無(wú)線(xiàn)電頻譜監(jiān)測(cè)中的關(guān)鍵技術(shù)應(yīng)用綜述

錢(qián) 磊，常 樂(lè)，王海濤

（96852 部隊(duì)，遼寧 沈陽(yáng) 110132）

0 引 言

頻率從理論上來(lái)說(shuō)可以無(wú)限高，然而頻率較高的電磁波在傳播時(shí)具有很多局限性，例如易被空氣阻擋，損耗大等。受技術(shù)限制，當(dāng)前適合無(wú)線(xiàn)通信的頻段集中在6G 以下，與天文數(shù)字般的通信設(shè)備相比，可利用的頻譜資源有限。為使大量通信設(shè)備在有限的頻譜資源中正常運(yùn)行，必須利用技術(shù)手段科學(xué)管理和使用無(wú)線(xiàn)電頻譜。無(wú)線(xiàn)電頻譜管理的核心與前提是無(wú)線(xiàn)電頻譜監(jiān)測(cè)，其任務(wù)[1]主要是獲取無(wú)線(xiàn)電工作環(huán)境下的頻譜數(shù)據(jù)，合理利用閑置的頻譜資源，降低頻譜資源緊缺對(duì)通信帶來(lái)的影響。同時(shí)，對(duì)己方和未知的用頻設(shè)備進(jìn)行監(jiān)控，識(shí)別干擾源和惡意用頻設(shè)備，確保通信業(yè)務(wù)暢通與電磁頻譜安全。

本文主要研究無(wú)線(xiàn)電頻譜監(jiān)測(cè)中的三個(gè)關(guān)鍵技術(shù)，其中，電磁頻譜認(rèn)知是無(wú)線(xiàn)電頻譜監(jiān)測(cè)的基礎(chǔ)業(yè)務(wù)[2]，包括頻段掃描和頻譜監(jiān)測(cè)等，目的是對(duì)當(dāng)前電磁環(huán)境進(jìn)行大致認(rèn)知和監(jiān)控。信號(hào)在無(wú)線(xiàn)通信過(guò)程中，通常調(diào)制到載波發(fā)送，在電磁頻譜監(jiān)測(cè)過(guò)程中[3]，常常對(duì)目標(biāo)信號(hào)的調(diào)制類(lèi)型進(jìn)行分析，從而對(duì)其身份和業(yè)務(wù)進(jìn)行識(shí)別，也為下一步的信號(hào)處理和解調(diào)提供基礎(chǔ)。信噪比體現(xiàn)了信號(hào)與噪聲的功率關(guān)系，是衡量通信質(zhì)量的關(guān)鍵指標(biāo)[4]，與調(diào)制識(shí)別率和解調(diào)誤碼率息息相關(guān)。而接收端的信噪比條件未知，因此，盲信噪比估計(jì)技術(shù)在頻譜監(jiān)測(cè)業(yè)務(wù)中具有重要的應(yīng)用價(jià)值。本文主要從基本原理、技術(shù)途徑、研究現(xiàn)狀、發(fā)展趨勢(shì)等方面探討這三大技術(shù)在無(wú)線(xiàn)電頻譜監(jiān)測(cè)中的應(yīng)用。

1 無(wú)線(xiàn)電頻譜監(jiān)測(cè)中的電磁頻譜認(rèn)知技術(shù)

電磁頻譜認(rèn)知主要包括頻段掃描與頻譜監(jiān)測(cè)，獲得目標(biāo)頻段內(nèi)的信號(hào)頻譜分布以及單個(gè)目標(biāo)信號(hào)的中心頻率、幅度等信息。當(dāng)前頻譜監(jiān)測(cè)設(shè)備[5]主要通過(guò)高速模數(shù)轉(zhuǎn)換器（ADC）和快速傅里葉變換（FFT）獲取目標(biāo)頻段的頻譜圖，如圖1 所示。

圖1 頻譜掃描基本原理

針對(duì)用戶(hù)的頻譜檢測(cè)需求，傳統(tǒng)的有能量檢測(cè)、匹配濾波器檢測(cè)、循環(huán)譜檢測(cè)等，這些屬于單點(diǎn)檢測(cè)技術(shù)[6]，具有一定的局限性。相比之下，多點(diǎn)協(xié)作的頻譜檢測(cè)技術(shù)時(shí)效性更強(qiáng)，準(zhǔn)確性更高，也是當(dāng)前頻譜檢測(cè)技術(shù)的研究趨勢(shì)。此外，隨著技術(shù)的提升，用頻設(shè)備分布的頻段范圍更廣，帶寬更寬，且實(shí)際電磁環(huán)境中頻譜較為稀疏。為實(shí)現(xiàn)寬帶頻譜的認(rèn)知，研究人員提出了壓縮感知技術(shù)。

