电磁频谱数据的关联规则挖掘

为更合理利用频谱资源以及更好地评估各类电磁环境,本文提出一种基于关联规则挖掘的频谱数据挖掘方案. 该方案首先基于一般挖掘流程获取频谱数据中的有用信息,包括异常信息、底噪信息、占用度信息和预定时间功率信息等;再将频谱信息作为关联分析对象,通过构建关联库,构建模糊集,基于模糊关联规则挖掘算法对频谱信息进行系统性的分析. 本文对传统的算子选择策略加以改进,使用大尺度参数改进模糊隶属函数. 通过实测数据集的验证分析,实验结果表明,频谱信息的强关联规则能反映各种信息之间隐含的关联性以及各种信息出现的频次;基于频谱信息的关联规则挖掘能有效地简化频谱挖掘工作,通过各种信息的关联性可以通过分析一部分频谱信息而得到另外的频谱信息. 频谱信息的关联规则可以用于进行电磁无线电环境的评估,选择合适的频谱信息该方案可以应用于各类电磁环境的评估.     

基于EGARCH过程的电磁频谱占用状态波动特性分析

针对传统频谱占用度自回归移动平均(ARMA)模型由于未考虑序列的条件二阶矩,导致无法准确描述频谱占用状态的非线性时变特性问题,该文提出一种基于指数广义自回归条件异方差(EGARCH)过程的频谱占用状态时间序列建模方法。首先通过对ARMA模型的剩余残差进行条件异方差性检验,表明频谱占用时间序列存在明显的时域波动集聚性;其次基于EGARCH过程构建频谱占用度时间序列模型以及对实测数据的分析,表明该模型相较ARMA模型对频谱占用度的拟合与预测精度更高;最后由EGARCH模型参数存在杠杆效应系数,表明频谱占用状态变化对电磁环境波动的影响具有非对称性。研究结果表明EGARCH模型能够量化反映频谱占用状态的复杂非线性时变过程。     

一种非平稳非线性频谱占用度时间序列分析方法

针对传统频谱占用度分析模型由于未考虑序列的非线性非平稳特性,导致无法准确描述频谱占用度特性的问题,该文提出将集合经验模式分解(EEMD)方法与人工神经网络(ANN)的方法结合应用于频谱占用度时间序列建模方法中,采用EEMD+ANN的频谱占用度序列建模和预测方法.首先应用EEMD分解算法把原始频谱占用度时间序列分解成不同尺度的基本模态分量,再根据不同尺度的基本模态分量分别构建ANN模型,提高了模型针对复杂频谱占用度时间序列的学习能力.结合实测数据分析,表明该模型相对传统频谱占用度模型具有更高的拟合和预测精度,验证了该方法的正确性与有效性.     

也谈频谱占用度测量中门限电平的设置

频谱占用度的测量是无线电监测工作的重要任务之一。测量频谱占用度有利于全面、客观、准确地反映电磁环境特征,摸清相关频段的频谱利用状况．为今后频谱分配政策的制订提供现实依据,同时也能使无线电管理人员了解本地无线电频率的实际占用情况．有助于对非法无线电信号的查处。     

一种电磁频谱管理盲监测技术

复杂电磁环境下对无线电信号进行监测时,基于时频分析的传统监测方式对频谱混叠信号难以进行识别.针对这一问题,提出了一种电磁频谱管理盲监测技术.在分析研究了盲源分离的理论基础上建立了基于最大信噪比算法的盲监测模型,基于该模型仿真实现了6路频谱混叠无线电信号的分离提取.仿真结果表明:应用所建立的模型能够实现频谱混叠无线电信号的监测分析,判明所监测无线电设备的工作频率、信号形式和带宽等主要特征.     

关于科学和准确采集短波频谱数据的研究

在短波频段,如何能够采集到全面有效准确的频谱数据,分析出频谱占用度等无线电管理的基础数据,形成直观的有价值的信息是我们面临的问题.本文从时间域、空间域和频率域等方面研究了影响数据采集准确性的因素,并分析了短波频段背景噪声的特点,研究了在占用度统计分析中根据背景噪声设置动态门限的重要性.     

一种新的自适应跳频通信系统

结合认知无线电中的频谱感知技术,提出了一种基于射频电磁环境检测改变跳频集的自适应跳频通信系统.该系统通过在发射端检测频谱空洞自适应调整跳频集使系统实时回避被干扰的频点.构建了系统的仿真模型,并在蓝牙、802.11和无绳电话共存的射频环境中对系统性能进行了仿真.结果表明:采用该文提议的技术,基于频谱空洞检测的自适应跳频系统在与802.11和无绳电话冲突时能更可靠有效地工作.这一研究结果对于通信系统共存有重要意义.     

面向复杂电磁环境的多天线信道估计技术

对于基于认知无线电架构的多天线信道估计技术,由于传统零相关序列是在全部频谱可用前提下设计的,在复杂电磁环境的频谱限制下,传统零相关序列部分频域元素发生变化,且不再满足原始序列的周期相关特性,因此不能直接应用于复杂电磁环境的多天线信道估计。该文介绍了多天线通信系统的信道估计算法并指出对理想序列的要求,然后针对复杂电磁环境,即在存在频谱空穴的条件下,联合优化频谱受限和良好周期相关程度两大评价指标,设计出适用的序列集合,作为训练序列应用到认知无线电系统的信道估计算法中,仿真结果验证了新序列集合的有效性。     

