一种基于张量分解的频谱监测大数据处理系统及处理方法技术方案

本发明专利技术提出了一种基于张量分解的频谱监测大数据处理方法，包括：S1：校准监测台站位置V，同步监测时钟t，同步监测时间点t

【技术实现步骤摘要】
一种基于张量分解的频谱监测大数据处理系统及处理方法
本专利技术属于无线电频谱监测数据处理
，特别涉及一种基于张量分解的频谱监测大数据处理系统及处理方法。
技术介绍
区域频谱监测大数据处理系统是建立在新一代互联网技术基础上的一种新型频谱监测系统，随着5G技术的推广与应用，大数据的传输、存储与处理已成为现实，在频谱监测领域内，过去由于受网络吞吐量的限制，传统的频谱监测数据处理方法主要是以“点”的方式进行频谱监测数据的处理，监测台站的数据很难实现共享，以至于存在所谓“信息孤岛”现象，由此造成监测盲区和监测数据利用率低下等问题。对区域频谱监测数据处理以获取频谱使用详细状况是合理和高效进行频谱资源利用和频谱管理的基础，尤其是随着频谱监测网络化发展的逐步加快，频谱监测台站及不同频谱管理单位间的数据传输和处理需求不断提高，对区域频谱监测数据进行深度挖掘，采用大数据方法获取更多信息的要求变得非常迫切。频谱监测的目的是实时地测量监测区域内辐射源的工作状态和频谱占用率及随时间变化的情况，因此，频谱监测数据与时间t、频率fc和地理空间s密切相关，可用泛函X＝f(t,fc,s)描述，因此，在t-f-s三维空间处理频谱监测数据一定是优于任何二维的数据处理方法，可以克服传统方法存在的不足。
技术实现思路
本专利技术针对频谱监测系统网络化这一发展趋势，提出一种区域频谱监测大数据处理系统及辐射源识别与定位方法。基于监测系统内各个监测节点对环境电磁态势的精准时间同步采样，能够在网关节点构造频谱监测数据的3D矩阵，从而可以利用张量分解的方法在时-频-空域对频谱数据进行综合分析与处理，提高辐射源识别精度。本专利技术提出一种基于张量分解的频谱监测大数据处理方法，包括：S1：频谱监测台站校准：进行台站位置V，同步监测时钟t，同步监测时间点tn(0…N)，确定监测频谱采样点M和频谱带宽BS2：监测数据预处理：进行给定时刻监测数据离散化和给定监测时段监测数据结构化处理，获取给定采样时刻的一维频谱监测数列和给定的监测时间段的二维频谱矩阵W；S3：基于各频谱监测站的二维频谱矩阵W，构建立体频谱矩阵Q,对Q进行张量分解。本专利技术还提出一种基于张量分解的频谱监测大数据处理系统，包括：台站校准与同步模块、监测数据预处理模块和监测大数据处理模块，台站校准与同步模块，进行监测台站位置V，同步监测时钟t，同步监测时间点tn(0…N)，确定监测频谱采样点M和频谱带宽B；监测数据预处理模块，进行给定时刻监测数据离散化和给定监测时段监测数据结构化处理，获取给定采样时刻的一维频谱监测数列和给定的监测时间段的二维频谱矩阵W；监测大数据处理模块，基于各频谱监测站的二维频谱矩阵W，构建立体频谱矩阵Q,对Q进行张量分解。本专利技术的有益效果是：本专利技术的频谱监测大数据处理系统能够统一频谱监测数据的规范化处理过程，形成符合频谱监测网系要求的数据处理流程，能实现基于网格的辐射源定位，有利于区域频谱监测数据高效利用。附图说明图1为本专利技术的频谱监测数据处理方法的流程图。图2为本专利技术的频谱监测数据二维频谱矩阵示意图。图3为本专利技术的频谱监测数据三维频谱矩阵示意图。