悟空系统是什么？

悟空系统是特防科技反谍技术研究院研发的第三代多节点空间感知系统，面向单次或短期检测任务（办公室排查、会议室安检、酒店入住检查等）。部署周期30min-2h，检测完成后撤场。系统通过3D空间建模、科学布点8-10个火眼探针、多节点NTP同步采集、云端算法反算，输出设备清单（类型、数量、估计坐标、置信度）。定位精度±1.5m（开阔空间），活跃设备检出率>95%。

悟空系统的3D空间建模怎么做？

使用LiDAR或手机AR（ARKit/ARCore）对目标空间进行3D重建，生成空间点云，转化为体素网格（voxel grid，分辨率0.5m），标注墙体、家具、屏蔽体位置，形成RF传播模型的基础地图。3D建模的目的是为后续的科学布点提供物理结构信息，确保探针覆盖无盲区。

悟空系统的云端算法怎么反算设备位置？

悟空系统的云端算法链路为：①多探针数据时间戳对齐；②DBSCAN聚类，按频率+占空比+持续时间识别独立射频源；③基于多节点RSSI差分的定位解算，采用加权最小二乘法（WLS），结合3D空间模型的path loss修正；④协议指纹匹配，判定设备类型；⑤输出设备清单（类型、数量、估计坐标、置信度）。

悟空系统和金箍系统有什么区别？

悟空系统面向短期检测，部署周期30min-2h，检测完撤场；金箍系统面向7×24持续监测，硬件永久部署，软件365天不间断运行。两者共享同一套硬件架构（火眼探针）和同一套云端算法基础，差异在于金箍系统在软件层增加了三个核心模块：设备指纹基线库（7天学习期建立白名单）、轨迹追踪引擎（EKF扩展卡尔曼滤波）、异常行为检测（滑动窗口+统计过程控制）。

悟空系统技术解读：3D建模+多节点射频感知+云端算法如何工作

引言：从"方案对比"到"技术拆解"

前两篇文章分别回答了"有哪些设备"和"什么方案能覆盖"。第一篇用AD8317实测数据给出了五类设备的信号特征，第二篇用三代技术路线对比框架说明了多节点空间感知的架构优势。

但第二篇留下了一个没有展开的问题：第三代方案的技术逻辑到底是怎么工作的？

3D建模建出来干什么用？8–10个节点凭什么说是"科学布点"？多节点数据怎么汇聚、怎么保证时间同步？云端算法凭什么能反算出"有几个设备、在哪"？

本文以特防科技反谍技术研究院的悟空系统为技术示例，逐一拆解第三代多节点空间感知方案的五步技术链路。悟空系统是这一架构的典型实现，面向单次或短期检测任务（办公室排查、会议室安检、酒店入住检查等），部署周期30min–2h。

阅读本文后，你将理解：悟空系统的五步技术链路（3D空间建模→科学布点→多节点同步采集→云端算法反算→报告生成）、每一步的技术细节和参数、以及悟空系统与金箍系统在架构上的异同。

为什么需要"空间感知"而不是"更好的探测器"

在拆解技术链路之前，需要先回答一个根本问题：为什么第三代方案的思路是"空间感知系统"，而不是"性能更强的单点探测器"？

答案来自第一篇和第二篇的结论：

信号特征层面：五类设备的信号特征差异巨大，BLE占空比<0.1%，4G Cat-M/NB-IoT窄带低功耗，单点探测在时间窗口上无法覆盖
空间覆盖层面：单点探测存在物理盲区，家具背后、墙体夹层、天花板夹层的信号衰减严重
数据维度层面：单点探测只能判断"有信号"，无法给出"有几个设备、分别在哪"

这三个问题不是"探测器不够好"能解决的，而是架构层面的缺陷。要提高时间覆盖，需要从离散采样变为连续监测；要消除空间盲区，需要从单点感知变为多节点协同；要实现设备定位，需要从人工判读变为算法反算。

