电磁频谱地图构建方法浅析

城市电磁频谱活动特性建模与分析图1 频谱数据分析流程图2.3.1 预处理（1）均值。

在i t 采样时刻，某一频段1n [,]f f 内各频点功率的平均值为：B inft i j j=11(,)p t f B µ=∑ （1）其中，B 是频段的总长度，随着频谱业务所覆盖的EMA。

假设当前合成频谱序其中，合成频谱热度B if t HC µt =；123period period period 、为123period period period 、为整数，并且小于样本的长度；t _EMA long 等于当前时刻合成频谱热度的周期的EMA 指数平滑移动平均；EMA时间段较高，其他时间变化不大，业务的合成频谱热度图2 不同移动周期下的ISM业务合成频谱热度变化图3.2.3 气象雷达业务24小时合成频谱热度变化位于实验楼附近的气象雷达，对空中的云层进行探测时，辐射的功率比较强，通过对气象雷达业务频段的合成频谱热度进行处理，得到了气象雷达业务的频谱热度变化情况。

图3为气象雷达业务24小时合成频谱热度变化图。

从图3可以看出，气象雷达在一天中合成频谱热度变化较稳定，出现小幅波动主要有三个原因：气象雷达在工作模式切换时会停止发射信号，导致合成频谱热度值小幅下降，气象雷达的主瓣扫过测量地点时，使得合成频谱热度值上升，旁瓣扫过时，使得合成频谱热度值下降。

此外，气象雷达为了适应对不同远近的云的观测需求，有时发射窄脉冲有时发射宽脉冲，会对合成频谱热度的变化产生一定影响。

图3 气象雷达业务24小时合成频谱热度变化图3.3 典型业务应用的合成频谱热度趋势分析考虑到业务段被不同的业务台站占用时，不同业务图4 安徽交通广播电台合成频谱热度变化图图5 中国之声广播电台合成频谱热度变化图（2）GSM900和GSM1800上下行业务合成频谱热度对比。

一个移动用户要实现通信良好必须接收到良好的基站发射的信号，同时移动基站也必须接收到良好的手机所发射的无线信号。

复杂电磁环境下构建频谱管控策略研究作者：李晖行明顺阎婷来源：《考试与评价》2016年第06期【摘要】针对复杂电磁环境构建了频谱检测、管控电磁环境策略，阐述了在战场频谱复杂环境下频谱感知、检测所需求的参数及可行性分析，并根据用频装备电磁环境效应试验对电磁环境的需求，提出了一种适合军队复杂环境下的频谱管控策略。

【关键词】复杂电磁环境频谱管控构建一、建模场景描述战场频谱管理首先需要对周围的战场环境进行检测，因此一个自适应的联合频谱管理的流程必须至少包含频谱感知、频谱分析和频谱判定三个重要环节。

图1给出了一个战场频谱管理的实施流程。

该实施结构是是认知无线电在军事上的应用，是一种能够感知当前军事无线环境，并通过对环境的理解和学习，实时调整它的内部配置，以适应外部战场环境变化的无线电的场景构建。

二、频谱管控需求参数军用认知无线电能够从其工作的无线环境中捕获或者感知信息，从而可以标识特定时间和空间内未使用的频谱资源（频谱空洞），并选择最适当的频谱和工作参数包含吞吐量、误码率、干扰系数、频谱利用率、功率消耗等对频谱管控做实时调整。

频谱感知的主要功能是监测可用频段，检测频谱空洞；频谱分析估计频谱感知获取的频谱空洞的特性；频谱判定根据频谱空洞的特性和用户需求选择合适的频段传输数据。

尽管提高频谱使用率是认知无线电设计的初衷，但是同时也要考虑到系统的吞吐量，功率消耗，误码率和干扰等其他因素。

因此，认知无线电决策引擎就由这些优化目标共同影响决策，如表1所示。

三、频谱管控对策1.确立评价指标体系确立战场电磁频谱动态管控系统效能评估指标体系，主要依据战场电磁频谱动态管控系的构成和功能任务。

在复杂电磁环境中，电磁频谱动态管控系统是由战场电磁频谱感知系统、电磁兼容分析系统、战场电磁态势显示系统等系统组成，各分系统既有分工又密切协作，共同完成战场电磁频谱动态管控任务。

为防止因人的认识角度和看问题的能力不同，以及由此带来的评估结果的不确定性，在确定指挥系统效能评估指标体系的过程中应遵循以下原则客观性、完整性、独立性、可测量性、一致性等。

