馬家凱

（云南省德宏州無(wú)線電監(jiān)測(cè)中心，云南 德宏 678400）

0 引言

我國(guó)地域遼闊、邊境線長(zhǎng)，與很多國(guó)家都有接壤。自進(jìn)入21世紀(jì)以來(lái)，中亞、東南亞、北亞等地的國(guó)家無(wú)線電技術(shù)發(fā)展迅速，無(wú)線電臺(tái)數(shù)量顯著增加，邊境無(wú)線電越界現(xiàn)象時(shí)有發(fā)生。我國(guó)西北地區(qū)、西南地區(qū)邊境經(jīng)濟(jì)條件一般，獲取信息的途徑少，鄰國(guó)的信息就會(huì)影響我國(guó)居民的正常生活，進(jìn)而引發(fā)一系列的邊境問題。為此，對(duì)于邊境無(wú)線電監(jiān)管部門來(lái)講，其工作量可想而知，為此，尋求一種邊境無(wú)線電監(jiān)測(cè)信號(hào)識(shí)別技術(shù)尤為關(guān)鍵。

1 無(wú)線電監(jiān)測(cè)信號(hào)識(shí)別技術(shù)的研究現(xiàn)狀

當(dāng)前，關(guān)于無(wú)線電監(jiān)測(cè)信號(hào)識(shí)別的理論研究并不多。結(jié)合國(guó)內(nèi)外學(xué)者的理論研究成果可知，無(wú)線電監(jiān)測(cè)信號(hào)的識(shí)別技術(shù)主要分為兩種類型。一種是判決理論法，這種理論是以假設(shè)檢驗(yàn)為基礎(chǔ)的，借助概率理論獲得合理的信號(hào)分類規(guī)則。另一種是統(tǒng)計(jì)模式識(shí)別法，此種方法主要包括特征提取與模式識(shí)別。國(guó)內(nèi)學(xué)者王婷通過對(duì)監(jiān)測(cè)信號(hào)的識(shí)別技術(shù)進(jìn)行研究，得出可借助決策理論法對(duì)無(wú)線電監(jiān)測(cè)信號(hào)進(jìn)行分類的結(jié)論[1]。李琳指出，在對(duì)無(wú)線電監(jiān)測(cè)信號(hào)識(shí)別過程中應(yīng)用小波變換技術(shù)，具有一定優(yōu)勢(shì)，這也是時(shí)頻法首次在信號(hào)識(shí)別中的應(yīng)用[2]。此外，張巍巍提到，在應(yīng)用神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，借助信號(hào)特征參數(shù)可對(duì)監(jiān)測(cè)信號(hào)進(jìn)行分類，且效果極佳[3]。

2 相關(guān)概念

2.1 邊境無(wú)線電監(jiān)測(cè)

邊境無(wú)線電監(jiān)測(cè)是人類借助相應(yīng)的技術(shù)手段或者設(shè)備對(duì)邊境地區(qū)的被測(cè)信號(hào)進(jìn)行監(jiān)測(cè)與識(shí)別的活動(dòng)。其監(jiān)測(cè)內(nèi)容包括邊境無(wú)線電臺(tái)電波質(zhì)量、邊境無(wú)線電頻譜使用情況、不明無(wú)線電信號(hào)、通信保密情況等。

2.2 信號(hào)識(shí)別

信號(hào)識(shí)別，即在對(duì)邊境無(wú)線電監(jiān)測(cè)信號(hào)進(jìn)行提取時(shí)，所篩選的信號(hào)要包括多重信息，不僅要包括邊境不明無(wú)線電信號(hào)的相關(guān)信息，也要涵蓋通信保密信息，以此判斷邊境無(wú)線電信號(hào)是否符合通信要求，進(jìn)而對(duì)無(wú)線電信號(hào)的使用者與接收者的身份進(jìn)行判定[4]。圖1為無(wú)線電監(jiān)測(cè)信號(hào)識(shí)別框架。

圖1 無(wú)線電監(jiān)測(cè)信號(hào)識(shí)別框架

3 幾種常見的邊境無(wú)線電監(jiān)測(cè)信號(hào)識(shí)別技術(shù)

