高 銳，閆光輝，羅 浩，嚴(yán)天峰

(1.蘭州交通大學(xué) 電子與信息工程學(xué)院,蘭州 730070；2.蘭州交通大學(xué) 甘肅省無(wú)線電監(jiān)測(cè)及定位行業(yè)技術(shù)中心，蘭州 730070；3.蘭州交通大學(xué) 甘肅省高精度北斗定位技術(shù)工程實(shí)驗(yàn)室，蘭州 730070；4.甘肅中醫(yī)藥大學(xué) 信息工程學(xué)院，蘭州 730000)

無(wú)線電頻譜作為無(wú)線電信息傳播的載體，對(duì)國(guó)家政治、軍事、經(jīng)濟(jì)和文化發(fā)展都扮演著不可替代的重要作用，已成為國(guó)與國(guó)之間重要的戰(zhàn)略資源[1-2].目前，針對(duì)特定頻段的無(wú)線電頻譜資源十分有限且日趨緊張，各類違規(guī)、非法無(wú)線電臺(tái)站、黑廣播和偽基站日益猖獗，如何有效地對(duì)電磁環(huán)境進(jìn)行監(jiān)測(cè)、管理與分析成為一項(xiàng)極為重要和緊迫的任務(wù).

目前，我國(guó)對(duì)于海量監(jiān)測(cè)數(shù)據(jù)的實(shí)時(shí)處理、分析與感知能力還處于較低水平.而同相正交(in-phase and quadrature,IQ)信號(hào)包含無(wú)線電信號(hào)中的各種信息，結(jié)合多種頻譜處理方法對(duì)其進(jìn)行處理與分析對(duì)無(wú)線電監(jiān)測(cè)、管理起到了至關(guān)重要的作用[3].為了更好利用IQ信號(hào)數(shù)據(jù)進(jìn)行分析，文獻(xiàn)[4]提出了信號(hào)的瀑布分析技術(shù)實(shí)現(xiàn)方法，說(shuō)明了瀑布圖在信號(hào)分析領(lǐng)域的重要意義；文獻(xiàn)[5]在對(duì)遙測(cè)信號(hào)進(jìn)行偵測(cè)時(shí)，采用信號(hào)瀑布圖方法實(shí)現(xiàn)了對(duì)猝發(fā)信號(hào)的快速發(fā)現(xiàn)和分析；文獻(xiàn)[6-8]基于頻譜瀑布圖，結(jié)合深度學(xué)習(xí)技術(shù)進(jìn)行電磁信號(hào)智能監(jiān)測(cè)與識(shí)別.另一方面，WebSocket已成為Web實(shí)時(shí)通信的最佳實(shí)踐，其具備高并發(fā)、實(shí)時(shí)、穩(wěn)定和安全等諸多優(yōu)點(diǎn)，已在許多領(lǐng)域中取得了良好應(yīng)用.文獻(xiàn)[9]表明WebSocket在工業(yè)互聯(lián)網(wǎng)(IIOT)應(yīng)用中，能夠有效解決依賴于網(wǎng)絡(luò)層通信的遠(yuǎn)程數(shù)據(jù)傳輸問(wèn)題，減輕網(wǎng)絡(luò)負(fù)擔(dān);文獻(xiàn)[10]應(yīng)用WebSocket技術(shù)實(shí)現(xiàn)車聯(lián)網(wǎng)實(shí)時(shí)報(bào)警系統(tǒng)，有效提高了推送吞吐量，降低網(wǎng)絡(luò)流量，大大提升了系統(tǒng)性能；文獻(xiàn)[11]基于WebSocket協(xié)議及MSE技術(shù)，有效實(shí)現(xiàn)了一種基于Web頁(yè)面無(wú)插件、出流快、低時(shí)延播放的視頻監(jiān)控方法.

