[發明專利]一種基于長短期記憶網絡的移動黑電臺監測方法

在審

• 申請號: 202310573083.2
• 申請日: 2023-05-19
• 公開（公告）號: CN116667944A
• 公開（公告）日: 2023-08-29
• 發明（設計）人: 張然;趙楠;黃秋磊;程思科;李軒衡
• 申請（專利權）人: 大連理工大學
• 主分類號: H04B17/00
• 分類號: H04B17/00;H04B17/318;H04B17/373;G06N3/0442;G06N3/08
• 代理公司: 遼寧鴻文知識產權代理有限公司 21102
• 代理人: 王海波

1.一種基于長短期記憶網絡的移動黑電臺監測方法，其特征在于，包括以下步驟：

步驟1，使用無人機搭載頻譜儀采集待檢測區域內的無線電頻譜數據，其中無人機搭載頻譜儀與上位機進行遠程數據通信；

步驟2，上位機對獲取的無線電頻譜數據進行預處理，構建序列數據集；

步驟3，將處理后的無線電頻譜數據分為訓練集和測試集，訓練用于預測頻譜占用情況的LSTM網絡模型；

步驟4，設計小型調頻發射機作為模擬黑電臺，用于后續檢測LSTM網絡模型的預測能力；

步驟5：以黑電臺所在的區域作為測試場景，對LSTM網絡模型的預測結果進行觀察分析，驗證預測的準確性和有效性。

2.根據權利要求1所述的一種基于長短期記憶網絡的移動黑電臺監測方法，其特征在于，所述的步驟5具體如下：

通過無人機搭載頻譜儀實時采集測試場景內的無線電頻譜數據，得到一段時間內的實際觀測結果；同時，開啟黑電臺進行調頻發射，無人機搭載頻譜儀采集一段時間的無線電頻譜數據，并將其輸入步驟4訓練好的“LSTM網絡模型”中，通過“LSTM網絡模型”在線預測未來一段時間的頻譜占用情況，得到預測結果；

此時訓練好的“LSTM網絡模型”的預測結果能夠以很高的概率預測出某頻段未被主用戶占用，并且實際觀測結果與此相反，則存在“黑電臺”，進而驗證了“LSTM網絡模型”的準確性和有效性；

綜上，基于訓練好的“LSTM網絡模型”能夠對任意測試場景的頻譜占用情況進行預測分析，準確查著可能存在的“黑電臺”：若訓練好的“LSTM網絡模型”的預存結果能夠以很高的概率預測出某頻段未被主用戶占用，而實際觀測結果與此相反，則判定存在“黑電臺”，并能夠確定黑電臺的方位；否則，測試場景內不存在“黑電臺”。

3.根據權利要求1所述的一種基于長短期記憶網絡的移動黑電臺監測方法，其特征在于，所述步驟2中，數據預處理為：除去異常數據后進行歸一標準化處理，再搭建序列數據集。

4.根據權利要求1所述的一種基于長短期記憶網絡的移動黑電臺監測方法，其特征在于，所述步驟3中，LSTM網絡模型的訓練過程具體如下：

將訓練集內的頻譜數據輸入LSTM網絡，利用網絡輸出和數據標簽計算交叉熵函數，并對交叉熵函數進行梯度下降來更新網絡參數，對網絡參數進行優化，使得交叉熵函數減小到設定值，最終得到訓練好的“LSTM網絡模型”。