本發明屬于無線電通信、頻譜智能監測、多設備動態調度與無線信號定位，具體涉及一種可移動式無線電監測設備布局調度及干擾定位方法。該方法適用于城市樓宇密集區、山區溝壑、森林丘陵、重大活動安保、應急通信保障、考場無線電安全、非法電臺查處等復雜地理與電磁環境，可實現無線電信號全域監測、非法及干擾信號智能識別、干擾源快速精準定位，廣泛應用于國家無線電頻譜管理、公共安全防護、應急通信保障、物聯網頻譜監管、航空導航無線電安全、鐵路調度通信防護等領域，尤其適用于需動態調整監測范圍、提升定位精度、保障監測連續性、應對突發干擾的頻譜監測場景。
背景技術：
1、隨著5g、6g技術預研、物聯網、車聯網、工業無線控制、智能終端等無線電技術的普及，無線電頻譜資源成為國家關鍵戰略資源，全球頻譜供需矛盾持續加劇。與此同時，黑廣播、偽基站、考試作弊無線電設備、惡意干擾發射器、非法設臺等違規行為頻發，擠占合法頻譜資源、擾亂通信秩序，對航空導航、鐵路調度、應急指揮、公眾通信等關鍵業務造成干擾，威脅國家安全、公共安全與社會穩定。
2、無線電監測是頻譜管理的核心技術手段，通過專用設備采集信號頻率、幅度、相位、調制方式、信號強度、到達時間、到達角度等參數，完成信號識別、干擾檢測與源定位，是保障頻譜合法使用、查處違規行為的核心支撐。傳統監測體系以固定式監測站為核心，雖可24小時不間斷監測、穩定性強，但存在明顯缺陷：覆蓋范圍固定，受地形、建筑遮擋影響，城市、山區等區域存在大量監測盲區；部署與運維成本高，難以實現全域覆蓋；靈活性差，無法適配臨時干擾、突發應急等動態監測需求，干擾定位響應滯后。
3、可移動式無線電監測設備（車載、無人機、便攜式終端）移動靈活、部署快速、適配復雜地形、可動態調整位置，是現代頻譜監測體系的核心裝備。但當前移動式設備的布局調度與干擾定位技術仍存在諸多問題：
4、1、布局調度智能化、動態化不足
5、現有調度多依賴人工經驗，未綜合考量監測覆蓋、定位精度、設備能耗、移動成本、通信鏈路、交通路況、天氣、地形遮擋等約束條件；部分技術采用單一遺傳算法或粒子群算法完成靜態初始布局，無法結合實時監測數據、干擾分布、設備狀態動態調整，易出現監測盲區、資源浪費、設備續航不足、調度成本過高等問題，也未建立主動預判與被動響應結合的調度機制，突發干擾響應效率低。
6、2、干擾信號識別精度低、抗干擾能力弱
7、傳統識別僅依托信號強度、頻率等基礎特征，未深度提取時域、頻域、調制、時序等多維特征，微弱干擾信號、多信號疊加、復雜電磁噪聲場景下誤判率、漏判率偏高；無法精準區分非法廣播、惡意干擾、無意干擾、設備雜散干擾，難以支撐調度優先級與處置策略制定，干擾排查效率低。
8、3、干擾定位算法單一、魯棒性與環境適配性差
9、現有定位多采用單一aoa、tdoa、pdoa、rssi算法，各有短板：aoa受多徑效應、遮擋影響大，定位精度低；tdoa對時間同步要求嚴苛，動態移動場景同步誤差大；pdoa依賴固定傳播模型，復雜地形誤差顯著；rssi易受環境衰減、噪聲干擾，僅適用于開闊場景。部分多算法融合技術未做加權優化，也未引入nlos誤差抑制、地形遮擋修正、軌跡平滑機制，城市復雜環境下定位誤差較大，無法滿足精準查處要求。
10、4、環境感知與物理環境脫節，缺乏全域動態建模能力
11、現有技術未構建物理環境與電磁環境融合的數字模型，僅基于二維平面地圖開展調度與定位，未考慮建筑物三維結構、地形高程、介質損耗、交通通達度、實時天氣等動態因素對信號傳播與設備移動的影響，調度與定位脫離實際物理環境，易出現設備無法抵達、信號模型匹配錯誤、定位偏差過大等問題，環境適配性差。
