关于大数据时代的无线电监测分析

    刘亚秋

    摘 要：随着社会的快速发展以及科技的进步，大数据的概念得以提出，并在很多的领域中得到了广泛的应用。在大数据时代，应当注重将一体化平台、云计算、大数据等相关技术进行整合应用，提高其在各个领域中发挥的作用和效果。无线电监测是当前一项重要的工作，利用先进的技术手段对模拟调频、调幅等信号进行监测，从而实现有效的无线电管理。而在大数据时代下，要充分认识到当前无线电管理中存在的问题，进而结合大数据时代的概念及特点，充分运用大数据技术去实现更为高效的无线电监测工作。

    关键词：大数据；时代；无线电；监测

    当前社会已经进入了大数据时代，很多行业和领域都产生了巨大的变化。随着国家产业变革和科技革命的推行，在很多领域都开始推进信息技术及大数据技术的应用进程，以期提高工作效率。在无线电领域中，无线电监测是一项重要的工作，采用相应的技术手段测量无线电发射带块、功率、频率等，监听模拟调频及调幅等信号，查找干扰源及非法电台，从而实现无线电的有效管理。而在大数据时代下，传统的无线电监测方法已经落后。因此，需要紧密贴合大数据时代，采取有效的措施进行改进。

    1 大数据时代的基本概述

    1.1 大数据时代的概念

    大数据时代这一概念的提出，最早来自于麦肯锡咨询公司，其认为在当今各个业务职能领域及行业中，数据都已经成为重要的生产要素，人们对于海量的数据进行整合、分析、应用，可能会带来更大的消费者盈余浪潮和生产率增长[1]。实际上，过去在通讯、金融、军事等行业以及环境生态学、生物学、物理学等领域当中，早已涉及大数据的概念，只是近年来随着信息技术和互联网的快速普及才开始受到人们广泛的关注。实际上，大数据指的是具有海量规模的数据而通常难以利用传统计算机处理模式进行处理。大数据处理模式对访问、存储、搜集等方面都具有更高的要求，对于数据的趋势性、相关性、总体性分析都十分注重。

    1.2 大数据时代的特点

    在大数据时代下，大数据最大的特点就是数据量大。在大数据当中，通常使用P，E，Z等单位作为起始计量单位。其次，大数据通常具有十分繁多的类型，例如地理位置信息、图片、视频、音频、网络日志等诸多类型的信息都是大数据当中的组成部分。因此，类型繁多的大数据对于数据处理能力的要求也更高。此外，大数据还具有价值密度低的特点，在当前物联网不断发展和普及的背景下，信息感知无所不在，信息量十分巨大，但价值密度往往较低[2]。因此，需要运用强大的机器算法对大数据中的价值进行快速提炼，从而满足人们的应用需求。最后，处理速度快、时效性要求高也是大数据的一个重要特点。现有的技术架构及路线往往难以对海量的大数据进行高效处理，而大数据规模巨大。因此在处理中，处理速度必须足够快才能够满足时效性的要求。

    2 传统无线电监测中存在的问题

    无线电监测是无线电管理领域中一项十分重要的工作内容。但是在以往的无线电监测当中存在着一定的问题和不足，影响了无线电管理效率和效果。例如，现有的无线电监测系统存在较大的局限性，并且系统没有进行充分的整合，难以为实际工作提供便利。现有的无线电业务管理系统不能和监测系统进行良好的信息共享，对于精细化管理的要求也难以充分满足[3]。因此，这使得审批设台、指配频率的准确性、科学性都受到影响，也难以支持快速查找无线电干扰源。另外，系统中的监测数据库、地理信息库、设备数据库、台站数据库、频率数据库等信息子系统通常在不同的数据库当中，相互之间存在封闭不互通的情况，因此难以快速提取统计应用数据，容易发生信息孤岛的情况。以上这些问题的存在，对于无线电监测都是较为不利的。因此，在大数据时代下，有必要采取有效的对策进行改进。

