[发明专利]一种基于频道占用度预测的频谱异常检测方法

说明书

本发明公开了一种基于频道占用度预测的频谱异常检测方法，包括以下步骤：S1：采集历史时间段内的频段扫描数据，生成第一CSI序列；S2：均分第一CSI序列，得到第一频道占用度序列；S3：训练神经网络模型；S4：将第一频道占用度序列输入至神经网络模型进行预测，得到第二和第三频道占用度序列；S5：采集当前时间段内的频段扫描数据，生成第二CSI序列；S6：均分第二CSI序列，得到第四频道占用度序列；S7：计算第一和第二频道占用度序列的偏差百分比；S8：计算第三和第四频道占用度序列的偏差百分比；S9：比较偏差百分比。本方法用长短期记忆网络学习正常工作情况下频道占用度的规律，把不符合规律的数据归为异常。

技术领域

本发明属于频谱检测技术领域，具体涉及一种基于频道占用度预测的频谱异常检测方法。

背景技术

随着电磁技术和无线通信技术的快速发展，无线电信号的形式呈现出多样化的趋势，人类对无线电频谱资源的需求越来越强烈，无线电频谱却不是取之不尽用之不竭的，日益增长的需求和有限频谱资源之间的矛盾为电磁频谱的监管和电磁空间的安全保障增加了难度。近年来，业余无线电台、无人机和无线通信设备的个人使用情况越来越普遍，而由于缺乏对电磁空间安全的认识，非法入侵其他无线通信频段的事例时有发生，甚至出现民航无线电收到干扰，发生安全事故。

现有的频谱异常检测方法主要分为两大类：一种是利用频谱分析的方法，通过分析频谱特征参数的变化来判断频谱状态是否发生异常。另一种是利用有监督的机器学习算法进行二分类来判断频谱异常与否，如：支持向量机，朴素贝叶斯分类等。

一方面，在实际无线电传播频段中，大部分时间无线电信号都是处于正常工作的状态，发生异常的概率相对比较小，而且由于无线电系统复杂，系统内部故障和外部干扰信号等存在多种原因都可能导致系统检测端频谱信号发生异常，使得样本获取难度大，上述有监督的检测方法难以充分掌握经验知识，从而影响到检测精度；另一方面，上述算法基于特定任务和场景，异常信号的类型采用人为标准定义，具有局限性。

发明内容

本发明的目的是为了解决现有频谱检测局限性大的问题，提出了一种基于频道占用度预测的频谱异常检测方法。

本发明的技术方案是：一种基于频道占用度预测的频谱异常检测方法包括以下步骤：

S1：采集历史时间段内的频段扫描数据，并生成第一CSI序列；

S2：均分每天的第一CSI序列，并得到第一频道占用度序列；

S3：利用长短期记忆网络训练神经网络模型，直至饱和并保存；

S4：将第一频道占用度序列输入至保存的神经网络模型进行预测，得到第二频道占用度序列和第三频道占用度序列；

S5：采集当前时间段内的频段扫描数据，并生成第二CSI序列；

S6：均分每天的第二CSI序列，并得到第四频道占用度序列；

S7：计算第一频道占用度序列和第二频道占用度序列的偏差百分比；

S8：计算第三频道占用度序列和第四频道占用度序列的偏差百分比；

S9：比较第一频道占用度序列和第二频道占用度序列的偏差百分比是否小于第三频道占用度序列和第四频道占用度序列的偏差百分比，若是，则当前时间段内异常发生异常，否则未发生异常。

进一步地，步骤S1的具体方法为：采集历史时间段内的频段扫描数据，取出信道中心频率在XHz的频谱数据，并通过阈值法生成第一CSI序列，第一CSI序列中信道状态信息CSI₁的计算公式为：