綜上，本文提出了一種IQ信號(hào)-功率譜密度轉(zhuǎn)化算法并利用Python語(yǔ)言編程實(shí)現(xiàn)，將無(wú)線電監(jiān)測(cè)接收機(jī)中獲取的IQ信號(hào)數(shù)據(jù)轉(zhuǎn)化為離散功率譜密度數(shù)組；其次，為了將功率譜密度數(shù)組以信號(hào)瀑布圖方式可視化呈現(xiàn)，提出了一種基于HTML5 Canvas和Vue2.js技術(shù)的功率譜密度信號(hào)瀑布圖可視化方法，為無(wú)線電監(jiān)測(cè)分析、干擾排查提供技術(shù)支撐；最后，采用WebSocket技術(shù)設(shè)計(jì)開(kāi)發(fā)了基于B/S架構(gòu)無(wú)線頻譜數(shù)據(jù)實(shí)時(shí)監(jiān)測(cè)系統(tǒng)，實(shí)現(xiàn)了時(shí)域、頻域和功率譜密度信號(hào)瀑布圖的實(shí)時(shí)可視化呈現(xiàn)及全域數(shù)據(jù)的實(shí)時(shí)存儲(chǔ).

1 功率譜密度算法實(shí)現(xiàn)

1.1 IQ調(diào)制原理

IQ信號(hào)數(shù)據(jù)可在未經(jīng)處理的情況下有效識(shí)別信號(hào)的瞬時(shí)幅度、相位和頻率三大特征，從而為信號(hào)的識(shí)別與分析提供關(guān)鍵性的數(shù)據(jù)支撐[12].如式(1)所示，信號(hào)調(diào)制通過(guò)改變正弦波的特征來(lái)編碼信息.通過(guò)式(2)數(shù)學(xué)變換，信號(hào)S(t)可以(I+jQ)復(fù)數(shù)形式進(jìn)行表示.圖1(a)為信號(hào)S(t)的一個(gè)瞬時(shí)狀態(tài)在復(fù)數(shù)矢量坐標(biāo)系下的映射，橫軸I(t)為其實(shí)部，縱軸Q(t)為其虛部；圖1(b)為IQ信號(hào)調(diào)制原理電路設(shè)計(jì)圖，同頻率正弦波與余弦波相位相差90°，I路信號(hào)與載波信號(hào)相乘，Q路信號(hào)與正交載波信號(hào)相乘，再將混頻后的兩路信號(hào)求和輸出，完成了矢量信號(hào)的調(diào)制.由于硬件電氣特性，實(shí)際信號(hào)在調(diào)制過(guò)程中會(huì)帶來(lái)信號(hào)誤差，為獲取高質(zhì)量矢量信號(hào)，需要在硬件電路和軟件上進(jìn)行誤差補(bǔ)償[13].

圖1 IQ信號(hào)調(diào)制原理

S(t)=Accos(2πfct+φ),

(1)

S(t)=I(t)cos(2πfct)+jQ(t).

(2)

其中：S(t)表示信號(hào)；Ac為信號(hào)S(t)的幅度；fc為信號(hào)S(t)的頻率；φ為信號(hào)S(t)的相位；

I(t)=Accos(φ);

(3)

Q(t)=Acsin(φ).

(4)

1.2 IQ-功率譜密度轉(zhuǎn)化算法

利用快速傅里葉變換(fast Fourier transform,FFT)算法將IQ信號(hào)轉(zhuǎn)換到頻域，其結(jié)果稱為功率譜密度(power spectral density,PSD).PSD表征單位頻率上的能量分布，是信號(hào)分析與處理中使用最廣泛的分析方法之一.如圖2所示，本文實(shí)現(xiàn)了基于離散IQ信號(hào)的功率譜密度轉(zhuǎn)化算法，步驟如下：

圖2 基于Python語(yǔ)言離散功率譜密度計(jì)算方法

1)初始化.設(shè)置采樣信號(hào)中心頻點(diǎn)、頻段范圍.

2)獲取IQ兩路正交數(shù)據(jù)(復(fù)數(shù)形式存儲(chǔ)).由于快速傅里葉變換中樣點(diǎn)數(shù)量通常是2的冪次方，因此算法中通常創(chuàng)建1 024、2 048、4 096大小的采樣樣本.

3)加窗.實(shí)際工程應(yīng)用中無(wú)法實(shí)現(xiàn)對(duì)無(wú)限長(zhǎng)的信號(hào)進(jìn)行測(cè)量和運(yùn)算，而是取其有限時(shí)間片段進(jìn)行采樣，即加窗處理，直接對(duì)信號(hào)加矩形窗會(huì)產(chǎn)生頻率泄露.為改善頻率泄露，本文算法采用漢明窗(Hanmming)，如式(5)所示，從而有效減少旁瓣，消去高頻干擾和漏能.

(5)

式中：0≤n≤N-1;a0=0.538 36.

