引言

随着智能信息和人工智能在工程实践中的普及，无线电信号数据分析越来越受到研究者的欢迎。在此背景下，无线电信号成为数据科学领域中的一个重要研究。分析处理无线电数据，需要高效的编程工具，Python 语言在处理海量数据时简单易用，在处理大量数据的无线电信号上优势明显。同时Python 可以关联相关的处理库，使得Python 在数据处理方面更加强大，同时可视化程度更高。

2）树干涂白、根颈培土。每年11月中下旬，对已上架树体涂白（涂白剂配方：水10份＋生石灰2份＋食盐0.5份＋石硫合剂1份＋动植物油少许），主要涂抹主干和枝蔓处。然后在植株根颈部培土20～30 cm高，踩实，保护植株根颈部。

1 Python 数据分析

Python 是面向对象的高级语言，相对于C++来说，它的语法更加简单，对处理大数量级的数据来说，处理方式更加友好，编译代码分析多维数组更加直观。无线电信号数据本身就是一个庞大的数据，分析处理要选好处理工具，Python 的友好编程成为处理无线电信号数据的首选，Python 分析无线电信号，需要相关的库函数配合，这样才能发挥Python 的强大功能，加载Numpy[1] 、SciPy、Sympy 和matplotlib[2] 相关的库处理无线电信号数据。Python 与调用库的处理关系如图1所示。

  

图1 Python 处理关系图

Python 具有下列特性：

(1)代码简单易懂，充分考虑初学者接受能力，编译器简单，维护性好。使用更加方便，代码效率提高。

(5)使用Python 的程序员越来越多，对Python 编程语言优化也越来越丰富，相应的第三方库更加多样、强大。

(2)相对于C++语言，实现同一功能的代码编译简单，代码行数也更少，阅读性比较友好。测试代码更加简洁。

(3)封装的库函数比较丰富，功能比较强大，接口也比较丰富，操作更加灵活流畅。

[1] 王仁武.Python与数据科学[M] .上海：华东师范大学出版社，2016

两组治疗依从性比较，观察组患者各项治疗依从性高于对照组，差异具有统计学意义（P＜0.05），详见表1。

犹如突然被五百万砸中，她的第一反应不是高兴，而是被砸蒙了，怀疑是假的。颜晓晨愣愣地看着沈侯，迟迟不说话，让沈侯很不耐烦，“到底同意不同意？痛快一点！”

2 无线电信号数据分析

注释

  

图2 11种无线电调制信号

本文通过对Python 语言数据分析的概念和流程、Python 类库分析总结出使用Python 快速便捷地处理无线电信号数据的方法：首先需要熟悉Python 的基本语法，掌握如何使用Numpy、SciPy、Matplotlib 类库；其次使用自己所学的编程语言处理分析无线电信号RML2016.10a.pkl 数据集，了解信号的深层数据结构，了解最基本的无线电信号的数据样本，为无线电信号调制样式识别[5] 提供基本数据支撑。

RML2016.10a.pkl 整体数据分析已经很全面，但具体到一种无线电信号就需要更加深入的数据分析，这样可以更加了解无线电信号数据的内部结构，处理这些数据更加有的放矢，使用Python 中的NumPy 库中的具体函数如List 函数、Value 函数、array 函数等，数据分析到具体11种无线电信号和20种信噪比[4] 中的一种，发现数据是以矩阵的形式存储在数据集中，其中QAM16；12dB 中有1000个数据样本如图4所示。

进入项目开发阶段是按照项目开发流程进行的。即要经过需求分析、总体设计、详细设计等阶段。这个阶段最重要的是定期的开会讨论和检查进度。检查的方式是每周举行例会，项目组成员将有关内容整理成文档要点，轮流向其他人分享。项目开发的周期较长，也不同于单个科目的课程学习，导师除了检查进度，在学生遇到困难时需要引导他们解决问题。这个阶段要避免学生的畏难心理。通过组员间相互讨论，和在导师的指导下解决难题，学生的研究得以进一步深入，从而逐步提高。项目也能够按计划持续开发下去，直到完成。

  

图3 RML2016.10a.pkl 数据分析图

  

图4 QAM16数据样本图

3 总结

无线电信号数据应尽可能的接近真实的无线电系统，从最开始的仿真设计充分考虑到真实场景的信号生成原理、调制解调原理、信号识别原理等。在分析过程中我们使用Pickle 函数读取数据集，通过Python的处理，分析数据集里包含220000个采样样本，每个采样的数据长度为128，同时使用Python 的dictionary数据结构，分析无线电数据集，其中dictionary 数据结构有220个，其中11种无线电信号在20个不同的信噪比下各分布一个，这样也可以直观理解Python 的dictionary 的用法，其中mods 代表11种无线电信号调制类型，snrs 代表20种不同信噪比。RML2016.10a.pkl 整体数据如图3所示。

无线电信号数据使用公开的RML2016.10a.pkl 数据集[3] ，用Spyder 分析11种无线电信号的调制类型，其中包括8种数字无线电信号和3种模拟无线电信号，数据的采样信噪比在-20dB 到18dB 的区间中。11无线电信号调制类型如图2所示。

(4)在进行人工智能搭建环境方面相较C++比较容易，匹配各种深度学习网络模型更加方便。给从事深度学习的算法工程师降低编程要求。

模糊自适应 PID算法的仿真可以利用Matlab等仿真软件进行,即利用 Matlab中的simulink工具箱建立如图 4所示的仿真模型。在仿真过程中对三个参数（Kp、Ki、Ki）优化调整，就可以得到最优的控制曲线。

[2] 张若愚.Python科学计算(第2版)[M] .北京：清华大学出版社，2016

[3] T J.O' Shea，hops：//radioml.com/datasets/radioml-2016-04-dataset/

[4] 吕铁军.通信信号调制识别研究[D] .成都：电子科技大学，2000

[5] 杨杰.通信信号调制识别[M] .北京：人民邮电出版社，2014