孔瑞

摘要：文章首先介紹了研究的背景和動(dòng)機(jī)，強(qiáng)調(diào)了頻譜異常檢測(cè)與干擾定位的重要性。然后對(duì)頻譜異常檢測(cè)進(jìn)行了定義、分類和分析其常見原因，同時(shí)闡述了干擾定位的概念和技術(shù)。在此基礎(chǔ)上，提出了頻譜異常檢測(cè)方法，包括統(tǒng)計(jì)分析和機(jī)器學(xué)習(xí)方法，明確了設(shè)計(jì)頻譜異常檢測(cè)系統(tǒng)的關(guān)鍵要點(diǎn)。最后探討了干擾定位技術(shù)，包括基于信號(hào)特性和網(wǎng)絡(luò)拓?fù)涞姆椒?，以及相關(guān)硬件設(shè)備和數(shù)據(jù)處理問題。

關(guān)鍵詞：無線電頻譜；異常檢測(cè)；干擾定位

doi：10.3969/J.ISSN.1672-7274.2024.04.010

中圖分類號(hào)：TN 98? ? ? ? ? 文獻(xiàn)標(biāo)志碼：A? ? ? ? ? ? 文章編碼：1672-7274（2024）04-00-03

Research on Spectrum Anomaly Detection and Interference Localization of Radio Transmission Equipment

KONG Rui

（Jinan Radio Monitoring Station， Jinan 250000， China）

Abstract： This article first introduces the background and motivation of the research， emphasizing the importance of spectrum anomaly detection and interference localization. Then， the definition， classification， and analysis of common causes of spectrum anomaly detection were defined， and the concept and technology of interference localization were elaborated. On this basis， a spectrum anomaly detection method was proposed， including statistical analysis and machine learning methods， clarifying the key points of designing a spectrum anomaly detection system. Finally， interference localization techniques were discussed， including methods based on signal characteristics and network topology， as well as related hardware equipment and data processing issues.

Keywords： radio spectrum; abnormal detection; interference localization

1? ?研究背景

隨著無線通信技術(shù)的迅猛發(fā)展，對(duì)無線電頻譜的利用變得更加頻繁，然而頻譜資源卻是有限的。這導(dǎo)致了頻譜擁塞和干擾問題日益嚴(yán)重，給無線通信系統(tǒng)的性能帶來了巨大挑戰(zhàn)。為了改變這種情況，需要加強(qiáng)頻譜異常檢測(cè)與干擾定位。頻譜異常檢測(cè)作為一種重要的檢測(cè)手段，旨在識(shí)別無線電頻譜中的異常行為，如非法信號(hào)、無線電干擾和惡意干擾等。這些異常行為可能嚴(yán)重影響正常通信，因此及時(shí)檢測(cè)和定位它們是維護(hù)通信網(wǎng)絡(luò)可用性和安全性的關(guān)鍵。

2? ?無線電頻譜異常檢測(cè)

2.1 頻譜異常的定義與分類

頻譜異常是指在無線電頻譜中出現(xiàn)的與正常通信信號(hào)不符、可能干擾正常通信的信號(hào)或行為。常見的頻譜異常包括非法信號(hào)、無線電干擾和惡意干擾。非法信號(hào)是未經(jīng)授權(quán)或未持牌的通信設(shè)備發(fā)出的信號(hào)，可能危及通信網(wǎng)絡(luò)的安全性和可靠性。無線電干擾指來自其他設(shè)備或環(huán)境的電磁信號(hào)，可能對(duì)正常通信產(chǎn)生不良影響，這種干擾可能是故意的也可能是無意的[1]。而惡意干擾則是指有意對(duì)通信設(shè)備或網(wǎng)絡(luò)進(jìn)行干擾的行為，包括惡意干擾、電磁攻擊和電子戰(zhàn)等。

2.2 常見頻譜異常的原因

頻譜異常的發(fā)生原因多種多樣，常見的包括技術(shù)問題、非法設(shè)備、環(huán)境因素和惡意活動(dòng)。技術(shù)問題可能由硬件故障、天線問題、信號(hào)波形畸變等引起，導(dǎo)致信號(hào)發(fā)射異?；蝾l譜出現(xiàn)異常。非法設(shè)備也是頻譜異常的一個(gè)主要原因，未經(jīng)授權(quán)或不符合規(guī)定的非法電臺(tái)、無線電發(fā)射器或基站會(huì)造成頻譜污染和干擾。此外，環(huán)境因素如電磁干擾、氣象條件等也可能導(dǎo)致頻譜異常。最后，一些惡意活動(dòng)，如有意制造干擾、破壞或攻擊通信設(shè)備，也會(huì)引發(fā)頻譜異常。

