宽带卫星信号智能识别系统的制作方法

1.本发明属于卫星信号监测领域，涉及宽带射频处理、智能化快速信号检测技术，具体是宽带卫星信号智能识别系统。


背景技术：

2.随着卫星通信技术的发展，卫星通信频段带宽更宽，信号的各类更多，信号的内容更复杂。目前，在卫星监测领域，根据实际工作场景的不同，基于射频、中频及载波的监测设备并存，在实际应用中存在监测设备种类多、应变迭代周期长、纵向关联难、信号实时处理带宽窄等问题，不能适应卫星技术发展对监测设备的要求。
3.有鉴于此，有必要提供一款宽带卫星信号全侦全控系统，应用大宽带射频处理、智能化快速信号检测/识别/译码、人工智能等技术，高效率地实现大带宽卫星信号的监测。


技术实现要素：

4.本发明提供了宽带卫星信号智能识别系统，用于解决传统卫星设备复杂、纵向关联难、信号识别处理速度慢的技术问题，本发明通过大带宽射频处理、人工智能、智能化快速识别信号等技术的结合解决了上述问题。
5.本发明的目的可以通过以下技术方案实现：宽带卫星信号智能识别系统，包括：用于接收卫星射频信号的中转交换设备；所述中转交换设备分别与若干个信号监测设备、信号控守设备通信和/或电气连接；所述信号控守设备包括解调译码设备和解调译码热备份设备；若干个所述信号监测设备和所述信号控守设备均分别与第一交换网络、第二交换网络通信连接；所述宽带卫星信号智能识别系统根据系统工作模式对宽带卫星信号进行监测分析；所述系统工作模式包括全频段自动监测模式、整网监测模式、群路控守模式和智能模型训练模式。
6.优选的，所述宽带卫星信号智能识别系统采用b/s架构。
7.优选的，所述信号监测设备包括双通道射频采集卡、scpc/dvb tdma解调处理卡、高性能服务器和gpu加速卡；所述双通道射频采集卡用于接收l频段信号，同时与ddc高速专用网络和pcie 4.0总线通信连接。
8.优选的，所述pcie4.0总线还与dvb/tdma群路scpc单元、若干个gpu加速卡、cpu和存储单元通信连接；所述dvb/tdma群路scpc单元还与万兆网络相连接，同时，dvb/tdma群路scpc单元还能够接收l频段信号。
9.优选的，所述全频段自动监测模式对全频段的信道参数进行自动分析，包括：信号监测设备对输入的宽带卫星信号进行数字化采集，产生信号数据；
信号数据经fpga进行fft变换和ddc处理，形成宽带数字化频谱和多路ddc数据；实时搜集信道数据，识别出需要重点监测的信号；通过监测设备对需要重点监测的信号进行自动监测分析，获取对应的信号特征参数，同时对信号特征参数进行存储；重复自动分析步骤，实现全频段卫星的实时监测。
10.优选的，所述整网监测模式用于获取vsat网规模，实现全网控守，包括：通过全频段监测获取有网控信道卫星通信网的网控信道参数；实时监测网控信道，获取vsat网的站台数量、网络参数和站台工作参数；根据vsat网的站台数量，申请充足的监测通道；动态地向监测通道发送vsat网络参数和站台工作参数，实现对vsat网络的全网站台控守；全网站台控守产生的信号数据通过数据传输服务向后端信息处理系统发送。
11.优选的，所述群路控守模式根据控守任务需要，对群路信号进行控守，包括：通过对全频段进行监测，获取各群路信号载波数量；根据群路载波数量，申请群路控守设备；通过群路控守设备对群路信号实时控守，群路解调译码通道对群路信号进行解调译码，获取通信信息；对通信信息进行收集，向后端信息处理系统发送数据；持续对各群路信号进行控守，并根据载波变化动态调整资源。
12.优选的，所述智能模型训练模式用于训练监测控守模型，包括：对信号监测获得的数据进行特征标注，获取目标数据；所述目标数据的获取方式为人工标注或者机器标注，且所述特征标注的类型包括信号视频数据、模采信号数据或者数字信号数据；构建智能模型；所述智能模型包括误差逆向反馈神经网络、rbf神经网络和深度卷积神经网络中的一种或者多种；通过目标数据对智能模型训练获取监测控守模型，并将监测控守模型应用于信号监测中。
