非法调频广播信号的识别问题研究

谭 旭

（作者单位：湖南广播电视台广播传媒中心）

随着无线网络的普及，人们在日常生活中随时随地都享受着无线信号所带来的便利。而随着无线电技术的新设备、新技术不断被开发和利用，某些非法信号掺杂在无线设备中很难被发现，无线电台被非法盗用、占用无线广播频率的现象屡见不鲜。另外，无线广播电网的复杂性也为非法信号识别工作带来一定的阻碍，这就使得管理人员要更加深入研究无线电管理技术，才能在层层迷雾的复杂电网环境中追踪到非法信号源。

1 调频发射系统非法信号的识别

目前，对于非法调频广播信号识别方法的研究不多，虽然无线电信号识别技术的应用已十分成熟，但大多是对无线电干扰信号的识别，对于非法调频广播信号识别来说，借鉴意义不大。另外，非法调频广播信号大多都没有获得广播电台的调频发射权限，而研究人员又无法获取权限，久而久之就会导致信号资源的流失，研究人员也就缺少了研究对象。除了权限方面的问题，在信号频率方面非法调频广播信号与正常调频广播信号几乎一致，因此，识别起来也十分困难。简而言之，非法调频广播信号不属于干扰信号的范畴，而属于非法信号，需要进行识别剔除，保证广播电台进行正常的无线调频发射来传输数据。

现在使用较多的无线电信号分类方法有下面几种：

1.1 模糊模式识别

模糊模式识别有效结合了数学理论基础，在数据统计识别方面，利用函数定律，能够直观表达数据的含义并显现出数据间的变量关系，另外，对于数据不清晰的无线电信号数据，模糊模式识别优势十分明显，但缺点在于算法复杂，无法做到快速有效地识别信号，同时抗噪能力较差，易受到其他干扰信号的影响。

1.2 支持向量机

支持向量机是一种新兴的分类技术，在高维模式识别下可以通过VC维函数集映射信号样本模型的学习能力。它的不足是样本数量越大，学习结果越正确，此时置信风险就越少；而VC维值越大，则推广能力越差，置信风险就越大。所以综上，提高样本数量，降低VC维，便会降低置信风险，风险值越低代表小样本问题的可读性越高，然而对于非线性问题，由于它的状态是随着结果环境而变化的，因此，该分类技术在处理非线性问题方面没有很好的应用。

1.3 神经网络分类识别

神经网络指的是传统的人工神经网络，类似于人工大脑，具有很强的逻辑思维能力。它的特点在于采用梯度下降法，调整信号误差并使之将至最低，保障信号分类的准确度。另外，在抗噪能力上也具有很大的优势，其不受其他干扰信号的影响。而且，其对于非线性网络信号的识别能够充分体现其数据关联。

根据上文的三种分类识别方法的对比分析可知，神经网络分类识别的在精准度方面优势明显，因此本文的非法调频广播信号识别问题研究中采用神经网络分类识别方法来对非法信号进行有效识别。但由于无线电监测采集的数量很大，因此建立合适的分类网络是识别非法调频广播信号的首要工作，其次从采集非法信号中提取特征值，通过设置误差、初始值等参数来确保激活选取信号的数值，极大地提高了分类识别的效率。

当无线电设备接收到采集的非法信号识别请求时，系统数据处理终端会第一时间与无线电设备建立信号连接，然后对信号数据进行处理识别。首先，数据分类器会有效地过滤掉一部分无效信号，减少数据处理终端的计算量，然后通过神经网络分类识别进行二次筛选识别处理。

2 调频发射系统非法信号识别的实现方法

在进行非法调频广播信号识别之前，首先需要将调频发射系统通过RMTP协议链接到无线电监测站接，链接接口为无线电接收设备，在调频广播信号接收方面，可以接收到频率为FM91.4 MHz的频谱数据。其次，计算采集信号源的信号特征，设置误差、均值等参数，通过charaters Dll（字符动态链接库）函数字符串讲各帧数据进行动态建模，同时进行数据分析，利用MATLAB数学计算软件，计算出模型内矩阵数据的特点数值。避免遗漏非法信号的计算，探后通过误差、均值的分析比较，可以计算异常数据的信号来源。发现来源后要进行分类识别，通过神经网络分类识别方法进行信号源的分类识别，并调整信号数据的误差，然后同理通过调用函数建立数据模型，利用MATLAB计算分类成功后的非法信号源，如果绝对值大于0.18，则需要做异常分析报告，分析结果确认无误后进行非法信号的剔除操作。

另外，对于无线电的监测工程也需要引起重视和关注，监测工作可以从源头避免非法信号的入侵，如图1所示，图1为无线电监测过程。

图1 无线电监测示意图

首先，无线电监测设备通过采集无线电发射源发射的无线电波信号，进行信号的解析和传输，然后通过RMTP（实时消息传输协议）将无线电监测设备处理后的信号频谱数据传输至设备处理PC终端，管理人员通过编写好的信号识别应用程序进行数据录入。然后进行操作识别，识别处理结果会在应用系统界面展示，便于管理人员进行查阅。

3 结语

本文主要研究非法调频广播信号的识别与实现方法。首先对广播电台的电磁环境进行简要说明，说明非法信号对无线广播调频的影响及不法分子所带来的恶劣影响，然后结合广播电台无线调频网络环境，提出了神经网络分类识别方法，其次，根据识别结果，分析无线电监测的重要性，设备终端通过RMTP协议对发射信号源进行监管。通过有效的监测和分类识别，可以实现非法信号的筛选并剔除，为无线电管理机构查处非法广播电台的调频发射信号提供了良好的经验分享。