1.1 基于多節(jié)點(diǎn)協(xié)作的頻譜認(rèn)知技術(shù)

協(xié)作頻譜認(rèn)知技術(shù)可解決單點(diǎn)頻譜檢測(cè)過(guò)程中存在的終端隱蔽問(wèn)題。協(xié)作頻譜認(rèn)知網(wǎng)絡(luò)包含一個(gè)檢測(cè)目標(biāo)和多個(gè)認(rèn)知節(jié)點(diǎn)，對(duì)于每個(gè)認(rèn)知節(jié)點(diǎn)，通常將能量檢測(cè)作為信號(hào)檢測(cè)的手段，其基本的網(wǎng)絡(luò)結(jié)構(gòu)如圖2 所示。每個(gè)節(jié)點(diǎn)將檢測(cè)情況傳輸至決策中心，通過(guò)加權(quán)算法和多元假設(shè)檢驗(yàn)對(duì)結(jié)果做出最終判決。

圖2 協(xié)作頻譜認(rèn)知基本網(wǎng)絡(luò)

在協(xié)作頻譜認(rèn)知中，存在虛假感知信息攻擊（SSDF），即惡意用戶(hù)向決策中心傳送虛假感知信息，從而降低系統(tǒng)認(rèn)知性能。文獻(xiàn)[7]針對(duì)該攻擊提出了改進(jìn)的加權(quán)序貫檢測(cè)算法，根據(jù)節(jié)點(diǎn)感知結(jié)果的正確性來(lái)判斷惡意攻擊，并在加權(quán)融合決策階段，使用穩(wěn)定性較高的節(jié)點(diǎn)數(shù)據(jù)進(jìn)行判決。文獻(xiàn)[8]采用P次方檢測(cè)器取代傳統(tǒng)能量檢測(cè)器，將P次方檢測(cè)器與多天線(xiàn)技術(shù)結(jié)合，顯著提升了頻譜認(rèn)知性能。其基本原理為能量檢測(cè)時(shí)，統(tǒng)計(jì)量的平方運(yùn)算改為P次方運(yùn)算，如式（1）所示：

式中：yi(t)表示節(jié)點(diǎn)的接收信號(hào)；G為天線(xiàn)增益；n(t)為噪聲；Si(t)為檢驗(yàn)統(tǒng)計(jì)量。仿真實(shí)驗(yàn)表明，P=3 時(shí)具有最高的性?xún)r(jià)比。

此外，在人工智能應(yīng)用方面，文獻(xiàn)[9]基于協(xié)作頻譜感知數(shù)據(jù)對(duì)非法無(wú)人機(jī)進(jìn)行監(jiān)測(cè)，無(wú)人機(jī)接收功率的先驗(yàn)概率和概率密度函數(shù)的分布等先驗(yàn)知識(shí)難以獲取，該文獻(xiàn)為了簡(jiǎn)化四元假設(shè)檢驗(yàn)問(wèn)題，將感知時(shí)隙處的感知數(shù)據(jù)轉(zhuǎn)換為卷積神經(jīng)網(wǎng)絡(luò)的輸入圖像，利用深度神經(jīng)網(wǎng)絡(luò)進(jìn)行決策判別。

1.2 基于壓縮感知的頻譜認(rèn)知技術(shù)

信號(hào)的完整恢復(fù)需滿(mǎn)足奈奎斯特采樣定律，即采樣率要大于信號(hào)最高頻率的兩倍，因此對(duì)于寬帶頻譜的測(cè)量對(duì)ADC的采樣性能提出了很高要求。為解決這個(gè)問(wèn)題，提出了壓縮感知技術(shù)，能以亞奈奎斯特采樣率對(duì)信號(hào)進(jìn)行無(wú)損采樣，大大降低了對(duì)硬件的要求。