13.优选的，宽带卫星信号智能识别系统对卫星信号进行分析处理，包括：对系统硬件资源进行搜集、注册和管理，为每个l频段配置逻辑处理通道，并为l频段全频段提供监测分析通道；通过射频采集卡对多路l频段信号中特定频率的带宽信号进行射频采集，并获取带通信号ddc数据；通过fpga将带通信号ddc数据根据系统配置将ddc数据通过高速ddc专用网络发送至pcie总线，然后发送至gpu中；通过全频段自动监测模式对设备的信号参数进行识别分析，同时将l频段模拟信号接入scpc/dvb tdma解调处理卡，接收来自ddc高速专用网络的ddc数据；通过fpga和dvb处理模块根据配置参数进行整网监测；对信号资源进行辅助标注获取标注信号，利用gpu资源对标注信号进行模型训练。
14.优选的，在对所述l频段信号进行射频采集之前，还需对l频段信号进行模数转换处理。
15.优选的，所述特定频率具体为1.2ghz带宽信号。
16.优选的，所述中转交换设备具体为有源多路功分器或者交换矩阵。
17.优选的，所述解调译码设备具体为配备scpc/dvb tdma解调处理卡的信号控守设备。
18.与现有技术相比，本发明的有益效果是：1、本发明通过智能监测应用对全频段信号参数持续自动识别分析，并通过资源统管调度引导实现整网监测及群路控守，采用宽带处理技术对高达1.2ghz带宽卫星信号进行采集、fft变换和ddc处理；实现对大宽带内卫星信号的识别及控守。
19.、本发明提供的宽带卫星信号智能识别系统通过对大量信号数据进行各层级参数提取、特征标注，产生信号样本数据库，在大规模样本数据基础上，利用人工智能算法对智能模型进行训练，达到智能判断能力，从而在所监测信号只获取少量层级参数的情况下，也能准确判断信号属性，进而关联出各层级参数，不仅解决了参数纵向关联难的问题，还能提高监测有效性和运算效率。
附图说明
20.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
21.图1为本发明的系统连接示意图；图2为本发明信号监测设备连接示意图；图3为本发明信号自动识别原理示意图；图4为本发明工作原理示意图。
具体实施方式
22.下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
23.这里使用的术语用于描述实施例，并不意图限制和/或限制本公开；应该注意的是，除非上下文另有明确指示，否则单数形式的“一”、“一个”和“该”也包括复数形式；而且，尽管属于“第一”、“第二”等可以在本文中用于描述各种元件，但是元件不受这些术语的限制，这些术语仅用于区分一个元素和另一个元素。
24.请参阅图1，本实施例提供了一种宽带卫星信号智能识别系统，包括：中转交换设备、若干个信号监测设备和信号控守设备。本实施例中的中转交换设备主要为有源多路功分器和/或交互矩阵。本技术中的信号控守设备包括解调译码热备份设备和解调译码设备。
25.中转交换设备用于接收卫星射频信号，中转交换设备还与信号控守设备通信连接；解调译码设备的输出端同时与多个信号监测设备通信连接，信号监测设备的输出端与第一交换网络和第二交换网络通信连接。
26.卫星射频信号传输至中转交换设备，中转处理之后发送至信号监测设备。信号监测设备与第一交换网络之间传输ddc数据，同时传输监测数据至第二交换网络。信号监测设备还通过第二交换网络实现运维运控。
27.第一交换网络还与云服务设备、存储设备（数据库）之间相互通信。
28.请参阅图2，本实施例中的信号监测设备包括双通道射频采集卡、scpc/dvb tdma解调处理卡、高性能服务器和gpu加速卡；双通道射频采集卡包括信号预处理单元、两个模数转换器（adc12dj3200）和fpga单元；本实施例选用的模数转换器adc12dj3200是2位adc，具有以下优势：1）在12位分辨率下具有业界最快的采样率6.4gsps，比同类设备快18％