电磁波的频谱分析及调制方法当我们用手机打电话、观看电视或者使用Wi-Fi上网时，我们很少考虑的一个关键因素是电磁波的频谱分析和调制方法。

然而，这些原理对于无线通信的正常运行至关重要。

本文将介绍电磁波的频谱分析和常见的调制方法，以帮助我们更好地理解无线通信的工作原理。

首先，让我们了解什么是电磁波的频谱。

电磁波的频谱是指电磁波的频率范围，从极低频到极高频。

根据频率从低到高的顺序，电磁波的频谱可分为无线电波、微波、红外线、可见光、紫外线、X射线和γ射线等不同频段。

在无线通信中，常用的频段是无线电波和微波。

无线电波的频率范围通常从几十千赫兹到几百兆赫兹，而微波的频率则更高，从几百兆赫兹到几十千兆赫兹。

频谱分析是指对电磁波的频谱进行测量和分析，以确定其中存在的不同频率成分。

频谱分析仪是一种常用的工具，它可以将电磁波信号转换为频谱图，显示不同频率上的能量强度。

通过频谱分析，我们可以了解到无线通信中使用的频段和频率分布情况，在规划和管理无线电频谱资源方面起着重要的作用。

调制是指在传输中将信息信号与载波信号进行合成的过程。

不同的调制方法可以实现对信号的不同传输要求。

调制方法通常分为模拟调制和数字调制两种。

模拟调制是指将模拟信号，如声音或视频，与连续的载波信号进行调制。

常见的模拟调制方法有调幅（AM）和调频（FM）调制。

调幅通过调整载波信号的幅度来实现信号的传输，而调频则通过调整载波信号的频率来实现信号的传输。

模拟调制方法在早期的无线通信中使用广泛，但由于其受干扰和噪声的影响较大，逐渐被数字调制所取代。

数字调制是指将数字信号转换为离散的载波信号进行调制。

常见的数字调制方法有调幅键控（ASK）、调频键控（FSK）、相移键控（PSK）和正交振幅调制（QAM）等。

数字调制方法具有较好的抗干扰性和容错性，能够更高效地传输数字信息。

例如，4G和5G移动网络就采用了QAM调制技术。

通过了解电磁波的频谱分析和调制方法，我们可以更好地理解无线通信的工作原理和技术应用。

doi:10.3969/j.issn.1003-3114.2023.02.007引用格式:张晗,韩宇,姜航,等.基于残差自编码器的电磁频谱地图构建方法[J].无线电通信技术,2023,49(2):255-261.[ZHANG Han,HAN Yu,JIANG Hang,et al.Electromagnetic Spectrum Map Construction Method Based on Residual Autoencoder [J].Radio Communications Technology,2023,49(2):255-261.]基于残差自编码器的电磁频谱地图构建方法张㊀晗,韩㊀宇,姜㊀航,付江志,林㊀云∗(哈尔滨工程大学信息与通信工程学院,黑龙江哈尔滨150001)摘㊀要:频谱地图是一种表征区域内功率谱密度(Power Spectral Density,PSD)空间分布的可视化方法,在实现频谱资源空间复用等方面具有重要作用㊂针对实际复杂场景下频谱地图构建精度低的问题,提出了一种基于残差自编码器的频谱地图构建方法,通过添加残差连接使编码器的信息可以直接映射到解码器相应部分,以提高频谱地图构建中的网络收敛性能并降低误差㊂仿真实验结果表明,所提出的方法相比于基于传统插值方法和自编码器模型具有更好的性能,在0.01采样率下其构建误差降低了9.7%㊂关键词:频谱地图;残差自编码器;深度学习中图分类号:TN919.23㊀㊀㊀文献标志码:A㊀㊀㊀开放科学(资源服务)标识码(OSID):文章编号:1003-3114(2023)02-0255-07Electromagnetic Spectrum Map Construction Method Based onResidual AutoencoderZHANG Han,HAN Yu,JIANG Hang,FU Jiangzhi,LIN Yun ∗(College of Information and Communication Engineering,Harbin Engineering University,Harbin 150001,China)Abstract :Spectrum map is a visualization method to characterize the spatial distribution of Power Spectral Density (PSD)in aregion,and plays an important role in spatial reuse of spectrum resources.To solve the problem of low accuracy of spectrum map construc-tion in actual complex scenes,a spectrum map construction method based on residual autoencoder is proposed.By adding residual connec-tions,the information of the encoder can be directly mapped to the corresponding part of the decoder,so as to improve network convergence performance and reduce the error in spectrum map construction.Simulation results show that the proposed method has better performance than the traditional interpolation method and autoencoder model.And its construction error is reduced by 9.7%at 0.01sampling rate.Keywords :spectrum map;residual autoencoder;deep learning收稿日期:2022-12-07基金项目:国家自然科学基金(61771154)Foundation Item :National Natural Science Foundation of China(61771154)0　引言近年来,随着通信技术的快速发展和各种新型通信设备的应用部署[1],日益稀缺的电磁频谱资源和当前粗放的频谱分配方式及其导致的频谱资源利用率低下问题之间的矛盾愈发突出[2]㊂电磁频谱作为一种有限的国家重要战略资源,当前迫切需要对其进行合理分配和精细化管理以提高电磁空间的频谱利用率[3-4]㊂电磁频谱地图作为一种频谱态势的可视化手段,其精准构建方法受到学者们的广泛关注[5]㊂电磁频谱地图(Spectrum