摘 要：隨著全國頻譜監(jiān)測體系日漸完善，所產(chǎn)生的原始頻譜監(jiān)測數(shù)據(jù)也越來越多，為有效緩解無線電監(jiān)測網(wǎng)帶寬負荷重、數(shù)據(jù)存儲壓力大等問題，采用一種基于頻譜特征的改進游程編碼算法，實現(xiàn)對無線電監(jiān)測數(shù)據(jù)進行高效壓縮處理，以提高存儲效率，并最大限度地保留信號的原始特征。從監(jiān)測平臺獲取到的無線電頻譜監(jiān)測數(shù)據(jù)中存在噪聲，而噪聲的存在會導(dǎo)致傳輸?shù)男盘枖?shù)據(jù)不準(zhǔn)確，進而影響后續(xù)對所傳輸數(shù)據(jù)的處理。因此對于無線電頻譜數(shù)據(jù)，首先應(yīng)用小波去噪法，去除數(shù)據(jù)中包含的確定性噪聲；再利用信號噪聲分界值將信號與高斯白噪聲數(shù)據(jù)分離；最后對處理后的頻譜監(jiān)測數(shù)據(jù)進行游程編碼，從而實現(xiàn)頻譜監(jiān)測數(shù)據(jù)的壓縮，壓縮比例可以達到22.87%，網(wǎng)絡(luò)傳輸負載得到有效降低。

關(guān)鍵詞：無線電監(jiān)測；頻譜壓縮；小波去噪；信噪分離；數(shù)據(jù)壓縮；游程編碼

中圖分類號：TP39；TN911.7 文獻標(biāo)識碼：A 文章編號：2095-1302（2025）03-00-04

0 引 言

無線電頻譜資源是國家的重要戰(zhàn)略資源，具有不可再生性[1]。監(jiān)測站的全時監(jiān)測產(chǎn)生了海量的頻譜占用數(shù)據(jù)，為頻譜數(shù)據(jù)的傳輸和存儲帶來了網(wǎng)絡(luò)帶寬負荷重、數(shù)據(jù)存儲壓力大等嚴(yán)重問題。為了解決這些問題，需要對頻譜監(jiān)測數(shù)據(jù)進行壓縮。此外，在對無線監(jiān)測數(shù)據(jù)進行調(diào)制方式識別時，各國學(xué)者紛紛引入人工智能以及機器學(xué)習(xí)等新技術(shù)，這些調(diào)制方式識別的新方法一般都需要大量的參數(shù)，這些參數(shù)信息也需要在系統(tǒng)中進行傳輸，因此同樣需要對數(shù)據(jù)進行壓縮。

在數(shù)據(jù)文件中或多或少會存在一些冗余，使用各種壓縮算法的目的就是將數(shù)據(jù)中的冗余信息消除，從而達到壓縮的目的[2]。對于頻譜監(jiān)測數(shù)據(jù)平臺獲取的數(shù)據(jù)，由于監(jiān)測站的監(jiān)測感知終端同時采集到的多個原始無線電監(jiān)測信號之間具有一定的相關(guān)性，并且在同一信號內(nèi)隨著時間的變化也存在著信號內(nèi)的相關(guān)性，所以數(shù)據(jù)中存在一定程度的冗余[3-4]，并且在頻譜數(shù)據(jù)中還存在著噪聲信號。因此可以根據(jù)此特點先對頻譜數(shù)據(jù)去除噪聲，然后對其進行壓縮。數(shù)據(jù)壓縮一般分為有損壓縮和無損壓縮。有損壓縮是在盡可能保留源文件真實信息的情況下，最大限度地去掉那些人看不到或感受不到的信息[2]。然而由于從監(jiān)測站獲取的頻譜數(shù)據(jù)以及相關(guān)參數(shù)對精確度要求高，因此在對頻譜數(shù)據(jù)去噪后，應(yīng)選擇無損壓縮對去噪后的數(shù)據(jù)以及相關(guān)參數(shù)進行壓縮。同時，由于無線電監(jiān)測數(shù)據(jù)的實時性強，因此要求壓縮編碼與解碼算法更簡單且易實現(xiàn)。