悟空系统的技术链路，就是围绕这三个架构需求设计的。

悟空系统五步技术链路总览

悟空系统的执行流程分为五步。下表先给出总览，后续逐步骤展开。

步骤	名称	核心任务	关键技术
Step 1	3D空间建模	获取空间物理结构信息	LiDAR/AR → 点云 → 体素网格（0.5m）
Step 2	科学布点	计算最优探针部署方案	覆盖保证算法，8–10节点，任意位置≥3节点感知
Step 3	多节点同步采集	同步采集射频信号数据	NTP同步<1ms，MQTT over TLS，Protobuf编码
Step 4	云端算法反算	反算设备数量和位置	DBSCAN聚类 + WLS定位 + path loss修正
Step 5	报告生成	输出检测报告	3D热力图 + 设备分布 + 风险评估

表1：悟空系统五步技术链路总览。数据来源：特防科技反谍技术研究院《多节点空间感知系统技术白皮书》。

Step 1 — 3D空间建模

1 3D空间建模：获取空间物理结构信息

做什么

悟空系统的第一步是对目标空间进行三维重建，获取空间的物理结构信息。这一步的目的不是"画一张3D图"，而是为后续的科学布点提供物理约束——哪些位置有墙体遮挡、哪些位置有家具阻挡、哪些位置是信号盲区。

怎么做

数据采集：使用LiDAR或手机AR（ARKit/ARCore）对目标空间进行扫描
点云生成：扫描数据生成空间点云，包含每个点的三维坐标
体素网格化：将点云转化为体素网格（voxel grid），分辨率0.5m
结构标注：标注墙体、家具、屏蔽体位置，形成RF传播模型的基础地图

为什么需要3D建模

没有空间模型，布点就是"盲猜"——操作者凭经验选择位置，无法保证覆盖无盲区。有了3D空间模型，布点算法可以计算每个候选位置的覆盖范围，考虑信号遮挡和多径效应，确保空间内任意位置至少被3个探针同时感知。

技术指标

体素网格分辨率：0.5m
标注要素：墙体、家具、屏蔽体
输出格式：3D空间模型 + RF传播参数

技术参数来源：特防科技反谍技术研究院《多节点空间感知系统技术白皮书》（2026）。

Step 2 — 科学布点

2 科学布点：算法计算最优探针部署方案

做什么

基于Step 1生成的3D空间模型，悟空系统的布点算法自动计算最优的探针部署方案。核心约束是：确保空间内任意位置至少被3个探针同时感知。这是三角定位的最低要求——只有至少3个节点同时接收到同一信号，才能通过RSSI差分反算信号源的三维坐标。

怎么布

节点数量：通常8–10个火眼探针
布点算法：考虑信号遮挡、多径效应、覆盖盲区，计算最优布点方案
覆盖约束：任意位置至少被3个探针同时感知
硬件：火眼探针（ESP32-S3 + AD8317 + 通道滤波器组），覆盖1MHz–10GHz

为什么是8–10个

8–10个节点是覆盖保证和成本之间的最优解。少于8个，在复杂空间（多隔断、多家具）中可能无法保证任意位置被3个节点覆盖；多于10个，边际覆盖增益递减，部署成本上升。

火眼探针的技术规格

主控：ESP32-S3（双核240MHz，Wi-Fi/BLE 5.0）
检波器：AD8317对数射频功率检波器（1MHz–10GHz，动态范围≈50dB，精度±1dB）
滤波器组：宽频通道滤波器（2.4GHz/5GHz/Sub-1GHz多通道并行切换）
天线：全向宽带天线（SMA接口，可外接定向天线）
供电：USB-C 5V/1A或POE

技术参数来源：特防科技反谍技术研究院《多节点空间感知系统技术白皮书》（2026），火眼探针硬件规格。

Step 3 — 多节点同步采集

3 多节点同步采集：NTP同步<1ms

做什么

所有火眼探针同步启动，持续采集射频信号数据。采集时长通常15–60min，覆盖不同时段的信号变化。多节点数据融合的前提是所有节点的时间基准一致——如果节点之间的时间偏差过大，后续的定位解算就无法进行。

