非正常无线电信号的自动识别系统及其方法技术方案

本发明专利技术公开一种非正常无线电信号类型的自动识别和自学习方法,其特点是通过分析实测无线电信号的频谱数据，结合无线电监测专家的经验知识和特征提取方法，完成对无线电信号的特征提取；在无线电信号的特征空间中，采用聚类分析方法，对实测的扫频式干扰、宽带干扰、窄带干扰、非法插播信号等进行了聚类分析；利用聚类分析结果，该方法可使无线电监测设备具有自动识别非正常无线电信号类型的能力。随着实测无线电信号频谱数据的积累及识别误差的增大，该方法提供了定期对聚类分析结果进行自学习的能力。根据识别结果，结合通信设备，该方法提供了监测设备的自动报警能力。该方法用于无线电监测设备，提高了无线电监测设备的信息处理能力，可实现无线电监测设备的无人值机，减少了监测技术人员的工作量。

【技术实现步骤摘要】

本专利技术涉及到无线电监测领域，更具体涉及到无线电信号检测及非正常无线电信号的自动识别。
技术介绍
无线电监测主要针对无线电管理地域内的无线电信号，并对该无线电信号进行分析、识别、监视并获取其技术参数、工作特征和辐射位置等技术信息。非正常无线电信号的发现与识别在无线电监测中占有重要地位，特别是在重大活动期间对非正常无线电信号的监测更为重要。传统的无线电监测工作是无线电监测人员通过监测设备，配合专业知识和监测人员的实际经验来人工完成的。且主要是通过该信号的频谱图和持续时间来判断。这种识别方式主要有以下几个不足：一方面，不同的工作人员有不同的经验知识，在做决策时存在一定的主观性，直接影响非正常无线电信号的正确识别；同时无线电监测过程中对非正常信号的发现与识别依赖于技术人员，其中大部分工作重复进行，是对人力资源的浪费，且在应急情况下极大的增加了其工作难度和工作量；另一方面，非正常无线电信号的识别遵循一套规范的监测流程，由于现有无线电监测设备的信息处理能力不足，导致非正常无线电信号的识别严重依赖于技术人员，无法实现无线电监测设备的无人执机。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提高无线电监测的自动化、智能化水平，提供一种非正常无线电信号的自动识别系统及其方法，该识别系统实现非正常无线电信号的自动检测，以及非正常无线电信号的自动识别，增强无线电监测的自动化、智能化水平。同时，该识别方法具备对算法参数进行自学习的能力。根据识别结果，结合通信设备，该系统具备监测设备的自动报警能力。该方法用于无线电监测系统，可提高无线电监测系统的信息处理能力，实现无线电监测系统的无人执机，有效减轻监测人员的工作难度与工作量。本专利技术所述非正常无线电信号是指监测到的非法或干扰信号，包括扫描式干扰、宽带干扰、窄带干扰、非法插播信号等。可疑信号是指系统通过初步判断为疑似非正常的无线电信号，但还需要进一步确定的信号。本专利技术所述非正常无线电信号自动识别系统包括无线电信号监测设备系统、无线电信号智能分析系统、网络通信系统和处理控制器；监测设备系统接收空中的电磁波，进行变换处理，产生信号的监测数据，包括：频谱数据，语音数据，方位数据，中频测量数据等；智能分析系统通过对监测数据进行一系列智能分析处理，自动识别非正常信号；网络通信系统负责系统各模块之间，系统与外部其它设备之间的通信；处理控制器负责协调各个模块之间的处理调度。其中无线电信号智能分析系统，包括无线电非正常信号检测模块、非正常信号特征提取模块、非正常信号识别模块、系统自学习模块，以及台站数据库、电磁环境数据库、非正常信号数据库；通过数据接口获得频段扫描数据，采用分段动态自适应阈值算法监测出该频段的所有信号及对应的频点，对信号频点进行中频测量或中频测向获得信号的详细数据，分析处理提取信号的多种特征，将所提取的特征输入非正常信号识别模块，识别出该信号所属的类别；系统自学习模块使用非正常信号识别模块产生的数据，定期更新、完善特征提取参数和信号识别算法参数。