无线电频谱安全关系到国家网络空间安全,无线电监测是无线电频谱管理的基础。在调频广播频段,“黑广播”干扰正常的广播系统,也扰乱其他通信系统的正常工作,尤其是航空和应急服务所使用的通信系统。本文研究了人工智能辅助的调频广播监测和未知发射机的区域定位方法,并进行了监测系统的设计与实施。研究了数据采集、数据分析处理和监测结果展示的整个流程,实现了调频广播频段自动化、智能化的无线电监测。本文主要工作如下:(1)设计了由谱传感节点、服务器和数据可视化层三部分构成的监测系统架构。谱传感节点的设计用到了边缘计算和软件定义无线电技术,在监测地获取原始监测数据并对数据计算处理后将监测结果传送到服务端;服务端对监测数据进一步的分析处理和存储;数据可视化层直观的展示了监测信息。(2)研究了授权与非授权调频广播信号的判别。分别对频谱和音频数据进行调频广播信号检测的研究。对频谱数据分别比较了设置门限值、聚类分析和卷积神经网络的方法检测调频广播信号,前两种方法易受噪声和直流峰值等的影响而有误检测和漏检测,基于卷积神经网络的方法将频谱转化为图像进行识别,能避免噪声的影响以实现准确检测。对音频数据研究了将音频文件转化为声谱图,并基于卷积神经网络分类进行调频广播信号检测的方法。检测出频段中所有调频广播信号频点后,通过与台站数据库比对和频点合并归类以实现信号的授权与否的判别。(3)研究了校园中发射机的定位。使用基于接收信号强度的位置指纹数据库定位,在校园部署3个谱传感节点并把校园划分为12个区域,在每个区域发射调频广播信号构建基于接收信号强度的指纹数据库,把区域定位问题转为分类问题,用机器学习方法实现区域定位。确定区域后,路测采集接收信号强度进一步的对发射机的位置进行精确定位。监测系统的调频广播监测功能已在实验室和云南省红河州实际使用,相关技术已申请专利。