2.3 頻譜異常檢測(cè)的方法和技術(shù)

2.3.1 基于統(tǒng)計(jì)分析的方法

基于統(tǒng)計(jì)分析的方法是頻譜異常檢測(cè)中常見的方法之一。它利用頻譜數(shù)據(jù)的統(tǒng)計(jì)特征來識(shí)別異常行為。目前，常見的技術(shù)包括閾值檢測(cè)、統(tǒng)計(jì)模型和波形分析三種方法。閾值檢測(cè)方法通過將頻譜數(shù)據(jù)與預(yù)設(shè)的閾值進(jìn)行比較，超過閾值的數(shù)據(jù)可判定為異常，這種方法簡(jiǎn)單直觀，適用于檢測(cè)明顯的異常事件，但對(duì)于復(fù)雜的異常信號(hào)往往反應(yīng)不夠靈敏；統(tǒng)計(jì)模型方法是指基于正常頻譜數(shù)據(jù)的統(tǒng)計(jì)模型，將實(shí)際監(jiān)測(cè)數(shù)據(jù)與模型進(jìn)行比較，檢測(cè)是否存在異常，常用的模型包括高斯模型和混合模型，當(dāng)檢測(cè)數(shù)據(jù)與模型存在較大差異時(shí)，可判定為異常；波形分析方法通過分析頻譜波形的特征，如形狀、頻率成分和時(shí)域特征等，來檢測(cè)信號(hào)是否異常，這種方法對(duì)于非常規(guī)的異常信號(hào)有一定的適用性[2]。

2.3.2 基于機(jī)器學(xué)習(xí)的方法

隨著信息技術(shù)的進(jìn)步，基于機(jī)器學(xué)習(xí)的頻譜異常檢測(cè)方法逐漸興起。這種方法利用機(jī)器學(xué)習(xí)算法自動(dòng)學(xué)習(xí)和識(shí)別頻譜中的異常行為，具有高靈敏性和準(zhǔn)確性。目前，常見的基于機(jī)器學(xué)習(xí)的技術(shù)包括支持向量機(jī)、隨機(jī)森林和深度學(xué)習(xí)。支持向量機(jī)是一種監(jiān)督學(xué)習(xí)算法，可用于分類和異常檢測(cè)。在頻譜異常檢測(cè)中，通過訓(xùn)練樣本來構(gòu)建模型，并用于識(shí)別異常信號(hào)。隨機(jī)森林是一種集成學(xué)習(xí)算法，可處理大量數(shù)據(jù)和高維特征。它可以通過構(gòu)建多個(gè)決策樹來識(shí)別異常信號(hào)。另外，深度學(xué)習(xí)技術(shù)如卷積神經(jīng)網(wǎng)絡(luò)（CNN）和循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）在頻譜異常檢測(cè)中也得到廣泛應(yīng)用。這些方法能夠自動(dòng)提取頻譜數(shù)據(jù)的特征，從而提高檢測(cè)效率。

2.4 頻譜異常檢測(cè)系統(tǒng)的設(shè)計(jì)要點(diǎn)

2.4.1 數(shù)據(jù)采集與預(yù)處理

數(shù)據(jù)采集與預(yù)處理是頻譜異常檢測(cè)過程中的關(guān)鍵步驟，它們會(huì)直接影響到后續(xù)檢測(cè)的準(zhǔn)確性和可靠性。因此，在進(jìn)行數(shù)據(jù)采集與預(yù)處理時(shí)，需要確定數(shù)據(jù)的來源。目前，常見的數(shù)據(jù)源包括無線電頻譜監(jiān)測(cè)設(shè)備、傳感器網(wǎng)絡(luò)、衛(wèi)星數(shù)據(jù)和現(xiàn)有通信設(shè)備四種。同時(shí)在確定完數(shù)據(jù)源后，應(yīng)對(duì)采樣率和頻譜分辨率進(jìn)行相應(yīng)的分析。在這過程中，如果選擇過低的采樣率或分辨率可能會(huì)導(dǎo)致信息丟失，從而影響檢測(cè)效果。此外，做好數(shù)據(jù)預(yù)處理也是至關(guān)重要的，技術(shù)人員應(yīng)篩選數(shù)據(jù)，去除數(shù)據(jù)中一些無用數(shù)據(jù)，從而使數(shù)據(jù)更容易進(jìn)行分析。