本专利技术所述无线电信号监测设备系统包括接收机、频谱测量仪、测向设备、监听设备、控制设备、天馈系统，以及通信、电源、防雷接地、环境监控等辅助系统；监测接收机通过天馈系统接收空中的电磁波，进行变换处理，产生信号的频谱数据，语音数据，方位数据，中频测量数据等，监测接收机通过GPS接收机获得经纬度坐标数据，监测接收机通过环境控制系统获得监测站所在的地理环境信息、气候温度等数据信息；本专利技术所述台站数据库是在该地域的所有申报、批准的无线电用频设备的数据，电磁环境数据库包含该地域所有频段正常情况下的监测数据。本专利技术所述非正常无线电信号的自动识别方法的步骤为：首先通过对指定的频段进行频段扫描，进行信号检测；对检测出的信号提取一系列特征并选择具有较好鉴别能力的特征；然后运用改进的FCM算法自动识别信号的类别；根据识别出的信号类型自动报警；对识别出的非正常无线电信号，系统进行保存，通过人工确认标定后，进入非正常信号数据库，通过新的数据库自学习特征选择算法参数和FCM新的聚类中心，使得系统具有不断学习的能力，智能化水平不断提高。本专利技术采用一种分段自适应阈值确定方法对实测信号进行检测，对监测频段进行一段时间的监测后，获得该实测频段信号频谱数据的平均值                                               ，其中代表第个采样点这一段时间的平均能量，。当前这帧频段数据的实时值，其中代表第个采样点当前这帧的能量，，为频段数据的采样点数。第一步：根据实测频段信号频谱数据的平均值，进行分段处理，设每段的大小为个采样点，计算出此段内数据的均值，其中为段数，将此段内的数据依次和比较，若，则记为信号点，若，则记为非信号点，其中，为设定的阈值，采取此方法找出该频段信号点的下标；第二步：将该频段信号频率的噪声值用其前后非信号频率噪声值的均值代替，例如第2个采样点为信号点，第1个和第3个为非信号点，则第二个采样点的噪声值为，采用这种方式提取出整个频段的噪声水平，设为，其中代表第个采样点的噪声值，；第三步：用实时值和逐个进行比对，令代表第个采样点的底噪声阈值，。若，则：，若，则：，其中、为设定值，，考虑有信号时的噪声水平要高于无信号时的噪声水平，要求。由于各种监测设备自身也会产生噪声且噪声具有一定的波动性，所以本方法加上一个设定值，这样才能更好的反映实际情况；第四步：对底噪声阈值进行平滑滤波处理。根据底噪声阈值找出此频段信号的频率，然后与已经建立的台站数据库进行比对，分析出正常信号和可疑信号，其中可疑信号分为两种：一种是台站数据库中存在该信号，但是能量超出库中保存的最大能量值，另一种是台站数据库中不存在该信号。将实测信号频谱数据经底噪声阈值滤除后用于无线电信号的特征提取。本专利技术根据无线电信号的物理特征提出了21个特征分别为：信号估测带宽、信号均值、信号方差、信号最大峰值、信号第二大峰值、信号第三大峰值、信号底噪声水平、信号最大能量、小于底噪声的连续点的个数、小于底噪声的连续点的平均间隔、大于底噪声的连续点的个数、大于底噪声的连续点的平均间隔、信号峰值个数的比率、信号大于底噪声的个数的比率、信号过零率、电平值大于底噪声的频率的方差、归一化瞬时幅度绝对值的均方差、归一化瞬时振幅的峭度、瞬时振幅绝对值的标准差、归一化瞬时振幅均方差与均值之比、信号功率谱对称性。其中信号估测带宽为该信号所占用的带宽，信号均值代表该帧信号的平均水平，信号方差代表该帧信号的波动水平，信号最大峰值代表该帧信号的最大峰值，信号第二大峰值代表该帧信号的第二大峰值，信号第三大峰值代表该帧信号的第三大峰值，信号底噪声水平代表该帧信号噪声值，信号最大能量代表该帧信号最大的能量值，小于底噪声的连续点的个数代表信号滤出噪声后连续零点的个数，小于底噪声的连续点的平均间隔代表信号滤出噪声后连续零点之间的平均间隔，大于底噪声的连续点的个数代表信号滤出噪声后大于零的连续点的个数，大于底噪声的连续点的平均间隔代表信号滤出噪声后大于零的连续点的平均间隔，信号峰值个数的比率代表该帧信号峰值的个数与采样本文档来自技高网...