3.1 邊境無(wú)線電監(jiān)測(cè)信號(hào)時(shí)頻域特征參數(shù)的提取技術(shù)——解析法

在邊境無(wú)線電監(jiān)測(cè)信號(hào)的識(shí)別過程中，因信號(hào)調(diào)制類型存在一定差異，不僅信號(hào)頻率及幅度存在差異，其相位也有很大區(qū)別[5]。而傳統(tǒng)解析法優(yōu)勢(shì)明顯，監(jiān)測(cè)可從各類調(diào)制信號(hào)中獲得邊境無(wú)線電信息。監(jiān)測(cè)信號(hào)的識(shí)別精度取決于特征參數(shù)的精準(zhǔn)度。結(jié)合時(shí)域中的情況來(lái)看，監(jiān)測(cè)信號(hào)特征參數(shù)主要體現(xiàn)為三種，一是瞬時(shí)幅度，二是瞬時(shí)相位，三是瞬時(shí)頻率。同理，在信號(hào)頻率域也存在著信號(hào)頻譜。本課題將神經(jīng)網(wǎng)絡(luò)的輸入確定為以上時(shí)頻域的信號(hào)特征量[6]。

在無(wú)線電監(jiān)測(cè)信號(hào)的提取過程中，把信號(hào)劃分為不同段，信號(hào)強(qiáng)度標(biāo)尺在1024db（db微伏，0db=1微伏），然后從不同段位的信號(hào)中提取信號(hào)的特征量信息，既要包括信號(hào)瞬時(shí)頻率與信號(hào)頻譜，也要涵蓋瞬時(shí)頻率與瞬時(shí)幅度等[7]。那么，如何提取信號(hào)的瞬時(shí)幅度呢？此時(shí)就要多次對(duì)信號(hào)幅度進(jìn)行分析，并認(rèn)真對(duì)比其局部極值以實(shí)現(xiàn)對(duì)信號(hào)瞬時(shí)幅度的確定。并且，本課題給出了無(wú)線電監(jiān)測(cè)信號(hào)特征量的計(jì)算方法，具體步驟為：

（1）用FFT的算法計(jì)算實(shí)信號(hào)x（n）的頻譜X（ejω）；

（3）根據(jù)IFFT算法對(duì)z（n）進(jìn)行計(jì)算，由此求得z（n）=IFFT{Z（ejω）}

用f（n）表示瞬時(shí)頻率，用θ（n）表示瞬時(shí)相位，故可知獲取f（n）的目的是為了區(qū)分θ（n），在此基礎(chǔ)上由傅里葉變換得到瞬時(shí)頻率的表達(dá)式：f（n）=IFFT{-j2πfθ（ejω）}。對(duì)于監(jiān)測(cè)信號(hào)來(lái)講，其信號(hào)頻譜也可將信號(hào)的特征反映出來(lái)。另外，DFT具有一定的對(duì)稱性，被測(cè)的監(jiān)測(cè)信號(hào)屬于實(shí)信號(hào)，為此，在對(duì)無(wú)線電監(jiān)測(cè)信號(hào)頻譜X（ejω）分析的時(shí)候，所選區(qū)間可為[0,π]。

由此可見，所提取信號(hào)的特征參數(shù)維度偏大，故有必要將信號(hào)特征參數(shù)向量做相應(yīng)的處理，即分類編碼。編碼所參考的依據(jù)主要有兩個(gè)，其中一個(gè)為信號(hào)所有特征參數(shù)的平均值，另一個(gè)是信號(hào)分布特點(diǎn)。在此基礎(chǔ)上，將無(wú)線電監(jiān)測(cè)信號(hào)所對(duì)應(yīng)的特征參數(shù)向量做適當(dāng)?shù)膲嚎s處理，由此確定為神經(jīng)網(wǎng)絡(luò)的輸入。

3.2 邊境無(wú)線電監(jiān)測(cè)信號(hào)分類技術(shù)——RBF網(wǎng)絡(luò)技術(shù)

