Обнаружение и идентификация сигналов аппаратурой панорамного радиоконтроля тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Студеникин Алексей Геннадьевич

• Студеникин Алексей Геннадьевич
• кандидат наук
• 2025

Оглавление диссертации кандидат наук Студеникин Алексей Геннадьевич

ВВЕДЕНИЕ

1 НАЗНАЧЕНИЕ И ОСОБЕННОСТИ ФУНКЦИОНИРОВАНИЯ СИСТЕМ РАДИОКОНТРОЛЯ ПРИ РЕШЕНИИ ЗАДАЧ ОБНАРУЖЕНИЯ И ИДЕНТИФИКАЦИИ СИГНАЛОВ В РЕЖИМЕ ПАНОРАМНОГО АНАЛИЗА

1.1 Назначение систем радиоконтроля и требования к их возможностям

1.2 Задача идентификации сигналов

1.3 Процесс идентификации сигналов на основе «внешних» и «внутренних» параметров

1.4 Задача обнаружения сигналов

1.5 Панорамный сбор идентификационных данных

1.6 Подготовка спектральных данных для идентификации сигналов

1.7 Влияние организации процессов циклического сбора и обработки данных на процессы обнаружения и идентификации сигналов в режиме панорамного анализа

1.8 Использование программируемых логических интегральных схем для высокоскоростной обработки сигналов в системах радиоконтроля

1.9 Заключение к главе

2 ОПТИМИЗАЦИЯ ПАРАМЕТРОВ СКАНИРОВАНИЯ ДИАПАЗОНА ЧАСТОТ ПРИ ОБНАРУЖЕНИИ РАДИОСИГНАЛОВ В РЕЖИМЕ ПАНОРАМНОГО АНАЛИЗА

2.1 Особенности обнаружения сигналов в режиме панорамного анализа

2.2 Оценка вероятности обнаружения радиосигналов в режиме панорамного анализа

2.3 Оценка вероятности обнаружения пакетных сигналов при помощи системы радиоконтроля АРК-Д19Р

2.4 Экспериментальная оценка вероятности обнаружения пакетных радиосигналов на примере эфирных сигналов стандарта GSM

2.5 Заключение к главе

3 ОПТИМИЗАЦИЯ ПРОЦЕССА СБОРА ДАННЫХ ПРИ ОБНАРУЖЕНИИ СИГНАЛОВ В

РЕЖИМЕ ПАНОРАМНОГО АНАЛИЗА

3.1 Выбор критериев и направлений оптимизации процесса панорамного сбора данных

данных

3.4 Влияние режима сбора данных в анализируемом диапазоне частот на вероятность обнаружения радиоимпульса

3.5 Методика выбора режима сбора данных

3.6 Заключение к главе

4 ПРИМЕНЕНИЕ БАЗОВЫХ И КОМПЛЕКСИРОВАННЫХ ОЦЕНОК СПЕКТРАЛЬНОГО ПОДОБИЯ ДЛЯ ПЕРВИЧНОЙ ИДЕНТИФИКАЦИИ РАДИОСИГНАЛОВ

4.1 Исходные данные для решения задачи

4.2 Базовые меры подобия гиперспектральных изображений

4.3 Эффективность идентификации сигналов при использовании базовых мер подобия

4.4 Разработка решающих статистик для специализированного алгоритма идентификации сигналов

4.5 Комплексированный алгоритм идентификации сигналов определённого стандарта по спектральным маскам

4.6 Апробация комплексированного алгоритма идентификации по спектральным маскам для сигналов определённого стандарта

4.7 Выявление сигналов для совокупности стандартов в широкой полосе частот

4.8 Обобщённый алгоритм идентификации радиосигналов

4.9 Результаты тестирования комплексированного алгоритма идентификации по спектральным маскам

4.10 Заключение к главе

5 АДАПТАЦИЯ КОМПЛЕКСИРОВАННОГО АЛГОРИТМА ИДЕНТИФИКАЦИИ ПО СПЕКТРАЛЬНЫМ МАСКАМ К АППАРАТНОЙ РЕАЛИЗАЦИИ

5.1 Предпосылки аппаратной реализации идентификационных процедур

5.2 Подготовка исходных данных и основные этапы комплексированного алгоритма идентификации по спектральным маскам

5.3 Блок конфигурации

5.4 Блок первичных оценок

5.5 Оптимизация аппаратных ресурсов при расчёте скользящего максимума

5.6 Оптимизация аппаратных ресурсов при расчёте скользящих сумм

5.7 Оптимизация расчёта скалярного произведения

5.8 Блок формирования возможных позиций сигнала

5.9 Оценка качества идентификации при аппаратной реализации комплексированного алгоритма идентификации по спектральным маскам

