基于小波变换的无线通信发射机信号转换异常检测方法

2022年12月25日第39卷第24期
Ｄｅｃ．　２５，　２０２２，　
Ｖｏｌ．３９　Ｎｏ．２４　
Telecom Power Technology
·　４４　·
设计应用
ＤＯＩ：１０．１９３９９／ｊ．ｃｎｋｉ．ｔｐｔ．２０２２．２４．０１５
基于小波变换的无线通信发射机信号转换异常检测方法
宋光伟
（天津光电通信技术有限公司，天津 300221）
摘要：为了准确检测无线通信发射机信号转换异常的情况，提高无线通信质量，基于小波变换研究无线通信发射机信号转换异常的监测方法。

根据通信网络节点，采集无线通信发射机信号转换异常的信息集。

利用离散型小波变换方法，提取异常信号的时频特征。

采用相对小波时间熵算法，构建异常信号的实时检测模型，检测无线通信发射机信号的转换异常情况。

测试结果显示，所提出异常检测方法检测结果正确率的平均值为97.24%，精确率的平均值为91.40%，召回率的平均值为92.93%，F 1值的平均值为93.05%，提高了异常信号检测的准确性，提高了通信质量，可满足实际工程要求。

关键词：小波变换；信号转换异常；异常检测方法
Signal Conversion Anomaly Detection Method of Wireless Communication Transmitter
Based on Wavelet Transform
SONG Guangwei
(Tianjin Photoelectric Communication Technology Co., Ltd., Tianjin 300221, China)
Abstract: In order to accurately detect the abnormal signal conversion of wireless communication transmitter and improve the effect of wireless communication, a method of monitoring the abnormal signal conversion of wireless communication transmitter is studied based on wavelet transform. According to the operation node of the communication signal, the information set of the abnormal signal conversion of the wireless communication transmitter is collected. Using discrete wavelet transform method, the time-frequency characteristics of abnormal signals are extracted. Based on the relative wavelet time entropy algorithm, the real time detection model of abnormal signal is built to realize the identification and detection of the abnormal signal conversion of wireless communication transmitter. The test results show that the average accuracy rate of abnormal detection method in this paper is 97.24%, the average accuracy rate is 91.40%, the average recall rate is 92.93%, and the average F 1 value is 93.05%, indicating that the proposed method has improved the accuracy of detection results and the communication effect, meeting the actual engineering requirements.
Keywords: wavelet transform; abnormal signal conversion; abnormal detection method
0　引　言
在新兴科技不断发展的时代背景下，无线通信与人们生活的联系越来越紧密[1]。

无线通信技术广泛应用于诸多产业，包括广播、卫星、雷达以及电话等，通过信号的发送、转换、传输、接收实现无线通信[2]。

信号转换是无线通信的重要部分，是确保无线通信质量的关键环节。

由于无线信号需经过电离层发射传播，传播距离较远，信号转换易受外界环境的影响，导致接收端信号异常，无线通信质量降低[3]。

因此，需实时监测无线通信发射机的信号情况，若出现异常需及时采取相应的措施，提高无线通信的安全性和稳定性。

因此，研究基于小波变换的无线通信发射机信号转换异常的检测方法，实时检测通信节点的异常信号，以提高无线通信系统的鲁棒性和可靠性。

1　采集无线通信发射机信号转换异常信息
检测无线通信发射机信号转换异常的基础是采
集异常信号[4]。

无线通信管理机构未批准通过的非授权信号或信号接收端异常，将导致发射机信号转换异常。

通过分析信号的运行节点判断信号是否发生异常。

根据信号的运行节点，无线通信发射机信号转换异常包括信号的非法发射状态、移频发射状态、超带宽发射状态以及超电平发射状态4种情况。

无线通信发射机信号的非法发射异常状态可表示为
121z 212
22a a a a a δδ
++
＜＜＜ （1）
无线通信发射机信号的移频发射异常状态可表
示为
z z z 2222a a a a a a a δδϖϖ −+
−∪+
≤≤＞＞ （2）
无线通信发射机信号的超带宽发射异常状态可表示为
收稿日期：2022-10-23
作者简介：宋光伟（1984—），男，吉林蛟河人，本科，高级工程师，主要研究方向为通信信号的识别与检测。

