一种基于大数据的无线电波的反射追寻系统的制作方法

1.本发明涉及无线电波技术领域，尤其涉及一种基于大数据的无线电波的反射追寻系统。


背景技术：

2.无线电波是指在自由空间（包括空气和真空）传播的射频频段的电磁波。无线电波的波长越短、频率越高，相同时间内传输的信息就越多，无线电波在空间中的传播方式有以下情况：直射、反射、折射、穿透、绕射（衍射）和散射。
3.经检索，中国专利号为cn102401890b的发明专利，公开了根据无线电信号强度使用多维图形定位信号发射源的方法，解决已有方法查找速度低，判断困难，准确性差的问题，在显示器中产生直方图形的步骤如下：(1)采集的无线信号由定向天线进入接收机，接收机以电场强度单位将无线信号量化后传送到微处理器，微处理器从接收机中读取量化无线信号数据，依照先后顺序放入存贮器中的缓冲区，(2)微处理将填满缓冲区中的量化无线信号数据读出，在显示屏上绘制出不同高度和不同颜色的直方图，(3)当存贮器缓冲区中量化无线信号数据填满后将相邻两数据合并，将合并后的已减半的数据重新填入原缓冲区，并填入新采集的数据值，当再次填满缓冲区后，重复步骤(2)、(3)，(4)当显示屏中的直方图变得最高，颜色最深时，表明最终靠近无线信号发射源；然而上述系统在工作的过程中仅能接收的无线电波数据来对直观地显示当前所测信号的强度随时间变化的态势，从而对信号发射源进行点位，但接收到的无线电波数据中会包含大量的异常数据，直接进行分析会使得结果存在偏差，同时也难以对无线电波的传播模型进行快速选定，因此需要一种基于大数据的无线电波的反射追寻系统。


