论文部分内容阅读
随着无线电技术的飞速发展,频谱资源需求量不断增加,使得空间频谱资源越来越拥挤;同时部分注册频谱长期处于空闲状态,导致频谱资源利用率很低,造成频谱资源的严重浪费。如何通过有效的频谱监测手段对频谱资源进行有效的管理和控制是频谱监测领域的重点。因此需要加强无线电频谱监测的管理,以实现自动化、智能化、微型化。本文根据无线电委员会无线电监测需求,在频谱监测系统的基础上,完善了基于频域数据的信号识别与基于背景模板的干扰信号提取等关键技术。本文主要研究内容包括以下几个方面:1.本文结合K-Means算法和Chameleon算法,提出了一种改进Chameleon算法,通过对接收到的频谱数据进行聚类,将频谱数据进行划分为若干信号小簇,并对传统Chameleon算法与改进Chameleon算法进行了仿真验证;2.对频域数据的信号识别技术进行了研究。在改进Chameleon算法的基础上,对得到的信号小簇进行信号识别提取,得到信号特征参数,并与数据库中保存的信号特征参数进行对比,判断出异常信号。对基于背景模板的干扰信号提取技术进行了研究。将采集到的频谱数据与事先提取到的信号背景模板进行对比分析,提取出干扰信号的信号参数。该技术可以用于无线电异常检测,例如恶意干扰以及非法占用等。3.在传统ITU占用度测量的基础上,提出了信号生存期的测量方法,通过监测设备对无线电信号进行接收,长期记录信号的发射时间,可以更精细地表达频谱监测的结果,并对频谱占用情况进行更准确的描述,对数据的进一步挖掘,提取隐藏的有价值的信息有重要意义。4.根据频谱监测系统的功能需求与性能需求,提出了系统软件总体实现方案,在此基础上完成频谱监测系统的设计,进行软件功能测试及软件性能测试,并对其改进与优化。经过软件测试,最终证明频谱监测系统大致符合预期要求,满足需求。