基于Labview的频谱监测系统设计与实现

夏 伟, 邱 斌, 丁风海，余清华

(中国卫星海上测控部，江苏 江阴 214431)

基于Labview的频谱监测系统设计与实现

夏 伟, 邱 斌, 丁风海，余清华

(中国卫星海上测控部，江苏 江阴 214431)

传统无线电频谱监测系统监测功能复杂，造价昂贵，适合专业使用，对于应用要求不高的场合往往使用频谱分析仪进行代替使用，但存在监测效率不高和无法记录的问题，针对该问题，设计了一套基于Labview的频谱监测系统，实现了基于单类支持向量机模型的频谱智能检测、瀑布图和荧光图态势显示，以及实时记录与回放等功能；实验结果表明，频谱监测效果较好，具有推广应用价值。

频谱监测; 单类支持向量机; 瀑布图；荧光图；频谱分析仪

0 引言

近十年来，无线通信技术取得巨大发展，如卫星中继通信、个人移动通信、WiFi、蓝牙和无线Mesh网等。这些技术共存在一个多频段(Multi-Radio，MR)多信道(Multi-Channel，MC)网络环境中为用户服务。这些通信系统对无线频谱资源的需求也相应增长，从而导致适用于无线通信的频谱资源变得日益紧张，成为制约无线通信发展的新瓶颈。因此，如何通过频谱监测系统认知和重新配置频谱资源，提高频谱使用效率现已成为热点研究课题[1-3]。

传统的无线电频谱监测系统硬件要求很高、监测功能复杂，造价昂贵，适合专业使用，对于应用要求不高的场合往往使用频谱分析仪进行代替使用，但直接使用频谱分析仪进行频谱监测亦存在明显不足，比如一般频谱分析仪不具备频谱自动记录和回放功能，显示功能单一，异常频谱识别需要人工参与，监测效率较低等问题。本文针对上述不足之处，借鉴专业无线电频谱监测系统的先进功能设计，设计了一套基于Labview的频谱监测系统，实现了基于单类支持向量机模型的频谱智能检测、瀑布图和荧光图态势显示，以及实时记录与回放等功能，下面介绍其设计实现过程。

1 系统组成设计

频谱监测系统功能设计主要包括以下方面：1)完成电子设备内部传输信号的频谱状态监测，及时发现设备运行时可能出现的异常情况；2)对电子设备所处电磁环境的干扰信号进行频谱监测，排查空间电磁辐射的干扰情况；3)要求频谱监测系统需具备远程监测能力。根据以上需求分析，系统的组成设计如图1所示。

图1 频谱监测系统组成示意图

一般无线电频谱监测系统通常是由天线、监测接收机、记录设备及软件和控制系统等基本单元组成。其中监测接收机是监测系统的核心，在无线电监测系统接收机选择方案中，有以监测接收机为核心和以频谱仪为核心的两种方案[4]。考虑到专用监测接收机造价昂贵，一般电子设备或通信系统的配套测试设备通常以频谱分析仪为主，所以本文频谱监测系统选择频谱分析仪作为监测核心设备，可以大大降低系统建设成本，其硬件设备组成如表1所示，其中频谱分析仪主要完成监测信号频谱的采集；宽带天线用于空间电磁信号的接收；LAN-GPIB适配器用于仪器GPIB接口到LAN网络接口的转换；远程计算机终端完成信号频谱的处理、显示和存储功能。

表1 系统硬件组成表

图3 无线电频谱自动监测系统软件总体结构设计图

2 系统软件设计与实现

本文无线电频谱监测系统界面部分需要显示各种频谱波形，美国国家仪器公司的Labview软件平台提供了直观的图形化编程环境、基于虚拟仪器技术的各种波形显示控件以及先进的信号处理工具箱，非常适合本项目软件的开发应用。因此，频谱监测系统选择在Wingdows操作系统下使用National Instruments Labview8.5软件作为开发环境，在下文设计实现阶段亦使用Labview图形化编程环境术语进行介绍。