技术实现要素：

4.本发明的目的在于提供一种基于大数据的无线电波的反射追寻系统，以解决现有技术中存在接收到的无线电波数据中会包含大量的异常数据，直接进行分析会使得结果存在偏差的技术问题。
5.本发明提供一种基于大数据的无线电波的反射追寻系统。
6.为了实现上述目的，本发明采用了如下技术方案：一种基于大数据的无线电波的反射追寻系统，包括无线信号接收器、基站、反射追寻器和云端存储模块，所述无线信号接收器与所述基站之间通信连接，所述无线信号接收器对所述基站接收到的信号数据进行采集，所述无线信号接收器与所述反射追寻器之间通信连接，所述反射追寻器对所述无线信号接收器接收的无线电波数据进行反射寻踪，所述基站与所述云端存储模块之间通信连接，所述无线信号接收器与所述云端存储模块之间通信连接，所述反射追寻器与所述云端存储模块之间通信连接；所述无线信号接收器的内部包括数据处理系统，所述数据处理系统对获取的无线电波传输数据进行处理，并去除数据中的异常数据，所述反射追寻器的内部包括采集环境
检测模块、传播模型选取模块、观测模型建立模块和聚类分析模块，通过所述观测模型建立模块建立出无线电波反向追踪的观测模型，并且对模型的准确性进行检验。
7.上述技术方案进一步包括：所述无线信号接收器的内部还包括调谐电路、调制解调和数据获取模块，无线电波通过调谐电路进行接收，然后无线电波再通过调制解调进行调制解调，所述数据获取模块对基站所接收到的无线电波信号进行采集。
8.所述数据获取模块的内部包括基站数据获取单元和接收数据获取单元，所述基站数据获取单元采集的数据包括从无线信号接收器内部获取无线电波到达的角度以及无线电波所到达的时间，所述接收数据获取单元获取的数据为无线信号接收器所接收到的无线电波数据，所述数据获取模块对多个基站中的数据进行采集，所述数据获取模块将采集到的数据传输到所述数据处理系统中。
9.所述数据处理系统的内部包括冗余数据剔除模块、噪音干扰去除模块和数据更新模块，所述冗余数据剔除模块对采集到的无线电波数据中的冗余数据进行剔除，所述噪音干扰去除模块对采集到的无线电波数据中由于噪音干扰所导致的信号错乱的部分进行去除。
10.所述冗余数据剔除模块将处理后的无线电波数据传输到所述数据更新模块中，所述噪音干扰去除模块将处理后的无线电波数据传输到所述数据更新模块中，所述数据更新模块对冗余数据剔除模块与噪音干扰去除模块处理后的数据进行汇总，然后再根据时间进行对同组的无线电波数据排序，从而将数据中同一时间内的无线电波信号进行更新。
11.所述数据处理系统将处理后的无线电波数据传输到所述反射追寻器中，所述采集环境检测模块对无线信号传输的环境进行检测，所述采集环境检测模块根据天气以及周围的环境将数据传输到所述传播模型选取模块中。
12.所述传播模型选取模块根据传输环境的不同对无线电波的传播模型进行选择，所述无线电波的传播模型包括okumura模型、hata模型、okumura-hata模型、cost231模型、cost231-hata模型以及lee模型。
13.所述传播模型选取模块将选取的传播模型传输到观测模型建立模块中，所述观测模型建立模块的内部包括深度学习模块、模型建立模块和模型验证模块，所述深度学习模块通过所述数据处理系统传输的数据以及传播模型选取模块所选取的传播模型进行深度学习，所述深度学习模块将深度学习的结果传输到所述模型建立模块中。
14.所述模型建立模块根据无线电波接收时的角度时间与传播模型之间的关系建立“无线电波反向追寻模型”，所述模型验证模块将周围基站中的数据导入到“无线电波反向追寻模型”中，通过大量的无线电波数据对模型进行修正。
15.通过所述无线信号接收器将所接收的无线电波导入到“无线电波反向追寻模型”中，从而能够对无线电波的发出位置进行定位，同时将位置数据传输到聚类分析模块中，通过聚类分析选择权重最高簇的质心作为定位结果在地图上展示。
16.与现有技术相比较，本发明的有益效果在于：（1）本发明中，使用时，通过数据处理系统可以对基站中的无线电波数据以及无线信号接收器内部接收到的无线电波数据进行处理，通过冗余数据剔除模块与噪音干扰去除模块对无线电波数据中冗余数据以及噪音干扰所造成的异常数据进行去除，同时通过数据
更新模块对数据进行实时更新，进而能够保证无线电波数据数据的准确性与时效性，便于后续对无线电波位置进行定位。
17.（2）本发明中，使用时，通过采集环境检测模块、传播模型选取模块、观测模型建立模块和聚类分析模块的配合使用能够实现对模型的建立，传播模型选取模块能够根据无线电波的传输环境对传播模型进行选取，然后再通过观测模型建立模块根据传播模型与获取的无线电波数据进行深度学习，从而建立“无线电波反向追寻模型”，同时通过模型验证模块对“无线电波反向追寻模型”的准确性进行修正，然后通过通过聚类分析模块选择权重最高簇的质心作为定位结果在地图上展示，进而实现对无线电波反射追寻的准确性。
18.附图说明
19.图1为本发明提出的一种基于大数据的无线电波的反射追寻系统的系统框图；图2为本发明中无线信号接收器的系统框图；图3为本发明中数据获取模块的系统框图；图4为本发明中数据处理系统的系统框图；图5为本发明中反射追寻器的系统框图；图6为本发明中观测模型建立模块的系统框图。
20.图中：1、无线信号接收器；2、基站；3、反射追寻器；4、云端存储模块；5、调谐电路；6、调制解调；7、数据获取模块；8、数据处理系统；9、基站数据获取单元；10、接收数据获取单元；11、冗余数据剔除模块；12、噪音干扰去除模块；13、数据更新模块；14、采集环境检测模块；15、传播模型选取模块；16、观测模型建立模块；17、聚类分析模块；18、深度学习模块；19、模型建立模块；20、模型验证模块。
21.具体实施方式
22.下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。
23.通常在此处附图中描述和显示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。
24.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他实施例，都属于本发明保护的范围。
25.在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
