基于码流分离与统计的小区用户行为模式识别

对移动通信小区用户的侦察与管控是保证电磁空间安全和正常通信秩序的必要手段。针对目前面向第5代(5G)移动通信侦察无法在用户级别进行精准分析的现状,提出了基于码流分离和统计的小区用户行为模式识别方法。通过通信侦察处理,不仅能够获得基础的系统信令信息,还可以截获、分析用户级别特定的信令与身份信息。根据用户的身份信息和控制信息,通过解调、解扰、解码得到终端的上下行业务码流,并从统计角度获得其流量图。在此基础上,利用深度学习模型进行迁移学习,识别其行为是通话、短信还是上网,从统计学意义上完成小区用户的行为模式识别。经过实际侦察实验验证,识别正确率达到了87.50%,为移动通信用户的精准侦察与管控相关研究奠定了重要基础。