一种基于长短期记忆网络的移动黑电台监测方法技术

本发明专利技术是为了解决黑电台频繁出现和打击治理困难的问题，提出一种基于长短期记忆网络的移动黑电台监测方法。首先借鉴了先进监测设备的优势和大数据挖掘的理念提出了一个高效智能的方案，具体内容是基于长短期记忆网络对频谱占用情况进行预测分析，同时为了增加监测设备的灵活性，将检测设备搭载到可移动的无人机上，在地面的上位机可以实时观察检测的结果。本发明专利技术设计的目的就是提高黑电台查找的精确度，规范和改进干扰源查找、数据采集和数据分析等一系列繁琐的步骤，大大提高区域间监测的工作效率。的工作效率。的工作效率。

【技术实现步骤摘要】
一种基于长短期记忆网络的移动黑电台监测方法


[0001]本专利技术属于对非法设立的调频广播电台进行远程监测的
，特别是涉及一种基于长短期记忆网络对非法调频广播电台的存在进行预测的方法与系统。

技术介绍

[0002]随着无线电通信技术的飞速发展，各种通信设备逐渐普及到广罗大众，普通民众也得以享受到无线通信带来的便捷与高效。
[0003]所谓“黑电台”，又称非法调频电台，是指广播电台未经广电总局、机构无线电管理部门批准，私自设立并利用公共无线电频率资源，向社会环境进行广播宣传的行为。一些黑电台会擅自扩频，擅自将发射频率延伸到航空用的高频频段，与民航飞机的通信频率非常接近。为了扩大覆盖范围，一些黑电台经常使用高山发射机，其广播频率、杂散发射、谐波频率会对航空通信、应急救援等造成干扰，给社会公共安全带来极大的隐患。
[0004]虽然黑电台在如今的信息互联网时代数量逐渐锐减，但在一些地区仍存在黑电台的情况。此外，黑电台多设立在一、二线中心城市或市区发达区域，这给无线电短波监测工作带来了全新的挑战。这些地区经济发展速度较快，人口流动性高，无线电电磁环境错综复杂，导致测向定位干扰源的准确性降低。因此，以研究监测方法和监测数据挖掘为途径，尽力提高复杂电磁环境下的定位准确性，提升快速查找干扰的能力，减少人力、物力和时间的消耗，做好超短波监测工作，尤其是黑电台查出尤为重要。