26.此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
27.在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
28.下面结合图1至图6所示，本发明实施例提供了一种基于大数据的无线电波的反射追寻系统，包括包括无线信号接收器1、基站2、反射追寻器3和云端存储模块4，无线信号接收器1与基站2之间通信连接，无线信号接收器1对基站2接收到的信号数据进行采集，无线信号接收器1与反射追寻器3之间通信连接，反射追寻器3对无线信号接收器1接收的无线电波数据进行反射寻踪，基站2与云端存储模块4之间通信连接，无线信号接收器1与云端存储模块4之间通信连接，反射追寻器3与云端存储模块4之间通信连接；无线信号接收器1的内部包括数据处理系统8，数据处理系统8对获取的无线电波传输数据进行处理，并去除数据中的异常数据，反射追寻器3的内部包括采集环境检测模块14、传播模型选取模块15、观测模型建立模块16和聚类分析模块17，通过观测模型建立模块16建立出无线电波反向追踪的观测模型，并且对模型的准确性进行检验；无线信号接收器1的内部还包括调谐电路5、调制解调6和数据获取模块7，无线电波通过调谐电路5进行接收，然后无线电波再通过调制解调6进行调制解调，数据获取模块7对基站2所接收到的无线电波信号进行采集；数据获取模块7的内部包括基站数据获取单元9和接收数据获取单元10，基站数据获取单元9采集的数据包括从无线信号接收器1内部获取无线电波到达的角度以及无线电波所到达的时间，接收数据获取单元10获取的数据为无线信号接收器1所接收到的无线电波数据，数据获取模块7对多个基站2中的数据进行采集，数据获取模块7将采集到的数据传输到数据处理系统8中；数据处理系统8的内部包括冗余数据剔除模块11、噪音干扰去除模块12和数据更新模块13，冗余数据剔除模块11对采集到的无线电波数据中的冗余数据进行剔除，噪音干扰去除模块12对采集到的无线电波数据中由于噪音干扰所导致的信号错乱的部分进行去除；冗余数据剔除模块11将处理后的无线电波数据传输到数据更新模块13中，噪音干扰去除模块12将处理后的无线电波数据传输到数据更新模块13中，数据更新模块13对冗余数据剔除模块11与噪音干扰去除模块12处理后的数据进行汇总，然后再根据时间进行对同组的无线电波数据排序，从而将数据中同一时间内的无线电波信号进行更新；传播模型选取模块15根据传输环境的不同对无线电波的传播模型进行选择，无线电波的传播模型包括okumura模型、hata模型、okumura-hata模型、cost231模型、cost231-hata模型以及lee模型；传播模型选取模块15将选取的传播模型传输到观测模型建立模块16中，观测模型建立模块16的内部包括深度学习模块18、模型建立模块19和模型验证模块20，深度学习模块18通过数据处理系统8传输的数据以及传播模型选取模块15所选取的传播模型进行深度学习，深度学习模块18将深度学习的结果传输到模型建立模块19中；模型建立模块19根据无线电波接收时的角度时间与传播模型之间的关系建立“无线电波反向追寻模型”，模型验证模块20将周围基站中的数据导入到“无线电波反向追寻模型”中，通过大量的无线电波数据对模型进行修正；通过无线信号接收器1将所接收的无线电波导入到“无线电波反向追寻模型”中，从而能够对无线电波的发出位置进行定位，同时将位置数据传输到聚类分析模块17中，通过聚类分析选择权重最高簇的质心作为定位结果在地图上展示。
29.本实施例中，工作时，外部的无线电波通过无线信号接收器1进行接收，无线电波通过调谐电路5进行接收，然后无线电波再通过调制解调6进行调制解调，数据获取模块7对基站2所接收到的无线电波信号进行采集；数据获取模块7内部的基站数据获取单元9对无线信号接收器1内部无线电波到达的角度以及无线电波所到达的时间数据进行采集，接收数据获取单元10获取的数据为无线信号接收器1所接收到的无线电波数据；然后数据获取模块7将采集到的数据传输到数据处理系统8中，冗余数据剔除模块11对采集到的无线电波数据中的冗余数据进行剔除；噪音干扰去除模块12对采集到的无线电波数据中由于噪音干扰所导致的信号错乱的部分进行去除，并且冗余数据剔除模块11将处理后的无线电波数据传输到数据更新模块13中，噪音干扰去除模块12将处理后的无线电波数据传输到数据更新模块13中；数据更新模块13对冗余数据剔除模块11与噪音干扰去除模块12处理后的数据进行汇总，然后再根据时间进行对同组的无线电波数据排序，从而将数据中同一时间内的无线电波信号进行更新，保证无线电波数据数据的准确性与时效性，便于后续对无线电波位置进行定位。
30.数据处理系统8将处理后的无线电波数据传输到反射追寻器3中，采集环境检测模块14对无线信号传输的环境进行检测，采集环境检测模块14根据天气以及周围的环境将数据传输到传播模型选取模块15中；通过采集环境检测模块14对无线信号传输的环境进行检测，然后传播模型选取模块15再根据采集环境检测模块14检测得到的数据对无线电波的传播模型进行选择，当选择hata模型时；此时（其中其中：pl为市区路径平均损耗，f为载波频率；h为基站天线有效高度；a（h）为移动天线的校正因子；d为移动台与基站之间的距离）；传播模型选取模块15将选取的传播模型传输到观测模型建立模块16中，深度学习模块18通过数据处理系统8传输的数据以及传播模型选取模块15所选取的传播模型进行深度学习，并且将深度学习的结果传输到模型建立模块19中，在深度学习中会对传播的hata模型中与无线电波传播数据进行关联，寻找其中存在的联系，然后模型建立模块19再根据无线电波接收时的角度时间与传播模型之间的关系建立“无线电波反向追寻模型”，模型验证模块20将周围基站中的数据导入到“无线电波反向追寻模型”中，通过大量的无线电波数据对模型进行修正；通过无线信号接收器1将所接收的无线电波导入到“无线电波反向追寻模型”中，从而能够对无线电波的发出位置进行定位，同时将位置数据传输到聚类分析模块17中，通过聚类分析选择权重最高簇的质心作为定位结果在地图上展示，进而实现对无线电波发生的反向追踪。
31.最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术
方案的范围。