實(shí)現(xiàn)，是數(shù)據(jù)呈現(xiàn)的一種方案。圖2給出了盲信號(hào)識(shí)別知識(shí)庫(kù)的模式層結(jié)構(gòu)。

圖2 盲信號(hào)識(shí)別知識(shí)庫(kù)模式層Fig.2 Blind signal recognition knowledge base pattern layer

知識(shí)入口類包含3個(gè)知識(shí)單元：時(shí)間、空間和頻帶，它是所有知識(shí)的共有屬性。時(shí)間指要檢索的起始時(shí)間，空間指要監(jiān)測(cè)的不同地理位置，頻帶指要檢索的頻段范圍。知識(shí)入口類中的屬性是每個(gè)知識(shí)實(shí)體的標(biāo)簽，將這些屬性加上監(jiān)測(cè)節(jié)點(diǎn)ID，生成唯一性標(biāo)識(shí)ID。背景知識(shí)類包含3個(gè)子類：注冊(cè)信息類、硬件信息類和信號(hào)模板類，它可以為知識(shí)挖掘和推理提供豐富的先驗(yàn)信息。實(shí)時(shí)信息類包含背景噪聲功率、電磁波功率、頻譜圖和信號(hào)個(gè)數(shù)等7個(gè)屬性，實(shí)時(shí)信息類用于收集實(shí)時(shí)頻段中包含的知識(shí)單元。單個(gè)信號(hào)類包含3個(gè)子類：靜態(tài)信息類、實(shí)時(shí)變化類和知識(shí)推理類，單個(gè)信號(hào)類是對(duì)單個(gè)信號(hào)詳細(xì)屬性的歸類。圖中的類定義了所有知識(shí)實(shí)體的共有屬性，每個(gè)實(shí)體對(duì)象會(huì)存在屬性差異，類之間的箭頭顯示了類的層級(jí)結(jié)構(gòu)，對(duì)象指向的箭頭顯示該對(duì)象的屬性，屬性有實(shí)體屬性和類屬性2種。

1.2 基于迭代檢測(cè)的寬帶頻譜感知算法

原始數(shù)據(jù)的頻譜是多信號(hào)共存的，不能直接用于調(diào)制信號(hào)識(shí)別，需要將需要識(shí)別的每個(gè)信號(hào)分離出來(lái)，再逐一識(shí)別。文獻(xiàn)[16]提出一種基于迭代檢測(cè)的寬帶頻譜自適應(yīng)感知算法，它能夠根據(jù)每個(gè)頻點(diǎn)的統(tǒng)計(jì)平均值設(shè)置判決門限，頻點(diǎn)判決結(jié)果能夠更準(zhǔn)確。

算法思路：根據(jù)大數(shù)定理，當(dāng)統(tǒng)計(jì)次數(shù)足夠多時(shí)，每個(gè)頻點(diǎn)的幅值大小服從高斯分布，據(jù)此可統(tǒng)計(jì)每個(gè)頻點(diǎn)的M次的平均值作為判決量，再預(yù)設(shè)檢測(cè)率與虛警率，得到每個(gè)頻點(diǎn)的判決門限與該頻點(diǎn)平均信噪比以及頻段底噪功率的關(guān)系，通過(guò)迭代計(jì)算得到頻段底噪功率進(jìn)而得到每個(gè)頻點(diǎn)的判決門限。

考慮到M越大檢測(cè)率越高，但M太大會(huì)影響感知時(shí)間以及算法的時(shí)間復(fù)雜度，原算法再對(duì)M進(jìn)行迭代計(jì)算找到合適的值?？蚣苤袑?shí)時(shí)數(shù)據(jù)以流的方式存在，只需要設(shè)立全局變量存儲(chǔ)每次數(shù)據(jù)疊加的結(jié)果，就能達(dá)到不斷增大M的效果，隨著監(jiān)測(cè)時(shí)間的增長(zhǎng)，識(shí)別結(jié)果就會(huì)越準(zhǔn)確。故在將本算法應(yīng)用于盲信號(hào)識(shí)別框架中，只迭代計(jì)算判決門限，大大減少了算法時(shí)間復(fù)雜度。圖3展示了算法流程。

圖3 基于迭代檢測(cè)的寬帶頻譜感知算法Fig.3 Wideband spectrum sensing algorithm based on iterative detection

先初始化合適的M與判決門限，得到噪聲功率，計(jì)算出判決量：

(1)