Map)又称无线电地图(Radio Map)或无线电环境地图(Radio Environment Map),是一种从时间㊁频率㊁空间以及能量等角度精确表征区域空间中电磁频谱态势分布的可视化方法[6]㊂它通过映射区域空间中功率谱密度(Power Spectral Density,PSD)等信息的分布来反映频谱态势的分布情况㊂通过实时构建的电磁频谱地图,可以及时发现频谱空洞,定位 黑广播 伪基站 等非法用频设备,在完善频谱空间精细分配与管理㊁提高电磁环境监管治理水平等方面具有广阔的应用场景[7]㊂受限于数据获取在空间上的稀疏性和不均匀性,如何利用残缺数据构建完整的频谱地图一直是频谱地图构建中的重要问题㊂对于频谱地图的补全构建方法,夏海洋等人[4]将其总结为参数构建法㊁空间插值构建法以及混合构建法3种类别㊂参数构建法通常使用发射机位置㊁发射参数等先验信息构建频谱地图[8]㊂空间插值法常用的算法包括最邻近法(Nearest Neighbor,NN)[9]㊁径向基函数法(Rad-ial Basis Function,RBF)[10]以及克里金法(Krig-ing)[11]等㊂空间插值法不依赖于其他先验知识,仅使用获取的离散数据间的空间相关性来估计空缺位置的监测数值㊂一般来说,参数构建法在先验信息丰富的场景下可以得到更高的建模精度,但在没有或先验信息较少的场景下性能会急剧下降㊂考虑到一般实际场景中,先验信息获取困难,所以空间插值法是当前最流行的方法㊂混合构建法则是上述两种方法的结合,可以在没有或先验信息较少的情况下获得更高精度的结果[12]㊂近几年,随着深度学习技术的快速发展和在多个领域特别是图像生成领域的广泛应用㊂一些研究者参考图像生成的方法,开始尝试使用一些基于深度学习的频谱地图构建方法㊂胡田钰等人[13]使用生成对抗网络实现来三维空间的频谱态势补全,Imai 等人[14]提出利用卷积神经网络进行无线电传播预测,Teganya 等人[15]使用深度自编码器学习传播的空间结果并进行无线电地图的预测㊂Saito 等人[16]通过使用路径损失回归将空间插值问题转化为阴影调整问题,并使用编码解码模型和一种新的渐进学习的训练方法㊂本文提出了一种残差自编码器的频谱地图的构建,在模型中添加残差连接以提高模型的收敛速度并降低预测误差㊂然后,参考图像生成领域的工作[17],在输入中添加一个二进制的掩码用以区分输入缺失位置和测量值㊂最后,通过一个仿真实验来验证提出的残差自编码器与一般自编码器以及传统插值相比的性能优势㊂1　电磁频谱地图构建系统模型本文主要研究和讨论基于PSD 的电磁频谱地图构建问题㊂一般来说,为了便于理解和实现,当前的频谱地图通常是基于单频的PSD 构建的,所以本文后续只考虑单频PSD 的估计问题㊂定义如下场景:在一个固定的地理区域χ中分布着若干个工作在同一特点频点的辐射源S ㊂设Υs (f )表示第s 个辐射源的发射PSD,H s (x ,f )表示第s 个辐射源与空间位置x 处具有各项同性天线的接收器之间的信道频率响应㊂假设在较短时间内Υs (f )和H s (x ,f )是时不变的,且不同辐射源信号之间是不相关的,则在x 处的接收PSD 总和可以表示为:Ψ(x ,f )=ðΥs(f )|H s (x ,f )|2+υ(x ,f ),(1)式中,υ(x ,f )表示由热噪声㊁背景辐射噪声以及其他原因造成的干扰㊂同时,空间中分布着一定数量的装备各项同性天线的接收设备,在不同的位置通过周期图或者频谱分析的方式感知PSD 测量值Ψ~(x n ,f ),并将测量值发送至融合中心㊂融合中心通过n 个位置的PSD 测量值,估计和映射在空间中所有位置的PSD 值Ψ(x ,f )㊂整体的电磁频谱地图构建框架如图1所示㊂图1㊀电磁频谱地图构建框架Fig.1㊀Construction framework of electromagnetic spectrummap㊀㊀关于传感器的分布问题,有些研究成果为进一步节省成本,使用移动监测的策略㊂然而移动监测本身需要一定的监测时长,在频谱态势变化敏捷的场景下难以取得良好的效果;由于监测路径是连续的,会进一步加重监测数据在空间上分布不均匀的问题㊂所以本文从通用性的角度出发,仍考虑分布式监测传感器的策略㊂现有数据驱动的频谱地图构建方法通常依赖于某种插值算法㊂然而这些算法无法从经验中学习,只能通过数据自身的规律性完成频谱地图的补全㊂显然,这种方法在场景较为简单㊁辐射源数量较少㊁传感器分布广泛的情况下可以取得不错的结果㊂但在一些复杂场景下,特别是传感器分布较为稀疏时,插值算法难以准确地估计一些敏感位置的频谱PSD,导致插值算法在一些细节上估计误差偏高㊂随着机器学习,特别是深度学习的发展,其强大的学习和拟合能力被看作是提高频谱地图构建的有效方法㊂因此,一些学者提出使用一些基于深度学习的图像补全的方法实现电磁频谱地图的构建[16]㊂本文基于上述思路,设计了一种残差自编码器用于频谱地图的构建㊂2㊀频谱地图构建方法2.1㊀基于补全自编码器的频谱地图构建基于深度学习的频谱地图构建的总体思路是通过构建一个函数pω来处理缺失的数据㊂也就是说,将整个观测空间离散为一个网格张量,已知部分监测位置的观测值Ψ~(x i,f),其中x iɪΩ,表示监测传感器的部署位置㊂希望网络输入已知观测值Ψ~(x i,f),输出完整的频谱地图Ψ(x,f)㊂因此网络的训练如下: minimize1TðT t=1 Ψt-pω(Ψ~t) 2F,(2)式中,T代表输入的总观测时长,pω(Ψ~t)为基于位于Ω的观测数据而生成的完整频谱地图数据㊂自编码器网络是一种在图像生成领域广泛应用的无监督网络架构[18]㊂自编码器由一个编码器和一个解码器串联组成㊂其编码器的输出一般被认为是输入图像或数据的潜在特征矢量,其维度通常远低于输入数据维度㊂自编码器的工作原理就是通过训练使得解码器重建的输出能够完美地接近于编码器的输入,基于编码器输出的特征矢量,自编码器可以被应用于数据降维㊁图像降噪以及异常检测等任务㊂补全自编码器同样遵循自编码器的模型架构,不同在于其输入缺失的张量数据,而输出完整的张量[18]㊂在实际操作中,通常使用0值表示缺失部分组成一个完整张量作为模型的输入㊂尽管如此,基于深度学习的模型仍没有考虑Ω㊂也就是说网络无法区分测量值与填充值,因此填充性能较差㊂本文参考了图像修复领域的经验,添加了一个二进制的掩码作为输入的另一个维度㊂该掩码直接使用1和0表征实际观测位置和缺失部分,有利于模型更好地训练㊂2.2㊀残差自编码器模型架构本文在自编码器的基础上添加了残差连接,构建一个残差自编码器,其模型架构如图2所示㊂图2㊀残差自编码器模型框架Fig.2㊀Framework of residual