2.1 软件总体方案设计与实现

本文所述无线电频谱监测系统软件是一个典型的测量应用程序，软件总体方案可以划分为3个层次来实现：最上层是主VI，相当于一般程序的主界面，负责提供用户与系统程序的交互界面，并调用下层VI应用；中间层为功能层，负责测量程序主要功能的定义和相互运行的协调关系；最底层为驱动层，主要根据功能层各模块的定义实现具体功能，对于测量程序，各功能模块主要通过调用不同的驱动完成数据采集、处理、显示和存储等任务。

频谱监测系统是一个持续性的测量系统，即测量过程并非只需运行一次，而是要不断循环进行数据采集、处理、显示和存储任务。对于普通循环模型，测量过程每个功能模块之间存在着顺序上的依赖关系，它只能单线程运行，计算机必须先执行完前一个模块，才能运行下一个模块。本文采用如图2所示的管道流水线模型改进数据处理效率，即测量程序在采集新数据的同时，处理上一次循环迭代采集到的数据，同时，显示和存储上一次循环迭代处理好的数据。在流水线模型中，程序执行一次循环迭代的时间由所有功能模块中耗时最长的模块决定，而普通循环模式执行一次循环迭代的时间是所有功能模块耗时的总和。

图2 基于管道流水线模型的软件总体结构图

软件总体结构设计实现如图3所示，主要由两个顺序帧结构组成，第一帧主要完成系统监测参数的初始化，第二帧为基于管道流水线模型的循环结构，主要完成频谱采集、监测、显示与存储等关键内容。

2.2 基于OCSVM模型的频谱监测软件设计及实现

根据频谱检测方法研究现状，当前主要包括能量检测、循环特征检测和匹配滤波检测等算法。其中能量检测是频谱检测的最基本方法[5-6]，但由于只能计算信号的能量，不能区分干扰是来自信号还是噪声，因此准确度不高；循环特征检测是利用接收信号的循环特征来进行频谱检测的一种方法[7-8]，由于频谱分析仪的频谱采样速度在几十毫秒之间，难以满足谱分量互相关运算的时间分辨率要求，因此使用频谱分析仪进行循环特征检测存在困难；由于匹配滤波器检测[9]需要对监测信号进行解调，这就意味着需要监测信号的先验知识，因此其适用于合作目标的信号检测。

由以上分析可知，由于频谱分析仪测量输出频谱数据的特殊性，常见频谱检测方法一般难以应用。针对该问题，本文把频谱分析仪的输出频谱表示为一个高维度的向量，则根据向量空间理论，此时可以把输出频谱理解为观测数据向量在各个频率维度上的投影，此时频谱检测问题可以等效为在高维向量空间中对输入频谱向量进行分类的问题。对于分类问题，可以使用模式识别的方法进行解决，但传统模式识别是针对样本数目足够多的情况进行研究，由于频谱监测过程中干扰信号频谱是不可预知的，即同样存在训练样本缺乏问题，这与匹配滤波器检测方法需要监测信号的先验知识是同样的问题。

根据统计学习理论可知，针对此类有限样本条件下的机器学习问题，Scholkopf等人提出了支持向量机分类模型[10-11]，将分类特征向量非线性地映射到一个高维特征空间中，并在高维特征空间中建立最优分类面来实现分类。在具体软件实现过程中，可以直接选择相关工具箱函数进行编程实现。本文选择台湾大学林智仁教授开发的LibSVM3.1版工具箱函数进行频谱监测功能模块的软件设计与实现[12-13]，具体使用其中的OCSVM单类分类模型进行频谱干扰监测，即把正常状态频谱作为正类，所有其他非正常干扰状态频谱作为异类，此时训练样本只需提供正常状态样本即可完成模型训练，其优点是可以避免高代价的非正常干扰样本采集，且对未知干扰信号同样具有良好的检测效果，频谱干扰检测流程设计如图4所示。