神經(jīng)網(wǎng)絡(luò)作為模式識(shí)別技術(shù)的核心，其常見的特點(diǎn)主要有三個(gè)，首先是信息分布式存貯，其次是高度容錯(cuò)性，最后是大規(guī)模自適應(yīng)[8]。本課題之所以選擇RBF網(wǎng)絡(luò)技術(shù)來(lái)對(duì)邊境無(wú)線電監(jiān)測(cè)信號(hào)進(jìn)行分類，其原因在于這項(xiàng)技術(shù)有兩點(diǎn)技術(shù)優(yōu)勢(shì)，一是神經(jīng)網(wǎng)絡(luò)可實(shí)現(xiàn)輸入向量的降維，二是其自動(dòng)化程度高。

3.2.1 RBF 網(wǎng)絡(luò)結(jié)構(gòu)介紹

在表達(dá)式中，Yj是相對(duì)于輸出層第i個(gè)節(jié)點(diǎn)而言的，代表的是其輸出，V(i，j)依然表示一種權(quán)系數(shù)，這種權(quán)系數(shù)將輸出層和隱含層聯(lián)系在一起，U表示的是基于隱含層的輸出向量，N1表示隱含層的節(jié)點(diǎn)數(shù)量，N2代表輸出層的節(jié)點(diǎn)數(shù)量。兩層之間存在著一種連接關(guān)系，即加權(quán)線性連接，這樣，網(wǎng)絡(luò)整體上就成功進(jìn)行了非線性變換，即由轉(zhuǎn)換為。

3.2.2 基于RBF網(wǎng)絡(luò)的學(xué)習(xí)算法的應(yīng)用

以RBF網(wǎng)絡(luò)為基礎(chǔ)的學(xué)習(xí)算法涵蓋兩種基本的學(xué)習(xí)方式，一種是隱含層的學(xué)習(xí)，另一種是輸出層的學(xué)習(xí)。第一種學(xué)習(xí)方式體現(xiàn)為自主學(xué)習(xí)，第二種學(xué)習(xí)方式則需要導(dǎo)師來(lái)引導(dǎo)學(xué)習(xí)。具體的算法為：

（1）用Wj表示初始化聚類中心，此時(shí)j為正整數(shù)，其取值范圍為[1，N1]；

（2）循環(huán)開始；

（5）之后，將聚類中心進(jìn)行對(duì)比，觀察有無(wú)變化，然后重復(fù)步驟（2）的操作；如果依然沒有任何變化，那么就結(jié)束此操作。

據(jù)此可知，輸出層的學(xué)習(xí)是能夠借助LMS算法來(lái)實(shí)現(xiàn)的，可把j最小的情況作為其終止條件：

結(jié)合上面的式子可以看出，μk的期望輸出為dk，不同節(jié)點(diǎn)所對(duì)應(yīng)的輸出為Yk，遺忘因子用λ表示，此時(shí)λ=0.99，以上就是RBF網(wǎng)絡(luò)學(xué)習(xí)技術(shù)的流程。

3.3 邊境無(wú)線電監(jiān)測(cè)信號(hào)瞬時(shí)相位及頻率的提取技術(shù)——小波分析法

在邊境無(wú)線電監(jiān)測(cè)信號(hào)識(shí)別技術(shù)中，有一種較為常見的技術(shù)手段，即小波分析法。從本質(zhì)上看，小波變換的根本源于時(shí)頻窗的變換，其含義是分析頻率改變后，信號(hào)大小及形狀均會(huì)發(fā)生不同程度地改變。假設(shè)g(a,b)（t）為單一連續(xù)小波函數(shù)，對(duì)于小波函數(shù)而言，其時(shí)頻分辨率的變化的實(shí)質(zhì)是兩種因素的變化，一種是尺度因子a的變化，另一種是時(shí)移因子b的改變。具體的計(jì)算式如下：

