杨世康 王长清 白维维

摘  要： 为解决传统无线通信频谱资源分配系统存在认知能力、重构能力、决策能力较差的问题，设计一种基于大数据的无线通信频谱资源分批协作分配系统。对系统的硬件结构进行改进，依据系统硬件的整体架构，设计了局部传感器、频谱资源信号调理单元、数据采集单元、系统主机等主要组成部分，采用高频电流传感器实现频谱资源的转换，利用信号调理单元对传感器采集到的频谱资源信号进行放大、消噪等处理。在改进硬件的基础上，结合大数据技术对系统软件功能进行优化，设计了采集模块、无线通信频谱资源分析模块、分配模块和数据库存储模块，实现对频谱资源数据的分批协作分配。采用与传统方法对比的形式进行实验，结果表明，改进系统的认知能力、重构能力、决策能力得到了较大的提升，该系统在无线电技术领域具有非常广阔的应用前景和价值。

关键词： 无线通信; 频谱资源分配; 分批协作; 大数据技术; 信号放大; 消噪处理

中图分类号： TN92?34; TP313                    文献标识码： A                      文章编号： 1004?373X（2020）17?0020?05

Abstract： In order to solve the problems of poor cognitive ability， reconstruction ability and decision?making ability in the traditional wireless communication spectrum resource allocation system， a new spectrum resource batch cooperative allocation system based on big data is designed. In this scheme， the system′s hardware structure is improved first， and then on the basis of the overall architecture of the system hardware， the local sensor， spectrum signal conditioning unit， data acquisition unit， system host and other major components are designed. The conversion of spectrum resources is realized by high?frequency current sensor. The spectrum resource signals collected by sensors are amplified and denoised by means of the signal conditioning unit. On the basis of hardware improvement， the functions of the system software is optimized in combination with big data technology， and the acquisition module， wireless communication spectrum resource analysis module， allocation module and database storage module are designed to realize the cooperative allocation of spectrum resource data in batches. A contrast experiment was carried out in comparison with the traditional method. The results show that the cognitive ability， reconstruction ability and decision?making ability of the improved system have been greatly improved， and the system has a very broad application prospect and value in the field of radio technology.

Keywords： wireless communication; spectrum resource allocation; batch collaboration; big data technology; signal amplification; noise processing

0  引  言

目前使用的认知无线电技术都是利用无线频谱资源实现对周围环境的分析[1]。在研究无线频谱资源之前首先要了解认知无线电，认知无线电又被称为智能无线电，能够利用无线终端分析当前所处环境状况，不断改善自身内部传输参数，确保通过最佳的参数完成传输[2]。

无线通信频谱资源分批协作分配系统是认知无线电的重要组成系统之一，通过对外界环境的感知，改变传输功率、载波频率、调制技术等参数，从而对无线通信频谱资源进行分配，提高资源的利用效率[3]。鉴于无线通信频谱资源分批协作分配系统的重要性，学者们投入了多次研究，进行了多次设计，但是目前的无线通信频谱资源分批协作分配系统存在如下3个问题：

1） 认知能力有限，认知能力指的是系统在所处环境中感知信息的能力，然而目前设计的分配系统很难标记出未使用的频谱资源，即使标记出来，也难以找出适当的频谱参数和工作参数。

2） 重构能力有限，系统的重构能力指的是内部硬件设备和软件程序根据得到的无线环境参数进行重新编程，使系统能够以更加合理的方式分配，虽然目前研发的系统基本具备重构能力，但是很有可能产生有害干扰。

3） 决策能力有限，分配系统应该具有决策能力，确保合理分配，然而目前使用的系统所用的决策方法都是非合作式决策方法，降低了频谱的利用率[4]。

大数据技术具有容量大、获取数据速度快、存储数据种类多样等特点[5]。本文基于大数据设计了一种新的无线通信频谱资源分批协作分配系统，针对系统的硬件和软件进行优化设计。实验结果表明，设计的系统具有很强的分配能力。

1  无线通信频谱资源分批协作分配系统硬件设计

无线通信频谱资源分批协作分配系统硬件结构主要包括传感器、机箱和主机，局部传感器中共有3个类型的传感器，分别是：HFCT传感器、AE传感器和UHF传感器[6]。

基于大数据的无线通信频谱资源分批协作分配系统硬件构架如图1所示。

观察图1可知，本文设计的基于大数据的无线通信频谱资源分批协作分配系统硬件设置了2个通道，输入4路检测信号，输入的信号在各个传感器之中可以反复切换，使系统工作更加灵活。由传感器采集无线频谱资源，再通过系统及调理单元调控局放信号，最后由采集单元选取样品进行采集[7]。数据采集单元最多只能接收来自两个通道的无线通信频谱资源，超过2个通道后，将无法接收，被接收的无线通信频谱资源会被送到系统主机中，由主机进行综合分析[8]。