4)快速傅里葉變換.對(duì)加窗后的IQ兩路正交數(shù)據(jù)進(jìn)行快速傅里葉變換，得到以連續(xù)幀為單位的頻譜數(shù)據(jù).離散傅里葉變換(discrete Fourier transform,DFT)如式(6)所示，將時(shí)域上采樣IQ兩路正交復(fù)數(shù)信號(hào)變換為離散時(shí)間傅里葉變換(discrete-time Fourier transform,DTFT)的頻域采樣.快速傅里葉變換是對(duì)離散傅里葉變換及其逆變換序列的一種快速計(jì)算方法，結(jié)果與離散傅里葉變換計(jì)算結(jié)果相同.

(6)

(7)

其中:

(8)

(9)

根據(jù)式(9)中G[k]、H[k]的周期性和對(duì)稱性，得到式(10)，即一個(gè)N點(diǎn)離散傅里葉變換被分解成兩個(gè)N/2點(diǎn)傅里葉變換，依次類推.本文采用Cooley-Tukey FFT算法[14]，以分治法為策略將離散傅里葉變換分解為兩個(gè)N/2子序列，將時(shí)域采樣的IQ信號(hào)轉(zhuǎn)換為頻域.Cooley-Tukey FFT算法同時(shí)處理由I和Q組成的樣點(diǎn)集合，每個(gè)集合稱為一個(gè)FFT幀，樣點(diǎn)數(shù)量通常是2的冪次方，為FFT的長(zhǎng)度.Cooley-Tukey FFT算法有效地將DFT計(jì)算復(fù)雜度由O(n2)降低到O(nlogn)，大大提升了運(yùn)算效率.

(10)

5)歸一化處理.FFT變換后的樣本值除以FFT窗口大小,以實(shí)現(xiàn)對(duì)采樣數(shù)據(jù)的歸一化處理.

6)轉(zhuǎn)化為功率.對(duì)幅度進(jìn)行10 log10()數(shù)學(xué)變換，轉(zhuǎn)化為功率，功率單位為dB.取對(duì)數(shù)運(yùn)算使振幅較低的成分相對(duì)高振幅成分得以拉高，以便觀察淹沒(méi)在噪聲之中的信號(hào).

7)FFT移位調(diào)整.將負(fù)頻率至零頻點(diǎn)的FFT分量移位至采樣中心頻點(diǎn)左側(cè)，得到離散功率譜密度數(shù)組.

1.3 功率譜密度可視化方法

本文提出了一種基于HTML5 Canvas和Vue2.js技術(shù)的功率譜密度可視化方法，建立了人與數(shù)據(jù)之間的圖像交互，從而將計(jì)算智能與人類智能深度融合.功率譜密度瀑布圖繪制原理圖如圖3所示，縱軸頂部為當(dāng)前時(shí)刻功率譜密度數(shù)據(jù)，依次更新向下延伸，展示一段連續(xù)時(shí)間內(nèi)的信號(hào)強(qiáng)度變化.t時(shí)刻功率譜密度數(shù)組為Datapsd,數(shù)組長(zhǎng)度為N(即FFT計(jì)算樣點(diǎn)數(shù))，通常為2的冪次方.

圖3 功率譜密度瀑布圖繪制原理圖

算法偽代碼如算法1所示，其中：本文采用JavaScript語(yǔ)言編程實(shí)現(xiàn)了文獻(xiàn)[15]中的離散數(shù)據(jù)平滑過(guò)渡算法，命名為GenerateColor方法，該方法能夠很好的通過(guò)單元色和累積步長(zhǎng)將離散功率譜密度數(shù)組進(jìn)行平滑過(guò)渡渲染；addWaterfallRow方法利用了HTML5 Canvas本地存儲(chǔ)、圖形繪制的強(qiáng)大功能，擴(kuò)展Canvas API的drawImage和putImageData方法進(jìn)行編程實(shí)現(xiàn)，該方法能夠很好地實(shí)現(xiàn)對(duì)離散功率譜密度數(shù)組進(jìn)行動(dòng)態(tài)累加和實(shí)時(shí)無(wú)刷新渲染.與傳統(tǒng)SVG，F(xiàn)lash相比，對(duì)于Web的動(dòng)畫(huà)、實(shí)時(shí)視頻處理、動(dòng)態(tài)渲染和大數(shù)據(jù)繪制，具有更高實(shí)時(shí)性、穩(wěn)定性、跨平臺(tái)性和更好的用戶體驗(yàn).