基于地空频谱在线学习的地震前电磁异常检测

提出了一种应用于噪声环境下的多尺度卷积神经网络(CNN)在线地震前电磁异常检测模型。该模型在CNN强大特征提取能力的基础上,通过多尺度机制协同长短期地空电磁频谱特征,多维度、多视角地开展对地震前电磁的异常检测。同时引入自适应变分模态分解(VMD)降噪方法提取观测信号中的有效信息,最后配合在线学习策略,实现对地震前电磁异常模式可能变化的持续学习。仿真结果表明,多尺度模型在低信噪比下能够保持较高的准确率,在线学习策略能够有效缩短模型更新时间,由此证明了模型的有效性。     

基于注意力机制的电磁时间序列异常检测方法

实现电磁数据的异常检测和模式发现,对电磁目标异常行为的判断与提前预警具有重要价值。不同类型的电磁数据通常以时间序列的形式存在,且具有正常数据与异常数据不均衡等特点。为应对上述挑战,提出一种基于时空联合注意力机制的时间序列异常检测方法。基于电磁数据的时间与空间特征,结合通道与空间注意力机制,增强对时序数据异常部分的特征表示。实验结果表明,提出的检测算法能够有效应对数据不均衡的难点,具有较强的鲁棒性。     

射电天文台站准实时电波环境测量方法

随着频率使用率的提高,瞬态信号对射电天文观测影响越来越大,有效的电波环境测量及频谱分析可为现有射电天文台址干扰缓解策略提供依据.基于现有射电望远镜台站电波环境特征,结合信号分析仪原理,深入分析了仪器设备关键参数配置方法及测量时间计算方法;结合实际测量需求,确定了测试时间规划策略,提出一种准实时电波环境测量方法.运用此方法对新疆天文台南山台站电波环境进行测量,分析了频谱、频率占用度随时间变化特点,结果表明,该方法能够有效分析电磁干扰随时间的变化趋势.     

基于电磁环境数据的信息挖掘与关联分析

城市通信技术的改革换代和用频设备的逐渐增多使得电磁环境变得越来越复杂.充分了解频谱资源利用的特性是提高频谱管理效率的关键.为了更全面地探索频谱利用的特点,提出一套完整的对复杂多样电磁环境大数据进行详细数据质量分析和处理的流程,分别对处于同一服务的不同信道、处于不同服务的不同信道进行频谱相关性分析,证明了频谱之间的相关性...     

Spectrum Occupancy Statistics and Time Series Models for Cognitive Radio

While dedicated spectrum occupancy monitoring provides vital information for frequency planning and management, it usually cannot tell the common properties in spectrum occupancy. As a complement, the models approach can be used to describe and compare the occupancy situations under similar conditions. Time series analysis has been applied to modeling the radio spectrum occupancy. This paper categorizes different time series models to different occupancy patterns. Occupancy analysis of the Global System for Mobile communications (GSM) band is given as an example.     

自适应估计信号个数的频谱信号提取算法

无线电监测频谱数据中包含有大量的信号,准确提取这些信号有利于掌握全频段的频谱使用情况。实际信号的频谱由于受噪声干扰,会出现信号频带内个别频点能量值低于检测门限的情况,此时传统的门限检测算法会将该信号错估为多个信号,产生多个虚假的相邻信号间隔,导致频谱信号提取的准确率下降。对此,根据虚假相邻信号间隔特点,提出一种自适应估计信号个数的频谱信号提取算法,该算法可自动、准确估计频谱监测数据中电磁信号的个数,并将对应的信号及频谱信息提取出来。实验结果表明,该方法具有自适应性、强鲁棒性和高准确性,有效提高了频谱信号提取的准确率,为军、民电磁环境的识别与掌握提供基础的电磁信号数据支撑。     

基于软件无线电与神经网络的频谱监测识别系统

为了解决目前城市频谱监测工作依赖于固定的监测站、持续性监测能力较差和频谱异常判定人工依赖性高等问题,提出了一种利用软件无线电搭配人工智能的新型频谱监测识别系统。首先利用GNURadio软件无线电平台,实现对某一频段的实时监测,获得所需要的频域数据;再利用一系列预处理手段,优化数据样本;最后,在前馈(BP)神经网络中,对频域状态波形进行识别,确定其信号数量、类型及信号所处信道,可以实现持续性频谱监测和智能频谱状态识别判定,其神经网络识别准确率高达96.1%。该系统可以嵌入手持频谱监测设备,并结合云端服务器持续智能地监测区域频谱环境。     

战场环境中的电波传播模型优化选择方法

针对战场级的复杂电磁环境仿真过程中涉及到全频段覆盖、环境影响、仿真速度要求高等问题,提出了一种综合考虑用频装备、环境信息和模型自身特点的电波传播模型选择方法。该方法首先通过频段对用频装备及电波传播模型进行划分,再结合环境信息中降雨量、海拔、植被覆盖率、气候类型、导电特性等参数进行综合分析,最终得到传播模型的优化选择方案。在典型作战场景仿真应用中,该方法为传播模型的合理选择提供了思路,保证了仿真的精度,同时也为电磁环境仿真中传播模型本地化提供了依据。     

A framework for statistical wireless spectrum occupancy modeling

In this paper, we propose a novel spectrum occupancy model designed to generate accurate temporal and frequency behavior of various wireless transmissions. Our proposed work builds upon existing concepts in open literature in order to develop a more accurate time-varying spectrum occupancy model. This model can be employed by wireless researchers for evaluating new wireless communication and networking algorithms and techniques designed to perform dynamic spectrum access (DSA). Using statistical characteristics extracted from actual radio frequency measurements, first- and second-order parameters are employed in a statistical spectrum occupancy model based on a combination of several different probability density functions (PDFs) defining various features of a specific spectrum band with several concurrent transmissions. To assess the accuracy of the model, the output characteristics of the proposed spectrum occupancy model are compared with realtime radio frequency measurements in the television and paging bands.