5.10 Использование аппаратных и временных ресурсов аппаратной реализацией комплексированного алгоритма идентификации по спектральным маскам

5.11 Заключение к главе

6 ОПТИМИЗАЦИЯ ПРОЦЕССА ОБРАБОТКИ ДАННЫХ ПРИ ПЕРВИЧНОЙ

ИДЕНТИФИКАЦИИ СИГНАЛОВ В РЕЖИМЕ ПАНОРАМНОГО АНАЛИЗА

6.1 Проблема обновления данных при циклической идентификации сигналов

6.2 Особенности отложенного режима обработки данных

6.3 Особенности синхронного режима обработки данных

6.4 Оценка временных характеристик режимов обработки данных

6.5 Методика выбора ширины спектрального фрагмента

6.6 Заключение к главе

7 АЛГОРИТМ ОТБОРА КАНАЛОВ ДЛЯ ДЕТАЛЬНОЙ ИДЕНТИФИКАЦИИ НА ОСНОВЕ ИСТОРИИ КОНТРОЛЯ

7.1 Проблема выбора канала для детальной идентификации

7.2 Общая концепция отбора релевантного канала

7.3 Алгоритм отбора каналов на основе истории контроля

7.4 Тестирование аппаратной реализации предложенного алгоритма

7.5 Моделирование работы предложенного алгоритма

7.6 Заключение к главе

ЗАКЛЮЧЕНИЕ

СПИСОК СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ

СПИСОК ЛИТЕРАТУРЫ

Приложение А. Акты внедрения результатов диссертационной работы

Введение диссертации (часть автореферата) на тему «Обнаружение и идентификация сигналов аппаратурой панорамного радиоконтроля»

ВВЕДЕНИЕ

Возникновение и развитие технологий беспроводной связи породило потребность в осуществлении радиоконтроля (РК), одной из целей которого является выявление случаев несанкционированного использования радиочастотного спектра и контроль соответствия параметров регистрируемых радиосигналов базе данных лицензированных сигналов регуляторного органа (частотно-территориальному плану) [1, 2]. Важнейшими задачами, решаемыми в ходе РК, являются обнаружение сигналов и их идентификация (в частности, определение принадлежности стандарту связи) [3]. Для решения этих задач используются системы радиоконтроля (СРК).

В современных условиях контроль радиообстановки приходится осуществлять в диапазонах частот шириной несколько гигагерц, тогда как полосы одновременного обзора (ПОО) современных СРК составляют десятки-сотни мегагерц. Как следствие, РК производится, как правило, в режиме панорамного анализа (РПА), при котором приёмник СРК, настроившись на некоторую частоту, осуществляет сбор данных в пределах ПОО, затем последовательно перестраивается по частотам для контроля смежных полос частот. После сбора данных во всех полосах, составляющих подлежащий контролю анализируемый диапазон частот (АДЧ), цикл контроля повторяется [2, 3]. При этом, как правило, РПА предполагает расчёт спектральных характеристик сигналов в каждой из ПОО с последующим их объединением в панораму спектра (ПС), позволяющую оценивать радиообстановку во всём АДЧ.

Так как в РПА сбор данных в ПОО, входящих в АДЧ, осуществляется последовательно, а время перестроения с частоты одной ПОО на частоту другой оказывается существенным, то доля времени анализа, приходящаяся на сбор данных в каждой ПОО, оказывается довольно низкой, поэтому вероятность совпадения моментов сбора данных в очередной ПОО и выхода в эфир радиосигнала в пределах той же ПОО может оказаться слишком малой для надёжного обнаружения сигнала, а время его идентификации - слишком большим [4]. Поэтому эффективное решение задач обнаружения и идентификации сигналов требует учёта технических характеристик СРК и оптимизации процессов сбора и обработки данных, включая правильный выбор порядка сканирования АДЧ, длительности сбора данных в ПОО, и прочих параметров анализа [5, 6].

К сожалению, в доступной научной литературе уделяется недостаточно внимания учёту особенностей осуществления РК в РПА, таких как фрагментарность (интервалы поступления данных чередуются с паузами, необходимыми для перестроения по частоте) и цикличность (через определённые интервалы времени поступление данных о какой-либо частоте в пределах АДЧ повторяется). А потому исследования влияния этих факторов и параметров обработки на показатели качества процедур обнаружения и идентификации радиосигналов, такие как вероятность и среднее время обнаружения (идентификации) сигнала, оказываются актуальными.