式中，n=0，1，2，...，N-1表示N個(gè)頻點(diǎn)；Ynm為第n個(gè)頻點(diǎn)功率值大小。根據(jù)信號(hào)底噪、每個(gè)頻點(diǎn)信噪比以及設(shè)定的檢測(cè)率、虛警率進(jìn)行判決，并與上次判決結(jié)果進(jìn)行比較，迭代計(jì)算直至滿足要求，一方面輸出結(jié)果，另一方面繼續(xù)增加M，重新計(jì)算。通過(guò)改善基于迭代檢測(cè)的寬帶頻譜自適應(yīng)感知算法，識(shí)別出頻段中每個(gè)信號(hào)的帶寬信息、背景噪聲功率、信號(hào)個(gè)數(shù)、頻段使用率以及空閑頻段信息。

1.3 基于模數(shù)分離的模擬信號(hào)識(shí)別

由上節(jié)算法能夠理想濾波出單個(gè)信號(hào)進(jìn)行調(diào)試模式識(shí)別。模擬信號(hào)與數(shù)字信號(hào)的序列統(tǒng)計(jì)特征值存在較大差異，通過(guò)非線性變換法，二次小波變換法都能很好地區(qū)分開(kāi)來(lái)?？紤]到工程的時(shí)效性，本框架采用非線性變換法進(jìn)行處理。設(shè)信號(hào)序列s(t)，t=1，2，...，N。非線性變換得到Q(i)序列：

Q(i)=s2(i)-s(i-1)s(i+1)。

(2)

再對(duì)Q(i)進(jìn)行差分處理得到P(i)：

P(i)=Q(i+1)-Q(i)。

(3)

設(shè)置合適的門限，通過(guò)計(jì)算P(i)的方差即可進(jìn)行模數(shù)判決。

識(shí)別的模擬信號(hào)有AM，DSB，F(xiàn)M，CW，LSB，USB六種類型。采用文獻(xiàn)[20]中所提出的3個(gè)特征參數(shù)進(jìn)行分類，利用包絡(luò)變化特性特征值gmax區(qū)分出AM，DSB信號(hào)；利用譜對(duì)稱性特征參數(shù)P區(qū)分出LSB，USB信號(hào)；利用序列點(diǎn)瞬時(shí)幅度統(tǒng)計(jì)特性sdp區(qū)分出FM，CW信號(hào)。

第1個(gè)特征參數(shù)gmax為：

gmax=max|FFT(Acn(i))|2，

(4)

式中，Acn(i)是該段信號(hào)第i(i=1，2，...，N)個(gè)歸一中心化的瞬時(shí)幅度；A(i)為該段信號(hào)第i(i=1，2，...，N)個(gè)瞬時(shí)幅度。

第2個(gè)特征參數(shù)P為：

(5)

式中，X(i)序列為采樣序列X的FFT；fcn+1代表載波所對(duì)應(yīng)的點(diǎn)數(shù)。

第3個(gè)特征參數(shù)sdp為：

(6)

式中，An(i)>a表示信號(hào)歸一化幅度An(i)大于門限a，即所謂的強(qiáng)信號(hào)；C為強(qiáng)信號(hào)的個(gè)數(shù)；fNL(i)為瞬時(shí)非線性相位。

2 實(shí)驗(yàn)結(jié)果與分析

2.1 系統(tǒng)框架

在實(shí)驗(yàn)中，使用本文提出的知識(shí)圖譜架構(gòu)盲信號(hào)識(shí)別系統(tǒng)對(duì)實(shí)時(shí)環(huán)境進(jìn)行頻譜監(jiān)測(cè)，搭建框架語(yǔ)言采用C++與QT結(jié)合的方式，后臺(tái)存儲(chǔ)部分采用Redis數(shù)據(jù)庫(kù)集群。通過(guò)結(jié)構(gòu)化知識(shí)庫(kù)進(jìn)行高效的數(shù)據(jù)交互操作，實(shí)現(xiàn)智能化的無(wú)線電頻譜監(jiān)測(cè)平臺(tái)[17]。本系統(tǒng)采用如圖4所示的系統(tǒng)架構(gòu)[18]。

圖4 智能監(jiān)測(cè)平臺(tái)架構(gòu)Fig.4 Intelligent monitoring platform architecture

后端部分包括數(shù)據(jù)部分、服務(wù)集群、服務(wù)管理中心以及反向代理集群。數(shù)據(jù)部分包括數(shù)據(jù)庫(kù)集群、傳感節(jié)點(diǎn)網(wǎng)絡(luò)以及傳感節(jié)點(diǎn)管理中心；服務(wù)集群主要包括用戶服務(wù)、產(chǎn)品服務(wù)兩大類；服務(wù)管理中心集群負(fù)責(zé)監(jiān)控管理服務(wù)調(diào)度的負(fù)載均衡，反向代理服務(wù)器用于設(shè)立網(wǎng)關(guān)和服務(wù)管理中心的負(fù)載均衡，從而實(shí)現(xiàn)高可用的無(wú)線電監(jiān)測(cè)管理平臺(tái)[19]。