2.4.2 特征提取與選擇

在頻譜異常檢測(cè)過程中，特征提取與選擇也是至關(guān)重要的，它會(huì)對(duì)檢測(cè)算法的性能和效率產(chǎn)生影響。技術(shù)人員在進(jìn)行特征提取與選擇時(shí)，需要考慮頻譜的頻率、功率、時(shí)域、頻域和統(tǒng)計(jì)等幾個(gè)方面特征，根據(jù)具體的應(yīng)用場(chǎng)景和問題，選擇合適的特征進(jìn)行提取，確保這些特征能夠有效地表征頻譜數(shù)據(jù)的特性。目前，常見的特征選擇方法有相關(guān)性分析、方差分析、互信息和遞歸特征消除四種。

2.4.3 模型訓(xùn)練與驗(yàn)證

作為頻譜異常檢測(cè)過程中的關(guān)鍵環(huán)節(jié)，模型訓(xùn)練與驗(yàn)證能夠保證模型更準(zhǔn)確地識(shí)別異常信號(hào)。因此，在進(jìn)行模型訓(xùn)練與驗(yàn)證時(shí)，需要選擇合適的算法。當(dāng)下常見的算法包括支持向量機(jī)（SVM）、隨機(jī)森林、深度學(xué)習(xí)等，其中SVM是一種監(jiān)督學(xué)習(xí)算法，可以用于二分類問題，適用于線性和非線性分類任務(wù)；隨機(jī)森林則是一種集成學(xué)習(xí)算法，適用于分類和回歸問題，具有較好的魯棒性和泛化能力；深度學(xué)習(xí)技術(shù)如卷積神經(jīng)網(wǎng)絡(luò)（CNN）和循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）在執(zhí)行復(fù)雜頻譜異常檢測(cè)任務(wù)中具有出色的表現(xiàn)。技術(shù)人員需要根據(jù)每種算法特點(diǎn)，選擇合適的算法進(jìn)行訓(xùn)練。同時(shí)做好數(shù)據(jù)集劃分也是非常關(guān)鍵的，在進(jìn)行數(shù)據(jù)集劃分時(shí)，技術(shù)人員應(yīng)合理設(shè)定訓(xùn)練集、驗(yàn)證集、測(cè)試集。然后使用劃分好的訓(xùn)練集來訓(xùn)練選定的模型。在完成模型訓(xùn)練后，還應(yīng)進(jìn)行模型驗(yàn)證，技術(shù)人員應(yīng)根據(jù)具體的任務(wù)和目標(biāo)選擇合適的性能指標(biāo)，如準(zhǔn)確率、召回率、F1得分和ROC曲線和AUC等[3]。

2.4.4 異常檢測(cè)算法評(píng)估與性能指標(biāo)

在頻譜異常檢測(cè)過程中，評(píng)估算法性能和選擇合適的性能指標(biāo)也是至關(guān)重要的。技術(shù)人員需要根據(jù)不同的應(yīng)用場(chǎng)景，選擇合適的性能指標(biāo)，同時(shí)也需要考慮假陽(yáng)性和假陰性的問題。所謂假陽(yáng)性是指被錯(cuò)誤地分類為異常的正常樣本，而假陰性是指被錯(cuò)誤地分類為正常的異常樣本。在實(shí)踐過程中，通過調(diào)整算法的閾值，可以有效控制誤報(bào)和漏報(bào)的情況。最后應(yīng)使用交叉驗(yàn)證技術(shù)來評(píng)估算法的性能，確保模型在不同數(shù)據(jù)集上有泛化能力。

3? ?干擾定位技術(shù)