    3 大数据时代下的无线电监测对策

    3.1 数据的采集

    在大数据时代下，无线电监测要先对原始数据进行采集，并在获取数据的同时，利用合理设置进行过滤从而去除无用信息。例如，需要对某地区80～800 MHz频段的无线电进行监测，则需要先分析这一频段，其中包括了对讲业务、集群通信业务、民航业务、电视业务、广播业务等。所以，不能统一设置进行监测，需要针对不同业务的频段范围进行分段设置。

    3.2 数据的管理

    根据获取的数据统一进行管理，管理工具则可以使用相关的数据库软件。按照信号的时间占用度、强度、带宽等标准，对获取的数据进行整理和分类。在数据库当中，针对无线电监测中的不同需求，可以对数据整理的类别进行适当的调整[4]。例如，需要对某一频点中的信号监测其出现时间的分布情况，可以根据时间为标准进行整理。如果需要对信号出现的地点进行监测，可以根据不同遥控站接收到的信号电平进行整理。此外，对于不同类型不同频段的信号，由于具有不同的特点，例如占用带宽不同等，在进行统计的过程中，能够对信号带宽设置进行自动调整，进而提高结果的准确性。例如，通常情况下，对讲机具有12.5 kHz的频率，而调频广播具有200 kHz的频率，因此，不会将调频广播信号误认为是多个对讲信号。

    3.3 数据的计算

    在数据计算的过程中，以往主要是采用远程联网的方法对遥控站进行远程连接，向本地回传数据并进行处理。但是，在大数据时代下，数据计算量十分巨大，因此，如果仍然利用传统计算方法，将会对硬件资源造成大量消耗[5]。同时，数据量不断积累增加，数据计算可靠性、计算效率等也可能会进一步下降，因而对于当前无线电监测中数据计算的要求，已经难以充分满足。针对这一问题，可以将大数据和云计算技术进行紧密结合，例如，可以采用Google开发的Hadoop平台作为大数据计算框架，同时综合利用分布式计算，能够极大地提升数据计算能力，满足大数据时代下无线电监测的需求。

    3.4 数据的分析

    在大数据时代下，数据量十分巨大，数据结构也具有很高的复杂性，因此，采用传统的模型难以实现对数据的高效分析。在传统方法的基础上还需要与数据融合、数据挖掘等理论及方法进行融合，在不同的情况下进行相应的具体的分析[6]。在当前的无线电监测中，对于数据分析方面的技术仍然处于较为初始的阶段，虽然能够满足一般性的数据分析，但是对于非结构化大数据等类型的数据则难以进行有效的分析。对此，在未来的发展当中，应当对大数据分析技术进行更加深入的探索，从而找到更加智能、高效的数据挖掘模型，更好地支持大数据分析。

    4 结语

    在当前的社会中，大数据已经逐渐被应用到各个行业及领域当中，并且正在发挥着越来越重要的作用。在大数据时代下，无线电监测作为无线电管理中的一项重要工作，也需要紧密契合大数据时代的发展要求，充分运用大数据的概念和特点，利用有效的对策和技术进一步提高无线电监测的效率和效果，从而使无线电领域得到更大的发展。

    [参考文献]

    [1]徐漪，沈建峰.大数据环境下个人信息泄露的防范与管控—基于徐玉玉被骗身亡事件的审视[J].产业与科技论坛，2017（4）：207-209.

    [2]陈宏.浅议大数据时代背景下的无线电管理信息化创新之路[J].中国无线电，2015（1）：62-63.

    [3]吕卫东，王传亮.浅谈对大数据时代电磁环境状况发布工作的几点思考[J].中国无线电，2015（10）：39-41.

    [4]文庭孝，姜坷炘，赵阳，等.大数据时代的信息分析变革研究[J].图书情报知识，2015（5）：66-73.

    [5]王吉善，陈晓红，马谢民，等.大数据时代统计分析的新特点[J].中国卫生质量管理，2015（1）：59-60.

    [6]胡新顺，邢鳳娇.大数据时代宏观经济分析的相关探讨[J].商场现代化，2016（26）：245-246.