文獻(xiàn)[10]提出了一種自適應(yīng)頻譜壓縮感知算法，首先對(duì)基于亞奈奎斯特采集的樣本進(jìn)行稀疏度粗分析，然后將測(cè)試集與訓(xùn)練集進(jìn)行比對(duì)，判斷是否滿(mǎn)足迭代終止條件，得到最后的估計(jì)結(jié)果。實(shí)驗(yàn)證明，該方法具備較低的復(fù)雜度和較高的感知性能。傳統(tǒng)的壓縮感知在稀疏性先驗(yàn)知識(shí)未知的情況下，設(shè)定較大的稀疏度水平，并選擇多余的壓縮樣本數(shù)量，從而獲得更長(zhǎng)的感測(cè)時(shí)間或更高的采樣率。文獻(xiàn)[11]針對(duì)此問(wèn)題提出了一種基于CS 的自主感知算法，該算法使本地二級(jí)用戶(hù)能夠在不知頻譜稀疏性或信道特性的情況下自動(dòng)選擇最小感知時(shí)間，在時(shí)間上逐塊采集壓縮樣本，同時(shí)逐步重建頻譜。壓縮寬帶頻譜傳感的技術(shù)研究通?；诰鶆?qū)拵ьl譜，然而在實(shí)際應(yīng)用中，寬帶頻譜不均勻。文獻(xiàn)[12]考慮了異構(gòu)寬帶頻譜，利用細(xì)粒度稀疏結(jié)構(gòu)提出了一種異構(gòu)寬帶頻譜感知的高效頻譜壓縮感知技術(shù)，可實(shí)現(xiàn)更低的均方誤差和更高的檢測(cè)概率。

2 無(wú)線(xiàn)電頻譜監(jiān)測(cè)中的調(diào)制識(shí)別技術(shù)

在無(wú)線(xiàn)電頻譜監(jiān)測(cè)業(yè)務(wù)中，除對(duì)整個(gè)目標(biāo)頻段的監(jiān)測(cè)，還包括對(duì)單個(gè)信號(hào)的分析測(cè)量，包括中心頻率、功率、帶寬以及調(diào)制方式等。其中，頻率、帶寬等可通過(guò)頻譜直接測(cè)量，而調(diào)制類(lèi)型通常無(wú)法直接判斷，需要根據(jù)信號(hào)的特征做進(jìn)一步分析。調(diào)制識(shí)別技術(shù)有助于判斷敵方用頻設(shè)備種類(lèi)和威脅情況，輔助指揮員做出正確的電子對(duì)抗決策，在干擾查找、頻率分配等方面均可發(fā)揮重要作用，是無(wú)線(xiàn)電監(jiān)測(cè)業(yè)務(wù)中不可或缺的部分。

判決理論[13]是最早提出的識(shí)別方法。該方法基于概率論，針對(duì)可能的調(diào)制方式創(chuàng)建最大似然函數(shù)，計(jì)算每種調(diào)制方式的函數(shù)值，依據(jù)貝葉斯最小準(zhǔn)則計(jì)算閾值，依據(jù)閾值的比較完成調(diào)制識(shí)別。然而該方法需要一定的先驗(yàn)知識(shí)，難以實(shí)現(xiàn)工程應(yīng)用[14]。

為進(jìn)一步加強(qiáng)工程應(yīng)用，提出了統(tǒng)計(jì)模式識(shí)別方法，該方法無(wú)需先驗(yàn)信息，結(jié)構(gòu)簡(jiǎn)單明了。統(tǒng)計(jì)模式調(diào)制識(shí)別流程如圖3 所示。該方法一般由信號(hào)預(yù)處理、特征參數(shù)提取和分類(lèi)識(shí)別三個(gè)步驟組成。

圖3 統(tǒng)計(jì)模式調(diào)制識(shí)別流程

預(yù)處理過(guò)程主要包括正交下變頻、幅度歸一化等，特征提取是從接收信號(hào)中通過(guò)線(xiàn)性或非線(xiàn)性變換，得到具有調(diào)制區(qū)分度的特征參數(shù)，分類(lèi)器是依據(jù)特征參數(shù)輸出相應(yīng)的調(diào)制類(lèi)型。常見(jiàn)的特征種類(lèi)有高階累積量[15]、循環(huán)譜[16]以及星座圖[17]等，常見(jiàn)的分類(lèi)方法有隨機(jī)森林[18]、支持向量機(jī)[19]等。

