李培林 邹本振

（中国电子科技集团公司第二十九研究所，四川 成都610000）

1 概述

频谱异常信号检测对干扰源查找、频率冲突分析等有重要作用，是频谱管理人员重点关注的信号类型。频谱异常信号包括新频率发现异常信号、频率（或频段）非法占用异常信号、能量超标异常信号等，本课题主要研究能量超标异常信号。因电磁频谱特征提取困难等原因，现有技术对能量超标信号检测准确性较低[1]。本文考虑异常信号样本少、样式多等特点，通过对历史记录的正常信号进行大数据量的统计分析，采用统计门限技术在频段扫描数据中检测异常信号频点，对发现的异常频点信号，引导频谱监测设备进行单频点测量，针对采集的单频点测量数据，借鉴语音识别中的孤立词语音识别处理方法，采用DTW 算法对能量超标异常信号进行分类识别。

2 DTW 算法

频谱监测数据是频率-能量二维数据，它的能量值是根据频率顺序出现排列的，但是在工程实际中，其频率-能量值存在一定的偏移。DTW 算法一种度量具有不同长度和不同步的序列之间相似度的有效方法，广泛应用于序列的相似搜索和匹配领域[2]，其原理是将两个序列按照最小距离准则进行对齐，得到两个序列之间的距离[3]。判决方法是认为与被测序列距离最小的序列就是该序列的识别结果。本文采用DTW 算法对频谱异常信号进行检测，频点信号匹配示意图如图1 所示。可以看到信号1 和信号2 在整体……