從小波變化角度看，正是因?yàn)槠溆兄白兘咕唷钡膬?yōu)勢(shì)，所以可用此法來(lái)檢測(cè)信號(hào)突變點(diǎn)，由此讓無(wú)線電監(jiān)測(cè)信號(hào)的瞬時(shí)相位及頻率的提取成為可能。就小波函數(shù)而言，在尺度因子不同的情況下，在頻域中，這些小波函數(shù)就如同形式各異的濾波器，他們不僅帶寬不同，還擁有不同的中心頻率。為此，g(a,b)（t）就形似于一組濾波器的脈沖響應(yīng)，其帶寬與中心頻率均存在一定差異。當(dāng)b改變后，此組濾波器沿著時(shí)間軸發(fā)生位置變化，由此對(duì)監(jiān)測(cè)信號(hào)的所有頻帶的全覆蓋。如果無(wú)線電監(jiān)測(cè)信號(hào)所對(duì)應(yīng)的頻率與中心頻率數(shù)值相同，那么在此頻率附近就會(huì)形成相應(yīng)的極大值，且此數(shù)值與小波變換的模值相對(duì)應(yīng)，在此情況下，a和b兩者之間的對(duì)應(yīng)關(guān)系就成為一種脊線。就脊線來(lái)講，其上面的瞬時(shí)頻率也是通過一定的算法來(lái)進(jìn)行提取的，提取的步驟如下：

（1）就小波變換而言，首先應(yīng)將其時(shí)移因子b的值進(jìn)行固定；

（2）借助迭代算法對(duì)尺度因子a進(jìn)行計(jì)算；

（3）確定尺度變量，即a值，由此通過小波變換來(lái)處理監(jiān)測(cè)信號(hào)；

（4）選擇處理過的a值，且此數(shù)值恰好對(duì)應(yīng)小波系數(shù)模值最大的情況，由此獲得本課題迭代結(jié)果。

（5）對(duì)時(shí)移因子b的取值進(jìn)行調(diào)整，然后重復(fù)上述步驟（2）～（4）。

把符合條件的所有a值依次連接，由此得到完整曲線，此曲線也就是小波變換脊線；之后，借助上述提取監(jiān)測(cè)信號(hào)瞬時(shí)相位的技術(shù)對(duì)脊線中的相位進(jìn)行提取，然后對(duì)其進(jìn)行求導(dǎo)，由此獲得監(jiān)測(cè)信號(hào)所對(duì)應(yīng)的瞬時(shí)頻率。因脊線算法有一定的局限性，故在監(jiān)測(cè)信號(hào)的度量中用到了尺度二進(jìn)制分法，圖2則為應(yīng)用小波分析法提取監(jiān)測(cè)信號(hào)瞬時(shí)相位及頻率的流程。

圖2 應(yīng)用小波分析法提取無(wú)線電監(jiān)測(cè)信號(hào)瞬時(shí)相位及頻率的流程圖

4 結(jié)語(yǔ)

綜上所述，邊境無(wú)線電監(jiān)測(cè)信號(hào)識(shí)別是一項(xiàng)綜合性工程，識(shí)別過程涉及信號(hào)特征參數(shù)的解析、提取、分類與仿真模擬。在對(duì)邊境無(wú)線電監(jiān)測(cè)信號(hào)識(shí)別的過程中，本研究采用了RBF神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)監(jiān)測(cè)信號(hào)進(jìn)行篩選與分類，所用到的特征量主要有兩個(gè)，一個(gè)是監(jiān)測(cè)信號(hào)時(shí)域，另一個(gè)是監(jiān)測(cè)信號(hào)的頻率域。如果信噪比處于高水平的時(shí)候，那么信號(hào)分類效果相對(duì)理想；假如信噪比處于較低水平，那么信號(hào)特征量畸變較大，對(duì)信號(hào)分類與識(shí)別是不利的。本文從無(wú)線電監(jiān)測(cè)與信號(hào)識(shí)別的相關(guān)概念出發(fā)，對(duì)無(wú)線電監(jiān)測(cè)信號(hào)識(shí)別技術(shù)進(jìn)行了深入分析，以此為我國(guó)邊境無(wú)線電監(jiān)測(cè)信號(hào)的識(shí)別水平的提升提供相應(yīng)的理論支持。