图4为本专利技术的频谱监测数据处理方法中的辐射源定位方法的流程图。图5为本专利技术的基于网格的辐射源定位示意图。图6为本专利技术的频谱监测数据处理系统的应用场景示意图。图7为基于互联网的频谱监测系统的体系结构图。图8为基于互联网的频谱监测系统拓扑结构图。图9为本专利技术的频谱监测数据处理系统的结构框图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和出示的本专利技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。参照图1描述本专利技术的基于张量分解的频谱监测大数据处理方法。本专利技术主要应用区域频谱监测大数据处理，有利于多台站监测数据被更加合理和高效的利用。本专利技术提出的基于张量分解的区域频谱监测大数据处理的方法包括以下步骤S1-S5。S1：在管理节点的控制下完成监测台站位置校准、同步监测时钟t、同步监测时间点tn(0…N)、监测频谱采样点M和频谱带宽B等监测参数。其中n取0、1、2、……、N，N为正整数。S2：监测数据预处理，完成给定时刻监测数据离散化和给定监测时段监测数据结构化处理，获取给定采样时刻的一维频谱监测数列和给定的监测时间段的二维频谱矩阵W。具体地，在给定的频谱带宽内，按照要求的频谱采样点数，获取给定采样时刻的一维频谱监测数列数列为1M维。按照监测数据时间采样间隔，按照时间先后顺序将不同采样时刻频谱监测数列进行排列，组成二维频谱矩阵矩阵W为N×M维。本专利技术中所述的二维频谱矩阵是一类有特定含义的矩阵(见图2)，由传统数学矩阵引申而来，其两个维度分别对应频谱监测数据的时间维和频率维，矩阵中元素数值对应一定时刻和频率监测到的电平(幅值)。因此，二维频谱矩阵将电磁频谱监测数据的时间维、频率维、能量维关联了一起，是频谱监测数据的一种二维结构化表示，相对于传统矩阵运算，二维频谱矩阵相应运算具有对应的物理含义。S3：各个网关节点接收其管理频谱监测站的二维频谱矩阵W，构建立体频谱矩阵Q(对应于时间、频率和空间，空间指的是台站点数),对Q进行张量分解，识别辐射源，将特征矩阵A，B，C作为监测数据压缩处理结果，完成给定时段内监测数据Q的整体压缩处理。特征矩阵A，B，C是立体频谱矩阵Q的张量分解结果，其数据量远小于矩阵Q。本专利技术的三维频谱矩阵由各监测台站的二维频谱矩阵按规则叠加而成(见图3)，由于各监测台站实现了时-频域精确同步、台站的地理位置信息明确，因此，该矩阵包含频谱监测数据在时间、频率和空间维的变化特性，经张量分解处理，可获得比单个台站的二维频谱矩阵更多的辐射源信息，具有显著的理论先进性。代表性的张量分析方法是PARAFAC算法，本专利技术提出的立体频谱矩阵Q从数学意义上看是一种张量结构数据，可表示为：Y∈CI×J×K。PARAFAC算法将张量Y分解成这里,ar,br,cr是张量分解后在时、频、空域得到的特征矩阵A∈CI×R,B∈CJ×R和C∈CK×R的列矢量,R是张量Y的秩，符号°表示矢量的外积，因此，(ar°br°Cr)ijk＝airbjrckr是用三个维度方向的特征矢量逼近原始的张量，是特征值分解在高维矩阵的推广。对一个具有张量结构的频谱监测数据矩阵进行PARAFAC分解时，结果的有效性取决于经过有限次迭代后由特征矩阵A∈CI×R，B∈CJ×R本文档来自技高网...

