基于贝叶斯判别的非法调频广播电台的识别*

2021-03-20林秋海

通信技术 2021年3期

林秋海，龙华

（昆明理工大学，云南昆明 650100）

0 引言

非法调频广播电台即常说的“黑广播”。《刑法修正案（九）》及最高检、最高法《关于办理扰乱无线电通讯管理秩序罪的司法解释》相继出台以后，各地公安、无线电以及广电等部门通力合作，仅2020 年就取缔了2 876 起“黑广播”[1]，严厉打击了违法犯罪分子的嚣张气焰。为躲避打击，违法犯罪分子转而在夜间开启非法调频广播电台或直接占用合法电台频道，增加了政府部门查处的难度。

非法调频广播最理想的判断方法是利用无线电管理部门的台站数据库，将采集到的调频广播频率与台站数据库进行逐一比对，其中未登记者即为“黑广播”。徐磊等[2]提出了利用关键词识别的判定方法，将广播语音转换为文字后再与词典进行匹配，当超过一定的概率即判断为“黑广播”。但是，此种方法需人工提前录入目前非法调频广播电台常见的不雅词汇，以作为判定词典。

近年来，机器学习和深度学习方兴未艾，在各行各业均有深入的应用。王朝卫[3]提出了基于密度聚类与SVM 的非法调频广播识别方法，采用SVM对信号特征进行分类，提高了信号识别的准确率。考虑到机器学习判断方法的多样性，笔者尝试将贝叶斯判断方法引入非法调频广播电台的识别，以分析贝叶斯判断方法在非法调频广播电台识别中的准确度和训练时间。