4、频谱分析与信号发现：使用GNU Radio、SDR#等工具进行频谱扫描、信号搜索、瀑布图解读，识别目标信号
频谱分析是SDR信号截获与协议解析的第一步，也是决定后续工作成败的关键环节。在电磁环境日益复杂的今天，目标信号往往淹没在噪声、干扰和其他无关信号之中。本章将围绕频谱扫描、信号搜索、瀑布图解读三大核心技能展开，结合GNU Radio和SDR#两款主流工具，系统讲解从“看到频谱”到“锁定目标”的完整方法论。无论你是刚接触SDR的新手，还是有一定经验的工程师，本章提供的判断逻辑和实操技巧都能帮助你更高效地完成信号发现任务。
4.1 频谱分析的核心原理与参数体系
频谱分析的本质是将时域信号通过傅里叶变换（FFT）转换到频域，从而观察信号在不同频率上的能量分布。在SDR系统中，这一过程由软件完成，但硬件前端（如RTL-SDR、HackRF、USRP等）的性能直接决定了可分析的频率范围和动态范围。理解频谱分析的基本参数是正确使用工具的前提。
在SDR#和GNU Radio中，以下几个参数构成了频谱分析的基础框架：
- 中心频率（Center Frequency）：SDR调谐到的射频中心点，决定了观察窗口在频谱上的位置。例如，要分析2.4GHz频段，中心频率应设置为2.45GHz左右。
- 跨度（Span）/ 采样率（Sample Rate）：SDR#中的Span表示显示的频率范围，而GNU Radio中则直接由采样率决定。采样率越高，可观察的频谱越宽，但单位频率上的分辨率会下降。
- 分辨率带宽（RBW）：在SDR#中体现为FFT点数，在GNU Radio中对应FFT Size。RBW决定了能区分两个相邻信号的最小频率间隔。RBW越小，频率分辨率越高，但扫描速度会变慢。
- 视频带宽（VBW）：用于平滑频谱显示，减少噪声抖动。VBW通常设置为RBW的1/10到1/100。
- 增益（Gain）：包括射频增益、中频增益和基带增益。增益过高会导致削波失真，过低则可能淹没弱信号。
在实际操作中，这些参数需要根据目标信号的特征进行联动调整。例如，搜索宽带信号（如WiFi）时，应使用较大的Span和较粗的RBW；而搜索窄带信号（如对讲机）时，则需要缩小Span并提高RBW。
4.2 频谱扫描操作流程与信号搜索方法
频谱扫描是信号发现的基础动作，其目标是在尽可能短的时间内覆盖目标频段，并识别出所有潜在信号。以下以SDR#为例，给出标准操作流程：
- 设置接收参数：在Radio面板中，将中心频率设置为目标频段的中间值，将采样率设置为设备支持的最大值（如RTL-SDR为2.4MHz），增益模式选择“手动”并逐步调整。
- 调整FFT显示：在FFT Display面板中，将FFT点数设置为2048或4096，以获得较好的频率分辨率。同时调整缩放比例，使频谱曲线占据显示区域的60%-80%。
- 启动频谱扫描：点击Play按钮开始接收，观察频谱上的峰值。使用“峰值保持”（Peak Hold）功能可以累积显示一段时间内的最大幅度，便于发现间歇性信号。
- 标记候选信号：对于幅度明显高于底噪（通常超过10dB）的峰值，使用鼠标悬停读取中心频率和幅度，并记录到笔记本中。
- 缩小范围精搜：将中心频率调整到候选信号附近，减小Span（如从2.4MHz缩小到200kHz），重新观察信号形态，判断其带宽和调制特征。
在GNU Radio中，频谱扫描通常通过构建一个简单的流图来实现：使用osmocom Source作为信号源，连接FFT Sink进行频谱显示，再配合WX GUI Scope Sink观察时域波形。GNU Radio的优势在于可编程性，用户可以通过Python脚本控制频率扫描范围、步进和驻留时间，实现自动化搜索。
| 对比维度 | SDR# | GNU Radio |
|---|---|---|
| 上手难度 | 低，图形化界面即开即用 | 较高，需要理解流图编程 |
| 扫描灵活性 | 手动调整为主，插件可扩展 | 完全可编程，支持自动化扫描 |
| 瀑布图功能 | 内置，支持时间-频率-幅度三维显示 | 通过Waterfall Sink实现，可定制 |
| 信号解调 | 内置AM/FM/SSB等常用解调 | 通过模块组合实现任意解调 |
| 适用场景 | 快速侦察、现场排查 | 复杂信号分析、协议研究 |
