非正常无线电信号的自动识别系统及其方法

摘要

本发明公开一种非正常无线电信号类型的自动识别和自学方法,其特点是通过分析实测无线电信号的频谱数据，结合无线电监测专家的经验知识和特征提取方法，完成对无线电信号的特征提取；在无线电信号的特征空间中，采用聚类分析方法，对实测的扫频式干扰、宽带干扰、窄带干扰、非法插播信号等进行了聚类分析；利用聚类分析结果，该方法可使无线电监测设备具有自动识别非正常无线电信号类型的能力。随着实测无线电信号频谱数据的积累及识别误差的增大，该方法提供了定期对聚类分析结果进行自学的能力。根据识别结果，结合通信设备，该方法提供了监测设备的自动报警能力。该方法用于无线电监测设备，提高了无线电监测设备的信息处理能力，可实现无线电监测设备的无人值机，减少了监测技术人员的工作量。

主权项

一种非正常无线电信号自动识别系统包括：无线电信号监测设备系统、无线电信号智能分析系统、网络通信系统和处理控制器，在所述自动识别系统中监测设备系统接收空中的电磁波，进行变换处理，产生信号的监测数据，所述监测数据包括：频谱数据，语音数据，方位数据，中频测量数据等；智能分析系统通过对监测数据进行一系列智能分析处理，自动识别非正常信号；网络通信系统负责系统各模块之间，系统与外部其它设备之间的通信；处理控制器负责协调各个模块之间的处理调度；其特征在于：所述无线电信号智能分析系统，包括：无线电非正常信号检测模块、非正常信号特征提取模块、非正常信号识别模块、系统自学习模块，以及台站数据库、电磁环境数据库、非正常信号数据库；其中通过数据接口获得频段扫描数据，采用分段动态自适应阈值算法监测出该频段的所有信号及对应的频点，对信号频点进行中频测量或中频测向获得信号的详细数据，分析处理提取信号的多种特征，将所提取的特征输入非正常信号识别模块，识别出该信号所属的类别；系统自学习模块使用非正常信号识别模块产生的数据，定期更新、完善特征提取参数和信号识别算法参数。