无线通信频谱资源分批协作分配系统实物图如图2所示。

1.1  局部传感器

针对局部传感器中的高频电流传感器、特高频传感器和超声波传感器进行研究。本文选用的高频电流传感器结构图如图3所示。

图3中的高频电流传感器由整体闭口式互感器和分体开口式互感器组成，有效带宽在5～25 MHz之间，带宽范围相对较广，对不低于5 mV/mA的无线通信频谱资源都能实现转换，控制匹配阻抗选用的元件为50 Ω同轴变压器[9]。

法兰式特高频传感器示意图如图4所示。

特高频传感器的频带很高，传感器的频带最低也能够达到30 MHz，最高能够达到150 MHz，对于空气中的低频干扰，特高频传感器能够有效避开。特高频传感器的检测灵敏度低于-78 dBμV，有效高度大于9 mm，动态范围[10]超过75 dB。鉴于无线通信频谱资源中高频信号的结构特点，本文选用法兰式特高频传感器，该传感器具有监测薄弱环节的能力，且监测范围广、灵敏度高，需要特别指出的是，法兰式特高频传感器必须要在出厂之前完成安装[11]。

超声波传感器结构示意图如图5所示。

观察图5可知，超声波传感器分为单端式和差分式两种。传感器的金属外壳能够屏蔽外部信号，保护传感器内部各个设备，发挥可靠接地的作用。通过陶瓷晶片组成传感器内部各个元件，再通过电胶将晶体固定在保护膜中。

1.2  频谱资源信号调理单元

传感器收到的无线通信频谱资源信号都是微弱信号，这些信号中不仅夹杂着噪声，同时含有干扰信号，如果直接当作有效信号进行处理，对最终的分配结果有着很大影响。由于存在采样频率限制，所以调理单元中的采样无法处理特高频信号，针对不同的信号特点，选择不同的传感器处理不同的信号，传感器能够同时完成滤波、放大、调理三项工作，确保满足分配系统的采样要求[12]。

高频电流传感器、特高频传感器和超声波传感器会向信号调理单元下发不同的信号。

信号调理单元能够精准地分析出各个传感器的检测频段，利用单元内部的各类放大电路和滤波电路对信号进行放大和过滤处理，消除原始信号中的干扰信号。增加信号的检出率，消除背景噪声，根据收到的频谱资源信号不同，设计不同的参数，从而得到最优信噪比。频谱资源信号调理单元结构如图6所示。

图6中的增益控制是可以随时调节的，通过对应的软件调节硬件，使调控单元变得更加灵活，增强分配效果[3]。采用两级放大的结构，使调控单元的增益大于40 dB，同时提高频率特性。放大原理图如图7所示。

当接收到超高频信号（信号频带超过300 MHz）后，将无法直接进行采集，需要同时进行对数放大、脉冲展宽、检波处理，从而满足采样要求。频谱资源信号调理单元内部电路结构如图8所示。

1.3  数据采集单元

信号调理单元调理的数据传递到数据采集单元，由USB数据总线和系统主机完成通信。数据采集单元不仅能够接收采集数据，同时，也能够接收采样控制指令，通过系统主机中的各项软件完成配置和采样控制工作。采集单元设置的高速采集卡采样率高达100 Mb/s，能够同时分析无线通信频谱资源，并诊断资源信号是否存在故障。

1.4  系统主机

为提高分配系统的工作效率，系统选择的主机为一体化便携式结构主机，当放大器将无线通信频谱资源信号放大后，信号就会自动进入调理单元，再通过数据采集单元完成数据模式转换，得出分配結果，最终的分配结果会输入到工控系统中。资源分批协作分配系统会将分配结果以人机交互的方式展示给用户。在系统主机内部安装各类软件，方便用户操作，同时，系统的大屏幕会以动态的方式显示分配结果。

根据上述设计的局部传感器、信号调理单元、数据采集单元和主机等硬件，为后续数据采集、数据分析、数据分配以及数据库构建等软件功能设计奠定了最佳的硬件基础，能够加速软件部分对数据的多项处理。

2  无线通信频谱资源分批协作分配系统软件设计

以良好的硬件环境为基础，设计无线通信频谱资源分批协作分配系统的软件部分。基于大数据的无线通信频谱资源分批协作分配系统软件共分为4大部分：采集模块、无线通信频谱资源分析模块、分配模块和数据库存储模块，软件实现框图如图9所示。

图9中的分析单元主要负责对主机中得到的无线通信频谱资源进行检测和参数配置，从而控制采样流程，对采集卡中的数据进行读取。分析单元能够设置系统内部的基本参数。分析模式共有2种：第一种是实时分析;第二种是连续分析。实时分析主要是针对一个周期的无线通信频谱资源数据进行分析，显示的数据峰值仅为一个周期数据峰值;连续分析模式是针对每一个频谱资源数据点进行分析，分析结果直接显示在主机屏幕中，这两种方式既可以同时显示，也可以切换显示。