【技术保护点】
一种非正常无线电信号自动识别系统包括：无线电信号监测设备系统、无线电信号智能分析系统、网络通信系统和处理控制器，在所述自动识别系统中监测设备系统接收空中的电磁波，进行变换处理，产生信号的监测数据，所述监测数据包括：频谱数据，语音数据，方位数据，中频测量数据等；智能分析系统通过对监测数据进行一系列智能分析处理，自动识别非正常信号；网络通信系统负责系统各模块之间，系统与外部其它设备之间的通信；处理控制器负责协调各个模块之间的处理调度；其特征在于：所述无线电信号智能分析系统，包括：无线电非正常信号检测模块、非正常信号特征提取模块、非正常信号识别模块、系统自学习模块，以及台站数据库、电磁环境数据库、非正常信号数据库；其中通过数据接口获得频段扫描数据，采用分段动态自适应阈值算法监测出该频段的所有信号及对应的频点，对信号频点进行中频测量或中频测向获得信号的详细数据，分析处理提取信号的多种特征，将所提取的特征输入非正常信号识别模块，识别出该信号所属的类别；系统自学习模块使用非正常信号识别模块产生的数据，定期更新、完善特征提取参数和信号识别算法参数。

【技术特征摘要】
1.一种非正常无线电信号自动识别系统包括：无线电信号监测设备系统、无线电信号智能分析系统、网络通信系统和处理控制器，在所述自动识别系统中
监测设备系统接收空中的电磁波，进行变换处理，产生信号的监测数据，所述监测数据包括：频谱数据，语音数据，方位数据，中频测量数据等；
智能分析系统通过对监测数据进行一系列智能分析处理，自动识别非正常信号；
网络通信系统负责系统各模块之间，系统与外部其它设备之间的通信；
处理控制器负责协调各个模块之间的处理调度；其特征在于：
所述无线电信号智能分析系统，包括：无线电非正常信号检测模块、非正常信号特征提取模块、非正常信号识别模块、系统自学习模块，以及台站数据库、电磁环境数据库、非正常信号数据库；
其中通过数据接口获得频段扫描数据，采用分段动态自适应阈值算法监测出该频段的所有信号及对应的频点，对信号频点进行中频测量或中频测向获得信号的详细数据，分析处理提取信号的多种特征，将所提取的特征输入非正常信号识别模块，识别出该信号所属的类别；系统自学习模块使用非正常信号识别模块产生的数据，定期更新、完善特征提取参数和信号识别算法参数。
2.如权利要求1所述的非正常无线电信号自动识别系统，其中所述无线电信号监测设备系统包括接收机、频谱测量仪、测向设备、监听设备、控制设备、天馈系统，以及通信、电源、防雷接地、环境监控等辅助系统。
3.如权利要求2所述的非正常无线电信号自动识别系统，其中所述监测接收机通过天馈系统接收空中的电磁波，进行变换处理，产生信号的频谱数据，语音数据，方位数据，中频测量数据等；监测接收机通过GPS接收机获得经纬度坐标数据；监测接收机通过环境控制系统获得监测站所在的地理环境信息、气候温度等数据信息。
4.如权利要求1所述的非正常无线电信号自动识别系统，其中所述台站数据库是在该地域的所有申报、批准的无线电用频设备的数据，电磁环境数据库包含该地域所有频段正常情况下的监测数据。
5.一种非正常无线电信号的自动识别方法，包括如下步骤：
首先通过对指定的频段进行频段扫描，进行信号检测；
对检测出的信号提取一系列特征并选择具有较好鉴别能力的特征；
然后运用改进的FCM聚类分析方法自动识别信号的类别；
根据识别出的信号类型自动报警；
对识别出的非正常无线电信号，系统进行保存，通过人工确认标定后，进入非正常信号数据库，通过新的数据库自学习特征选择算法参数和FCM新的聚类中心，使得系统具有不断学习的能力。
6.如权利要求1-5所述的非正常无线电信号的自动识别方法，其中采用分段自适应阈值确定方法来进行所述信号检测，所述分段自适应阈值确定方法具体包括：对监测频段进行一段时间的监测后，获得该实测频段信号频谱数据的平均值                                                ，其中代表第个采样点这一段时间的平均能量，；以及当前这帧频段数据的实时值，其中代表第个采样点当前这帧的能量，，为频段数据的采样点数；
第一步：根据实测频段信号频谱数据的平均值，进行分段处理，设每段的大小为个采样点，计算出此段内数据...

【专利技术属性】
技术研发人员：马方立，裴峥，高志升，陈涛，何永东，徐鹏，徐扬，康凯宁，伊良忠，秦克云，宋振明，
申请(专利权)人：西南交通大学，四川省无线电监测站，西华大学，
类型：发明
国别省市：四川;51