图4 频谱干扰检测流程设计图

训练阶段，OCSVM模型提取历史样本库中积累的系统正常状态频谱数据，训练后得到检测模型，具体Labview程序框图如图5所示，其中SVM Train为Libsvm工具箱训练函数。

图5 OCSVM模型训练程序设计图

检测阶段，部署于目标系统的频谱分析仪采集当前频谱波形数据，数据预处理后输入检测模型对其进行否定检测，当出现干扰频谱数据时触发故障告警，通知系统监测人员及时处理，具体Labview程序如图6所示，其中SVM Predict为Libsvm工具箱判决函数。

图6 OCSVM模型预测程序设计图

2.3 频谱瀑布图显示功能软件设计及实现

频谱分析仪输出的二维频谱图用横轴表示信号频率，用纵轴表示信号幅度。但实际上，真实信号的能量在不同频率的分布常常是随着时间变换而改变的，如果要把这一变换趋势显示出来，就需要借助有三维信息显示的图形，分别显示时间、频率和幅度。如果要在平面上实现三维信息，除了横纵轴之外，还可以借助颜色来表示第三维信息。

瀑布图显示正是基于上述原理实现的，其横轴表示信号频率，纵轴表示信号采集时刻，使用颜色指示信号幅度，单帧频谱通过单一的水平线进行显示，当进行连续频谱监测显示时，由连续的水平线衔接组成瀑布图并随时间进行流逝，实现效果如图7所示。

图7 频谱瀑布图

频谱瀑布图软件实现过程如图8所示，首先把当前频谱波形数组添加到强度图属性值数组，然后判断强度图属性值数组是否超出纵向显示范围，若超出则删除强度图属性值数组最前面一个波形，即按循环数组先进先出(FIFO)原则进行替换，若未超出则不删除，刷新强度图显示区域实现频谱瀑布图显示功能。

图8 频谱瀑布图程序设计图

2.4 频谱荧光图显示功能软件设计及实现

数字荧光频谱主要是为解决实时信号分析仪高速频谱的显示问题而提出，由于频谱更新速度太快，显示器的刷新速度不能跟上这一速度，同时也大大超过了人眼感受到的水平，为此，先把采集到的多帧高速频谱进行重组，然后以人眼看得到的速率传送到显示器屏幕上，这种高变换速率对检测小概率事件至关重要。其技术原理主要参考数字示波器的荧光显示功能，对于长时间频谱监测任务，观测人员利用荧光频谱图像能够捕获间歇性事件、突发信号、分析随时间推移而积累的数据，即使在复杂背景下也能方便地发现感兴趣的信号，实现效果如图9所示。

图9 频谱荧光图

频谱荧光图软件实现过程如图10所示，首先以输入频谱波形数组对应元素作为行索引，以以输入频谱波形数组对应元素下标作为列索引，通过索引数组函数索引到强度图属性值数组对应元素，并对该元素值进行加20操作，并替换该元素，提升该元素在强度图的显示强度，通过Labview 软件For循环结构的自动索引隧道遍历整个输入频谱波形数组，刷新强度图显示区域实现频谱荧光图显示功能。

图10 频谱荧光图程序设计图

3 系统功能验证

为验证本文频谱监测系统对于异常频谱的检测性能，设计如下实验，采用调频广播信号频谱作为模型训练数据集，并使用射频信号发生器模拟杂散干扰和信号中断两种频谱异常情况，获得实验样本集频谱如图11所示。

图11 实验样本集实测频谱图

使用LibSVM-3.1工具箱完成单类支持向量机模型的训练和检测，获得检测结果如表2所示。

表2 检测结果表

模型检测性能分析本文使用ROC接收机操作特性曲线评价v-OCSVM模型的频谱异常检测性能，ROC曲线是根据一系列不同的二分类方式(分界值或决定阈)，以截获率(真阳性率)为纵坐标，虚警率(假阳性率)为横坐标绘制的曲线。对表2检测结果数据绘制ROC曲线，如图12所示。