2.2 數(shù)據(jù)的采集

實(shí)驗(yàn)數(shù)據(jù)的采集節(jié)點(diǎn)使用安捷倫公司生產(chǎn)的RF Sensor，覆蓋30 MHz～6 GHz的帶寬，可調(diào)數(shù)字中頻帶寬為20 MHz，支持輸出I/Q(同相正交)時(shí)間序列和快速傅里葉變換(FFT)數(shù)據(jù)流，同時(shí)提供遠(yuǎn)程控制的可編程應(yīng)用程序接口(API)[20]。所監(jiān)測(cè)頻段每間隔2 s刷新一次，每次返回10 000個(gè)實(shí)時(shí)數(shù)據(jù)點(diǎn)，實(shí)時(shí)分析結(jié)果每隔30 s刷新一次。實(shí)驗(yàn)檢測(cè)地點(diǎn)為北京市海淀區(qū)北京郵電大學(xué)新科研樓6樓，檢測(cè)頻段為90～110 MHz頻段，檢測(cè)次數(shù)為100次。90～110 MHz授權(quán)合法信號(hào)的信息一部分來(lái)自于北京廣播網(wǎng)，另一部分來(lái)自收音機(jī)實(shí)地實(shí)測(cè)數(shù)據(jù)。

2.3 識(shí)別結(jié)果評(píng)估

圖5為90～110 MHz頻段的部分電臺(tái)監(jiān)測(cè)100次，得到統(tǒng)計(jì)的調(diào)制類型識(shí)別結(jié)果，其中，后6列數(shù)字表示識(shí)別成相應(yīng)調(diào)制格式的次數(shù)。

中心頻率/MHz電臺(tái)名稱AMFMDSBCWLSBUSB90.5中國(guó)國(guó)際廣播電臺(tái)環(huán)球資訊1189000091.5中國(guó)國(guó)際廣播電臺(tái)EasvFM196200192.3外語(yǔ)廣播097012095.4故事廣播193000698.2青年廣播098200099.6中國(guó)交通廣播0990100100.6新聞廣播01000000101.8都市之聲(四套)0970201102.5體育廣播01000000

該頻段的信號(hào)調(diào)制類型為FM，所有信號(hào)識(shí)別出FM信號(hào)的正確率為96.56%，達(dá)到了較高的識(shí)別效果。識(shí)別成AM的概率為1.33%，識(shí)別成其他信號(hào)占2.11%。上述識(shí)別的方式需要首先經(jīng)過(guò)盲信號(hào)寬帶頻段的預(yù)處理，理想濾波出相應(yīng)頻段的單個(gè)信號(hào)，所以識(shí)別效果不僅取決于調(diào)制識(shí)別算法，也取決于頻譜感知算法對(duì)信號(hào)帶寬、中心頻率等的識(shí)別精度。實(shí)驗(yàn)分析中，對(duì)中心頻率的識(shí)別結(jié)果也進(jìn)行了評(píng)估，達(dá)到了優(yōu)良的識(shí)別準(zhǔn)度，對(duì)中心頻率為90.5 MHz的信號(hào)進(jìn)行100次測(cè)量，得到平均值為90.503 MHz，方差為0.16。

2.4 可視化系統(tǒng)

利用構(gòu)建的知識(shí)庫(kù)，搭建出了一套智能化的可視化監(jiān)測(cè)系統(tǒng)，部分可視化界面如圖6所示：圖6(a)中通過(guò)該界面能夠進(jìn)入單個(gè)信號(hào)的實(shí)時(shí)監(jiān)測(cè)。圖6(b)包括01數(shù)據(jù)流以及解碼內(nèi)容。圖6(c)包括信號(hào)個(gè)數(shù)、噪聲功率、電磁波功率、頻段使用率和空閑頻段等實(shí)時(shí)信息。圖6(d)包括頻道占用度、碼元速率、調(diào)制方式和干擾類型。圖6(e)包括背景噪聲功率、電磁波功率、頻段使用率和空閑頻段。

圖6 智能可視化平臺(tái)Fig.6 Intelligent visualization platform

3 結(jié)束語(yǔ)

本文提出了大數(shù)據(jù)背景下利用知識(shí)庫(kù)構(gòu)建智能化頻譜監(jiān)測(cè)與管理平臺(tái)的新思路，梳理并結(jié)構(gòu)化了盲信號(hào)識(shí)別過(guò)程中的知識(shí)實(shí)體，并結(jié)合實(shí)際，利用相關(guān)算法提取了這些知識(shí)。實(shí)驗(yàn)結(jié)果驗(yàn)證了相關(guān)算法的準(zhǔn)確性，可視化系統(tǒng)也進(jìn)一步驗(yàn)證了框架的智能化特性，達(dá)到了優(yōu)良的效果。