‑
adc12dj3200使设计人员能够采用最宽带宽，从而及时处理更多信息；2）采用高达10ghz的直接射频（rf）采样，覆盖l波段、s波段和c波段，并扩展到x波段，在降低滤波器复杂性的同时可进一步简化系统架构，并提供更强的频率捷变，从而节省电路板空间、减少组件数量；3）该设备集成了整个rf至位接收器，与同类解决方案相比，最多可将电路板空间减少88％，同时使设计人员能够通过简化系统架构来降低成本；4）功耗低至3w，在功率减半的情况下，输入频率范围是同类设备的两倍。
29.双通道射频采集卡连接有外时钟，信号预处理单元接收l频段信号，卫星信号预处理之后输入至模数转换器，最后输入至fpga单元。
30.单元接收b码，即irig
‑
b码；fpga单元还与ddc高速专用100g网络、pcie4.0总线进行数据交换。
31.总线还与万兆网络、64核cpu、存储单元（数据库）、两个gpu加速卡（gpu加速卡1和gpu加速2）、dvb/tdma群路scpc单元之间通信连接；dvb/tdma群路scpc单元与万兆网络通信，同时还接收l频段信号。
32.本技术提供的宽带卫星信号智能识别系统包括四种工作模式，具体为全频段自动监测模式、整网监测模式、群路控守模式和智能模型训练模式。
33.请参阅图3，智能模型训练模式智能模型训练模式，是利用人工或机器标注的目标数据，通过运用系统的cpu、gpu资源，利用人工智能算法对监测控守模型进行训练，并将训练模型推送至监测控守应用中，提升监测模型的有效性和运算效率；包括：对信号监测获得的数据进行特征标注，获取目标数据；目标数据的获取方式为人工标注或者机器标注，且特征标注的类型包括信号视频数据、模采信号数据或者数字信号数据；构建智能模型；智能模型包括误差逆向反馈神经网络、rbf神经网络和深度卷积神经网络中的一种或者多种；深度学习里最常用也是最基础的就是卷积神经网络，把卷积层、激活函数、池化层反复用好多遍，就构成了深度神经网络。学习过程是自动的，特征是抽象组合得到的。利用深度学习实现宽带信号特征分析，通过深度神经网络从大数据样本中学习信号特征。
34.通过目标数据对智能模型训练获取监测控守模型，并将监测控守模型应用于信号监测中。利用机器学习的方法，通过一定批量带有信号特征标签的样本数据对机器进行训练，用机器自主学习到的各种特征来代替研发人员手工设计的特征提取模块，达到最终目标分类识别的目的。具体如图3，卫星信号进行采集和预处理后，利用深度学习来训练基于迁移学习和生成对抗神经网络的识别模型，并实现信号识别。
35.请参阅图4，本技术提供的宽带卫星信号智能识别系统采用b/s架构、“平台 服务 应用”模式。本技术包括信号服务、信息服务和传输服务，包括资源统管调度、全频段监测、整网监测和群路控守四个应用。
36.宽带卫星信号智能识别系统对卫星信号进行分析处理，包括：对系统硬件资源进行搜集、注册和管理，为每个l频段配置逻辑处理通道，并为l频段全频段提供监测分析通道；通过射频采集卡对多路l频段信号中特定频率的带宽信号进行射频采集，并获取带通信号ddc数据；通过fpga将带通信号ddc数据根据系统配置将ddc数据通过高速ddc专用网络发送至pcie总线，然后发送至gpu中；通过全频段自动监测模式对设备的信号参数进行识别分析，同时将l频段模拟信号接入scpc/dvb tdma解调处理卡，接收来自ddc高速专用网络的ddc数据；通过fpga和dvb处理模块根据配置参数进行整网监测；对信号资源进行辅助标注获取标注信号，利用gpu资源对标注信号进行模型训练。
