非法調頻廣播信號的識別問題研究

譚 旭

（作者單位：湖南廣播電視臺廣播傳媒中心）

隨著無線網絡的普及，人們在日常生活中隨時隨地都享受著無線信號所帶來的便利。而隨著無線電技術的新設備、新技術不斷被開發和利用，某些非法信號摻雜在無線設備中很難被發現，無線電臺被非法盜用、占用無線廣播頻率的現象屢見不鮮。另外，無線廣播電網的復雜性也為非法信號識別工作帶來一定的阻礙，這就使得管理人員要更加深入研究無線電管理技術，才能在層層迷霧的復雜電網環境中追蹤到非法信號源。

1 調頻發射系統非法信號的識別

目前，對于非法調頻廣播信號識別方法的研究不多，雖然無線電信號識別技術的應用已十分成熟，但大多是對無線電干擾信號的識別，對于非法調頻廣播信號識別來說，借鑒意義不大。另外，非法調頻廣播信號大多都沒有獲得廣播電臺的調頻發射權限，而研究人員又無法獲取權限，久而久之就會導致信號資源的流失，研究人員也就缺少了研究對象。除了權限方面的問題，在信號頻率方面非法調頻廣播信號與正常調頻廣播信號幾乎一致，因此，識別起來也十分困難。簡而言之，非法調頻廣播信號不屬于干擾信號的范疇，而屬于非法信號，需要進行識別剔除，保證廣播電臺進行正常的無線調頻發射來傳輸數據。

現在使用較多的無線電信號分類方法有下面幾種：

1.1 模糊模式識別

模糊模式識別有效結合了數學理論基礎，在數據統計識別方面，利用函數定律，能夠直觀表達數據的含義并顯現出數據間的變量關系，另外，對于數據不清晰的無線電信號數據，模糊模式識別優勢十分明顯，但缺點在于算法復雜，無法做到快速有效地識別信號，同時抗噪能力較差，易受到其他干擾信號的影響。

1.2 支持向量機

支持向量機是一種新興的分類技術，在高維模式識別下可以通過VC維函數集映射信號樣本模型的學習能力。它的不足是樣本數量越大，學習結果越正確，此時置信風險就越少；而VC維值越大，則推廣能力越差，置信風險就越大。所以綜上，提高樣本數量，降低VC維，便會降低置信風險，風險值越低代表小樣本問題的可讀性越高，然而對于非線性問題，由于它的狀態是隨著結果環境而變化的，因此，該分類技術在處理非線性問題方面沒有很好的應用。

1.3 神經網絡分類識別

神經網絡指的是傳統的人工神經網絡，類似于人工大腦，具有很強的邏輯思維能力。它的特點在于采用梯度下降法，調整信號誤差并使之將至最低，保障信號分類的準確度。另外，在抗噪能力上也具有很大的優勢，其不受其他干擾信號的影響。而且，其對于非線性網絡信號的識別能夠充分體現其數據關聯。

根據上文的三種分類識別方法的對比分析可知，神經網絡分類識別的在精準度方面優勢明顯，因此本文的非法調頻廣播信號識別問題研究中采用神經網絡分類識別方法來對非法信號進行有效識別。但由于無線電監測采集的數量很大，因此建立合適的分類網絡是識別非法調頻廣播信號的首要工作，其次從采集非法信號中提取特征值，通過設置誤差、初始值等參數來確保激活選取信號的數值，極大地提高了分類識別的效率。

當無線電設備接收到采集的非法信號識別請求時，系統數據處理終端會第一時間與無線電設備建立信號連接，然后對信號數據進行處理識別。首先，數據分類器會有效地過濾掉一部分無效信號，減少數據處理終端的計算量，然后通過神經網絡分類識別進行二次篩選識別處理。

2 調頻發射系統非法信號識別的實現方法

在進行非法調頻廣播信號識別之前，首先需要將調頻發射系統通過RMTP協議鏈接到無線電監測站接，鏈接接口為無線電接收設備，在調頻廣播信號接收方面，可以接收到頻率為FM91.4 MHz的頻譜數據。其次，計算采集信號源的信號特征，設置誤差、均值等參數，通過charaters Dll（字符動態鏈接庫）函數字符串講各幀數據進行動態建模，同時進行數據分析，利用MATLAB數學計算軟件，計算出模型內矩陣數據的特點數值。避免遺漏非法信號的計算，探后通過誤差、均值的分析比較，可以計算異常數據的信號來源。發現來源后要進行分類識別，通過神經網絡分類識別方法進行信號源的分類識別，并調整信號數據的誤差，然后同理通過調用函數建立數據模型，利用MATLAB計算分類成功后的非法信號源，如果絕對值大于0.18，則需要做異常分析報告，分析結果確認無誤后進行非法信號的剔除操作。

另外，對于無線電的監測工程也需要引起重視和關注，監測工作可以從源頭避免非法信號的入侵，如圖1所示，圖1為無線電監測過程。

圖1 無線電監測示意圖

首先，無線電監測設備通過采集無線電發射源發射的無線電波信號，進行信號的解析和傳輸，然后通過RMTP（實時消息傳輸協議）將無線電監測設備處理后的信號頻譜數據傳輸至設備處理PC終端，管理人員通過編寫好的信號識別應用程序進行數據錄入。然后進行操作識別，識別處理結果會在應用系統界面展示，便于管理人員進行查閱。

3 結語

本文主要研究非法調頻廣播信號的識別與實現方法。首先對廣播電臺的電磁環境進行簡要說明，說明非法信號對無線廣播調頻的影響及不法分子所帶來的惡劣影響，然后結合廣播電臺無線調頻網絡環境，提出了神經網絡分類識別方法，其次，根據識別結果，分析無線電監測的重要性，設備終端通過RMTP協議對發射信號源進行監管。通過有效的監測和分類識別，可以實現非法信號的篩選并剔除，為無線電管理機構查處非法廣播電臺的調頻發射信號提供了良好的經驗分享。