电磁频谱智能化管理

《电磁频谱智能化管理》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、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、频率口动选择、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

2、使用仍处丁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來约束行为的频谱管理方法。在这种管理方法中，对无线电设备來讲，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fee在2003年12

3、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

4、、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。1.无线传感器网络的应用现代战争被人们喻为“感知者的胜利”，在新的军事竞争背景下，掌握“透明战场”是军事信息发展的必然结果，如何有效、合理、准确、迅速地感知频谱态势，并进行科学决策，是今后电磁频谱研究的一个重要方向。而在进行有效决策之前，必须实时掌握各地区的频谱态势，利用传感器的频谱监测功能可以及时掌握各个场地目标的频谱和位置信息，构建传感器网络，实现多个传感器之间监测数据的融

5、合和远距离通信，便于及时、快速地判断最新的频谱态势,以便进行合理的决策。基于无线电感知的传感器网络的提岀，可以弥补大型频谱监测装备易受攻击、覆盖范围不广和时效性不佳的缺点，同时可以提高频谱的利用效率。1.电磁频谱信息的智能管理在现阶段，各类频管信息主要来源于各种电磁频谱管理、电磁频谱监测、电磁频谱检测等应用系统，各系统之间相互独立，各系统之间的需求关系没有理顺，信息的生产者与使用者之间处于相对隔离的状态，同时由于各种系统在日常管理中广泛应用，提供的电磁频谱信息呈现爆炸式增长，决策者缺少有效的信息搜索手段，无法准确、快速地感

6、知所需的信息，难以充分利用已有的信息源，进而影响决策的效率。为提高电磁频谱信息自动化处理、融合和决策水平，建立一个电磁频谱信息发布与检索平台十分必要。该平台应基于面向服务体系框架，将感知数据、基础数据、区域频谱态势和频管管理数据以web服务的模式包装，通过网络发布到服务注册中心,各类用户可以通过授权访问的方式获取资源，解决各自频谱使用的问题，以便快速、准确的检索到有用信息，实现电磁频谱信息发布和检索的规范化。2.数据挖掘的应用近几年来，数据挖掘在信息工业领域受到广泛关注，随着数据量的不断增加，人们急需把大量的数据转化为有用

7、的信息和知识，并广泛应用到商业管理、产品控制、市场分析、科学和工程学。数据挖掘可以认为是信息技术自然演变的结果。在数据库业界，一条演变的道路是沿着如下功能的发展走过來的：数据采集和数据库的产生、数据存储和检索、数据库事务处理、数据分析和理解。简单地讲，数据挖掘是指从大量的数据屮抽取或挖掘知识。数据库设计和开发是电磁频谱管理体系中的重要模块，当前在实际应用中开发了多个数据库，但在实际应用中并没有强有力的分析工具，人们无法更好地理解这些数据，这种情况可描述为“数据丰富、信息缺乏”。同时不同的用户对不同类型的知识感兴趣，数据挖掘

8、的提出覆盖了数据分析与知识发现任务的许多方面，包括数据特征化、区分、关联、分类、聚类、趋势与演变分析、偏离分析和相似性分析，这些任务以不同的方法利用相同的数据库。比如，数据特征化可以应用到信号分析中，便于技术人员更好地分析信号；聚类技术可以应用到频谱监测中，以便更好地查找干扰；分类技术可以应用到频谱分配