基于大数据的无线通信频谱资源分批协作分配系统软件工作流程如图10所示。

首先对信息进行预处理，预处理操作主要指的是更改配置，通过改变内部配置确保信息的真实性;然后将需要分析的特征参数提取出来，通过多种方法对无线通信频谱资源特征信号进行分析;接着根据分析结果设定分配方案;进一步检测方案的有效性，直到最终确认有效，才可以执行分配命令。系统软件内部始终设有维护层，通过维护层保障软件正常运行。

3  实验研究

3.1  实验目的

为了检测本文设计的基于大数据的无线通信频谱资源分批协作分配系统的有效性，进行了一次仿真实验。与传统分配系统进行了对比，分别检测了重构能力、认知能力和决策能力，并分析实验结果。

3.2  实验参数设置

设置仿真实验参数如表1所示。

3.3  实验结果与分析

根据上述参数进行仿真实验，分别对传统系统和本文系统的认知能力、重构能力和决策能力进行测试，得到对比实验结果分别如图11～图13所示。

分析图11可知，两种不同系统的认知时间均随着认知范围的增大而增加，且在认知范围为0～10 GB之间时，呈大幅度上升趋势，而后保持平稳缓慢上升趋势。传统系统的认知时间平均约为18.5 s，本文系统的认知时间平均约为13 s。对比两种系统的实验结果可得，本文系统的认知时间更短，说明本文系统的认知能力更强。

分析图12可知，在认知范围为0～10 GB之间时，本文系统的重构时间随着重构范围的增加，呈大幅度上升趋势，而后保持平稳缓慢上升趋势。传统系统的重构时间则始终呈现递增的趋势，其重构时间平均约为29.5 s，本文系统的重构时间平均约为16.5 s。对比两种系统的实验结果可得，本文系统的重构时间更短，说明本文系统的重构能力更好。

分析图13可知，在决策范围为0～10 GB之间和20～25 GB之间时，本文系统的重构时间随着重构范围的增加，呈较快的上升趋势，在决策范围为10～20 GB之间时，则保持平稳趋势。传统系统的决策时间则始终呈现递增的趋势，其决策时间平均约为25.5 s，本文系统的决策时间平均约为11.5 s。对比两种系统的实验结果可得，本文系统的决策时间更短，说明本文系统的决策能力更好。

通过对图11～图13的结果分析可知：随着数据处理的范围越大，系统花费的认知时间、重构时间和决策时间越长，但是本文研究的系统的认知能力、重构能力、决策能力都优于传统系统，能够在短时间内完成精准的分配工作。由此可见，本文研究的无线通信频谱资源分批协作分配系统更加适用于无线电技术的应用。

4  结  语

本文针对无线通信频谱资源分批协作分配系统进行设计，引用了大数据技术，主要设计了传感器、采集模块、处理单元以及系统主机，根据系统硬件结构设计软件操作流程，该分配系统对无线通信频谱资源有着很强的认知能力，同时具备很高的重构能力和决策能力，在认知无线电技术发展领域中，该系统的研发有着关键性意义。

参考文献

[1] 朱加荣，张振伟，吴兆根，等.基于大数据、网格化与云计算的频谱资源决策架构[J].中国无线电，2015（1）：23.

[2] 徐全盛，葛林强，邹勤宜.基于大数据分析的无线通信技术研究[J].通信技术，2017，49（12）：1635?1641.

[3] 杨晨阳，韩圣千，李荣鹏，等.利用异质蜂窝网络大数据跨层优化无线资源[J].信号处理，2018，34（12）：1395?1404.

[4] 曾康铭，吴杏.多層概率决策的网络大数据协作融合算法[J].电子技术应用，2018，44（6）：133?137.

[5] 张龙，黄刘生，徐宏力.认知无线电网络中非精确感知的多用户频谱分配与共享机制[J].小型微型计算机系统，2018，37（8）：1802?1806.

[6] 史通，王洁，罗畅，等.机器学习在频谱大数据分析与处理上的应用[J].火力与指挥控制，2018，43（6）：47?51.

[7] 周钰哲，王爱举，吕冰.基于大数据技术的无线电管理创新策略研究[J].数字通信世界，2017，43（11）：132?135.

[8] 朱一峰，袁华璐，刘淼，等.智能电网无线通信网中的级联潮汐排队模型[J].电子设计工程，2018，26（19）：107?111.

[9] 段昂，廖宏程.认知无线网中基于大数据分析的感知时间与功率优化研究[J].电脑编程技巧与维护，2018（7）：123?124.

[10] 张平，刘献杰，李佳.基于大数据架构的军民融合频谱综合利用分析[J].无线电工程，2018，13（5）：419?423.

[11] 高男，周金和.分布式无线通信系统频谱资源有效分配研究[J].计算机仿真，2018，35（6）：180?183.

[12] 郭继联.基于机会协作的动漫产业网络大数据处理系统设计[J].现代电子技术，2016，39（9）：41?43.