 2022年12月25日第39卷第24期
Telecom Power Technology
Ｄｅｃ．　２５，　２０２２，　Ｖｏｌ．３９　Ｎｏ．２４　
宋光伟：基于小波变换的无线通信发射机信号转换异常检测方法
z z 22a a a ϖ
ϖδδ
−+
≤≤＞ （3）
无线通信发射机信号的超电平发射异常状态，即
z z 22a a a ϖ
ϖϕϕ
−+
＜＜＞ （4）
式中：z 为发射机的发射信号；a z 为信号z 的频点；a
为无线通信系统内的授权信号频点；a 1、a 2分别为与信号z 的频点a z 相邻的2组信号频点；δz 为信号z 的带宽；δ为无线通信系统内的授权信号带宽；δ1、δ2分别为信号的带宽范围值；ϖ为频点的抖动范围；φz 为信号z 的电平；φ为无线通信系统内的授权信号电平。

利用射频传感器采集无线通信发射机异常信号，可为异常分析提供数据基础。

2　基于小波变换的异常信号特征提取
结合小波变换等方法实时检测异常信号，并分析异常信号的时频特征[5,6]。

小波变换法通过降低信号的特征维数，提高相关分类决策的效率与准确性。

为了便于无线通信管理系统的计算与应用，得到无线通信发射机信号转换的异常特征信号。

采用离散型小波变换算法，分析异常信号特征[7,8]。

设初步采集的异常信号为z ，离散小波基函数a （u ）为
(,)
r s r,s 0
()()n m r s
u z B u n α=∑∑ （5）
0000(,)(,)s
r,s
r,s
()(),()()
n m n m r s b u u B
u B
u αα == ∑（6）00(,)2
r,s 000()()
r
n m r
B
u n B n u r −−=− （7）
式中：u 为时间；b r ,s （u ）为母小波函数；r 、s 分别为随机的任意整数；s r z 为初始的无线通信发射机的异常信号；m 0为小波变换的单位尺度空间系数；n 0为小波变换的单位平移空间系数。

计算离散小波包变换计算的相关系数θn,m 为
n,m m,n ('),(')u B u θκ =
（8）
式中：m 为小波变换的尺度空间系数m 0衍生的整数；n
为小波变换的尺度空间系数平移空间系数n 0衍生的整数；(')u κ为小波变换的重构计算函数。

离散化处理小波变换的尺度空间与平移空间系数，重构变换分析信号。

小波变换的重构计算函数为
n,m m,n (')(')
m
n
u B u κθ=∑∑ （9）
通过小波变换重构计算，对含有噪声的异常信
号进行降噪处理，将信号进行矢量分解，实现无线通信发射机异常信号的特征提取，为后续异常信号的分析提供理论依据。

3　建立异常信号的实时检测模型
无线通信发射机处于异常工作状态时，异常
信号的小波熵随之发生相应的变化[9,10]。

结合相对小波时间熵算法，构建异常信号的实时检测模型。

设异常信号中2组相对的小波能量分别为{G x }、 {H x }，即异常信号中2个节点的小波能量比对应的多尺度概率分布状态，得到无线通信异常信号的相对小波熵值为
()
()
()()
x x x ()ln t t t t x G G H G H γ
=
∑ （10）
式中：()
()t G H γ为在第x 尺度层的第t 个时间节点中，异常信号中2个节点的相对小波熵值；
()x
t G 、()
x t H 分别为在第x 尺度层的第t 个时间节点中，异常信号中2个节点的相对小波能量。

根据式（10）实时计算每个信号中不同节点之间的相对小波能量值，比较得到的能量值与相对熵值，标记大于相对熵值的信号样本，并计算对应的比例。

当大于相对熵值的信号占比大于50%时，表明发生了信号转换异常；当大于相对熵值的信号占比小于50%时，表明未发生信号转换异常。

基于信号转换异常的判断方法，构建无线通信发射机信号转换异常的检测模型，实时检测异常信号。

4　测试与分析
4.1　试验准备
为了检测设计的基于小波变换的无线通信发射机信号转换异常检测方法的可行性，设计仿真模拟对比试验。

基于Windows 系统搭建试验的测试平台，利用平台中的Python 工具进行设计方法的训练与仿真测试。

在平台的数据库中添加某地区无线通信的历史运行数据作为测试样本，测试过程的相关参数取值设计如表1所示。

表1 仿真测试的相关参数取值设计表
参数类型参数值超参数1 000稀疏系数0.01核函数径向基函数核）
测试样本（随机）1 000个（800个异常信号样本，
200个正常信号样本）
核函数参数
2.0惩罚参数
1
 2022年12月25日第39卷第24期
Ｄｅｃ．　２５，　２０２２，　
Ｖｏｌ．３９　Ｎｏ．２４　
Telecom Power Technology
·　４６　·
4.2　检测结果与分析
随机选取1 000个测试样本，采用设计的基于小
波变换的异常检测方法作为试验组，采用传统方法作为对照组1，采用基于决策树模型的异常检测方法作为对照组2，进行仿真测试，记录检测结果。

