大數據時代下的無線電監測

汪庭霽

（國家無線電監測中心，北京 100037）

大數據時代下的無線電監測

汪庭霽

（國家無線電監測中心，北京 100037）

隨著科學技術的不斷發展，人們逐漸走入了大數據時代。傳統的無線電監測中遇到的困難，可以交由大數據理論來解決。本文首先介紹了大數據的基本概念，隨后探討了當前無線電監測遇到的問題，以及如何運用大數據理論處理數據，最后提出了對未來的展望。

大數據；無線電監測

1 引言

大數據并非一個明確的概念。起初，人們只是在處理信息時，發現信息量越來越大，用常規的信息處理軟件已經越來越難處理了。后來，隨著科學技術的發展，人們逐漸意識到我們已經來到了一個信息爆炸的時代，其增長速度大大超過了預期，導致量變引起了質變，創造出了“大數據”這個概念。

維基百科中對大數據定義如下：“大數據”是指一些使用目前現有數據庫管理工具或傳統數據處理應用很難處理的大型而復雜的數據集。Gartner公司提出了用“3V”模型來描述大數據，即海量的數據規模（Volume），快速的數據流轉（Velocity）和多樣的數據類型（Variety）。2012年，國際數據中心（IDC）則定義了大數據的四大特征，在原有的“3V”模型上增加了第四個“V”，即巨大的數據價值（Value）。

無論如何定義，大數據以一種前所未有的方式，已經逐漸走進了我們生活中的方方面面。大數據的核心是預測，但由于大數據是基于海量的信息量，所以在分析信息時，有了以下幾點重要的轉變：

第一，在大數據時代，我們不再依賴于抽樣定理進行采樣，而是分析所有數據。傳統的采樣分析信息，勢必會因采樣樣本數量有限，而忽略掉一些信息。但在大數據高速發展的今天，我們可以分析更多的數據，從而看到了樣本無法揭示的細節。

第二，在大數據時代，需要處理的數據非常之多，導致我們不再追求精確性。針對小數據，我們往往追求絕對的精確。比如一些人可以準確記住他銀行卡上的每一位數字。但對于大數據，我們可以適當忽略一些精確性以在宏觀層面上更好的把控。當然，我們不是放棄精確性，而是不專注于此。

第三，在大數據時代，我們不追求尋找因果關系，而是尋找相關關系。以往，人們總是習慣性地想搞明白任何事情的緣由，而大數據卻可以直觀地呈現出事情的結果。在現在生活中，這已經足夠了。比如導航軟件可以給你指出一條最快捷的路線，這條路線并不是傳統意義上距離最近的路線，而是綜合了多種實時路況的路線。但是對于司機而言，他往往卻并不會關注這條路線最快的原因。

2 當前無線電監測遇到的問題

目前，雖然我們已經積累了大量的無線電監測數據，但是由于監測軟件的智能化程度不高，數據采集后，還有大量的工作需要人工處理。這種工作強度很大，枯燥乏味，監測人員長時間工作下來后，也很難保證分析處理后數據的準確性。且不同的監測人員在處理數據過程中的做法也并不相同，在最后的數據匯總工作中，往往會出現數據格式、類型的不統一，給匯總工作帶來了較大的困難。

此外，雖然我們掌握了大量的無線電監測數據，但是這些數據并沒有得到很好的分析和挖掘。例如，我們監測到的頻譜數據往往以原始的頻譜圖、瀑布圖等形式展現出來，但在實際處理數據過程中，可能更需要結合臺站數據庫及各種環境參數等進行分析，以至于這些數據并不能有效地為頻譜管理工作提供信息。這就需要運用大數據的理論來解決這些問題。

3 在大數據時代下的數據處理

運用大數據理論處理數據，一般分為以下五個步驟：數據采集，數據管理，數據計算，數據分析和數據展現。下面逐一具體分析。

（1）數據采集

這一步主要目的就是獲取原始數據。我們需要按照一定的需求，進行合理的設置，從而在獲取數據的同時就進行了初步的數據過濾，將一些無效信息進行了去除，方便以下幾步的數據處理。例如，我們需要對北京地區30MHz到800MHz的頻段范圍進行監測，首先，需要將該頻段做一個簡單的分析，在該頻段內，有調頻廣播、電視、民航、集群通信、對講等多種業務，因此，進行監測時不能統一進行設置，而要根據不同業務的頻段范圍，分段進行設置。根據業務的不同，我們可以進行如表1劃分。