算法1：功率譜密度信號(hào)瀑布圖可視化算法

Input:Datapsd:離散功率譜密度數(shù)組

RGBstart:數(shù)組最大值對(duì)應(yīng)顏色

RGBend:數(shù)組最小值對(duì)應(yīng)顏色

Canvasheight:Canvas畫(huà)布長(zhǎng)度

Canvaswidth:Canvas畫(huà)布寬度

Initialize:createCanvasDocument(Canvaswidth,Canvasheight)

WhileWebSocket.readyStateis CONNECTINGdo

Datapsd←WebSocket.onmessage()

ifDatapsd.length!= 0 then

ifDatapsd.length!=Canvaswidththen

Step←changeCanvasSize(Datapsd.length,Canvaswidth)

end

MIN←Datapsd,MAX←Datapsd,Step←|MAX-MIN|/3

end

ColorGradient←GenerateColor(RGBstart,RGBend,Step)

forj=0←Datapsd.length-1do

colorIndex[j]←getTargetRGB(Datapsd[j],ColorGradient)

end

addWaterfallRow(colorIndex,Step)

resizeCanvas(Canvasheight,Δh)

end

2 基于WebSocket可視化系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

2.1 系統(tǒng)結(jié)構(gòu)圖

圖4為本系統(tǒng)設(shè)計(jì)架構(gòu)圖，由射頻接收端、服務(wù)器端和瀏覽器端組成.射頻接收端采用中國(guó)思儀3900A系列無(wú)線監(jiān)測(cè)接收機(jī)，該接收機(jī)頻率覆蓋范圍為20 MHz～6 GHz，分析帶寬20 MHz，掃頻速度最高達(dá)4 GHz/s，支持IQ數(shù)據(jù)流輸出，能夠勝任復(fù)雜多樣的信號(hào)監(jiān)測(cè)；服務(wù)器端由PC工作站和存儲(chǔ)設(shè)備組成，主要負(fù)責(zé)接收無(wú)線監(jiān)測(cè)接收機(jī)實(shí)時(shí)傳遞的IQ數(shù)據(jù)，并通過(guò)IQ信號(hào)-功率譜密度轉(zhuǎn)化算法和WebSocket技術(shù)，為服務(wù)端、瀏覽器端實(shí)時(shí)推送數(shù)據(jù)；瀏覽器端以HTML5 Canvas形式，通過(guò)功率譜密度可視化方法對(duì)頻譜數(shù)據(jù)進(jìn)行實(shí)時(shí)渲染.

圖4 基于WebSocket可視化系統(tǒng)架構(gòu)圖

2.2 WebSocket協(xié)議

WebSocket是一種計(jì)算機(jī)通信協(xié)議，可通過(guò)單個(gè)TCP連接提供全雙工通信通道，并在2011年WebSocket通信協(xié)議被IETF定為標(biāo)準(zhǔn)RFC6455，該協(xié)議支持Web瀏覽器與Web服務(wù)器之間數(shù)據(jù)交互，通過(guò)較低的性能開(kāi)銷，實(shí)現(xiàn)服務(wù)器端與瀏覽器端的實(shí)時(shí)數(shù)據(jù)傳輸.WebSocket協(xié)議可以在客戶端和服務(wù)器端之間進(jìn)行雙向持續(xù)對(duì)話.WebSocket協(xié)議與HTTP協(xié)議不同，但其被設(shè)計(jì)為在443和80端口工作，從而支持HTTP代理和中介.在此技術(shù)之前，想要實(shí)現(xiàn)此類雙向通信的Web應(yīng)用，需要借助Comet之類非標(biāo)準(zhǔn)化技術(shù)，但是其性能和實(shí)現(xiàn)復(fù)雜度都與WebSocket協(xié)議有較大差距.如圖5所示，采用WebSocket協(xié)議進(jìn)行瀏覽器端與服務(wù)器端之間交互，比HTTP Ajax和Comet方法具有更低的時(shí)間和數(shù)據(jù)開(kāi)銷，從而促進(jìn)B/S架構(gòu)服務(wù)器端的實(shí)時(shí)數(shù)據(jù)傳輸，使服務(wù)器可以在不首先請(qǐng)求客戶端的情況下，將IQ頻譜數(shù)據(jù)發(fā)送到客戶端，并允許消息在保持連接打開(kāi)的情況下，使用非安全的WS(80端口)或安全的WSS(443端口)協(xié)議進(jìn)行雙向通信傳遞.