异常信号的检测评价指标公式为
P
1P P
T T F δ=
+ （11）P N
2P P N N
T T T F T F δ+=
+++ （12）
P
3N P
T F T δ=+ （13）
13
113
2F δδδδ=
+ （14）式中：δ1为异常检测结果的正确率；T P 为检测方法的正结果中实际的正样本数量；F P 为检测方法的正结果中实际的负样本数量；操为异常检测结果的精确率；T N 为检测方法的负结果中实际的负样本数量；F N 为检测方法的负结果中实际的正样本数量；δ3为异常检测结果的召回率；F 1为异常检测结果，即检测结果正确率与召回率指标的平衡值。

计算检测结果平均值，结果如表2所示。

表2　不同异常检测方法的评价指标均值对比表项目
评价指标试验方法
试验组对照组1对照组2正常信号
正确率
0.972 40.826 30.912 4精确率0.914 00.802 70.835 5召回率0.929 30.845 20.846 2F 1值0.930 50.836 60.878 7异常信号
正确率
0.978 90.815 70.903 7精确率0.931 70.796 30.836 1召回率0.932 90.826 40.813 7F 1值
0.936 2
0.821 9
0.856 9
对于随机的1 000组信号样本，试验组异常检测方法的4项评价指标均优于对照组1和对照组2。

对于200组正常信号，试验组检测结果的正确率均值分别比对照组1、对照组2高14.61%、6.00%；精确率均值分别比对照组1、对照组2高11.13%、7.85%；召回率均值分别比对照组1、对照组2高8.41%、8.31%；F 1的平均值分别比对照组1、对照组2高9.39%、5.18%。

对于800组异常信号，试验组检测结果的正确率均值分别比对照组1、对照组2高
16.32%、7.52%；精确率均值分别比对照组1、对照组2高13.54%、9.56%；召回率均值分别比对照组1、对照组2高10.65%、11.92%；F 1的平均值分别比对照组1、对照组2高11.43%、7.93%。

可见，设计的基于小波变换的无线通信发射机信号转换异常检测方法具有准确性高与可靠性高的优势，可为无线通信系统的稳定运行提供可靠的异常检测技术支持，避免因信号转换失效导致通信节点故障造成经济损失，保证了相关产业的经济效益。

5　结　论
无线通信技术与人们的生活紧密相关。

加强研
究无线通信发射机异常信号的实时检测技术，可为发射机的稳定运行提供可靠的异常预测技术，促进无线通信发射机产业的健康发展，提高相关产业的整体经济效益。

参考文献：
[1] 张　磊，吴　颖，杨建常.基于大数据挖掘的电力通
信信号异常数据提取方法[J ].科技通报，2022，38（6）：35-38.
[2] 康　颖，赵治华，吴　灏，等.基于Deep SVDD 的
通信信号异常检测方法[J ].系统工程与电子技术，2022，44（7）：2319-2328.
[3] 林统喜，钟福龙.基于大数据分析的异常通信信号
智能检测系统设计[J ].单片机与嵌入式系统应用，2021，21（12）：35-38.
[4] 刘亚骑，张斌荣.电力机器人载波通信异常信号自动
识别控制系统设计[J ].自动化与仪器仪表，2021（2）：179-181.
[5] 肖　勇，李　博，尹家悦，等.基于小波变换和小波
包变换的间谐波检测[J ].智慧电力，2022，50（1）：101-107.
[6] 王　兴.基于小波变换方向性分量重构的复杂环境
公路裂缝识别方法[J ].山西交通科技，2021（4）：52-55.
[7] 尹亚运，李书进.基于二维小波变换的筒仓结构损
伤诊断[J ].武汉理工大学学报，2021，43（5）：54-59.
[8] 朱　庆.简述天线在无线电系统中的作用及维护[J ].
中国有线电视，2018（11）：1327-1328.
[9] 赵林仙.基于光子矢量调制的毫米波信号生成和传输
性能研究[D ].西安：西安邮电大学，2022.
[10] 郝敬堂，苏志刚，韩　冰，等.基于GNU Radio 的
ADS-B 信号收发系统设计[J ].计算机测量与控制，2020，28（11）：270-276.。