autoencodermodel㊀㊀在图2所示的模型中,使用了10个卷积核大小为3ˑ3的卷积层来构建编码器,和10个与之相对应的反卷积层(转置卷积)构建解码器,也就是说本文使用的模型是一个全卷积的自编码器,其中所有的卷积和反卷积层都使用Leaky ReLU函数作为激活函数㊂相比于基于全连接层的自编码器模型,基于卷积的自编码器模型参数更少,可以大幅降低训练所需的数据量,同时卷积也更适合学习频谱地图的空间信息㊂在实际操作中,使用池化层和插值来分别实现模型中的上采样和下采样㊂最后,在编码器和解码器之间添加了3个残差连接,使编码器的信息可以跨层映射到解码器,从而允许梯度直接流向更浅的层,加快模型的收敛速度㊂模型的输入是一个由残缺的频谱监测数据以及表征了观测数据位置的二进制编码张量所组成的大小为N xˑN yˑ2的输入张量㊂其中N x与N y为输入残缺数据张量的长宽㊂模型的输出为补全的完整频谱地图张量,其大小为N xˑN yˑ1㊂3㊀仿真实验3.1㊀仿真数据集构建在基于深度学习模型或者其他数据驱动的频谱地图构建方法中,一个不可避免的问题是需要大量的数据进行训练㊂然而在实际场景中获取完整的频谱地图数据十分困难且成本过高,所以研究者们通常使用一些基于传播模型生成的仿真数据㊂许多研究成果表明,使用仿真数据构建的模型在真实场景中同样可以起到较好的补全效果㊂本文使用了一个开源的频谱地图数据集㊂该数据集使用Remcom公司的Wireless InSite软件,针对遮掩物较多㊁电波传播环境较为复杂的 城市峡谷 场景生成㊂数据集中应用了弗吉尼亚州罗斯林市中心的三维地图,这是一个边长约700m的正方形区域,然后结合了射线追踪(Ray Tracing,RT)算法㊂具体来说,采用弹跳射线法(Shooting and Bouncing Ray)进行仿真,在仿真参数中,最大反射和衍射次数分别设置为6和2㊂该数据集可以被视为实测数据集的一个有效的替代品㊂该数据集的网格分辨率为3m,每张原始频谱地图的大小为245mˑ245m㊂实验中,通过在原始频谱地图上选取随机位置构建大量32mˑ32m的张量数据,即长宽约为100mˑ100m的频谱地图用于仿真实验㊂图3展示了一个随机抽取的用于实验的样本地图㊂需要注意的是,实验中所有的频谱地图数据均使用对数单位dBmW(简称dBm),取代了自然功率单位,这样可以避免数据分布不均所带来的性能损失㊂在新生成的频谱地图数据中,随机抽取一定比例的观测位置作为已知数据,原始数据集共包含频率为1400MHz的42张完整频谱地图,在实验中,使用前40张地图生成的数据进行模型训练,后两张地图生成的数据用于测试㊂基于上节所介绍的输入数据构建方法,构建了5000个训练样本用于残差自编码器的训练,并使用两个全新没有训练过的地图构建了1000个测试样本用于评估模型的性能㊂图3㊀生成仿真数据集示例Fig.3㊀Generate simulation dataset example3.2㊀仿真结果与分析为了验证本文提出方法的有效性,将本文使用的残差自编码器模型与传统的自编码器模型以及3种常用的插值算法进行比较㊂尽可能调整不同模型的参数使其获得最佳性能㊂所有对比模型的具体参数设置如下:①传统自编码器模型,与本文使用的残差自编码器模型基本一致,包含10个卷积层构建的编码器与10个反卷积层构建的解码器组成,主要区别为不包含残差连接;②克里金算法,使用正则化参数为10-5,高速径向基函数的宽度参数σ被设置为采集测量值的两点之间平均距离的5倍;③核学习算法,包括20个拉普拉斯核,使用正则化参数为10-4;④K最邻接算法,作为最基础的频谱地图构建方法,设置了K=5㊂实验中的深度学习网络均基于TensorFlow框架搭建,并使用Adam优化器进行训练,学习率被设置为10-5,batch size大小为16,所有模型训练100个epoch㊂使用均方根误差(RMSE)作为模型性能的指标:RMSE= Ψ-Ψ^ 2FN x N y,(3)式中,Ψ为频谱地图的真实值,Ψ^为估计值㊂基于测试集中的1000个样本评估模型在不同采样率下的补全误差水平㊂比较了上述所有基线模型和本文使用的参差自编码器在0.01~0.20采样率条件下的性能,结果如图4所示㊂由于本文使用了一个接近真实数据的复杂的实验数据集,所以其预测误差指标对比于一些使用简单仿真数据集的文献会偏高㊂由图4可以看出,本文使用的残差自编码器在0.20的采样率下均方根误差为2.86dB,即使在0.01的低采样率下也可以达到7.91dB㊂相较于其他模型和算法,本文所使用的模型几乎在每种采样率下都取得了最好的性能㊂其次是传统的自编码器模型,在低采样率下与残差自编码器性能相差无几,随着采样率的升高,其性能水平被逐渐拉开差距㊂图4㊀残差自编码器与其他基线模型性能对比Fig.4㊀Performance comparison between residualautoencoder and other baseline models图5展示了在0.1的采样率条件下对于测试样本集中的某一样本的补全结果㊂由图5可以看出,本文提出使用的基于残差自编码器的模型取得了最低的补全RMSE误差㊂同时,提出的残差自编码器可以较高程度地还原真实数据中由于城市场景中复杂的信道传播效应等产生的纹路细节;其次是传统自编码器模型,其在整体上基本还原了真实数据的主要特征,而其他基于传统插值算法的方法则分别出现了不同程度的失真,补全效果较差㊂(a)真实数据㊀㊀㊀㊀(b)残差自编码器结果RMSE=1.450129㊀㊀㊀㊀(c)传统自编码器结果RMSE=3.009530 (d)克里金插值法结果RMSE=4.527919㊀㊀㊀㊀(e)核学学算法结果RMSE=3.461993㊀㊀㊀㊀(f)K最邻接算法结果RMSE=3.914541图5㊀0.1采样率条件下不同模型补全效果对比Fig.5㊀Comparison of completion effects of different models at0.1sampling rate㊀㊀图6展示了残差自编码器与传统自编码器在100个epoch下的训练损失的对比结果㊂由图6可以看出,在两种模型架构和超参数基本一致的条件下,添加了残差连接的补全模型明显优于原始模型,同时收敛速度更快,该结果说明添加残差连接的策略是有效的㊂图6㊀残差自编码器与传统自编码器训练损失对比Fig.6㊀Comparison of training loss between residualautoencoder and traditional autoencoder4　结论针对实际复杂场景下频谱地图生成精度低的问题,本文构建了一个基于残差自编码器的补全模型用于学习无线电信道传播的空间结构,实现频谱地图的高精度构建㊂基于自编码器的深度学习方法可以很好地拟合数据,而添加残差连接的方法又进一步降低了估计误差㊂在一个接近真实场景的仿真数据集上进行对比试验,结果证明本文提出的残差自编码器模型对比其他基线模型具有更好的补全精度㊂然而,基于数据驱动的频谱地图补全方法始终受大量数据获取问题的困扰,在实际场景应用受限㊂未来的工作将围绕通过迁移缓解大量训练数据获取难的问题展开㊂参考文献[1]㊀张思成,林云,涂涯,等.