4.3 瀑布图解读与信号时变特征分析
瀑布图（Waterfall）是频谱分析中最重要的可视化工具，它将时间作为纵轴、频率作为横轴、信号强度用颜色表示，从而展示信号随时间的变化规律。相比单纯的频谱曲线，瀑布图能够揭示信号的突发性、周期性、跳频特征等关键信息。
解读瀑布图需要关注以下几个维度：
- 水平线条：表示持续存在的信号，如广播电台、基站下行信号。线条的宽度对应信号带宽，颜色深浅对应信号强度。
- 垂直短线：表示突发信号，如对讲机按键通话、数据包发射。短线的长度表示持续时间，间隔规律性可反映通信协议。
- 斜线或曲线：表示跳频信号或扫频信号，如蓝牙跳频、雷达扫描。斜线的斜率反映跳频速度。
- 周期性图案：如规律性出现的垂直短线，可能对应TDMA（时分多址）系统的时隙结构。
- 背景噪声变化：整体颜色变亮可能表示干扰源启动，或接收机增益设置不当。
在GNU Radio中，Waterfall Sink提供了更灵活的配置选项，包括颜色映射方案（如“Viridis”、“Inferno”等）、时间跨度、动态范围等。用户还可以通过QT GUI Chooser动态切换显示参数，便于对比不同设置下的效果。
4.4 案例拆解：从频谱扫描到锁定一个未知跳频信号
下面通过一个完整的案例，演示如何综合运用频谱扫描、信号搜索和瀑布图分析来识别一个未知的跳频信号。
背景与约束：在某次无线电监测任务中，需要在400-470MHz频段内查找一个疑似跳频的未知信号。该信号每次发射持续时间约50ms，跳频间隔约20ms，跳变范围覆盖整个频段。现场存在多个广播电台和数字对讲机信号，背景噪声较高。
初始现象：使用SDR#进行全频段扫描时，频谱上未发现持续存在的异常信号，但瀑布图上偶尔出现短暂的彩色斑点，持续时间极短，难以定位。
关键输入数据：设备为RTL-SDR，采样率2.4MHz，FFT点数2048，频率分辨率约1.17kHz。瀑布图时间跨度设置为30秒。
分析判断过程：
- 首先，将中心频率设置为435MHz（频段中间值），Span设为2.4MHz，启动瀑布图记录。
- 观察30秒瀑布图，发现多个随机分布的短促亮点，颜色偏黄（中等强度），持续时间约2-3个像素行（对应约50-75ms），间隔不规则。
- 使用“峰值保持”功能，在频谱上看到多个频率点出现短暂峰值，但无法同时出现。这符合跳频信号的特征。
- 将Span缩小到200kHz，中心频率对准其中一个频繁出现的跳频点（约432.5MHz），观察到信号以约20ms为周期重复出现，每次持续约50ms。
- 记录该跳频点的精确频率、带宽（约25kHz）和出现规律，初步判断为某种窄带跳频数字信号。
实际操作步骤：为了进一步确认，切换到GNU Radio，构建一个包含osmocom Source、Waterfall Sink和File Sink的流图，将采样率设为2.4MHz，中心频率设为435MHz，连续记录5分钟的IQ数据。随后使用Python脚本对记录的数据进行离线分析，提取所有超过阈值的信号片段，统计其频率分布和时间间隔。
结果对比：离线分析确认该信号在400-470MHz内共有32个跳频点，跳频序列具有伪随机特性，每个频点驻留时间约20ms，信号带宽约25kHz。结合调制特征，最终判定为某种专用数传电台的跳频模式。
风险与代价：在扫描过程中，由于RTL-SDR的动态范围有限，强广播信号可能导致前端饱和，掩盖附近的弱跳频信号。解决方案是使用带通滤波器或降低前端增益，但会牺牲部分灵敏度。
复盘经验：对于跳频信号，单纯依赖频谱扫描容易遗漏，必须结合瀑布图的时间维度。同时，合理设置FFT点数和时间跨度至关重要——FFT点数过低会降低频率分辨率，时间跨度太短则无法捕捉完整的跳频图案。
4.5 常见误区与总结复盘
在频谱分析与信号发现过程中，初学者和工程师常犯以下几类错误，需要特别注意规避：
总结复盘时，建议建立标准化的信号发现记录模板，包括：信号频率、带宽、幅度、调制类型（初步判断）、出现时间规律、瀑布图特征截图、环境备注等。这些记录不仅有助于当前任务，也为后续的协议解析提供了基础数据。
最后需要强调的是，频谱分析是一个迭代过程。第一次扫描可能只能发现强信号，通过缩小范围、调整参数、结合瀑布图，才能逐步挖掘出隐藏的弱信号和复杂信号。熟练掌握SDR#和GNU Radio的配合使用，将大幅提升信号发现的效率和准确性。