12、5、數據處理、多設備協同與安全保障機制缺失
13、移動式設備采集的海量監測數據缺乏高效去噪、壓縮、傳輸機制，網絡擁塞時易出現數據丟失、傳輸延遲，核心定位數據實時性無法保障；多類移動式設備無明確分工與信息共享機制，獨立工作導致資源利用率低；未建立設備故障冗余、低電量自動返航、備用設備替換機制，監測連續性不足；數據傳輸未采用高強度加密，存在泄露、篡改風險，不符合行業安全合規要求。
14、現有相關技術僅通過單一算法優化布局、多算法融合提升定位精度，或引入數字孿生構建環境模型，未實現多算法協同調度、深度學習干擾識別、多源融合定位、三維環境建模、數據安全傳輸、多設備集群協同的集成應用，未形成完整的全鏈路解決方案，無法從根本上解決復雜場景下移動式無線電監測的核心問題，難以滿足當前頻譜管理與干擾排查的實際需求。
技術實現思路
1、針對現有可移動式無線電監測設備調度智能化低、干擾識別精度差、定位魯棒性不足、環境適配性弱、數據處理低效、多設備協同缺失、安全保障不完善等問題，本發明提供一種可移動式無線電監測設備布局調度及干擾定位方法。
2、本發明的技術目標為：構建三維電磁環境模型，實現物理環境與電磁環境全域動態感知；采用改進遺傳-強化學習雙算法協同調度機制，結合七維自適應適應度函數，實現移動式設備主動預判與動態響應調度；引入cnn-lstm深度學習模型，配合小波變換去噪預處理，實現干擾信號高精度識別與分類；提出六源融合加權定位算法，融合多算法優勢、場景自適應傳播模型、nlos抑制、地形修正、軌跡平滑，實現復雜環境下干擾源精準定位；完善數據壓縮、加密、擁塞控制及多設備集群協同、故障冗余機制，保障數據安全、監測連續性與設備高效協同，實現全場景無線電監測與干擾定位。
3、本發明方法依托中央控制平臺、可移動式監測設備集群、混合數據傳輸模塊、定位交互終端四大硬件模塊，配套環境建模、調度決策、干擾識別、定位解算、數據安全、閉環控制、設備管理七大軟件模塊協同運行，構成完整的智能化監測定位系統。
4、硬件模塊組成
5、1、中央控制平臺
6、采用工業級高性能服務器集群，配置intelxeon系列處理器、128gb及以上內存、4tb及以上高速固態硬盤，搭載windowsserver2019/linuxcentos7.0操作系統，具備海量數據處理、高速算法運算、實時指令下發能力，核心實現三維環境建模、任務解析、設備狀態感知、調度算法運算、干擾識別、定位解算、數據存儲、指令下發、狀態監控、報告生成。
7、2、可移動式監測設備集群
8、采用車載、無人機、便攜式監測終端異構組合，構建空天地一體化監測體系，各類設備分工互補：
9、①車載監測終端：搭載高增益全向天線、大功率sdr軟件無線電接收機、gps/北斗雙模授時定位模塊、大容量鋰電池，續航≥8小時、覆蓋半徑≥5km，接收靈敏度高，負責大面積開闊區域、道路沿線全域監測與定位錨點支撐；
10、②無人機監測終端：采用多旋翼平臺，搭載輕量化sdr接收機、rtk高精度定位模塊、微型測向天線，機動靈活、可高空無遮擋監測，負責城市樓宇密集區、山區溝壑等復雜地形補盲監測與精準測向；
11、③便攜式監測終端：重量≤2kg、便于手持，搭載定向天線、低功耗sdr接收機、gps定位模塊，負責干擾源近距離排查、現場取證與精準定位，適配應急與室內干擾查找。
12、3、混合數據傳輸模塊