圖5 HTTP Ajax、Comet協(xié)議與WebSocket通信協(xié)議對(duì)比

本文使用基于Python3.6版本上的WebSocket庫(kù)構(gòu)建瀏覽器和服務(wù)器端Websocket雙向通信.Python WebSockts庫(kù)具有簡(jiǎn)單易實(shí)現(xiàn)性、程序健壯性、代碼高質(zhì)量性、高性能等諸多優(yōu)點(diǎn)，能夠?qū)崿F(xiàn)IQ數(shù)據(jù)通過(guò)IQ信號(hào)-功率譜密度轉(zhuǎn)化算法后，實(shí)時(shí)、穩(wěn)定地推動(dòng)到瀏覽器前端.

3 系統(tǒng)驗(yàn)證與分析

3.1 用戶交互界面設(shè)計(jì)與驗(yàn)證

本文采用C++ 語(yǔ)言實(shí)現(xiàn)對(duì)無(wú)線監(jiān)測(cè)接收機(jī)的IQ數(shù)據(jù)實(shí)時(shí)獲取，利用Python語(yǔ)言編程實(shí)現(xiàn)IQ信號(hào)-功率譜密度轉(zhuǎn)化算法，得到功率譜密度數(shù)組，并通過(guò)Python Flask框架和Python WebSockets庫(kù)實(shí)現(xiàn)了功率譜密度數(shù)組到Web前端頁(yè)面實(shí)時(shí)推送.如圖6所示，本文利用HTML5 Canvas和JavaScript ES6技術(shù)，以Node.js+Vue2.js構(gòu)建Web前端無(wú)線頻譜數(shù)據(jù)實(shí)時(shí)監(jiān)測(cè)系統(tǒng).

圖6(a)為Web前端可視化系統(tǒng)設(shè)計(jì)原理圖，圖形界面主要由參數(shù)面板、信號(hào)頻域圖和功率譜密度信號(hào)瀑布圖組成，參數(shù)面板可以根據(jù)用戶需求設(shè)定監(jiān)測(cè)的信號(hào)中心頻點(diǎn)、帶寬和頻譜分辨率.根據(jù)無(wú)線監(jiān)測(cè)接收機(jī)的硬件性能，頻譜覆蓋范圍為20 MHz～6 GHz，實(shí)時(shí)帶寬達(dá)到20 MHz，能夠勝任多種復(fù)雜信號(hào)監(jiān)測(cè)任務(wù)需求.圖6(a)中，右上部為信號(hào)頻域圖，橫軸指示了頻段范圍，縱軸指示了對(duì)應(yīng)的信號(hào)強(qiáng)度值，該信號(hào)頻域圖主要用于呈現(xiàn)被監(jiān)測(cè)頻段內(nèi)的信號(hào)強(qiáng)度的實(shí)時(shí)變化情況；右下部為功率譜密度信號(hào)瀑布圖，信號(hào)的瞬時(shí)頻率和強(qiáng)度通過(guò)1.3節(jié)功率譜密度可視化方法在該圖中進(jìn)行繪制呈現(xiàn)，縱軸表示在預(yù)設(shè)的監(jiān)測(cè)頻段內(nèi)信號(hào)從當(dāng)前時(shí)刻至過(guò)去一段連續(xù)時(shí)間段內(nèi)的強(qiáng)度變化情況.圖6(b)為系統(tǒng)可視化用戶交互頁(yè)面，在動(dòng)態(tài)信號(hào)監(jiān)測(cè)中，系統(tǒng)能夠很好地將時(shí)域IQ信號(hào)轉(zhuǎn)換到頻域上進(jìn)行分析.利用功率譜密度信號(hào)瀑布圖這一新思想，從頻域角度來(lái)分析和展示信號(hào)內(nèi)部規(guī)律，能夠更清晰地分析振動(dòng)信號(hào)的頻率、幅值的變化情況，完整展示信號(hào)在時(shí)域、頻域及信號(hào)強(qiáng)度三個(gè)特征維度的有用信息，表述直觀，實(shí)時(shí)性好.