基于轻量级深度神经网络的电磁信号调制识别技术[J].通信学报,2020,41(11):12-21.[2]㊀LIN Y,WANG M,ZHOU X,et al.Dynamic SpectrumInteraction of UAV Flight Formation Communication withPriority:A Deep Reinforcement Learning Approach [J].IEEE Transactions on Cognitive Communications and Net-working,2020,6(3):892-903.[3]㊀丁国如,孙佳琛,王海超,等.复杂电磁环境下频谱智能管控技术探讨[J].航空学报,2021,42(4):200-212.[4]㊀夏海洋,查淞,黄纪军,等.电磁频谱地图构建方法研究综述及展望[J].电波科学学报,2020,35(4):445-456.[5]㊀王圆春,肖东,林云.电磁频谱数据的关联规则挖掘[J /OL].电波科学学报:1-9[2022-11-29].http:ʊ /kcms/detail /41.1185.TN.20220601.1501.003.html.[6]㊀GUO L,WANG M,LIN Y.Electromagnetic EnvironmentPortrait Based on Big Data Mining[J].Wireless Commu-nications and Mobile Computing,2021(3):1-13.[7]㊀李伟,冯岩,熊能,等.基于无线电环境地图的频谱共享网络研究[J].电视技术,2016,40(10):60-66.[8]㊀ALFATTANI S,YONZACOGLU A.Indirect Methods forConstructing Radio Environment Map [C]ʊ2018IEEECanadian Conference on Electrical &Computer Engineer-ing (CCECE).Québec City:IEEE,2018:1-5.[9]㊀UMER M,KULIK L,TANIN E.Spatial Interpolation inWireless Sensor Networks:Localized Algorithms for Vario-gram Modeling and Kriging[J].Geoinformatica,2010,14(1):101-134.[10]AZPURUA M A,DOS RAMOS K.A Comparison of Spa-tial Interpolation Methods for Estimation of Average Elec-tromagnetic Field Magnitude[J].Progress in Electromag-netics Research M,2010,14:135-145.[11]胡炜林,刘辉,彭闯,等.基于Kriging 算法的电磁频谱地图构建技术研究[J].空军工程大学学报(自然科学版),2022,23(3):26-33.[12]李泓余,沈锋,韩路,等.一种模型和数据混合驱动的电磁频谱态势测绘方法[J].数据采集与处理,2022,37(2):321-335.[13]胡田钰,吴启晖,黄洋.基于生成对抗网络的三维频谱态势补全[J ].数据采集与处理,2021,36(6):1104-1116.[14]IMAI T,KITAO K,INOMATA M.Radio Propagation Pre-diction Model Using Convolutional Neural Networks byDeep Learning[C]ʊ201913th European Conference onAntennas and Propagation (EuCAP ).Yokosuka:IEEE,2019:1-5.[15]TEGANYA Y,ROMERO D.Deep Completion Autoencod-ers for Radio Map Estimation[J].IEEE Transactions on Wireless Communications,2021,21(3):1710-1724.[16]SAITO K,JIN Y,KANG C C,et al.Two-step Path LossPrediction by Artificial Neural Network for Wireless Serv-ice Area Planning [J].IEICE Communications Express,2019,8(12):611-616.[17]IIZUKA S,SIMO-SERRA E,ISHIKAWA H.Globally andLocally Consistent Image Completion[J].ACM Transac-tions on Graphics(ToG),2017,36(4):1-14.[18]LU K,BARNES N,ANWAR S,et al.Depth CompletionAuto-encoder[C]ʊ2022IEEE /CVF Winter Conference onApplications of Computer Vision Workshops (WACVW).Waikoloa:IEEE,2022:63-73.作者简介:㊀㊀张㊀晗㊀哈尔滨工程大学研究生㊂主要研究方向:电磁环境数据挖掘与可视化分析㊂㊀㊀韩㊀宇㊀博士,哈尔滨工程大学讲师㊂主要研究方向:复杂电磁环境认知㊁物联网海量信息接入㊂发表学术论文及专利10余篇,其中SCI 检索3篇,美国专利1篇;参与编写教材1部㊂作为项目主要负责人,承担国家自然科学基金项目1项㊂㊀㊀姜㊀航㊀博士,哈尔滨工程大学讲师㊂主要研究方向:毫米波通信㊁频谱认知㊁电磁目标识别㊂㊀㊀付江志㊀博士,哈尔滨工程大学讲师㊂主要研究方向:宽带数字通信㊁信号设计与处理㊁通信抗干扰㊂发表学术论文6篇,其中EI 检索4篇㊂作为主要成员,参与完成国家自然科学基金面上项目1项㊂㊀㊀(∗通信作者)林㊀云㊀哈尔滨工程大学教授,博士生导师,先进船舶通信与信息技术工业与信息化部重点实验室副主任㊂主要研究方向:智能无线电技术㊁人工智能和机器学习㊁大数据分析与挖掘㊁软件和认知无线电㊁信息安全与对抗㊁智能信息处理等㊂参与研发了具有自主知识产权的软件无线电通用开发平台,发表SCI 检索50余篇,ESI 高被引论文8篇,授权专利11项,荣获国防科技进步一等奖1项,中国电子学会科技进步一等奖1项,国防科技进步三等奖2项,黑龙江省科技进步三等奖1项㊂。