無損壓縮算法有哈夫曼編碼、LZ77編碼、LZ78編碼、游程編碼（Run-Length Encoding， RLE）等。哈夫曼編碼是一種統(tǒng)計編碼，需要對數(shù)據(jù)進行兩次掃描，并分別進行字符概率的統(tǒng)計以及編碼，增加了壓縮時間[5]。LZ77編碼是一種字典編碼，是基于滑動窗口實現(xiàn)的，根據(jù)輸入字符串到滑動窗口中進行匹配，從而實現(xiàn)壓縮。該壓縮算法復(fù)雜度較高、壓縮所需時間較長，并且在字典有一定規(guī)模后才會有較好的效果[4]。LZ78算法是LZ77算法的改進，LZ78算法的字典與LZ77算法一樣，都要在算法運行一段時間后，字典有了一定的數(shù)據(jù)后壓縮效果才逐漸顯現(xiàn)出來。不同的是LZ78算法的字典是逐漸增大的，而LZ77算法的字典大小是不變的，因此LZ78算法的壓縮效果較好，但在數(shù)據(jù)量較大的情況下，字典的壓縮負擔(dān)會較重，壓縮速率會有所減慢[4]。RLE的原理：通過檢測重復(fù)的比特或字符序列，并用它們出現(xiàn)的次數(shù)和每次出現(xiàn)的個數(shù)形成新的代碼，該算法簡單、易實現(xiàn)?？紤]壓縮編碼與解碼算法具有簡單、易實現(xiàn)以及追求較高壓縮速率的特點，本文選擇采用RLE對無線電監(jiān)測數(shù)據(jù)進行壓縮。

由于從監(jiān)測平臺獲取的信號或多或少會存在噪聲，而噪聲的存在會導(dǎo)致所傳輸?shù)男盘枖?shù)據(jù)不準(zhǔn)確，會影響后續(xù)對所傳輸數(shù)據(jù)的處理，因此在對頻譜數(shù)據(jù)進行壓縮前，需要將頻譜數(shù)據(jù)的無用噪聲進行去除。頻譜儀所獲得的無線電監(jiān)測數(shù)據(jù)存在兩類噪聲：一類是信號與噪聲頻帶相互分離的確定性噪聲；另一類是信號與噪聲頻帶相互重疊的白噪聲。根據(jù)國際電信聯(lián)盟的規(guī)定，無線電噪聲是來自于多個非無線電通信發(fā)射機的無線電發(fā)射總和。在某一確定地點，如果沒有單一的噪聲源占主導(dǎo)，那么無線電噪聲可以看作高斯白噪聲。因此，在對無線電監(jiān)測信號進行去噪時，本文提出兩步去噪法，即首先去除無線電監(jiān)測信號中的確定性噪聲，再去除高斯白噪聲。

在進行確定性去噪時，有許多相關(guān)算法，例如小波閾值去噪法、傅里葉變換法、中位值法、滑動平均法等[6]，這些方法在去噪時各有利弊。傅里葉變換法不適合分析非平穩(wěn)信號，更適合去除具有全局特性的噪聲。中位值法可以很好地處理離群值，但不適用于噪聲較大的情況，容易造成數(shù)據(jù)極值點丟失，發(fā)生嚴(yán)重失真。而滑動平均法是將某一點附近的值進行算術(shù)平均，然后用平均值代替該點值，但該方法會使全體數(shù)據(jù)有不同程度的衰減。小波閾值去噪法是根據(jù)信號和噪聲頻率分布特性來對信號進行濾波去噪的過程[7]。該方法的算法簡單、計算量小，且濾波效果也較好，本文選擇小波閾值去噪法來對頻譜數(shù)據(jù)進行去噪。

在使用小波閾值去噪法去除信號與噪聲頻帶相互分離的確定性噪聲后信號依舊存在高斯白噪聲，因此需要對獲取的數(shù)據(jù)作進一步處理，即去除白噪聲。根據(jù)國際電信聯(lián)盟ITU-R SM.1753-2建議書中提出的方法找到白噪聲與信號的分界值[8]，然后分離信號與高斯白噪聲，得到處理后的數(shù)據(jù)。

本文首先對無線電監(jiān)測平臺獲取到的數(shù)據(jù)進行小波閾值去噪，以去除確定性噪聲；再找到信號噪聲分界值將信號與高斯白噪聲作進一步分離，得到去噪后的干凈數(shù)據(jù)，并對干凈數(shù)據(jù)進行數(shù)據(jù)壓縮。本文選用一段真實的無線電監(jiān)測數(shù)據(jù)進行去噪、壓縮和解壓縮的實驗。結(jié)果表明，本文所提方法能夠使信號與去噪信號的特征一致，實現(xiàn)了無線電監(jiān)測數(shù)據(jù)的有效壓縮和解壓縮。

1 數(shù)據(jù)去噪

1.1 小波去噪的原理

小波閾值去噪一般分為3個步驟：小波分解、閾值處理以及小波重構(gòu)[9]。首先小波分解是選取小波基函數(shù)對待處理信號進行小波變換；然后選取一個合適的閾值，將分解后大于閾值的小波系數(shù)保留，將小于閾值的小波系數(shù)進行濾除；最后對處理后的小波系數(shù)進行重構(gòu)，得到經(jīng)過小波閾值去噪的信號[9-10]。