3.1 基于信號(hào)特性的干擾定位方法

3.1.1 信號(hào)TDOA（到達(dá)時(shí)間差）定位

TDOA定位是利用信號(hào)在多個(gè)接收器之間的到達(dá)時(shí)間差來確定干擾源位置的一種方法。當(dāng)干擾信號(hào)被多個(gè)接收器接收時(shí)，由于信號(hào)傳播速度相同，到達(dá)時(shí)間差可以用來計(jì)算干擾源到各接收器的距離，從而確定干擾源的位置。在對(duì)干擾信號(hào)進(jìn)行定位時(shí)，需要利用多個(gè)接收器來同時(shí)接收干擾信號(hào)，并記錄下信號(hào)的到達(dá)時(shí)間點(diǎn)，然后根據(jù)到達(dá)時(shí)間差，計(jì)算出干擾源到每個(gè)接收器的距離差。在這過程中可以利用三角測(cè)量或多邊定位算法，根據(jù)距離差進(jìn)一步確定干擾源的位置。相較于其他定位方法，TDOA定位不依賴于信號(hào)的功率信息，因此對(duì)于弱信號(hào)也能夠準(zhǔn)確識(shí)別，并且這種方法還適用于各種信號(hào)類型，包括廣播信號(hào)、無線電通信信號(hào)等。但這種方法也存在一定局限性，即需要至少三個(gè)或更多的接收器以進(jìn)行定位，成本比較高。

3.1.2 信號(hào)AOA（到達(dá)角度）定位

AOA定位是利用信號(hào)到達(dá)接收器時(shí)的入射角度信息來確定干擾源位置的一種方法。當(dāng)干擾信號(hào)被多個(gè)接收器接收時(shí)，通過測(cè)量信號(hào)入射的角度，可以計(jì)算干擾源的位置。在進(jìn)行干擾源定位時(shí)，需要用多個(gè)接收器測(cè)量干擾信號(hào)的入射角度，并利用這些角度信息，借助三角法或其他定位算法來計(jì)算出干擾源的位置。跟TDOA（到達(dá)時(shí)間差）定位相比，AOA（到達(dá)角度）定位不受多徑傳播和非視距傳播的影響，定位精度相對(duì)較高，而且適用于定位移動(dòng)干擾源，如無人機(jī)或移動(dòng)通信設(shè)備。但這種方法對(duì)于非直射信號(hào)，需要使用復(fù)雜的天線陣列來輔助定位。

3.2 基于網(wǎng)絡(luò)拓?fù)涞母蓴_定位方法

3.2.1 基于傳感器網(wǎng)絡(luò)的定位

基于傳感器網(wǎng)絡(luò)的干擾定位方法是通過在網(wǎng)絡(luò)中布置多個(gè)傳感器節(jié)點(diǎn)，然后利用傳感器節(jié)點(diǎn)之間的相互通信和距離，來確定干擾源的位置。在具體干擾定位過程中，其工作原理是在通信網(wǎng)絡(luò)范圍內(nèi)部署多個(gè)傳感器節(jié)點(diǎn)，然后利用傳感器節(jié)點(diǎn)進(jìn)行通信，測(cè)量信號(hào)的傳播時(shí)間、距離和信號(hào)強(qiáng)度等信息，最后利用多邊定位或三角測(cè)量等算法，計(jì)算出干擾源的位置。這種定位方法適用于復(fù)雜的室內(nèi)和室外環(huán)境，包括城市、森林等區(qū)域，而且不受干擾信號(hào)屬性影響，適用于定位各種類型的干擾源。但這種方法需要使用大量的傳感器節(jié)點(diǎn)來覆蓋廣泛的區(qū)域，因此成本比較高，同時(shí)傳感器節(jié)點(diǎn)之間的通信和定位算法也會(huì)消耗能量，需要進(jìn)行有效的能耗管理。

3.2.2 基于衛(wèi)星定位系統(tǒng)的定位

基于衛(wèi)星定位系統(tǒng)的干擾定位方法是利用全球定位系統(tǒng)（GPS）或其他衛(wèi)星定位系統(tǒng)提供的位置信息，來確定干擾源的位置。其工作原理是利用接收設(shè)備（如GPS接收器）來收集干擾信號(hào)的位置信息，然后通過三角測(cè)量或多邊定位等算法，確定干擾源的位置。跟其他定位方法相比，這種方法主要依靠現(xiàn)有的衛(wèi)星定位系統(tǒng)，因此無需額外部署傳感器節(jié)點(diǎn)，成本相對(duì)較低，同時(shí)定位精度也比較高，特別是在空曠的地區(qū)。但這種方法也存在一定局限性，即在室內(nèi)或城市高樓區(qū)域，可能會(huì)受到多徑傳播和信號(hào)阻塞的影響，導(dǎo)致定位不準(zhǔn)確。