电磁频谱智能化管理浅析电磁频谱管理的智能化，就是针对电磁频谱管理中涉及到的政策制定、频谱共用、频率自动选择、频谱参数审核、环境监测、设备检测、频管数据存储与信息处理、通信、用频设备的控制等方面，应用智慧地球、感知中国的理念和新技术，提高电磁频谱管理的智能化水平。

新技术在电磁频谱管理中的应用，主要体现在以下五个方面。

1.加强电磁频谱管理政策的研究当前电磁频谱应用新技术的快速发展，极大地超过了政策制定者做出反应的能力，随着智慧地球的深入推进，电磁频谱的有效管理将是智慧地球能否实现和完善的“瓶颈技术”。

当前国家各类用频系统的频谱使用仍处于静态规划和初步动态协调的阶段，且主要通过文电进行人工频率调整和协同，难以适应动态计划对频谱使用的需求。

由此可见，实施动态频谱管理政策势在必行，今后我们可以加强研究“政策捷变（policy-agile）”，依靠一种动态变化的政策来约束行为的频谱管理方法。

在这种管理方法中，对无线电设备来讲，约束行为的政策是随时间和位置的变化而动态变化的；政策不再固定嵌入到无线电设备中，而是可以在机动过程中加载；无线电设备需要在动态变化的频谱管理政策约束下，根据所处的频谱环境改变频谱接入策略。

2.认知无线电的应用FCC在2003年12月发布的一则通告中，对认知无线电做了如下定义：认知无线电是一种能够根据与他的操作环境进行交互而改变传输参数的无线电。

从这个定义可知，智慧的认知无线电应该具有三个主要特点：认知能力、重配置能力和学习能力。

其体系结构称为认知环（OOPDAL），主要包含七个主要步骤：感知、感知信息判断（分析）、生成计划、推理决策、计划执行、反馈学习和知识共享。

目前对认知无线电的研究主要集中在认知无线电系统中的合作及跨层设计技术、空间型号检测和分析及Qos保证机制等，研究的广度和深度都很不够。

今后可以在干扰湿度模型的构建、基于Qos的频谱决策技术、动态频谱接入技术、（非）合作式频谱共享技术、网间频谱共享技术、认知无线电路由协议设计、无线电指示表述和认知无线电网络安全问题等方面进行深入的研究。