2016 年，O’Shea 等人[20]闡述了無(wú)線(xiàn)通信信號(hào)處理與深度學(xué)習(xí)的關(guān)系，隨后直接將數(shù)據(jù)集原始的IQ 兩路信號(hào)送入CNN 中[21]，實(shí)現(xiàn)對(duì)11 種模擬和數(shù)字調(diào)制信號(hào)的識(shí)別。從此掀起了將人工智能與深度學(xué)習(xí)應(yīng)用到調(diào)制識(shí)別領(lǐng)域的熱潮。文獻(xiàn)[22]針對(duì)OFDM 系統(tǒng)，利用CNN 對(duì)OFDM 子載波調(diào)制方式進(jìn)行識(shí)別。文獻(xiàn)[23]通過(guò)短時(shí)傅里葉變換將信號(hào)表征為時(shí)頻圖像，再利用深度神經(jīng)網(wǎng)絡(luò)進(jìn)行分類(lèi)。文獻(xiàn)[24]考慮了通信系統(tǒng)中的載波相位偏移，通過(guò)設(shè)計(jì)卷積神經(jīng)網(wǎng)絡(luò)消除PO，實(shí)現(xiàn)高分類(lèi)精度。

然而深度學(xué)習(xí)也存在一定的局限性，如訓(xùn)練時(shí)通常需要大量的訓(xùn)練樣本，而實(shí)際監(jiān)測(cè)時(shí)，對(duì)新信號(hào)難以獲取足夠樣本，因此研究人員提出了小樣本條件下的調(diào)制識(shí)別技術(shù)，從而提高有限條件下的識(shí)別率。此外，人工智能數(shù)據(jù)庫(kù)是有限的，對(duì)于新的調(diào)制類(lèi)型無(wú)法識(shí)別，因此對(duì)未知調(diào)制的開(kāi)集識(shí)別也是當(dāng)前和未來(lái)一段時(shí)間的研究熱點(diǎn)。

2.1 基于小樣本的調(diào)制識(shí)別技術(shù)

常見(jiàn)的調(diào)制類(lèi)型數(shù)據(jù)可通過(guò)模擬仿真獲取，然而雷達(dá)信號(hào)調(diào)制數(shù)據(jù)，以及未知用頻的數(shù)據(jù)調(diào)制，無(wú)法滿(mǎn)足深度學(xué)習(xí)的樣本需求，因此研究小樣本條件下的調(diào)制識(shí)別技術(shù)對(duì)于技術(shù)的發(fā)展以及頻譜監(jiān)測(cè)業(yè)務(wù)的增強(qiáng)具有重要意義。

文獻(xiàn)[25]提出了增強(qiáng)深度卷積生成對(duì)抗網(wǎng)絡(luò)，對(duì)小樣本雷達(dá)信號(hào)的調(diào)制方式進(jìn)行識(shí)別，生成對(duì)抗網(wǎng)絡(luò)的原理是通過(guò)對(duì)真實(shí)樣本的學(xué)習(xí)，生成可欺騙判別器的樣本以擴(kuò)充數(shù)據(jù)集。圖4 為生成對(duì)抗網(wǎng)絡(luò)的基本結(jié)構(gòu)。

圖4 生成對(duì)抗網(wǎng)絡(luò)

遷移學(xué)習(xí)是一種對(duì)現(xiàn)有模型算法進(jìn)行輕微調(diào)整以應(yīng)用于新領(lǐng)域和功能的技術(shù)，文獻(xiàn)[26]基于遷移學(xué)習(xí)技術(shù)，首先在源域預(yù)訓(xùn)練模型，結(jié)合具體任務(wù)利用目標(biāo)數(shù)據(jù)對(duì)模型進(jìn)行微調(diào)，從而在樣本較少的情況下保持較高的識(shí)別率。文獻(xiàn)[27]提出了一種基于關(guān)系網(wǎng)絡(luò)的小樣本集水聲通信信號(hào)調(diào)制識(shí)別方法，選擇信號(hào)功率譜作為信號(hào)的淺層特征表示，并設(shè)計(jì)了一種基于功率譜和關(guān)系網(wǎng)絡(luò)的調(diào)制識(shí)別模型。

2.2 基于開(kāi)集識(shí)別的調(diào)制識(shí)別技術(shù)