37.本技术中的全频段自动监测模式是系统资源分配的重要支撑，是其它模式对信道进行配置的主要依据。在全频段自动监测模式，利用资源统管调度提供的资源对全频段中相关信道参数进行自动监测分析，并将相关结果通过消息总线反馈资源统管调度，同时将相关监测结果存入数据库；包括：信号监测设备对输入的宽带卫星信号进行数字化采集，产生信号数据；信号数据经fpga进行fft变换和ddc处理，形成宽带数字化频谱和多路ddc数据；实时搜集信道数据，识别出需要重点监测的信号；通过监测设备对需要重点监测的信号进行自动监测分析，获取对应的信号特征参数，同时对信号特征参数进行存储；重复自动分析步骤，实现全频段卫星的实时监测。
38.本技术中的整网监测模式是指有网控信道的通信网的全网监测，通过全频段监测获得的vsat网参数，通过实时控守网控信道，获取vsat网的规模，向资源统管调度申请充足的逻辑信道，并动态向相关通道发送相关参数实现全网控守，并通过数据传输服务向后端信息处理系统发送数据；动态向资源统管调度汇报各通道的相关状态，接受资源统管调度对资源的控制权；包括：通过全频段监测获取有网控信道卫星通信网的网控信道参数；实时监测网控信道，获取vsat网的站台数量、网络参数和站台工作参数；根据vsat网的站台数量，申请充足的监测通道；动态地向监测通道发送vsat网络参数和站台工作参数，实现对vsat网络的全网站台控守；全网站台控守产生的信号数据通过数据传输服务向后端信息处理系统发送。
39.整网监测动态向资源统管调度上报各控守通道的相关状态，接收资源统管调度对资源的控制。
40.本技术中的群路控守模式是根据控守任务需要，为每个设备分配一组信号载波进行控守，通过全频段自动监测获得的各载波参数，通过资源统管调度为该模式分配逻辑解调译码通道，群路控守应用持续对结果数据进行搜集并通过数据传输服务向后端信息处理
系统发送数据；包括：通过对全频段进行监测，获取各群路信号载波数量；根据群路载波数量，申请群路控守设备，具体为群路scpc/tdma解调器；通过群路控守设备对群路信号实时控守，调用若干个群路解调译码通道对群路信号进行解调译码，获取通信信息；群路控守应用对通信信息进行收集，向后端信息处理系统发送数据；群路控守应用持续对各群路信号进行控守，并根据载波变化动态调整资源。
41.本技术提供的宽带卫星信号智能识别系统解决了传统卫星监测系统设备复杂、纵向关联难、人工参与程度高、信号识别处理速度慢等问题，采用大宽带射频处理、智能化快速信号检测/识别/译码、人工智能等技术，高效率的实现了大带宽卫星信号的监测，提升对大带宽卫星信号监测分析的自动化、智能化水平，提高卫星信号分析及处理的速度及准确率。具体纵向关联难的原因是卫星信号不同层级的参数（链路层、网络层、传输层、应用层等），同一层级的参数可相互关联、识别，不同层级的参数难于纵向关联，监测出信号某一层级的参数也无法识别出信号属性。本技术过对大量信号数据进行各层级参数提取、特征标注，产生信号样本数据库，在大规模样本数据基础上，利用人工智能算法对监测模型进行训练，达到智能判断能力，从而在所监测信号只获取少量层级参数的情况下，也能准确判断信号属性，进而关联出各层级参数。
42.本发明的工作原理：对系统硬件资源进行搜集、注册和管理，为每个l频段配置逻辑处理通道，并为l频段全频段提供监测分析通道；通过射频采集卡对多路l频段信号中1.2ghz的带宽信号进行射频采集，并获取带通信号ddc数据；通过fpga将带通信号ddc数据根据系统配置将ddc数据通过高速ddc专用网络发送至pcie总线，然后发送至gpu中；通过全频段自动监测模式对设备的信号参数进行识别分析，同时将l频段模拟信号接入scpc/dvb tdma解调处理卡，通过板上ad进行采样或者直接接收来自ddc高速专用网络的ddc数据；通过fpga和dvb处理模块根据配置参数进行整网监测；对信号资源进行辅助标注获取标注信号，利用gpu资源对标注信号进行模型训练；对监测结果进行可视化展示。
43.在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
44.以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。