电磁波的频谱分析方法研究电磁波是一种由电场和磁场交替变化而波动传播的能量形式。

在我们日常生活中，电磁波无处不在，从微弱的无线电信号到强烈的太阳辐射，都是电磁波的不同形式。

为了更好地了解和利用电磁波，我们需要对其频谱进行深入的研究和分析。

频谱分析是通过将复杂的信号分解成一系列频率成分的过程。

在电磁学领域，频谱分析方法被广泛应用于研究不同波段的电磁波信号。

下面将介绍几种常见的频谱分析方法及其应用。

首先，傅里叶变换是一种被广泛使用的频谱分析方法。

傅里叶变换可以将时域信号转变为频域信号，将信号在不同频率上的成分展现出来。

利用傅里叶变换，我们可以分析电磁波信号的频率、幅度和相位等特征。

例如，在通信领域，傅里叶变换可以用于解调和分析无线电信号，帮助我们提取有用的信息。

其次，小波变换是一种在时-频域上分析信号的方法。

与傅里叶变换不同，小波变换可以提供更加精确的时间和频率信息。

小波变换将信号分解为不同尺度和频率的小波基函数，使得我们可以同时观察信号的时域和频域特征。

在雷达和无线通信等领域，小波变换被广泛应用于信号检测和故障诊断等任务。

此外，功率谱密度分析是一种用于研究信号能量分布的方法。

功率谱密度描述了信号在不同频率上的能量分布情况，可以帮助我们了解信号的频率特征和能量分布状况。

通过功率谱密度分析，我们可以判断信号的稳定性和周期性，并对电磁干扰问题进行定位和解决。

除了以上提到的方法，频谱分析还可以结合现代计算机技术进行更加精确和高效的处理。

快速傅里叶变换（FFT）算法是一种常用的计算傅里叶变换的方法，可以大大提高计算效率。

另外，自适应信号处理技术和机器学习方法也可以应用于频谱分析，帮助我们从复杂的电磁波信号中提取有用的信息。

最后，频谱分析方法的研究还可以拓展到更广泛的领域。

例如，如何应对电磁波辐射对人体健康的影响是一个备受关注的问题。

通过频谱分析，我们可以研究不同频段的电磁辐射对人体产生的影响，并采取相应的防护措施。

电磁频谱方案引言随着科技的不断发展和应用的广泛推广，电磁频谱的合理利用变得越来越重要。

在无线通信、卫星通信、广播电视、雷达系统等领域中，电磁频谱的规划和管理直接影响到通信质量和频谱资源的有效利用。

因此，制定合理的电磁频谱方案显得尤为关键。

1. 电磁频谱的基本概念电磁频谱是指电磁波在空间中的传播频率范围。

这个范围从长波到短波，包括无线电波、微波、红外线、可见光、紫外线、X射线和γ射线。

不同频段的电磁波有不同的特性和应用领域，合理规划电磁频谱可以更好地实现各种通信需求。

2. 电磁频谱方案的重要性制定科学合理的电磁频谱方案对于提高通信效果、增加频谱资源利用效率、促进通信行业的健康发展具有重要意义。

在电磁频谱管理中，需要考虑到以下几个方面：2.1 频段规划对于不同的应用领域和不同的通信技术，需要规划并分配相应的频段。

比如，卫星通信需要特定的频段进行通信，而无线电和移动通信则需要另外的频段。

合理的频段规划可以避免频谱资源的浪费和相互干扰。

2.2 频段共享和协调频段资源是有限的，因此需要进行频段的共享和协调。

这涉及到不同通信系统之间的干扰问题以及如何进行频段分配。

共享和协调的合理方案可以提高频谱资源的利用效率，避免不必要的频谱冲突。

2.3 频段管理频段管理是对频段资源进行有效管理和监测的过程。

包括对频段的分配、使用和监测等。

通过合理的频段管理，可以确保频谱资源的有序利用，避免非法使用以及对无线通信服务的干扰。

3. 电磁频谱方案制定的原则制定电磁频谱方案需要遵循一些基本原则，以确保方案的科学性和可行性。

3.1 科学性原则电磁频谱方案制定应基于科学技术发展的前沿，充分借鉴国际先进经验和技术标准。

方案需要考虑到不同通信系统之间的互联互通以及未来的技术发展趋势。

3.2 公平合理原则频谱资源是有限的，方案制定需要公平合理地分配和利用频谱资源，确保各类通信系统和用户的合法权益。

公平合理的频谱分配可以促进行业的健康发展。

浅谈电磁频谱战知识图谱构建技术刘紫寒，女，汉族，籍贯：河南永城生于：1987-12，工作单位：武警河南总队，单位省市：河南省郑州市，单位邮编：450004，职称：助理工程师，本科学历，研究方向：主要从事信息运维、电磁频谱管理摘要：随着现代化技术以及信息化手段的飞速发展，社会已经进入到了全新的发展进程中，这也为各大社会行业的发展起到了良好的促进作用，而站在军事领域发展的角度上来看，在现代化技术得到广泛应用的背景下，电磁频谱战已经受到了重点关注，并且电磁频谱战条令中涉及到的内容也十分丰富，涉及到了作战组织、规划内容以及具体实施等内容，能够更好的反映出外军对于作战方面所进行的考虑。

所以，这就需要在电磁频谱战条令的基础上，采用知识图谱的方式来有效解决其中存在的各种问题。

因此，文章首先对电磁频谱战知识图谱的基本概述加以明确；在此基础上，提出电磁频谱战知识图谱的具体构建技术。

关键词：电磁频谱战；知识图谱；构建技术引言：在当前的社会发展进程中，电磁频谱战知识图谱已经受到了军事领域的重点关注，而知识图谱的建立在本质上属于一种具备着系统性特征的问题，对于那些非结构化的文本数据信息，就要采用从上到下的方式，充分结合本体建模以及以自然语言处理等多种内容，建立起更加完整的军事条令知识图谱，而在明确电磁频谱战条令具体内容的基础上，就要在结合知识抽取技术以及图谱补全技术的同时，构建出更加完整的电磁频谱战知识图谱框架，并将框架作为核心来实现对于知识图谱的合理构建，更好的体现出框架所具备的实用性。

一、电磁频谱战知识图谱的基本概述随着科学技术的高速发展，以及军事领域内部发展变革的持续深入，各类信息化技术以及现代化装备已经得到了大规模应用，这也使得传统战争模式逐步转变为了以信息化技术为主的机械化战争模式。

在这种高倍镜下，电磁频谱无论是在加密通信、情报侦察还是指挥控制等方面，都起到了十分重要的作用，但由于资源相对有限，使得敌我双方在电磁频谱领域当中的竞争越来越激烈，为了在战争中占据主动地位，获取到更加显著的电磁优势，就要在复杂的电磁环境中，针对敌方所进行的各种行动进行及时反应，这就需要利用计算机设备来实现对于信息的快速组织与处理，并及时将信息转变为能够人为认知模式。

专利名称：基于深度强化学习的频谱地图构建与分发方法及系统
专利类型：发明专利
发明人：周力,刘兴光,谭翔,魏急波,赵海涛,熊俊,高文颖,黄圣春,张姣,曹阔
申请号：CN202111341780.2
申请日：20211112
公开号：CN114116209A
公开日：
20220301
专利内容由知识产权出版社提供
摘要：本发明公开一种基于深度强化学习的频谱地图构建与分发方法及系统，该方法将移动边缘网络中的联合卸载和资源管理问题建模成移动边缘网络中计算与通信折衷模型，并构建一个集中式训练、分布式执行的强化学习框架，该强化学习框架包括离线训练模块和在线执行模块，在线执行模块利用学习到的卸载策略进行频谱地图的分步构建，而离线训练模块则根据认知用户的卸载计算结果对在线执行模块进行动态的更新。

本发明提供了一种移动边缘网络场景下网络规模可扩展的频谱地图构建与分发方法，用最小的频谱数据负载和计算开销为网络认知用户提供实时高精度的频谱地图服务，有效提升移动边缘网络的频谱效率和鲁棒性。

申请人：中国人民解放军国防科技大学
地址：410073 湖南省长沙市开福区德雅路109号
国籍：CN
代理机构：长沙国科天河知识产权代理有限公司
代理人：邱轶
更多信息请下载全文后查看。

专利名称：一种用于构建电磁地图的方法和系统
专利类型：发明专利
发明人：王红军,林栋明,丁希成,杜逸潇,陈晶,孟祥豪,李媛丽,安永旺,段永胜,张坤峰,王昊,王军,程千顷,陈璐
申请号：CN202111036347.8
申请日：20210906
公开号：CN113466571B
公开日：
20220222
专利内容由知识产权出版社提供
摘要：本发明提出一种用于构建电磁地图的方法和系统。

包括：在目标区域内经栅格划分的各个数据点上随机部署第一数量的感知节点，所述感知节点用于采集电磁数据；从采集有所述电磁数据的各个感知节点中随机选取第二数量的聚类样点进行聚类，以获取第三数量的聚类中心，所述聚类中心用于构建所述第三数量的小面积电磁地图；通过对已知数据点执行时间‑空间域与频率‑波数域的映射，来确定所述目标区域内未知数据点的电磁数据预测值；所述已知数据点包括：所述小面积电磁地图覆盖的数据点；未被所述小面积电磁地图覆盖的感知节点；整合所述已知数据点的电磁数据值和所述未知数据点的电磁数据预测值，来构建所述目标区域的完整电磁地图。

申请人：中国人民解放军国防科技大学
地址：410073 湖南省长沙市开福区德雅路109号
国籍：CN
代理机构：中国和平利用军工技术协会专利中心
代理人：刘光德
更多信息请下载全文后查看。

专利名称：基于多模态融合的电磁地图构建方法及相关装置专利类型：发明专利
发明人：穆俊生,周全,景晓军,崔原豪,张荣辉,张芳沛,黄海
申请号：CN202111395214.X
申请日：20211123
公开号：CN114359490A
公开日：
20220415
专利内容由知识产权出版社提供
摘要：本申请提供一种基于多模态融合的电磁地图构建方法及相关装置，包括：获取目标区域的环境电磁信号数据和环境图像数据；对环境电磁信号数据和环境图像数据分别进行编码，将环境电磁信号数据和环境图像数据分别映射到对应的隐空间，得到环境电磁信号编码数据和环境图像编码数据；将环境电磁信号编码数据和环境图像编码数据输入预先构建并训练得到的生成式对抗网络模型，得到环境电磁信号生成数据；将环境电磁信号生成数据映射到环境电磁信号数据对应的数据空间，得到目标区域的电磁地图。