當(dāng)前的復(fù)雜電磁頻譜環(huán)境具有更寬的頻率范圍和更多樣的調(diào)制類(lèi)型，在實(shí)際非協(xié)作通信環(huán)境中，常常收集具有未知調(diào)制類(lèi)型的各種樣本，因此對(duì)未知信號(hào)的檢測(cè)和識(shí)別是一項(xiàng)具有挑戰(zhàn)性和重要意義的任務(wù)。開(kāi)集識(shí)別的基本原理是加入損失計(jì)算，并設(shè)定合理的閾值，通過(guò)與閾值的比較判斷目標(biāo)信號(hào)是否是未知信號(hào)。文獻(xiàn)[28]設(shè)計(jì)了兩個(gè)級(jí)聯(lián)的雙通道LSTM 網(wǎng)絡(luò)，從原始數(shù)據(jù)中自動(dòng)學(xué)習(xí)序列相關(guān)特征，利用中心損失和威布爾分布計(jì)算特征到特征中心距離的截止概率，從而實(shí)現(xiàn)對(duì)部分開(kāi)集調(diào)制的識(shí)別。文獻(xiàn)[29]提出了一種基于連體神經(jīng)網(wǎng)絡(luò)的識(shí)別算法，設(shè)計(jì)了一種基于平均值的雙閾值算法來(lái)區(qū)分已知調(diào)制類(lèi)型和未知調(diào)制類(lèi)型。文獻(xiàn)[30]利用改進(jìn)的廣義端到端（GE2E）損失來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，該損失增加相同調(diào)制類(lèi)型的特征向量的相似性，減少不同類(lèi)型的特征向量的相似性。

3 無(wú)線(xiàn)電頻譜監(jiān)測(cè)中的盲信噪比估計(jì)技術(shù)

信噪比是通信質(zhì)量的重要衡量指標(biāo)，也是無(wú)線(xiàn)電頻譜監(jiān)測(cè)業(yè)務(wù)的重要一環(huán)，事關(guān)后續(xù)信號(hào)識(shí)別與解調(diào)的判斷，以及頻譜管控策略的制定。

3.1 經(jīng)典的信噪比估計(jì)技術(shù)

基于奇異值的信噪比估計(jì)是較為經(jīng)典的一種方法。信號(hào)與噪聲的自相關(guān)矩陣關(guān)系可表示為：

式中：Rrr，Σr為接收信號(hào)的自相關(guān)矩陣和奇異值；Rss，Σs為信號(hào)的自相關(guān)矩陣和奇異值；Rnn，Σn為噪聲的自相關(guān)矩陣和奇異值。另有：

令信號(hào)空間的秩為p，該值可通過(guò)MDL 準(zhǔn)則獲取，該準(zhǔn)則可表示為：

則信噪比估計(jì)值可表示為：

文獻(xiàn)[31]提出了一種改進(jìn)的奇異值信噪比估計(jì)方法，將梯度序列每一項(xiàng)與后5 項(xiàng)之和的比值序列的最大值作為空間分界點(diǎn)的判別準(zhǔn)則。文獻(xiàn)[32]針對(duì)衰落信道條件下的信噪比估計(jì)，利用卡爾曼濾波將信道進(jìn)行平滑處理。文獻(xiàn)[33]提出一種基于擴(kuò)頻信號(hào)的信噪比估計(jì)方法，并采用均衡技術(shù)消除多徑效應(yīng)對(duì)信噪比估計(jì)帶來(lái)的影響。

3.2 基于深度學(xué)習(xí)的信噪比估計(jì)技術(shù)

深度學(xué)習(xí)的應(yīng)用已擴(kuò)散到越來(lái)越多的領(lǐng)域，包括信噪比的估計(jì)。文獻(xiàn)[32]將長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)融入卷積神經(jīng)網(wǎng)絡(luò)，對(duì)無(wú)人機(jī)通信的信噪比進(jìn)行估計(jì)。星座圖在不同的信噪比條件下會(huì)顯示出不同模式：當(dāng)信噪比較高時(shí)，星座圖上的點(diǎn)更集中；否則，點(diǎn)會(huì)更加分散。文獻(xiàn)[33]重點(diǎn)研究了基于星座圖的信噪比估計(jì)方法，將信噪比估計(jì)問(wèn)題轉(zhuǎn)換為星座圖識(shí)別問(wèn)題，并通過(guò)深度學(xué)習(xí)解決。文獻(xiàn)[34]進(jìn)一步將基于星座圖與深度學(xué)習(xí)的盲信噪比估計(jì)方法運(yùn)用到水下光學(xué)無(wú)線(xiàn)通信中，對(duì)2-QAM、4-QAM 和8-QAM 的估計(jì)精度分別達(dá)到99.7%、98%和94.7%。