13、采用“有線為主、5g為輔、mesh自組網補充”的三級混合通信架構，保障設備與中央控制平臺全場景數據傳輸：有線網絡保障車載終端傳輸穩定性，5g網絡保障無人機、便攜式終端移動傳輸實時性，mesh自組網保障公網盲區、應急場景通信連通性。模塊具備數據壓縮、加密、擁塞控制功能，確保傳輸高效、安全、穩定。
14、4、定位交互終端
15、采用工業級平板電腦、工控機，搭載可視化交互軟件，可展示干擾源位置、監控設備狀態、渲染三維環境地圖、查詢監測數據、支持手動指令干預，為現場干擾排查提供操作引導。
16、軟件模塊組成
17、1、環境建模模塊：完成三維柵格劃分、柵格屬性賦值、動態環境地圖構建與實時更新；
18、2、調度決策模塊：完成改進遺傳-強化學習雙算法運算、七維適應度函數計算、動態延遲調度、調度方案生成；
19、3、干擾識別模塊：完成小波變換去噪、信號多維特征提取、cnn-lstm模型識別、干擾篩選與分類；
20、4、定位解算模塊：完成時間同步校準、多算法初步定位、場景自適應傳播模型匹配、六源融合加權、ekf軌跡平滑、精度驗證；
21、5、數據安全模塊：完成數據壓縮、aes-256加密、多因素擁塞控制、數據存儲與溯源；
22、6、閉環控制模塊：完成定位結果評估、gdop優化、重調度決策、干擾逃逸預測；
23、7、設備管理模塊：完成設備狀態監控、低電量預警、故障檢測、備用設備調度、能耗統計。
24、本發明方法共分八大核心步驟，邏輯連貫、閉環執行，實現從環境感知到干擾處置的全流程智能化，具體方案如下：
25、步驟s1：動態電磁環境三維數字化建模
26、中央控制平臺通過gis、城市bim、dem數字高程模型、交通大數據、氣象平臺，獲取監測區域地形地貌、建筑三維結構、道路分布、交通流量、實時天氣、歷史頻譜數據、干擾事件記錄等信息，采用自適應八叉樹柵格劃分算法完成三維空間網格化處理：建筑密集區、歷史干擾高發區柵格分辨率設為5m×5m×5m，提升環境感知精度；開闊區域、山區非敏感區分辨率設為50m×50m×50m，降低算法運算量。為每個三維柵格賦予地形遮擋系數、介質損耗系數、背景噪聲電平、歷史干擾概率、交通通達度、場景類型標簽（城市/山區/開闊）六大核心屬性，將三維柵格與實時頻譜數據、設備狀態、干擾分布融合，生成動態電磁環境地圖，實現物理世界、電磁環境、設備狀態的實時映射與可視化，為調度與定位提供環境數據支撐。
27、步驟s2：監測任務解析與設備資源狀態感知
28、任務解析：中央控制平臺接收突發干擾報警、例行巡檢、重大活動保障、應急通信監測等任務，自動解析目標監測頻段、干擾類型、任務優先級、定位精度要求、監測時長、覆蓋范圍等核心參數；資源感知：通過混合數據傳輸模塊采集移動式設備集群實時位置、剩余電量、續航閾值、設備靈敏度、通信鏈路狀態、任務負載、故障狀態等信息，將剩余電量＜20%、通信中斷、硬件故障的設備標記為不可用狀態，排除出調度候選集，保障調度方案可執行。
29、步驟s3：改進遺傳-強化學習雙算法協同動態布局調度
30、本步驟融合改進遺傳算法（自適應變異概率）、多因素動態適應度函數、動態延遲調度與強化學習調度、干擾風險勢場，形成雙算法協同調度機制，避免單一算法陷入局部最優、動態適應性差的問題，具體實現：
31、1、構建七維自適應適應度函數
32、綜合監測覆蓋、定位精度、設備能耗、移動成本、通信損耗、干擾風險、交通通達度七大因素，建立動態適應度函數：f=αs+βp-γe-δc-εl-ζr-ηt。其中f為適應度值，數值越大調度方案越優；s為監測覆蓋面積占比，p為定位精度達標率，e為設備總能耗，c為設備移動總費用，l為通信鏈路損耗，r為干擾風險勢場值，t為交通通達度系數；α、β、γ、δ、ε、ζ、η為權重系數，總和為1，權重隨任務優先級動態調整（突發干擾提升β、ζ權重，例行巡檢提升α權重）。
