文 | 国家无线电监测中心成都监测站 陈良 吴小松 李询

       摘要：本文以频率占用度为研究对象，引入大数据预测算法，提出过去、当前（近期）和未来的态势分析理念，采用表格、柱状图、曲线等多种形式对频率占用度多维度进行频谱可视化应用，为频谱精细化管理和自动化监测提供了技术参考。

       关键词：频率占用度 预测 频谱可视化 频谱精细管理 自动化监测

       0 引言

       无线电频谱监测数据可视化可以将枯燥难懂的无线电监测数据形象化、直观化，使用户从复杂的监测数据中挖掘出有用信息，快速掌握和应用监测数据结果，为无线电监测和管理提供高效的技术手段和科学决策支撑。

       近年来随着无线电监测数据的日益积累、大数据算法在无线电监测中的逐步应用和计算机硬件性能的不断提升，无线电监测频谱可视化的应用开始出现。频率占用度作为无线电监测和管理中重要的监测指标之一，可以反映频率的占用情况，为频谱管理提供了重要的数据支撑。本文聚焦频率占用度的可视化应用，研究如何对过程数据进行可视化。

       1 频率占用度传统应用

       频率占用度是使用监测设备对特定的信道进行测量，信道大于某一门限电平值的时间与总测量时间的百分比。传统频率占用度统计分析结果展示形式主要为表格方式，如图1所示，对统计时间范围为2022-04-01至2022-04-20，目标频率X00kHz，进行频率占用度统计分析，结果为67.9%，展示形式为表格。传统展示方式忽略了过程数据，结果简单明了，但缺乏对过程数据的直观展示。

       2 频率占用度可视化应用

       2.1 历史可视化展示

       本文基于大数据分析系统，系统存储目标频率统计时间段所有的频谱数据（时间-电平），统计起始时间为t0，截止时间为t1，只要系统具备强大的存储和计算能力，统计时间段内任意时间t的频率占用度都是可以进行计算的。将每个时间t的频率占用度绘制成曲线，横轴为统计时间，纵轴为频率占用度，构成频率占用度历史可视化曲线，如图2所示。对X00kHz目标频率在2022-04-01至2022-04-20时间段内计算各个时间点的频率占用度，绘制曲线。图2中不仅可以显示整个统计时间段的频率占用度为67.9%，还可以显示任意一时间点的频率占用度。例如时间2022-04-0600:00:00的频率占用度为79.99%，并且在图2中还可标注频率占用度的峰值（82.19%）和谷值（33.8%）。通过可视化曲线，可以清晰、完整和直观地反映在整个统计时间段内的频率占用度过程信息，为无线电频谱精细化管理提供了有力支撑工具。

       2.2 预测可视化展示

       随着大数据算法在无线电监测分析中的应用，频率占用度预测分析已在部分系统中得到实现和验证，如图3所示。图3是对某频率采用随机森林预测算法后的频率占用度可视化曲线，可以显示未来任意时间点的频率占用度信息，清晰直观地展示了该频率未来的占用情况。频率占用度预测曲线是结合大数据预测算法在频谱可视化的重要应用，该曲线对频谱资源预监管起着辅助支撑作用。图3虽然与图2类似，但实质上不同。图2是对历史数据进行统计，频率占用度为实际值；图3是根据历史数据对未来进行预测，频率占用度为预测值，与实际值会存在一定的偏差。

       2.3 态势分析可视化

       由于本文引入了大数据的预测算法，对于一个目标频率的频率占用度由历史值和预测值两部分组成。为进一步形象完整地展示频率占用度变化趋势，本文将分析时间划分为三个等时间段T，称之为过去、当前（近期）和未来。每个时间段T又划分为n个时间显示刻度，可以按年、月、天、小时和分钟进行显示。如图4频率占用度态势分析图所示，时间轴上不同颜色从左至右分别代表过去时间段、当前时间段和未来时间段，每个时间段内的柱状高度代表了占用度大小。为方便理解，图中三段时间占用度均为100%，每个时间段目前按15个时间显示刻度显示。值得注意的是，该可视化态势分析图是结合监测习惯和频率占用规律，人为地将过去的历史时间划分为过去和当前（近期）两个时间段，使得过程展示更加形象和直观。

       根据以上可视化展示思路，对某信号某时间段频率占用度态势按分钟进行展示，如图5所示。图中最小显示时间刻度为1分钟，时间段刻度T为15分钟，可见该频率在过去时间段内有13分钟全时段未占用，频率占用度为0；部分时间段内为全时段占用，频率占用度为100%；部分时间段内为未全时段占用，信号占用度介于0和100%之间。频率占用度的态势分析图可以通过数据统计和预测分析将频率过去、当前（近期）和未来的发展变化趋势形象生动地进行完整的过程展示，便于用户观察频率占用度变化规律，这也是频谱数据可视化的一个重要应用。图5中按分钟进行态势分析，体现了频率短期的占用规律。如果数据积累的时间足够长，可按月或年进行分析展示，那么频率占用度的态势变化可反映频谱的长期变化趋势，对无线电频谱精细化管理有重要的参考价值。

       2.4 预测偏差曲线

       本文引入大数据的预测算法绘制了预测曲线，预测值与实际值会有一定的偏差，这种偏差也可进行可视化展示。

       对某频率使用随机森林预测算法进行24小时频率占用度预测，经过24小时后用实际的频率占用度值与预测值进行比较。如图6频率占用度预测值与实际值偏差曲线所示，预测占用度为曲线1，实际占用度为曲线2。比较两者可以发现大部分时间预测值与实测值一致，少数时间内预测值偏差较大。

       除了图6的展示方式，还可以对预测值与实际值的一致性进行概率统计。对某信号使用随机森林算法进行信号生存期预测，然后按分钟/小时/天为单位进行一致性概率统计，可以得出单位时间预测准确率。例如对某信号进行24小时生存期预测后，以小时为单位对该小时内所有的预测值和实际值进行一致性比较，统计小时预测准确概率，预测一致性概率曲线如图7所示。

       预测一致性概率曲线的作用有三点：一是可以判断算法的准确性和适用性，如果预测值与实际值一致性概率较高，说明算法比较准确且在该业务频段上具有一定的适用性，反之算法在该频段需要进行迭代和优化。二是可以判断该信号发射时间上是否具有规律性（周期性），对于有时间发射规律的信号，算法才有可能进行优化并对未来进行有效预测。对某些没有时间发射规律的信号，再好的算法也无法对信号进行有效预测。三是如果预测算法在某一信号上一段时间相对准确，而在某一时间段偏离较大，说明该信号发射规律出现改变。可以作为频率占用行为异常自动化告警，提醒用户进行重点关注。

       3 结论

       本文主要对频率占用度在频谱可视化中的应用进行了研究，引入大数据预测算法，实现了频率占用度预测，在不同维度进行可视化展示。提出了过去、当前（近期）和未来的频率占用度态势分析方法，以表格、柱状图、曲线等多种形式对频率占用度进行展示，较传统展示方式更加直观、多样、全面、清晰，为频谱可视化提供了参考。本文提出的可视化应用在实际设计的监测系统中已经得到了验证，频率占用度的可视化为频谱精细化管理和自动化监测提供了技术参考。