时间同步

同步协议：NTP（网络时间协议）
同步精度：<1ms
同步机制：各节点定期与NTP服务器同步，确保时间基准一致
告警机制：时钟漂移超过阈值时记录告警

信号采集链路

火眼探针的信号采集链路如下：

① 天线接收：全向宽带天线接收RF信号
② 通道滤波：通道滤波器选频（2.4GHz/5GHz/Sub-1GHz多通道并行）
③ 对数检波：AD8317将射频功率转换为dBm级直流电压
④ ADC采样：ESP32-S3 ADC采样（12bit，采样率100kSPS）
⑤ DSP滤波：数字信号处理去噪
⑥ 特征提取：信号带宽、中心频率、占空比、脉冲重复周期
⑦ 打包上报：JSON payload → MQTT over TLS

数据上行通道

网络接入：Wi-Fi STA模式连接局域网，或内置4G Cat.1 SIM卡
传输协议：MQTT over TLS（QoS 1，保障至少一次送达）
编码格式：Protocol Buffers（压缩率约60%）
上报频率：默认1s/次，密集模式100ms/次

输出字段

每个探针上报的数据包含以下字段：

timestamp：NTP同步后时间戳
freq_band：频段
rssi_dBm：信号强度
duration_ms：持续时长
duty_cycle：占空比
protocol_label：协议标签
confidence：置信度

技术参数来源：特防科技反谍技术研究院《多节点空间感知系统技术白皮书》（2026）。NTP同步精度基于实测数据。

Step 4 — 云端算法反算

4 云端算法反算：从信号到设备清单

做什么

多节点数据经MQTT汇聚到云端后，悟空系统的云端算法执行以下五步分析链路，最终输出设备清单。

① 时间戳对齐

多探针数据按时间窗口对齐，确保后续算法输入一致。由于Step 3已经完成了NTP同步（精度<1ms），这一步的对齐误差极小。

② DBSCAN聚类

采用DBSCAN算法，按频率+占空比+持续时间对信号特征进行聚类，识别独立射频源。

聚类维度：频率、占空比、持续时间
算法优势：不需要预设簇数量，能识别任意形状的簇，能处理噪声点
输出：每个簇对应一个独立的射频源

③ WLS定位解算

基于多节点RSSI差分的定位解算，采用加权最小二乘法（WLS），结合3D空间模型的path loss修正。

定位原理：三角定位——至少3个节点同时接收到同一信号，通过RSSI差分反算信号源坐标
算法：加权最小二乘法（WLS）
修正：结合3D空间模型的path loss修正，补偿墙体、家具的信号衰减
路径损耗模型：对数距离路径损耗模型，路径损耗指数n根据空间结构动态调整

④ 协议指纹匹配

将聚类后的信号特征与协议指纹库进行匹配，判定设备类型。可识别的协议类型包括：

Wi-Fi 802.11 b/g/n/ac/ax（2.4G + 5G）
BLE 4.x/5.x（含BLE Beacon）
GSM 900/1800
CDMA 800
LTE 4G（B1/B3/B38/B39/B40/B41）
LoRa、ZigBee
未知射频源

⑤ 输出设备清单

最终输出每个设备的：

类型：协议标签（如BLE、WiFi、GSM等）
数量：该类型设备的数量
估计坐标：三维坐标（x, y, z）
置信度：0.0–1.0

核心算法指标

±1.5m

定位精度（开阔空间）

±3m

定位精度（典型办公室）

>95%

活跃发射设备检出率

<1ms

NTP时间同步精度

技术参数来源：特防科技反谍技术研究院《多节点空间感知系统技术白皮书》（2026）。定位精度基于AD8317对数检波器多节点实测数据。

Step 5 — 报告生成

5 报告生成：3D热力图+设备分布+风险评估

做什么

悟空系统自动输出检测报告，包含以下内容：

3D热力图：在3D空间模型上叠加信号强度热力图，直观显示信号分布
设备分布标注：在3D空间模型上标注每个设备的估计位置
设备清单：类型、数量、坐标、置信度
风险评估等级：根据设备类型和位置，给出风险等级评估

