无线电监测中基于隐Markov模型的频谱异常自主诊断方法研究

Electromagnetic spectrum information received by radio monitoring system is a mixed coupling product of all kinds of radio signals,complex radio wave propagation effects and multi-step receiver response. There exists a contradiction between the complicated fuzziness of radio spectrum elements and the definite metrics required for spectrum regulation. Based on the constitution mechanism of electromagnetic environment and the actual operation of radio monitoring system, the mathematical characterization method of complex mixed spectrum in radio monitoring will be studied, the correlation coupling mechanism between variation of spectrum characteristic parameters and variation of typical non-stationary sources, such as emissions from different transmitting sites operating in same channel, emissions from multi-level power and different channel, emissions from high power near channel,electromagnetic interferences and spurious response etc, will be revealed. The concept of spectrum hidden state is proposed, and the time-variation characteristic of spectrum hidden states based on Hidden Markov Model(HMM) will be studied, the mechanism of spectrum information loss in radio monioring will be revealed. The spectrum anomalies autonomous diagnosis mechanism will be studied, the HMM diagnosis mode base including normal spectrum modes and typical abnormal spectrum modes will be established based on pattern recognition and decision theory. Furthermore, the performance and effects of spectrum anomalies autonomous diagnosis will be tested and verified with experiments. The research results will lay the foundation for the development of technologies of spectrum resource intelligent regulation and spectrum anomalies autonomous diagnosis in our country.

无线电监测系统获取的电磁频谱信息，是其覆盖区域内各类无线电发射信号、复杂电波传播效应以及接收设备多级耦合响应的产物。无线电监测频谱构成要素的复杂模糊性与频谱监管所需指标的确定性形成矛盾。本项目从电磁环境构成机理和无线电监测系统实际效能出发，研究无线电监测中复杂混叠频谱的数学表征方法，揭示监测频谱特征参数变异与同频异址发射、多功率变频发射、大功率邻频发射、电磁干扰及接收机虚假响应等非平稳信源状态变化之间的关联耦合机理；提出频谱隐状态概念，研究基于隐Markov 模型的空中频谱隐状态时变特性建模方法，揭示无线电监测频谱信息缺失的内在机理；研究无线电监测中频谱异常自主诊断决策机制，综合采用模式识别和最优决策理论建立包含正常频谱模式和典型异常频谱模式的HMM 诊断模式库，并基于实验环境完成频谱异常自主诊断性能验证和效果评估。研究成果将为我国频谱资源智能监管和频谱异常自主诊断技术发展奠定理论基础。

无线频谱资源是是一种稀缺的不可再生资源。提高频谱资源的利用率有着重要的意义。无线电监测系统获取的电磁频谱信息，是其覆盖区域内各类无线电发射信号、复杂电波传播效应以及接收设备多级耦合响应的产物。直接测量到的电磁频谱数据，往往拥有庞大的数据量，其所含的信息复杂而且模糊。无线电监测频谱构成要素的复杂模糊性与频谱监管所需指标的确定性形成矛盾。. 为了解决此类问题，项目组构建了基于隐马尔科夫模型的频谱异常诊断方法的研究。从传统的无线电监管部门对于复杂用频台站的监管需求出发，结合无线电监测中电磁频谱特征的特点，通过搭建稳定无线电采集监测系统，针对频谱检测数据特性的分析，构建频谱数学模型表征方法。再利用隐马尔科夫模型研究无线电中频谱异常诊断方法。在此基础上，针对传统一维频谱占用度无法全面表达和揭示监测到的二维频谱特征的问题，提出了根据监测频谱场强幅度概率分布和多电平门限表达电磁频谱使用特性的二维隐马尔科夫模型，给出了时频域上的频谱数学表征方法与统计模型；又针对现有频谱管理中人工现场诊断方法的不足，提出构建基于二维隐马尔科夫的电磁频谱使用模型库来实现电磁频谱异常自主识别的方法。最后为了提高模型的识别率，又对模型中的隐状态数目选择的细节问题进行了进一步的研究。. 本课题进行的频谱异常诊断研究，解决了传统的无线电频谱参数测试过度依赖人工的现场监测问题，提出了一种新的频谱感知识别模式，实现了频谱状态的自主识别和异常行为诊断。本课题的研究成果将为我国频谱资源智能监管和频谱异常自主诊断技术发展奠定理论基础，而且在军事、公共安全和商业等领域还有很大的应用潜力。