3.3 干擾定位系統(tǒng)的設(shè)計(jì)與部署

3.3.1 硬件設(shè)備和傳感器選擇

在設(shè)計(jì)與部署干擾定位系統(tǒng)之前，需要根據(jù)應(yīng)用場(chǎng)景和需求選擇合適的傳感器類型，例如在開放空曠的環(huán)境，需要選擇GPS接收器來對(duì)干擾信號(hào)進(jìn)行定位。而在對(duì)多信號(hào)類型的干擾信號(hào)進(jìn)行定位時(shí)，需要使用無線信號(hào)接收器。在這過程中，如果使用天線陣列進(jìn)行干擾定位，還需要選擇合適數(shù)量和布置的天線。最后，在對(duì)移動(dòng)干擾源進(jìn)行定位時(shí)，需要使用加速度計(jì)、陀螺儀傳感器來定位干擾信號(hào)的運(yùn)動(dòng)和姿態(tài)信息。需要注意的是，在進(jìn)行硬件部署時(shí)，應(yīng)確保傳感器節(jié)點(diǎn)的部署位置能夠覆蓋目標(biāo)區(qū)域，并且不會(huì)出現(xiàn)信號(hào)傳播受干擾的情況[4]。

3.3.2 數(shù)據(jù)傳輸和處理

數(shù)據(jù)傳輸和處理作為頻譜異常檢測(cè)過程中重要環(huán)節(jié)，主要是將傳感器接收到的數(shù)據(jù)信息傳輸?shù)街醒胩幚韱卧?，然后由中央處理單元進(jìn)行數(shù)據(jù)信息分析與處理。在數(shù)據(jù)傳輸過程中，需要選擇合適的通信方式，確保傳感器能夠?qū)?shù)據(jù)傳輸?shù)街醒胩幚韱卧Ｄ壳?，常見的通信方式有有線通信和無線通信兩種，其中有線通信包括Ethernet、光纖等，適用于固定位置的傳感器節(jié)點(diǎn)。而無線通信則涵蓋Wi-Fi、藍(lán)牙、LoRa、NB-IoT等無線通信技術(shù)，適用于移動(dòng)傳感器節(jié)點(diǎn)和難以布線的環(huán)境。對(duì)于這兩種通信方式，技術(shù)人員可以根據(jù)實(shí)際情況進(jìn)行合理選擇。

4? ?結(jié)束語(yǔ)

無線電頻譜異常檢測(cè)與干擾定位的研究旨在有效識(shí)別和定位無線通信系統(tǒng)中的干擾源，以提高通信網(wǎng)絡(luò)的平穩(wěn)性和可靠性。研究發(fā)現(xiàn)，導(dǎo)致頻譜異常的原因多種多樣，包括自然干擾、人為干擾和惡意干擾等。在定位干擾源時(shí)，可以采用統(tǒng)計(jì)分析和機(jī)器學(xué)習(xí)等方法對(duì)數(shù)據(jù)進(jìn)行采集和預(yù)處理。然后利用干擾定位技術(shù)確定干擾源的位置。為提高檢測(cè)和定位準(zhǔn)確性，需要設(shè)計(jì)和部署良好的干擾定位系統(tǒng)，并對(duì)定位算法進(jìn)行優(yōu)化。

參考文獻(xiàn)

[1] 李玲．無線電干擾信號(hào)網(wǎng)絡(luò)化監(jiān)測(cè)與定位技術(shù)應(yīng)用分析[J]．?dāng)?shù)字通信世界，2022（8）：111-113.

[2] 劉志勇．信號(hào)識(shí)別在無線電頻譜監(jiān)測(cè)中的運(yùn)用探討[J]．電子技術(shù)與軟件工程，2022（8）：124-127.

[3] 徐達(dá)，徐湘瑩，王世祺．頻譜感知技術(shù)在無線電中運(yùn)用的探討[J]．中國(guó)信息化，2021（11）：56-57.

[4] 么亮．基于實(shí)時(shí)頻譜分析的鐵路無線干擾監(jiān)測(cè)技術(shù)研究[J]．鐵道通信信號(hào)，2021（3）：45-51.