本申请将对应于不同的数据空间的环境电磁信号数据和环境图像数据映射到隐空间，并通过生成式对抗网络模型实现二者特征的融合，提高了构建地图的准确性。

申请人：北京邮电大学
地址：100876 北京市海淀区西土城路10号
国籍：CN
代理机构：北京风雅颂专利代理有限公司
代理人：王刚
更多信息请下载全文后查看。

电磁频谱战体系架构的视图描述
乔凤卫;崔如心;刘红雨
【期刊名称】《电子对抗》
【年(卷),期】2017(000)005
【摘要】介绍了运用体系架构视图来描述电磁频谱战的必要性，在借鉴美国国防
部体系架构的基础上，提出了采用作战视图、系统视图和技术视图的方法对电磁频谱战体系架构进行视图描述的设计思路，对电磁频谱战的构建具有一定的启发作用。

电磁频谱战体系架构采用视图的形式进行描述，不仅可以明确系统的作战需求、应具备的作战能力、系统的设计、开发和建设方向，而且对电磁频谱战的可持续应用、适应未来的发展、最大范围的共享信息资源、满足我军一体化联合作战对系统互联、互通、互操作的需要，奠定了坚实基础。

【总页数】5页(P22-26)
【作者】乔凤卫;崔如心;刘红雨
【作者单位】95927部队河北沧州061736;95927部队河北沧州061736;95927部队河北沧州061736
【正文语种】中文
【中图分类】TN97
【相关文献】
1.从现代通信电子战向电磁频谱战转型发展概述 [J], 蒋盘林
2.从电磁频谱特性看未来电磁频谱战的捷变性 [J], 顾黎明;张小林;刘健
3.电磁频谱战中的无线电监测——《电波制胜:重拾美国在电磁频谱领域霸主地位》报告启示 [J], 骆超;段洪涛;吴曦
4.面向电磁频谱战的策略研究 [J], 李佳;王长焕;刘献杰;李少朋
5.从美军舰载电子战装备发展看电磁频谱战的发展脉络 [J], 颜雨;余刚;刘波
因版权原因，仅展示原文概要，查看原文内容请购买。

基于电磁频谱地图的辐射源定位算法
杜逸潇;王红军
【期刊名称】《计算机仿真》
【年(卷),期】2024(41)1
【摘要】针对非协作条件下采集的电磁数据残缺且受噪声和干扰污染严重所导致的电磁频谱地图仅能粗略反映辐射源位置分布问题,基于分布式感知网络架构,提出一种基于电磁频谱地图的辐射源精确定位算法。

算法利用目标区域中随机部署的感知节点采集的电磁数据,借助克里金插值算法构建出目标区域的电磁频谱地图;通过分析电磁信号强度以及辐射覆盖区域的变化规律,得到辐射源的潜在位置集合;再结合电磁信号传播的路径损耗模型,判断出集合中的最佳估计位置,完成辐射源定位。

仿真结果表明,上述算法能够从电磁频谱地图中获取更精确的辐射源位置信息,在定位精度和稳定性上优于现有的同类型定位算法。

【总页数】6页(P8-12)
【作者】杜逸潇;王红军
【作者单位】国防科技大学电子对抗学院
【正文语种】中文
【中图分类】TN971
【相关文献】
1.基于逆向无源定位的辐射源目标地图导航
2.基于频谱测绘的辐射源定位
3.基于Kriging算法的电磁频谱地图构建技术研究
4.基于北斗信号外辐射源的目标直接定
位算法——评《目标定位跟踪方法与实践》5.一种基于电磁态势数据聚类的辐射源定位算法
因版权原因，仅展示原文概要，查看原文内容请购买。

基于Shepard插值技术的电磁环境地图构建茅丹磊;钱祖平;邵尉;薛红【期刊名称】《强激光与粒子束》【年(卷),期】2018(030)011【摘要】随着信息产业和相关无线电通信业务的不断发展,频谱管理问题将更具挑战性.合适的频谱管理方法使得发射机有效地重复利用频率,用户设备(UE)可以选择最佳的基站.电磁环境地图(REM)概念作为解决频谱稀缺性和提高频谱利用率的工具,使不同的用户有效地共享频谱资源.电磁环境地图正在成为越来越普及的干扰管理和资源分配方法.构建电磁环境地图并不需要昂贵和耗时的调查或复杂的校准过程.给出了Shepard插值技术,并在某些方面对其进行改进,从而构建精确的电磁环境地图.此外,通过均方根误差(RMSE)作为性能度量,对测量值的数量和分布的影响进行分析比较.仿真结果表明,通过迭代聚类采样和优化的Shepard插值技术,并增加测量次数,从均方根误差的性能指标角度出发,能获得最精确的电磁环境地图.【总页数】7页(P67-73)【作者】茅丹磊;钱祖平;邵尉;薛红【作者单位】陆军工程大学通信工程学院,南京 210007;陆军工程大学通信工程学院,南京 210007;陆军工程大学通信工程学院,南京 210007;陆军工程大学通信工程学院,南京 210007【正文语种】中文【中图分类】TN92【相关文献】1.基于Shepard相似插值的电网非线性评价指标研究 [J], 孙大雁;仇晨光;张勇;刘林2.基于改进空间插值的无线电环境地图生成技术 [J], 字然;常俊;宗容;王若男;廖贵文3.一种内插法与外推法混合的动态电磁环境地图构建方法 [J], 郭宇鹏;邵尉;张衍;刘亚湘;张淞4.两步Shepard插值组合模型在构建局部似大地水准面中的应用 [J], 王俊杰;滕雷;佴晋;王隆安5.基于序列Shepard插值的结构可靠性分析 [J], 张峰;吕震宙;赵新攀因版权原因，仅展示原文概要，查看原文内容请购买。