图12 异常频谱检测ROC曲线图

根据ROC曲线评价一般标准，即ROC曲线下的面积值AUC应在1.0和0.5之间， AUC越接近于1，说明模型检测效果越好，AUC在0.5～0.7时有较低准确性，AUC在0.7～0.9时有一定准确性，AUC在0.9以上时有较高准确性。AUC=0.5时，说明检测方法完全不起作用。

4 结束语

与传统的基于频谱分析仪的频谱监测系统相比，本文设计的基于Labview的频谱监测系统，实现了监测信号频谱的干扰识别、多维度态势显示和记录回放等功能，试验结果表明，监测结果有效可信，具有操作简单、效费比好、扩展灵活的特点，在一些测量精度要求不高的应用场合，具有较好的推广应用价值。

[1] Haykin S. Cognitive radio：brain-empowered wireless communications[J]. IEEE Journal on Selected Areas in Communications ,2005,23(2)：201-220.

[2] 昂正全.卫星测控站频谱监测系统设计方案及实现[J].计算机测量与控制,2014, (11): 3466-3469.

[3] 戴雪扬,徐 辉.卫星干扰监测技术的研究[J].计算机测量与控制,2005(12):1305-1332.

[4] 翁木云，张其星．频谱管理与监测[M]．北京: 电子工业出版社，2009．

[5] 张瑛瑛，陶 洋．一种基于能量检测的协作感知技术的改进 [J]．通信技术．2008(8).

[6] 隋 丹，葛临东．一种新的基于能量检测的突发信号存在性检测算法 [J]．信号处理,2008(4).

[7] 陈 星，贺志强，吴伟陵．基于循环平稳的多天线感知无线电频谱检测[J]．北京邮电大学学报,2008(2).

[8] 曹士坷，张力军．两种基于调制引入循环平稳的多用户系统盲检测研究[J]．信号处理,2004(1).

[9] 温志刚．认知无线电频谱检测理论与实践[M]．北京：北京邮电大学出版社，2011.

[10] Scholkopf, Platt J C. Estimating the support of a high-dimensional distribution [J]. Neural Comput.,2001.

[11] Cristianini N, Taylor J S. An Introduction to support vector machines and other Kernel-based learning methods [M]. 2000.

[12] Chang C C, Lin C J. A Library for Support Vector Machines [J]. 2011.

[13] 李 洋. libsvm使用详解[Z]. 2011.

Design and Implementation of Spectrum Monitoring System Based on Labview

Xia Wei, Qiu Bin, Din Fenghai，Yu Qinghua

(China Satellite Maritime Tracking and Control Department, Jiangyin 214431, China)

The function of traditional spectrum monitoring system is complicated, expensive, and suitable for profession to use, and it can be replaced by a spectrum analyzer when the monitor request is not high, but the problem is that the monitor efficiency may be inefficient and it can’t record the spectrum. Aiming at this problem, this thesis designed a new spectrum monitoring system based on Labview software, and implemented the function of automatic detection of a signal spectrum based on the model of one-class support vector machine , displaying spectrum on many dimension situations in the form of waterfall chart and fluorescent fingerprint, recording and replaying for a signal spectrum. The experimental results show that the new system for spectrum monitoring works well, and has value of popularization and application.

spectrum monitoring; OCSVM; waterfall chart; fluorescent fingerprint; spectrum analyzer

2016-06-22；

2016-07-19。

夏 伟(1980-)，男，江苏江阴人，硕士，工程师，主要从事无线电计量，智能仪器与传感技术方向的研究。

1671-4598(2016)12-0024-04

10.16526/j.cnki.11-4762/tp.2016.12.008

TN911.23

A