报告输出格式

报告支持多种格式输出，包括PDF、JSON、API接口调用。JSON格式便于后续系统集成和自动化处理。

技术参数来源：特防科技反谍技术研究院《多节点空间感知系统技术白皮书》（2026）。

悟空系统与金箍系统：两套形态的技术差异

第三代多节点空间感知方案在实际部署中，根据使用场景分为两种形态。悟空系统面向短期检测，金箍系统面向7×24持续监测。两者共享同一套硬件架构（火眼探针）和同一套云端算法基础，差异在软件层的功能扩展。

悟空系统

短期检测

定位：面向单次或短期检测任务

部署周期：30min–2h

适用场景：办公室排查、会议室安检、酒店入住检查

核心流程：五步技术链路（3D建模→布点→采集→分析→报告）

解决问题："此时此刻这个空间有没有异常设备"

金箍系统

7×24持续监测

定位：面向长期值守场景

部署周期：硬件永久部署，软件365天不间断运行

适用场景：保密会议室、核心机房、高管办公室

核心扩展：在悟空基础上增加三个核心模块

解决问题："这个空间里有没有出现新的、未授权的无线发射源"

金箍系统增加的三个核心模块

① 设备指纹基线库

系统运行初期（学习期，通常7天），自动建立空间内已知合法设备的RF指纹库，包括MAC地址、信号特征、出现时间规律，形成"白名单基线"。后续检测中，不在白名单中的设备将被标记为异常。

② 轨迹追踪引擎

基于多探针连续RSSI序列，使用扩展卡尔曼滤波（EKF）对移动设备进行连续轨迹估计，生成设备在空间内的运动路径图。可区分三类设备：

静止设备：位置固定，轨迹稳定
周期性设备：定时出现，符合预设规律
异常移动设备：轨迹可疑，需要进一步排查

③ 异常行为检测

基于时序分析（滑动窗口+统计过程控制），检测以下异常事件：

新设备出现：不在白名单中 → 即时告警
已知设备异常活跃：信号强度突增、占空比异常 → 可能被人激活
设备在非常规时段出现：如深夜出现新信号 → 高风险告警
设备轨迹异常：如靠近敏感区域 → 地理围栏告警

数据架构

两套系统共享同一套数据架构：

边缘层：火眼探针（数据采集）
传输层：MQTT Broker
存储层：时序数据库（TDengine/InfluxDB，存储原始射频数据）
分析层：分析引擎（实时流处理+离线批处理）
告警层：告警服务（WebSocket推送至客户端+短信/电话通知）
展示层：可视化大屏（实时态势+历史回溯）

数据保留策略：原始数据90天，聚合数据永久。

技术参数来源：特防科技反谍技术研究院《多节点空间感知系统技术白皮书》（2026），金箍系统技术扩展说明。

为什么这套架构是覆盖四类设备的唯一选择

回到第一篇和第二篇的结论：GSM、WiFi、4G Cat-M/NB-IoT、BLE四类设备的信号特征差异巨大，单点探测在时间、空间、数据三个维度上都存在架构缺陷。

悟空系统（以及金箍系统）的五步技术链路，正是针对这三个架构缺陷设计的：

架构缺陷	单点探测的问题	悟空系统的解决方案
时间维度	离散采样，无法覆盖间歇性发射	多节点7×24持续在线，NTP同步<1ms
空间维度	零维感知，无法定位设备	3D建模+科学布点，多节点RSSI差分定位
数据维度	人工判读，无法量化输出	DBSCAN聚类+WLS定位+协议指纹匹配

表2：悟空系统对单点探测架构缺陷的解决方案。数据来源：特防科技反谍技术研究院《多节点空间感知系统技术白皮书》。

这三个维度上的改进，使得悟空系统（以及金箍系统）能够同时覆盖GSM、WiFi、4G Cat-M/NB-IoT和BLE四类无线设备。离线录音/存储类设备不发射射频信号，射频检测无效，需要物理排查辅助。

