无线电频谱与无线电信号数据协同可视研究

2022-10-21

对于无线电频谱而言, 它是当前背景下无限信息进行传输不可缺少的重要部分。由于无线通信等相关技术的大力发展, 使得无线电磁方面的环境变得非常复杂, 出现了非常多的干扰信号。然而, 通过对无线电信号与频谱监测方面的合理管理, 能够有效地减少信号干扰, 使通讯链路等得到有力保障。然而, 我国当前在这方面的研究还处于起步阶段, 还有很多研究内容需要实现。因此, 加强这些方面的研究, 具有相当重要的现实意义。

一、无线电监测与无线电管理简述

无线电管理相关活动的开展, 需要无线电监测提供技术支持。在对频谱资源的使用过程中, 无线电监测方面的技术应用具有相当重要的意义。由于信息化技术的迅速发展, 使得该项技术在诸多领域都得到了应用。比如电信、航空等。当前形势下, 无线电的监管已经步入了智能化的发展阶段, 人们越来越关注智能化监测数据的分析和频谱共享。这两方面的技术应用, 能够促进无线电监管的进一步发展。

二、无线电频谱与无线电信号数据与任务分析

(一) 无线电频谱和无线电信号数据分析

就无线电而言, 它生成信号数据的过程中, 通常都包括三个步骤, 即无线电频谱通过相关的监测设备, 对近似于正弦波浮点型方面的AD采样序列的相关数据进行采集;依靠快速傅里叶的变换作用, 将该数据进行转换, 能够得到无线电频谱方面的数据;依靠对各种频谱数据的综合处理, 将得到的数据再次进行转化, 最终得到无线电信号方面的数据。该步骤如图1:

在新信号、干扰信号等方面的应用中, 无线电频谱的数据可以说是应用最多的。一般情况下, 它的基本单位都是帧, 在某个特定的监控时段, 其信号振幅的相关情况就可以通过帧来进行记录和体现, 并且可以由此对可能存在的信号频点进行推断。对于每一帧的数据项来讲, 包含的内容众多, 主要有起始和终止的频率, 平均的平滑次数、频谱和时间等。在每一帧里面, 频谱都是最为核心的数据项。比方说在某一帧处, 它的采样频段是900至950 MHz, 而点数是1024, 那么, 这1024频谱的点数就将用来分配这50MHz, 而这些频率点上面的值就是其信号振幅。

(二) 分析需求

在具体的应用过程中, 对于分析与理解频谱数据这项工作而言, 要求非常专业。首先, 这项数据无法对监测频段内无线信号的数量进行直接地说明, 只是对频谱的占用情况进行一定的反映。他需要通过比较专业的相关人士, 采用多种类型的频谱图, 对可能真实存在的信号进行识别。这对于一般的用户来说, 由于专业性和经验方面的因素, 无法对此进行判断。如果出现监控的时间增加、信号增多的现象, 人工在进行分析工作的效率方面会受到比较大的影响。而且在信号关联等分析方面, 人工完成此类任务。其次, 频谱属于非结构化的数据。如果时间、位置不相同, 则它无法融合相关的监测数据。同时, 对于无线电的管理者所掌控的授权台站库、监测设备库等资源, 无线电频谱无法完成这些数据资源的整合。这将会影响到智能化的数据分析。

在AD采样序列与频谱数据里面, 通过对相关信号特征的提取, 可以发现该领域未来的发展方向。在无线电信号数据里面, 每一个数据的记录, 都会有一个无线电的信号来与之相对应。每个数据向, 都是对某个时刻多为特征的有效反映。并且其结构化方面的特点, 能够促进数据的融合。当前形势下, 无线电的管理人员与分析人员仍在对无线电的信号数据生成和有效利用进行探究。在这个探索过程里, 还存在这一些问题, 主要体现在以下方面:

1. 对信号数据的正确性进行判断

对于无线电的信号数据提取来说, 这是一项相当复杂的工作。提取结果受到了参数与流程因素的严重影响。它要求在采集设备与环境不相同的情况下, 对这两方面的因素进行优化与调整。此处将门限电平的参数作为参考, 假如在频谱当中, 凡是超过信号门限电平的都当作是信号, 没有超过的就为背景噪音。在这种情况下, 信号提取是否正确, 就要设置门限电平是否合理。除此之外, 在当前背景下, 这种判断方式仍然缺乏较为统一的标准来参考, 只能依靠相关专业人士的经验。所以, 应当提供一些专门的判断工具, 以减少专业人士在这方面的工作负担。

2. 多特征信号模式的直观体现

在分析与展示频谱数据的过程中, 尽管广泛使用时频图等可视化的形式。然而, 对于时频维度更加离散的信号数据来讲, 采用时频图等形式的优势就不那么明显了。同时, 由于多维数据点的数量比较多, 而且在没有完成对信号数据的聚类之前, 线图、散点图等方式, 无法很好地对该信号特诊的相关时变模式进行表现, 也就不能在面对很多无线电信号时, 对其进行有效地分析。所以, 有必要在可视化方面进行研究开发, 找出一种新型方法, 以对多特征的时变模式进行分析和比较。

3. 对无线电信号数据的有效聚类

对于无线电信号而言, 它的数据提取是依照时间间隔来完成的。在进行监测的相关频段内, 只要是非瞬时的信号, 都将被记录多次。比方说, 采样频谱的间隔是0.1s, 以1s来对信号数据进行提取的话, 一组信号数据的生成, 只需要10帧频谱就能完成。假如需要监测五分钟, 那么, 无线信号所对应的记录最多为300个。同时, 采集设备与信号都具有不稳定性的特征, 所以, 对同一信号进行采样, 会在一定程度上出现波动的现象。这就要求在对信号特征数据进行聚类的时候, 不可以按照中心频率等相关特征来完成。除此之外, 在频段上, 信号的分布也不是很均衡, 时间方面也存在间隔, 还有一些干扰因素的存在可能。所以, 对于信号数量的预估来讲, 人们很难在实际中很好地完成。从这一点来看, 那些自动化聚类的相关方式无法获取较好的结果也在情理之中。这需要专家在聚类的过程中, 提供相应的交互分析方面的工具, 并把一些经验添加进去, 对处理结果进行相应的调整。