本文以无线电环境地图为切入点,不仅讨论了它的主要构建算法,并在收集到发射源数据及信息的基础上,构建4G基站和调频广播知识图谱。无线电环境地图是一个储存无线电相关资料的多维数据库,从发展趋势上一般可以分为两种方式对其进行展示和描述:一是将地图进行可视化的形式展示,二是将地图信息储存以数据库的形式描述。本文立足于无线电环境地图的表现形式,将卷积自编码器模型的深度学习方法作为其核心构建方法,并构建4G基站和调频广播知识图谱,将无线电环境地图以数据库的形式描述后进行实现与应用。下面对本文主要的研究和工作进行介绍。第一,通过近些年大量的文献阐述课题的研究背景,查阅相关资料说明构建无线电环境地图的重要性,以及跟踪大量国内外研究描述现阶段关于构建无线电环境地图的方法,并介绍了国内外对于无线电环境地图的应用研究。第二,以云南大学东陆和呈贡校区部分地区为实验区域,通过采集区域内一定数量的4G基站的接收信号强度数据及参数信息,然后使用发射参数得到仿真数据训练模型,在采样点较少的情况下能够重构出误差较小的4G基站无线电环境地图,在精度方面明显优于多种空间插值算法,并在构建过程中,为了方便观察,还对数据进行可视化处理。此外,模型还构建不同范围的无线电环境地图及使用真实数据的无线电环境地图。第三,通过对昆明调频广播的调研和实际测量,仿真昆明14个调频发射源得到仿真数据,使用自编码器模型同样可以重构出大范围的调频广播的无线电环境地图,进一步证明了自编码器模型的泛化性。第四,根据收集的4G基站及调频广播数据,构建两者的知识图谱,将无线电环境地图以数据库的形式得以展示,并根据调频广播知识图谱开发设计了一系列功能,并实现在本地服务器的平台上;然后使用基站知识图谱提出一种基于神经网络的两步定位法,并和其他方法对比验证了其准确性。综上所述,本文在仿真与测量获得数据的基础上,利用卷积自编码器模型实现无线电环境地图构建,精度普遍优于空间插值算法,并基于知识图谱开发系统及提出应用。