技术实现思路

[0005]本专利技术的目的是解决黑电台频繁出现和打击治理困难的问题。本专利技术借鉴了先进监测设备的优势和大数据挖掘的理念提出了一个高效智能的方案，具体内容是基于长短期记忆网络(LSTM)对频谱占用情况进行预测分析，同时为了增加监测设备的灵活性，本专利技术将检测设备搭载到可移动的无人机上，在地面的上位机可以实时观察检测的结果。系统的框图如附图1所示。
[0006]一种基于长短期记忆网络的移动黑电台监测方法，包括以下步骤：
[0007]步骤1，使用无人机搭载频谱仪采集待检测区域内的无线电频谱数据，其中无人机搭载频谱仪与上位机进行远程数据通信；
[0008]步骤2，上位机对获取的无线电频谱数据进行预处理，构建序列数据集；
[0009]步骤3，将处理后的无线电频谱数据分为训练集和测试集，训练用于预测频谱占用情况的LSTM网络模型；
[0010]步骤4，设计小型调频发射机作为模拟黑电台，用于后续检测LSTM网络模型的预测能力；
[0011]步骤5：以黑电台所在的区域作为测试场景，对LSTM网络模型的预测结果进行观察分析，验证预测的准确性和有效性，具体如下：
[0012]通过无人机搭载频谱仪实时采集测试场景内的无线电频谱数据，得到一段时间内
的实际观测结果；
[0013]同时，开启黑电台进行调频发射，无人机搭载频谱仪采集一段时间的无线电频谱数据，并将其输入步骤4训练好的“LSTM网络模型”中，通过“LSTM网络模型”在线预测未来一段时间的频谱占用情况，得到预测结果。
[0014]此时训练好的“LSTM网络模型”的预测结果能够以很高的概率预测出某频段未被主用户占用，并且实际观测结果与此相反，则存在“黑电台”，进而验证了“LSTM网络模型”的准确性和有效性。
[0015]综上，基于训练好的“LSTM网络模型”能够对任意测试场景的频谱占用情况进行预测分析，准确查着可能存在的“黑电台”：若训练好的“LSTM网络模型”的预存结果能够以很高的概率预测出某频段未被主用户占用，而实际观测结果与此相反，则判定存在“黑电台”，并能够确定黑电台的方位；否则，测试场景内不存在“黑电台”。另外，通过无人机能够实现采集数据的灵活性。
[0016]进一步的，在步骤1中，由于旋翼无人机具有空中悬停的能力，可以更稳定的完成数据采集任务。频谱仪采集的数据应是一段时间内连续且无中断的无线电频谱数据，无线电频谱数据包含了信号频率值与信号幅值。
[0017]进一步的，所述步骤2中，对采集到的数据预处理具体为：除去异常数据后进行归一标准化处理，再搭建序列数据集。
[0018]进一步的，所述步骤3中，LSTM网络模型的训练过程具体如下：
[0019]将训练集内的频谱数据输入LSTM网络，利用网络输出和数据标签计算交叉熵函数，并对交叉熵函数进行梯度下降来更新网络参数，对网络参数进行优化，使得交叉熵函数减小到设定值，最终得到训练好的“LSTM网络模型”。
[0020]进一步的，所述步骤4中，设计一个基于STC单片机和调频无线发送芯片QN8027的小功率调频发射机作为模拟黑电台。使用该设备可以方便的模拟现实环境中可能存在的黑电台，有效的检验模型的训练结果。
[0021]本专利技术判断是否存在黑电台的原理为：
[0022]由于针对实际频谱的使用情况，研究人员发现主用户对频谱的使用呈现一定的规律性，并不是随机的。这对于认知用户来说，主用户活动的规律性使得频谱可用性也呈现一定的规律性。无线电频谱资源的使用通常被认为是一个时序过程。而“黑电台”的通信一般具有隐蔽性和无规律性，因此，当“黑电台”占用主用户频段时，频谱的可用性规律可能发生改变或者不再存在时序规律。
[0023]本专利技术的有益效果为：
[0024]为解决黑电台频繁出现和打击治理困难的问题，本专利技术借鉴了先进监测设备的优势和大数据挖掘的理念提出了一个高效智能的方案，通过利用长短期记忆循环神经网络对频谱占用情况进行预测分析，以及使用无人机增加灵活性。提高了黑电台查找的精确度，规范和改进干扰源查找、数据采集和数据分析等一系列繁琐的步骤，大大提高区域间监测的工作效率。
附图说明
[0025]图1移动黑电台监测系统框图。
[0026]图2长短期记忆网络门结构。
[0027]图3调频无线发送芯片QN8027工作流程。
[0028]图4调频发送模块核心原理图。
[0029]图5具体实施方式的户外测试区域。
[0030]图6预测数据与观察数据的频谱占用比之差。
[0031]图7各子区域内90MHz信号的强度。
具体实施方式
[0032]为了更好的理解上述技术方案，以下结合附图以及具体的实施方式，给出具体分析。
[0033]一种基于长短期记忆网络的移动黑电台监测方法，包括以下步骤：
[0034]步骤1，使用无人机搭载频谱仪采集待检测区域内的无线电频谱数据，其中无人机搭载频谱仪与上位机进行远程数据通信；在步骤1中，由于旋翼无人机具有空中悬停的能力，可以更稳定的完成数据采集任务。本实施例中，频谱仪采集的数据是1小时内连续且无中断的无线电频谱数据，频率范围为80MHz
‑
120MHz。无线电频谱数据包含信号频率值与信号幅值。
[0035]步骤2，上位机对获取的无线电频谱数据进行预处理，构建序列数据集；
[0036]首先对采集到的数据进行预处理，除去异常数据后进行归一标准化处理，再搭建序列数据集。归一化的处理方式如下：本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于长短期记忆网络的移动黑电台监测方法，其特征在于，包括以下步骤：步骤1，使用无人机搭载频谱仪采集待检测区域内的无线电频谱数据，其中无人机搭载频谱仪与上位机进行远程数据通信；步骤2，上位机对获取的无线电频谱数据进行预处理，构建序列数据集；步骤3，将处理后的无线电频谱数据分为训练集和测试集，训练用于预测频谱占用情况的LSTM网络模型；步骤4，设计小型调频发射机作为模拟黑电台，用于后续检测LSTM网络模型的预测能力；步骤5：以黑电台所在的区域作为测试场景，对LSTM网络模型的预测结果进行观察分析，验证预测的准确性和有效性。2.根据权利要求1所述的一种基于长短期记忆网络的移动黑电台监测方法，其特征在于，所述的步骤5具体如下：通过无人机搭载频谱仪实时采集测试场景内的无线电频谱数据，得到一段时间内的实际观测结果；同时，开启黑电台进行调频发射，无人机搭载频谱仪采集一段时间的无线电频谱数据，并将其输入步骤4训练好的“LSTM网络模型”中，通过“LSTM网络模型”在线预测未来一段时间的频谱占用情况，得到预测结果；此时训练好的“LSTM网络模型”的...

【专利技术属性】
技术研发人员：张然，赵楠，黄秋磊，程思科，李轩衡，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：