如果直接按照表1頻段進行測試，需要將該頻段分成9段，這未免顯得有些過于繁瑣。可以進行一些簡單的處理，將信號特點相似的頻段合并。首先，電視信號的伴音信號與調頻廣播信號相似，帶寬均為50-150kHz，故而可以進行合并。其次，民航信號中的地空對話信號與對講信號比較相似，帶寬均為9-15kHz，可以進行合并。接下來的集群、對講、尋呼、數傳這幾種信號也較為相似，集群信號的帶寬一般為15-25kHz，對講、尋呼、數傳的信號帶寬一般為9-15kHz，相差不大，也可進行合并。最后，再將兩段電視頻段合并，整理之后的結果如表2所示。

表1 業務頻段劃分表

表2 數據融合后的業務頻段劃分表

經過這樣簡單的數據融合之后，在并沒有損失數據的情況下，更多的是從宏觀角度掌握數據，從而簡化了測試步驟，提高了測試效率。

（2）數據管理

根據第一步得到的各個遙控站的數據，我們需要將它們進行統一的管理，這一步可以利用數據庫軟件作為工具。將得到的數據，根據信號的電平、占用度、帶寬等傳統特征分門別類地整理好。同時，該數據庫還可以針對每次監測特定的需求，增加數據整理的類別。假設我們關心的是某頻點上的信號在出現時間上的分布情況，那么就可以按照時間來整理；如果我們關心的是信號出現的地點，那么就可以根據不同遙控站接收到的信號電平進行整理。

（3）數據計算

傳統的計算方法一般是由遠程聯網的方式來進行的，即通過遠程連接遙控站，遙控站將數據傳回本地進行處理。這種處理方式在使用的監測站數量較少，或者監測時間叫短時運行尚可。但是，在如今的大數據時代，由于其計算量非常大，如果采用傳統的計算方法，必然會耗用大量的硬件資源，且隨著數據的不斷積累，可能會出現計算效率低、可靠性差等問題，傳統的計算方法顯得越來越難以勝任。因此，目前比較好的解決辦法是分布式計算，即云計算。大數據與云計算密不可分。目前應用最為廣泛的是GOOGLE公司發布的開源Hadoop平臺，已經逐漸成為了大多數人認可的大數據計算框架。隨著計算機傳輸、存儲、處理數據性能的逐漸提升，再配合分布式計算的概念，就可以大大提高數據計算的能力，為進一步數據分析打好基礎。

（4）數據分析

傳統的數據分析，往往是基于已知的比較成熟的數學模型進行分析。然而，在大數據時代，由于數據量之大，數據結構之復雜，很難利用傳統的模型進行分析，需要充分結合數據挖掘、數據融合的理論，針對不同情況做具體分析。目前，數據分析技術還處于初期階段，對于非結構化的大數據，數據分析是十分困難的。因此可以預見，未來的大數據分析的發展方向，即是努力尋找一種更為智能的數據挖掘模型。

（5）數據展現

數據展現為整個大數據處理數據過程的最后一步，我們需要盡可能直觀、生動地展現數據處理的最終結果。數據展現的越直觀、越生動，給予讀者的感受就會更強烈、印象就會更深刻。除了常規的文字、表格外，數學曲線、圖像、視頻、甚至是3D模擬視頻，都在我們可以考慮采用的范圍之內。

4 對未來的展望

在大數據時代，無線電監測工作應當逐級實現網絡化、智能化、規范化。大量的重復枯燥工作可以交給計算機來進行，監測人員只需按照每次監測的具體要求，進行一些簡單的設定，即可得到經過處理按規定格式存儲的數據。一次監測任務可以很流暢的按照任務下達、開展監測、數據采集、數據分析、結果呈現的流程來進行。

隨著大數據的概念越來越深入人心，大數據的應用越來越廣泛，我們應當將大數據與云計算、一體化平臺等其他飛速發展的技術結合起來，快速地跟上并融入這個高速發展的時代。只有利用這些最先進的理念，結合到我們自身的無線電監測工作當中去，才能不斷提高工作水平和效率，才能跟上時代的步伐。

[1] 維克托?邁爾-舍恩伯格，肯尼斯?庫克耶 著．盛楊燕,周濤 譯．大數據時代[M]．杭州：浙江人民出版社，2013

[2] 國志，李冰琪．大數據影響現代通信[J]．數字通信世界，2014,10: 60-62

Radio Monitoring in the Age of Big Data

Wang Tingji
(The State Radio Monitoring Center, Beijing, 100037)

With the development of science technology, the age of big data has already come. The difficulty in traditional radio monitoring can be handled by the theory of big data. This article firstly introduces the basic concept of big data, then discusses the problem in radio monitoring and how to deal data with the theory of big data. Finally, we make a prospect in the future.

Big Data; Radio Monitoring

10.3969/J.ISSN.1672-7274.2015.05.010

TN91

B

1672-7274（2015）05-0035-03

汪庭霽，男，碩士研究生，現任職于國家無線電監測中心北京監測站，主要從事無線電監測相關工作。