● 摘要
本文以自然科学基金《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》为背景。无线电监测系统从系统覆盖区域内获取到的电磁频谱数据，是各种发射信号、复杂电波传播效应影响的结果。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。不同频段的、不同时间的电磁频谱拥有不同的特征，本论文将研究如何从频谱中提取有效特征的方法，进一步提高电磁频谱数据的利用率。
本文首先研究了无线电数据测量方法与预处理技术。针对测量数据量大且非平稳问题、以及回扫时间和扫描准确性之间的矛盾，本课题搭建了电磁环境监测系统、开展频谱监测试验，构建了电磁频谱监测数据集的数学表征模型；在此基础上，对比研究了ITU-R相关建议里的信道合并方法，提出信道积分合并法，计算信道功率；提出噪声聚类门限法，确定了信道占用度的表示方法；针对回扫时间和扫描准确性之间的矛盾，计算TDMA系统的最佳回扫时间。本研究获得了可信的电磁频谱数据，为后续电磁频谱占用度建模和应用研究奠定基础。
本文研究了基于二维隐Markov模型（2D-HMM）的频谱占用度建模方法。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，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新方法——二维隐Markov模型，给出了时频域上的频谱数学表征方法与统计模型；在此基础上，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Markov的电磁频谱使用模型库、实现电磁频谱异常自主识别的方法；通过仿真、实验，验证了基于二维隐Markov模型的电磁频谱异常识别的可行性，能够在较大的差异变化区间，以较高的正确率识别同频干扰、信源超电平发射和大功率邻频发射等典型频谱异常类型。