【技术保护点】
1.一种基于张量分解的频谱监测大数据处理方法，其特征在于，包括：/nS1：校准监测台站位置V，同步监测时钟t，同步监测时间点t

【技术特征摘要】
1.一种基于张量分解的频谱监测大数据处理方法，其特征在于，包括：
S1：校准监测台站位置V，同步监测时钟t，同步监测时间点tn(0…N)，确定监测频谱采样点M和频谱带宽B；
S2：完成给定时刻监测数据离散化和给定监测时段监测数据结构化处理，获取给定采样时刻的一维频谱监测数列和给定的监测时间段的二维频谱矩阵W；
S3：基于各频谱监测站的二维频谱矩阵W，构建立体频谱矩阵Q，对Q进行张量分解。


2.根据权利要求1所述的方法，其特征在于，所述步骤S2包括：
S2.1：获取采样时刻tn的频谱监测数据；
S2.2：在给定的频谱带宽B内，按照频谱采样点数M，对数据进行离散化，获取采样时刻tn的一维频谱监测数列数列为1×M维；
S2.3：给定的监测时间段，按照监测数据时间采样间隔，获取不同采样时刻的频谱监测数列
S2.4：按照时间先后顺序将不同采样时刻的频谱监测数列进行排列，组成二维频谱矩阵矩阵W为二维N×M维。


3.根据权利要求1所述的方法，其特征在于，所述步骤S3还包括：
S3.1：根据K个频谱监测台站的经纬度位置Vn计算出地理分布上的几何中心点V0，其中n取值为1、2、3、……、K；



S3.2：计算每个频谱监测台站的经纬度位置Vn与几何中心点V0的距离Dn，其中‖·‖2为2阶范数运算：
Dn＝‖Vn-V0‖2
S3.3：按照频谱监测台站与几何中心点V0的距离Dn从小到大的顺序，排列台站对应的频谱矩阵，构建立体频谱矩阵Q＝[W1,W2,…WK]T；
S3.4：对立体频谱矩阵Q进行张量分解，设定分析带宽F,对立体频谱矩阵Q按分析带宽分段并逐段进行张量分解，以契合度MF>80％为准则判断张量分解的有效性，当MF<80％时，分析带宽F减半，重新对不满足有效性的数据分段，直到符合有效性要求或到达分析带宽的最小值；
S3.5：利用张量分解结果计算辐射源的中心频率、频率占用度、时间占用度、空间占用度或评估环境复杂度；
S3.6：对同频辐射源进行K-L散度和互信息计算，鉴别是否为独立辐射源。


4.根据权利要求3所述的方法，其特征在于，所述步骤S3.5包括：
S3.5.1：张量分解后得到特征矩阵A,B,C，其中Y(1)＝(A⊙B)CT,Y(1)∈CIJ×K；Y(2)＝(C⊙A)BT，Y(2)∈CKI×J和Y(3)＝(B⊙C)AT，Y(3)∈CJK×I，其中，⊙为Khatri-Rao积，I,J,K分别对应频率、时间和空间(台站)点数；
S3.5.2：将Y(1)转化为三维矩阵Y(1)∈CI×J×K，沿空间维方向共有K个时频切片，将沿时间维累加后超过门限的峰值数除以F得到分析带宽内的频率占用度FO；将沿时间维累加后超过门限的峰值数除以时间长度J得到观测时间内的时间占用度TO；
S3.5.3：利用将Y(2)转化为三维矩阵Y(2)∈CK×I×J,Y(3)转化为Y(3)∈CJ×K×I，将沿时间维和频率维累加后频谱矩阵在空间维超过门限的峰值除以K得到空间占用度SO；
S3.5.4：通过如下标准评估环境复杂度：
简单电磁环境：
轻度复杂电磁环境：
中度复杂电磁环境：
重度复杂电磁环境：


5.根据权利要求1所述的方法，其特征在于，还包括：
S4：数据发送，将辐射源识别结果和压缩后的数据传输给管理中心、数据中心或其他中继台站；
S5：在管理中心的控制下，利用网格节点的地理位置信息和网...

【专利技术属性】
技术研发人员：马红光，郭金库，刘志强，姜勤波，游鸿，李霞，
申请(专利权)人：西安大衡天成信息科技有限公司，
类型：发明
国别省市：陕西;61