小波變換是將信號分解為多個小波函數(shù)的疊加[11]，若函數(shù)的傅里葉變換滿足如下公式：

（1）

則將函數(shù)稱為基本小波或者小波母函數(shù)[12]。

將基本小波進行伸縮平移變換后得到：

（2）

此函數(shù)即為小波序列，通過伸縮和平移進行尺度變換。

將任意函數(shù)的連續(xù)小波變換為：

（3）

對應(yīng)的小波逆變換為：

（4）

在對小波進行應(yīng)用時，要將小波進行離散化，令agt;1， bgt;0，定義離散小波為[13]：

（5）

在分解帶噪信號時，噪聲會分布在較小的小波系數(shù)中，而信號會分布在較大的小波系數(shù)中，因此去除噪聲需要找到一個閾值，將小于閾值的小波系數(shù)去除，大于閾值的小波系數(shù)保留[14]。

用不同的小波函數(shù)對同一信號進行處理時最后得到的結(jié)果也不同[11]。

1.2 閾值選擇

小波閾值去噪的關(guān)鍵是閾值函數(shù)以及閾值的選擇。小波閾值去噪一般分為硬閾值去噪和軟閾值去噪，如圖1所示。

硬閾值去噪表達式為：

（6）

軟閾值去噪表達式為：

（7）

式中：Si，j是閾值去噪前的小波系數(shù)；Qi，j是閾值去噪后的小波系數(shù)；T為閾值。

一般來說，軟閾值函數(shù)小波系數(shù)的數(shù)值變化具有連續(xù)性特征，處理后的數(shù)據(jù)較為平滑，但有可能誤將有效信號當(dāng)作噪聲去除掉，將信號邊緣特征模糊；而硬閾值函數(shù)處理后的數(shù)據(jù)在信號邊緣等局部特征上保留較好，但由于函數(shù)在閾值處有突變，去噪后的信號會存在毛刺，出現(xiàn)吉布斯效應(yīng)[7，13]。因此在本文實驗中選擇軟閾值進行去噪。

在小波閾值去噪中常見的閾值選擇規(guī)則有：基于無偏似然估計的自適應(yīng)閾值原則；固定閾值原則，T=，N為信號長度；啟發(fā)式閾值原則，是前兩種方法的綜合，利用啟發(fā)函數(shù)對前兩種方法進行選??；極大極小方差閾值原則，使選取的閾值產(chǎn)生最小均方誤差的極值[13]。

1.3 白噪聲的去除

國際電信聯(lián)盟ITU-R SM.1753-2建議書中提出的“20%方法”是將幅度值按從小到大的順序進行排序，然后將前20%的數(shù)據(jù)作為噪聲，但是對于實際獲取的監(jiān)測數(shù)據(jù)來說，“20%”只是最實用的一個噪聲確定值，可以根據(jù)具體情況對這個值進行更改。具體而言，在將數(shù)據(jù)幅度值按從小到大的順序排列后，可以選擇一個穩(wěn)定的斜率范圍內(nèi)的數(shù)據(jù)作為噪聲功率的確定值[8]。將在噪聲樣本的基礎(chǔ)上高出3～5 dB的值作為修正系數(shù)[15]。

圖2為某監(jiān)測數(shù)據(jù)排序后的曲線。由圖2可看出，在11～80 GHz頻點范圍內(nèi)的斜率較穩(wěn)定，都可以作為噪聲分界值。

2 數(shù)據(jù)壓縮

在本文中采用RLE對無線電監(jiān)測頻譜數(shù)據(jù)進行壓縮。RLE是一種基于統(tǒng)計的編碼，其編碼和解碼算法簡單，容易實現(xiàn)，并且壓縮速率高。其基本原理是檢測并統(tǒng)計重復(fù)的比特或字符序列的出現(xiàn)次數(shù)，并用重復(fù)次數(shù)加字符的形式對原數(shù)據(jù)進行代替。RLE算法對于存在大量連續(xù)重復(fù)字符的數(shù)據(jù)的壓縮效果很好[4]。例如，字符序列aaaabbccc經(jīng)過RLE算法壓縮即可變?yōu)?a2b3c。RLE是一種無失真的壓縮編碼，可以實現(xiàn)對去噪后的頻譜監(jiān)測數(shù)據(jù)的無損壓縮，并且由于RLE算法的壓縮速率高，因此可以滿足無線電監(jiān)測數(shù)據(jù)的實時性強的需求。

壓縮效果可以用壓縮比來衡量。數(shù)據(jù)壓縮比如式（8）所示：

R = （8）

式中：R表示數(shù)據(jù)壓縮比；C為壓縮后數(shù)據(jù)的大?。籔為原始數(shù)據(jù)的大小。

3 實驗測試

本文采用的無線電監(jiān)測數(shù)據(jù)為從某地獲取的真實監(jiān)測數(shù)據(jù)，該數(shù)據(jù)可分為參數(shù)部分以及頻譜監(jiān)測數(shù)據(jù)的電平部分。在本文中，首先在MATLAB中對電平數(shù)據(jù)部分采用小波去噪進行確定性信號的去除；然后根據(jù)ITU-R SM.1753-2建議書中提出的方法對小波去噪后的數(shù)據(jù)進行進一步處理，以去除高斯白噪聲；最后采用RLE對處理后的頻譜數(shù)據(jù)進行壓縮處理。

