[发明专利]一种基于张量及神经网络的动态电磁频谱姿势方法及系统

说明书

本发明公开了一种基于张量及神经网络的动态电磁频谱姿势方法及系统，获取当前无人机飞行所围区域的频谱数据；对频谱信息进行模数转换，然后进行快速傅立叶变换后读取频谱信息，检查一次显示的频谱数据是否收满；然后构建原始矩阵，并对构建的原始矩阵可视化；对可视化后的原始矩阵进行数据补全，得到优化后的最终补全矩阵；将优化后的最终补全矩阵结果值输入BP神经网络进行模糊化处理，得到最终补全矩阵数值，利用最终补全矩阵数值绘制补全后的频谱姿势二维图绘制三维姿势空间分辨图，根据时间和频率变化显示动态信号的频谱态势信号。本发明通过对无线电信号和电磁频谱姿势进行监测，以达到消除电磁干扰，提高频谱利用率的目的。

技术领域

本发明属于通信工程技术领域，具体涉及一种基于张量及神经网络的动态电磁频谱姿势方法及系统。

背景技术

早期的频谱监测系统主要依赖于固定的监测站，旨在对通信、交通、广播等方面的非法无线电信号进行监测，以达到消除电磁干扰，提高频谱利用率的目的。然而每个固定监测站都需要配备专业人员，对于不能长期驻守的监测环境，无法长时间进行监控。此外，固定监测站的成本相对较高，建设周期较长，一般难以实现大规模部署。

现阶段来说，频谱态势生成技术是在频谱感知的基础上，进一步分析、预测频谱的综合形势和未来发展趋势。具体内容可包括多维空间频谱态势补全、频谱态势多视角呈现、高维度频态势分析、频谱态势预测等。频谱态势图能够收集网络中监测节点的频谱数据，从监测设备处定期地采集数据，并且基于频谱态势图进行决策，以实现可靠的数据融合。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于张量及神经网络的动态电磁频谱姿势方法及系统，采用基于深度学习的方法有效提高网络的性能和计算速度，避免过拟合等问题，提高网络泛化能力。

本发明采用以下技术方案：

本发明一种基于张量及神经网络的动态电磁频谱姿势方法，包括以下步骤：

S1、获取当前无人机飞行所围区域的频谱数据，实时反映频谱数据相应频段与物理坐标对应的频谱信息，并实施时域和频域的动态刷新；

S2、采用可编程门阵列FPGA对步骤S1的频谱信息进行模数转换，然后进行快速傅立叶变换；

S3、读取步骤S2经快速傅立叶变换的频谱信息，检查一次显示的频谱数据是否收满；

S4、依据步骤S3检查后的频谱数据构建原始矩阵，并对构建的原始矩阵可视化；

S5、对步骤S4可视化后的原始矩阵进行数据补全，得到优化后的最终补全矩阵；

S6、将步骤S5优化后的最终补全矩阵结果值输入BP神经网络进行模糊化处理，得到最终补全矩阵数值，利用最终补全矩阵数值绘制补全后的频谱姿势二维图绘制三维姿势空间分辨图，根据时间和频率变化显示动态信号的频谱态势信号。

具体的，步骤S1中，使用Matlab调用EVM实时收集当前无人机飞行所围区域的频谱数据，再向神经网络输入信息，输入信息包括：EVM的IP地址，天线的选择，测试的中心频率，采样率，采样数，信号增益，以及每个测试点的经纬度信息；然后对频谱数据进行正确性检验。

进一步的，正确性检验具体为：

检测频谱数据以及所对应位置坐标是否有缺项漏项、是否存在NaN、+∞、 -∞的数据，是否存在不匹配的情况；如果存在缺项漏项，以及NaN、+∞、-∞的数据，重新发送数据，再次进行检验，当数据正确率大于等于98％时结束。

具体的，步骤S3具体为：

检测频谱数据是否有缺项漏项、是否存在NaN、+∞、-∞的数据，当存在缺项漏项，以及NaN、+∞、-∞的数据时，重新接收频谱数据，经模数转换后重新发送，再次进行检验，当数据正确率大于等于97％时，确定所读取数据正确。