33、2、改進遺傳-強化學習雙算法協同優化
34、①初始布局優化：采用改進遺傳算法，以設備位置坐標為染色體、實數編碼，引入自適應變異概率，根據種群適應度方差動態調整變異概率，避免局部最優、提升收斂速度，經選擇、交叉、變異迭代生成最優初始布局；②動態調度決策：采用強化學習算法，以動態電磁環境地圖為輸入、七維適應度函數為獎勵函數，結合干擾風險勢場引導設備優先覆蓋高風險區域，實現動態調度自主決策；③雙算法協同：改進遺傳算法負責靜態初始布局，強化學習負責動態實時調整，實現靜態最優與動態自適應結合的全周期調度。
35、3、動態延遲調度執行
36、根據任務類型、設備狀態、網絡擁塞等級、交通路況動態計算調度等待閾值，觸發條件包括：監測覆蓋盲區占比＞5%、設備剩余電量＜續航閾值、重點區域檢測到干擾信號、交通/天氣突變影響設備移動、定位精度不達標。中央控制平臺依據觸發條件，生成包含移動路徑、目標位置、監測頻段、駐留時間的最優調度方案，下發至各設備。
37、步驟s4：多設備協同數據采集與小波變換預處理
38、各移動式設備按調度指令抵達目標位置，開啟全頻段監測，實時采集中心頻率、信號幅度、相位、調制方式、rssi、toa、aoa等信號參數，通過gps/北斗雙模模塊采集自身位置與授時信息，將信號參數與位置、時間綁定形成結構化數據。
39、數據預處理采用小波變換去噪算法，通過小波基函數對信號多層分解，分離環境噪聲、設備噪聲與有效信號，剔除噪聲后重構信號、提升信噪比，再對重構信號歸一化處理，轉換至[0,1]區間，為干擾識別提供標準化數據。預處理后數據通過混合傳輸模塊上傳，優先保障toa、aoa、rssi等定位核心數據傳輸。
40、步驟s5：cnn-lstm深度學習干擾識別與精準篩選
41、本步驟采用cnn-lstm深度學習模型替代傳統基礎特征識別，實現干擾信號高精度識別與分類：
42、1、多維特征提取：從預處理信號中提取時域（峰值、均值、方差、脈沖寬度、持續時間）、頻域（頻譜峰值、帶寬、諧波分量、占用度）、調制（調制方式、深度、誤碼率）、時序（信號強度變化、間歇發射）四大維度特征，整合為高維特征向量作為模型輸入；
43、2、cnn-lstm模型識別：模型由卷積層、循環層、全連接層組成，卷積層提取信號靜態時域/頻域特征，循環層捕捉時序變化特征、適配間歇式干擾，全連接層完成信號分類，輸出合法/干擾信號及具體干擾類型。模型經海量標注數據訓練，識別準確率≥98.5%，微弱干擾信號（≤-75dbm）識別率≥95%；
44、3、干擾信號篩選：依據預設閾值篩選有效干擾源，即信號強度＞-80dbm、持續發射時間＞5分鐘、頻率不在合法頻譜庫內，標記為待定位干擾源并記錄相關信息，進入定位流程。
45、步驟s6：六源融合加權干擾定位與精度優化
46、本步驟融合aoa/tdoa/pdoa三算法加權、場景自適應傳播模型、rssi約束、nlos誤差抑制、地形遮擋修正、ekf軌跡平滑，形成六源融合加權定位算法，實現復雜環境精準定位：
47、1、定位設備選擇與時間同步：選取≥3臺信號接收質量優、位置分布合理、gdop小的設備作為協同定位設備，優先選擇靠近干擾源疑似區域的設備；采用gps授時+ntp網絡協議雙重校準，確保時間誤差≤1μs，滿足高精度同步要求；
48、2、場景自適應傳播模型匹配：依據動態電磁環境地圖的場景標簽，城市樓宇區匹配cost231-hata模型，山區丘陵匹配okumura-hata模型，開闊區域匹配自由空間傳播模型；