圖6 功率譜密度瀑布圖軟件設(shè)計(jì)與實(shí)現(xiàn)

3.2 場(chǎng)景和模式驗(yàn)證

目前，無(wú)線電管理部門已經(jīng)意識(shí)到了傳統(tǒng)無(wú)線電監(jiān)測(cè)的局限性，提出了整合網(wǎng)絡(luò)數(shù)據(jù)資源和共享為基礎(chǔ)的新一代網(wǎng)格化技術(shù)，這將成為未來(lái)無(wú)線電監(jiān)測(cè)的主要發(fā)展趨勢(shì)[16].通過(guò)網(wǎng)格化監(jiān)測(cè)技術(shù)，能夠?qū)Σ幻餍盘?hào)輻射源進(jìn)行精確定位和實(shí)時(shí)監(jiān)測(cè)，有效提升電磁環(huán)境監(jiān)測(cè)能力[17]；同時(shí)，還能對(duì)監(jiān)測(cè)頻段范圍內(nèi)不同頻點(diǎn)業(yè)務(wù)的頻譜占用度進(jìn)行統(tǒng)計(jì)分析，有效提升監(jiān)測(cè)范圍內(nèi)頻譜資源利用率[18-19].傳統(tǒng)監(jiān)測(cè)設(shè)備包括矢量信號(hào)分析儀、掃頻式頻譜儀等，價(jià)格昂貴，且通常情況下數(shù)據(jù)不易被外部接口讀取.與傳統(tǒng)監(jiān)測(cè)設(shè)備相比，網(wǎng)格化資源要求具備資源分布零散性、資源處理異構(gòu)性、自治性和多態(tài)性等特點(diǎn).針對(duì)以上幾點(diǎn)，對(duì)設(shè)備應(yīng)用場(chǎng)景進(jìn)行設(shè)計(jì)和模式驗(yàn)證.圖7(a1)和(a2)為本文搭建的固定模式下的無(wú)線監(jiān)測(cè)系統(tǒng)，圖7(a1)中接收天線選用超寬頻全向接收天線，架設(shè)于蘭州交通大學(xué)圖書(shū)館右側(cè)輔樓樓頂，通過(guò)饋線與室內(nèi)3900A監(jiān)測(cè)接收機(jī)相連，實(shí)現(xiàn)無(wú)線監(jiān)測(cè)系統(tǒng)的硬件環(huán)境搭建；如圖7(a2)所示，通過(guò)筆記本終端訪問(wèn)無(wú)線監(jiān)測(cè)系統(tǒng)后處理模塊，實(shí)現(xiàn)對(duì)信號(hào)的實(shí)時(shí)、有效監(jiān)測(cè).此外，本文針對(duì)GSM頻段搭建移動(dòng)模式下的無(wú)線監(jiān)測(cè)系統(tǒng)，如圖7(b1)所示，接收天線選用玻璃鋼全向天線，并與GPS模塊一同置于車頂，通過(guò)饋線與車內(nèi)3900A監(jiān)測(cè)接收機(jī)相連(見(jiàn)圖7(b2))，完成無(wú)線監(jiān)測(cè)系統(tǒng)的硬件環(huán)境搭建，以實(shí)現(xiàn)機(jī)動(dòng)靈活、快速有效地對(duì)GSM業(yè)務(wù)進(jìn)行監(jiān)測(cè)；與此同時(shí)，利用Internet互聯(lián)網(wǎng)技術(shù)和WebSocket技術(shù)將數(shù)據(jù)進(jìn)行有效回傳，實(shí)現(xiàn)異地遠(yuǎn)程實(shí)時(shí)監(jiān)測(cè).綜上，本文構(gòu)建無(wú)線頻譜大數(shù)據(jù)實(shí)時(shí)監(jiān)測(cè)系統(tǒng)具有機(jī)動(dòng)性強(qiáng)、部署快捷、資源處理異構(gòu)性、實(shí)時(shí)性高、監(jiān)測(cè)覆蓋范圍廣、成本低等諸多優(yōu)點(diǎn).