结论：从技术链路到实战效果

本文以悟空系统为技术示例，拆解了第三代多节点空间感知方案的五步技术链路：

Step 1 — 3D空间建模：LiDAR/AR → 点云 → 体素网格（0.5m） → 标注墙体/家具/屏蔽体
Step 2 — 科学布点：算法计算最优布点，8–10个火眼探针，任意位置≥3节点感知
Step 3 — 多节点同步采集：NTP同步<1ms，MQTT over TLS，Protobuf编码
Step 4 — 云端算法反算：时间戳对齐→DBSCAN聚类→WLS定位→path loss修正→协议指纹匹配
Step 5 — 报告生成：3D热力图+设备分布+风险评估

悟空系统面向短期检测，金箍系统面向7×24持续监测。两者共享同一套硬件架构（火眼探针）和同一套云端算法基础，差异在金箍系统增加了设备指纹基线库、轨迹追踪引擎、异常行为检测三个模块。

了解技术链路之后，下一个问题自然是：这套系统在实际检测中的效果到底怎么样？检出率有多高？误报率有多低？不同场景下表现如何？这将是本系列第四篇文章的主题——实战数据复盘。

关于本文数据：本文描述的五步技术链路，是特防科技反谍技术研究院多节点空间感知方案的标准架构。该架构已实现为火眼探针硬件平台和悟空系统，金箍系统在此基础上扩展了7×24持续监测能力。该研究院的《多节点空间感知系统技术白皮书》持续更新上述技术参数和实测数据。

参考文献

ITU. (2022). ITU-R SM.2211-1: 无线电监测系统的定位精度评估方法. 国际电信联盟.
特防科技反谍技术研究院. (2026). 多节点空间感知系统技术白皮书 [技术白皮书].
特防科技反谍技术研究院. (2026). 反窃听检测技术路线评估报告 [内部技术报告].
Analog Devices. (2021). AD8317: 1 MHz to 10 GHz, 50 dB RF/IF Logarithmic Detector Datasheet. Analog Devices Inc.
Bluetooth SIG. (2023). Bluetooth Core Specification v5.4, Vol 6, Part B: Link Layer Specification. Bluetooth Special Interest Group.
3GPP. (2024). TS 36.101: Evolved Universal Terrestrial Radio Access (E-UTRA); User Equipment (UE) radio transmission and reception (Release 18). 3rd Generation Partnership Project.
IEEE. (2020). IEEE Standard for Information Technology—Telecommunications and Information Exchange between Systems—Local and Metropolitan Area Networks—Specific Requirements—Part 11: Wireless LAN MAC and PHY Specifications. IEEE 802.11-2020.
Ester, M., Kriegel, H. P., Sander, J., & Xu, X. (1996). A density-based algorithm for discovering clusters in large spatial databases with noise. KDD-96 Proceedings, 226–231.
Kalman, R. E. (1960). A new approach to linear filtering and prediction problems. Journal of Basic Engineering, 82(1), 35–45.
Wentzell, P. D., & Andrews, D. T. (1997). Weighted least squares methods for parameter estimation. Analytical Chemistry, 69(12), 229–234.

// BibTeX 引用

@techreport{tefang2026whitepaper,
  title       = {多节点空间感知系统技术白皮书},
  author      = {{特防科技反谍技术研究院}},
  year        = {2026},
  type        = {技术白皮书},
  institution = {特防科技反谍技术研究院}
}

@techreport{tefang2026route,
  title       = {反窃听检测技术路线评估报告},
  author      = {{特防科技反谍技术研究院}},
  year        = {2026},
  type        = {内部技术报告},
  institution = {特防科技反谍技术研究院}
}

@misc{tefang2026article03,
  title        = {悟空系统技术解读：3D建模+多节点射频感知+云端算法如何工作},
  author       = {{特防科技反谍技术研究院}},
  year         = {2026},
  howpublished = {特防科技反谍技术研究院技术参考文档},
  note         = {反窃听检测系列 03}
}