表1為所獲取的某地區(qū)無線電監(jiān)測數(shù)據(jù)的主要參數(shù)。

由表1可以看出，參數(shù)中包含記錄頭校驗、監(jiān)測站編號、天線信息、監(jiān)測時間等信息。圖3為該地原始數(shù)據(jù)的圖像，圖4為對該地數(shù)據(jù)進行小波閾值去噪后的圖像。對比圖3、圖4可以看出，數(shù)據(jù)的確定性噪聲已被去除。

圖5為該地監(jiān)測數(shù)據(jù)的電平按從大到小的排序，可以選取虛線部分對應(yīng)的曲線值為信號與高斯白噪聲的分界值。由于數(shù)據(jù)監(jiān)測位置不變，所以所有幀數(shù)據(jù)的噪聲分界值的選取可以相同。

圖6為經(jīng)過兩次處理后的數(shù)據(jù)圖像。對比圖6與圖3、圖4可以看出，數(shù)據(jù)的高斯白噪聲已經(jīng)被去除。

表2是對數(shù)據(jù)進行壓縮前后的對比。由表2可以看出，經(jīng)過處理后的監(jiān)測數(shù)據(jù)的壓縮效果較好。

4 結(jié) 語

本文研究了一種應(yīng)用于無線電監(jiān)測數(shù)據(jù)的壓縮算法，針對真實無線電監(jiān)測數(shù)據(jù)中所存在的確定性噪聲和高斯白噪聲，首先采用小波閾值去噪法，將頻譜數(shù)據(jù)中的確定性噪聲去除；然后根據(jù)信號噪聲分界值將信號與高斯白噪聲進行分離；最后對所得的信號采用RLE算法進行壓縮，進而得到經(jīng)過壓縮后的無線電監(jiān)測數(shù)據(jù)，壓縮比可以達到22.87%。

注：本文通訊作者為董穎。

參考文獻

[1]溫宇昕，殷曉虎，衡敏.認知無線電傳輸階段頻譜感知研究及仿真[J].計算機仿真，2022，39（6）：206-209.

[2]李昂.電磁頻譜監(jiān)測系統(tǒng)關(guān)鍵技術(shù)與實現(xiàn)[D].北京：北京郵電大學(xué)，2016.

[3]徐梓健. 電磁頻譜監(jiān)測系統(tǒng)設(shè)計及算法研究[D].北京：北京郵電大學(xué)，2018.

[4]馬浩然.頻譜監(jiān)測數(shù)據(jù)的壓縮與加密算法研究[D].成都：電子科技大學(xué)，2020.

[5]汪紫薇.電磁頻譜監(jiān)測系統(tǒng)數(shù)據(jù)傳輸關(guān)鍵技術(shù)研究[D].武漢：華中科技大學(xué)，2019.

[6]趙媛，楊萱蔓，王星，等.中紅外光譜信號去噪方法研究[J].計算機時代，2023（9）：142-145.

[7]馬杭，陸文總，耿世宇，等.基于改進閾值函數(shù)的小波降噪方法研究[J].激光雜志，2023，44（10）：19-24.

[8] ITU. Methods for measurements of radio noise：recommendation： ITU-R SM.1753-2 [S]. Geneva：International Telecommunication Union，2012.

[9]夏云飛，程子敬，李稚.基于小波軟閾值去噪和EMD的車輛聲信號頻譜分析[J].電子設(shè)計工程，2021，29（20）：24-29.

[10]邢挺，范增盛，馬君梁，等.基于小波變換改進閾值函數(shù)的故障行波去噪方法[J].電工技術(shù)，2023（17）：37-43.

[11]李曼.在MATLAB中用小波分析實現(xiàn)心電信號去噪[J].科技信息，2013（4）：163-164.

[12]張靜，陶彬彬.基于MATLAB的小波去噪的研究[J].遼寧工業(yè)大學(xué)學(xué)報（自然科學(xué)版），2022，42（3）：177-182.

[13]羅淼，姚運萍.信號降噪中小波基與閾值的選取研究[J].機械制造，2015，53（12）：42-45.

[14]唐鵬.基于改進小波閾值函數(shù)的語音增強算法研究[D].深圳：深圳大學(xué)，2017.

[15]馮冬冬，劉奇，朱春花，等.一種基于寬帶頻譜的信號提取方法[J].現(xiàn)代電子技術(shù)，2021，44（17）：67-71.