圖7 固定和移動(dòng)場(chǎng)景下無(wú)線頻譜監(jiān)測(cè)可視化系統(tǒng)實(shí)現(xiàn)

3.3 系統(tǒng)不同種類監(jiān)測(cè)信號(hào)驗(yàn)證

為驗(yàn)證系統(tǒng)使用有效性，本文針對(duì)不同業(yè)務(wù)頻段和信號(hào)特征進(jìn)行驗(yàn)證.圖8(a)為對(duì)88～108 MHz頻段進(jìn)行監(jiān)測(cè)的信號(hào)瀑布圖，該頻段是以FM調(diào)制方式為主的持續(xù)信號(hào)，隨著時(shí)間推移，信號(hào)一直存在且信號(hào)強(qiáng)度穩(wěn)定.圖8(b)為對(duì)420～426 MHz頻段進(jìn)行監(jiān)測(cè)的信號(hào)瀑布圖，該頻段包括持續(xù)信號(hào)和短時(shí)突發(fā)信號(hào)，圖中矩形框所示的短時(shí)突發(fā)信號(hào)通過(guò)頻譜圖往往較難識(shí)別，而通過(guò)信號(hào)瀑布圖可以比較清晰觀察到該類信號(hào)相關(guān)特征.圖8(c)為對(duì)430～436 MHz頻段進(jìn)行監(jiān)測(cè)的信號(hào)瀑布圖，該頻段存在LoRa等制式短時(shí)突發(fā)數(shù)傳電臺(tái)信號(hào)，通過(guò)信號(hào)瀑布圖能夠快速判別該頻段內(nèi)信號(hào)的調(diào)制類別.圖8(d)為對(duì)2 450～2 480 MHz頻段進(jìn)行監(jiān)測(cè)的信號(hào)瀑布圖，該頻段主要涵蓋4G、藍(lán)牙等寬帶業(yè)務(wù)，通過(guò)信號(hào)瀑布圖能夠清晰獲取信號(hào)時(shí)頻特征和變化規(guī)律，對(duì)特定寬帶信號(hào)源的檢測(cè)提供技術(shù)支撐.綜上，通過(guò)信號(hào)瀑布圖可視化分析，能夠直觀地對(duì)信號(hào)類型進(jìn)行快速判斷和識(shí)別；專業(yè)人員能夠借助于信號(hào)瀑布圖直觀有效地對(duì)干擾信號(hào)進(jìn)行監(jiān)測(cè)和排查，有助于提升無(wú)線電頻譜資源管理效率.

圖8 不同頻段特征信號(hào)表現(xiàn)形式

4 結(jié)論

電磁環(huán)境監(jiān)測(cè)是頻譜管理的基礎(chǔ).為了進(jìn)一步提高電磁環(huán)境監(jiān)測(cè)水平，及時(shí)、準(zhǔn)確地獲取頻譜監(jiān)測(cè)數(shù)據(jù)，提出了一種IQ信號(hào)-功率譜密度轉(zhuǎn)化算法，充分利用無(wú)線監(jiān)測(cè)接收機(jī)頻段覆蓋范圍廣、分析帶寬大、掃頻速度快的優(yōu)點(diǎn)，將IQ信號(hào)數(shù)據(jù)轉(zhuǎn)化為離散功率譜密度數(shù)組；然后，為了建立人與數(shù)據(jù)之間的圖像交互，將計(jì)算智能與人類智能深度融合，提出了一種功率譜密度信號(hào)瀑布圖可視化方法，將無(wú)線監(jiān)測(cè)接收機(jī)中IQ信號(hào)數(shù)據(jù)以信號(hào)瀑布圖方式實(shí)時(shí)可視化地呈現(xiàn)；最后，分析了傳統(tǒng)無(wú)線監(jiān)測(cè)的局限性和不足，針對(duì)網(wǎng)格化監(jiān)測(cè)中資源分布零散性、資源處理異構(gòu)性、自治性和多態(tài)性重要特征，采用HTML5 Canvas、WebSockets和Python Flask技術(shù)設(shè)計(jì)開(kāi)發(fā)了一套無(wú)線頻譜數(shù)據(jù)實(shí)時(shí)監(jiān)測(cè)系統(tǒng).系統(tǒng)運(yùn)行結(jié)果表明：該系統(tǒng)具有前后端雙工實(shí)時(shí)通信、大并發(fā)量、大吞吐量、服務(wù)器端負(fù)載低、跨平臺(tái)、可移植性強(qiáng)、支持遠(yuǎn)程異構(gòu)網(wǎng)絡(luò)等諸多優(yōu)點(diǎn)，有效提升了頻譜管理人員的工作效率和分析手段，為頻譜管理和決策提供科學(xué)依據(jù).同時(shí)，該系統(tǒng)也實(shí)現(xiàn)了對(duì)全息數(shù)據(jù)的實(shí)時(shí)存儲(chǔ)，有效支撐了基于深度學(xué)習(xí)的信號(hào)識(shí)別分析算法的相關(guān)研究.