49、3、多算法初步定位：分別采用aoa、tdoa、pdoa算法計算干擾源初步坐標；
50、4、六源融合加權解算：融合aoa、tdoa、pdoa、rssi約束、nlos抑制、地形修正六大維度數據，通過加權融合算法計算最終坐標，權重系數動態分配，定位精度越高、環境適配性越強的維度權重越大；
51、5、ekf軌跡平滑與精度驗證：采用擴展卡爾曼濾波對定位軌跡平滑，消除測量噪聲與突變誤差；計算最終坐標與初步坐標偏差，偏差≤10米則結果有效，超標則重新選擇設備定位，直至精度達標。
52、步驟s7：數據傳輸優化與全流程安全保障
53、本步驟通過數據壓縮、加密傳輸、多因素擁塞控制，解決海量數據傳輸擁塞與安全風險：
54、1、數據壓縮：采用lz77無損壓縮算法，數據傳輸量降低60%以上，減輕網絡負載；
55、2、加密傳輸：采用aes-256加密算法對數據與指令加密，防止篡改、竊取、泄露，符合國家頻譜監測數據安全標準；
56、3、多因素擁塞控制：按網絡擁塞等級、數據類型、設備狀態動態調整上傳速率，重度擁塞時降低常規掃頻數據速率，優先保障核心數據傳輸；
57、5、數據管理：中央控制平臺實時存儲監測、定位、調度數據，支持溯源、查詢、統計，自動生成頻譜監測報告。
58、步驟s8：閉環優化與多設備故障冗余保障
59、1、定位結果反饋與處置引導：將干擾源坐標、類型、信號參數推送至定位交互終端，結合動態電磁環境地圖標注位置，引導執法人員現場排查取證；
60、2、閉環重調度優化：定位精度不達標時自動觸發重調度，指揮就近設備向誤差橢圓中心逼近、優化gdop因子；干擾源間歇發射或逃逸時，預測逃逸路徑并調度設備設伏監測；
61、3、多設備故障冗余：實時監控設備狀態，低電量設備自動返航充電，故障設備由備用設備替換，保障監測無中斷；明確車載、無人機、便攜式設備分工，形成大面積覆蓋、復雜地形補盲、近距離排查的協同體系。
62、有益效果
63、本發明將多算法優化、深度學習識別、三維環境感知、多源融合定位、全流程安全保障相結合，針對性解決現有技術的核心問題，具體有益效果如下：
64、1、提升調度智能化水平：通過改進遺傳-強化學習雙算法協同調度與七維自適應適應度函數，實現主動預判與被動響應雙模式調度，綜合考量多維度約束條件，監測覆蓋盲區控制在3.5%以內；空天地一體化設備集群協同作業，資源利用率提升40%以上，設備能耗與調度成本顯著降低，突發干擾調度響應時間大幅縮短。
65、2、提高干擾識別精度：采用小波變換去噪與cnn-lstm深度學習模型，深度提取信號多維特征，微弱干擾信號識別率≥95%，干擾識別準確率≥98.5%；可精準區分干擾類型，為調度優先級與處置策略提供數據支撐，降低誤判、漏判率，提升干擾排查效率。
66、3、增強定位魯棒性：六源融合加權定位算法融合多算法優勢，配套場景自適應傳播模型、nlos誤差抑制、地形遮擋修正、ekf軌跡平滑機制，城市復雜環境定位誤差≤20米，視距環境誤差≤1.5米，克服單一算法短板，提升定位魯棒性與環境適配性。
67、4、實現環境精準感知：構建動態三維電磁環境模型，整合地形、建筑、交通、氣象等物理要素與電磁數據，實現物理世界與電磁環境的實時映射，調度與定位貼合實際場景，避免設備無法抵達、模型匹配錯誤、定位偏差過大等問題。
68、5、完善數據與協同保障：通過lz77數據壓縮、aes-256加密、多因素擁塞控制，數據傳輸成功率≥99.95%，無丟失、泄露風險；建立多設備分工協同與故障冗余機制，低電量自動返航、故障自動替換，監測連續性達100%，滿足全場景穩定監測需求。