4 無(wú)線(xiàn)電頻譜監(jiān)測(cè)業(yè)務(wù)中的關(guān)鍵技術(shù)應(yīng)用的不足與展望

（1）頻譜認(rèn)知技術(shù)

當(dāng)前基于能量檢測(cè)與協(xié)作檢測(cè)的頻譜認(rèn)知技術(shù)中，有些問(wèn)題還有待考慮，首先未考慮噪聲對(duì)閾值的影響，通常底噪增大時(shí)，閾值也需要相應(yīng)增大，因此將盲信噪比估計(jì)技術(shù)與能量檢測(cè)結(jié)合是未來(lái)需要考慮的一個(gè)方向。當(dāng)前已有研究注意到協(xié)作感知中惡意用戶(hù)和非法用戶(hù)的影響，但還需進(jìn)一步深化。在頻譜壓縮感知方面，還需考慮如何設(shè)計(jì)相應(yīng)軟硬件將理論進(jìn)行工程化實(shí)現(xiàn)。

（2）調(diào)制識(shí)別技術(shù)

當(dāng)前對(duì)調(diào)制識(shí)別的研究多是基于數(shù)據(jù)集以及模擬生成的樣本，然而在實(shí)際非協(xié)作通信中，信號(hào)是完全未知的。尤其是信號(hào)的采樣速率會(huì)對(duì)深度學(xué)習(xí)的識(shí)別結(jié)果產(chǎn)生較大影響，這是今后需要考慮的一個(gè)問(wèn)題。此外，在實(shí)際應(yīng)用中，信號(hào)傳播過(guò)程的衰落、多徑效應(yīng)、頻率偏移等因素對(duì)調(diào)制識(shí)別前的預(yù)處理過(guò)程提出了更高要求。文獻(xiàn)[25-27]設(shè)定的小樣本數(shù)量基本為100 個(gè)，還需考慮當(dāng)樣本只有10 多個(gè)甚至更少的情況。對(duì)于未知調(diào)制識(shí)別的研究還處于起步階段，除了未知與已知調(diào)制的識(shí)別，還應(yīng)研究未知與未知之間的調(diào)制識(shí)別。同時(shí)，當(dāng)未知調(diào)制的種類(lèi)增多時(shí)，如何保持一定的識(shí)別率也是未來(lái)研究的一個(gè)方向。

（3）盲信噪比估計(jì)技術(shù)

當(dāng)前對(duì)盲信噪比估計(jì)算法的研究也逐漸呈現(xiàn)出利用深度學(xué)習(xí)的趨勢(shì)，然而深度學(xué)習(xí)要求的計(jì)算資源較高，且泛化能力存在一定的局限性，要實(shí)現(xiàn)工程應(yīng)用較為困難。此外，當(dāng)前信噪比估計(jì)技術(shù)的研究相對(duì)依賴(lài)一些先驗(yàn)知識(shí)，因此，今后的研究工作是在完全未知的非協(xié)作通信條件下保證較高的估計(jì)準(zhǔn)確率。總體來(lái)說(shuō)，無(wú)論是經(jīng)典的還是深度學(xué)習(xí)信噪比估計(jì)算法，都應(yīng)更加聚焦其工程應(yīng)用前景。

5 結(jié) 語(yǔ)

電磁頻譜管控仍然是當(dāng)前和今后一段時(shí)間應(yīng)對(duì)頻譜資源稀缺與用頻業(yè)務(wù)增長(zhǎng)矛盾的基本技術(shù)手段，頻譜監(jiān)測(cè)奠定了頻譜管控的堅(jiān)實(shí)基礎(chǔ)。本文主要對(duì)無(wú)線(xiàn)電頻譜監(jiān)測(cè)中的頻譜認(rèn)知技術(shù)、調(diào)制識(shí)別技術(shù)以及信噪比估計(jì)技術(shù)的基本原理、技術(shù)路線(xiàn)、研究現(xiàn)狀進(jìn)行了綜合闡述，分析了當(dāng)前技術(shù)研究存在的不足以及對(duì)未來(lái)發(fā)展的展望，希望對(duì)相關(guān)學(xué)者的研究提供一定幫助。