Аппаратной основой для реализации многих алгоритмов РК являются программируемые логические интегральные схемы (ПЛИС) [7]. При правильном учёте особенностей функционирования ПЛИС их применение позволяет:

- обеспечить высокую скорость обработки данных;

- выполнять обработку в режиме реального времени;

- повысить энергоэффективность обработки.

Однако если в литературе ещё можно найти статьи, посвящённые реализации на ПЛИС алгоритмов обнаружения, то применительно к идентификации, особенно в РПА, найти эффективные технические решения оказывается весьма проблематично. Таким образом, актуальной задачей оказывается поиск технических решений для реализации на ПЛИС идентификационных процедур, учитывающих специфику функционирования ПЛИС и обеспечивающих экономное использование их ресурсов. Это становится особо важным при использовании в СРК ПЛИС начального класса, отличающихся малой стоимостью, размерами и энергопотреблением, однако характеризующихся весьма ограниченным набором вычислительных ресурсов и блоков памяти.

Таким образом, для создания СРК, успешно осуществляющих обнаружение и идентификацию сигналов в широких диапазонах частот, необходима разработка методик, совершенствующих процессы сбора и обработки данных с учётом специфики РПА, и алгоритмов идентификации, адаптированных для реализации на ПЛИС.

Задаче обнаружения и идентификации сигналов в широкой полосе частот посвящён ряд работ. В частности, Spooner C. M. предложил итеративный алгоритм поиска сигналов с переменным спектральным разрешением; A. A. Thabit, M. Karpinski разработали алгоритм обнаружения сигналов для когнитивного радио, предназначенный для реализации на ПЛИС; Mariani A. занимался вопросами определения участков спектра, занятых сигналами; Nair S. предложил концепцию идентификации сигналов с использованием ПЛИС; D. Bao, L. De Vito., S. Rapuano разработали метод сегментации спектра на основе гистограмм; Spooner C. M., Mody A. N, Gillman A. M. занимались задачей идентификации сигналов путём разделения ПОО на набор каналов и выделения в них циклостационарных признаков. Однако в существующих работах недостаточно исследована специфика РПА, а предлагаемые подходы зачастую не оптимизированы для реализации на ПЛИС. В то же время, описанные выше особенности проведения РК ввиду возрастания потока радиоданных, подлежащих обработке, порождают потребность в оптимизации процессов сбора и обработки данных с учётом особенностей РПА и используемой элементной базы в виде ПЛИС.

Объектом исследования являются осуществляемые в РПА процедуры обнаружения и идентификации радиосигналов. Предмет исследования составляют:

- зависимости вероятности обнаружения и среднего времени обнаружения пакетных радиосигналов от длительности сеансов связи и статистики распределения интервалов между пакетами;

- режимы сбора данных в АДЧ при осуществлении РПА; зависимость показателя непрерывности сбора данных и вероятности обнаружения радиоимпульса (РИ) от используемого режима сбора данных в АДЧ и параметров задания на РК;

- алгоритмы первичной идентификации радиосигналов по форме спектра, функционирующие при низких ОСШ и наличии интерференционных искажений, подходящие для реализации на ПЛИС начального класса; зависимость показателей качества идентификации от алгоритма идентификации и аппаратной платформы;

- режимы обработки данных при проведении РК в РПА; зависимость среднего времени идентификации сигнала (СВИ) от ширины спектрального фрагмента (СПФ), накопление которого требуется для старта процесса идентификации;

- алгоритмы выбора активного канала для детальной идентификации; зависимость времени идентификации сигнала от используемого алгоритма выбора канала.

Диссертационное исследование соответствует пунктам 1, 3, 5, 6, 10 паспорта научной специальности 2.2.13 Радиотехника, в том числе системы и устройства телевидения.

Целью диссертационной работы является повышение эффективности широкополосного РК, осуществляемого с применением ПЛИС, за счёт совершенствования методик выбора: параметров сканирования АДЧ, режимов сбора и обработки идентификационных данных; разработки адаптированных для реализации на ПЛИС алгоритмов идентификации, применимых в условиях существенных интерференционных искажений и низких ОСШ.

Для достижения поставленной цели необходимо решить следующие задачи:

1. Выявить зависимость вероятности обнаружения и среднего времени обнаружения пакетных радиосигналов в РПА от длительности используемых выборок, и на основе полученной зависимости научно обосновать методику установки длительности выборок, позволяющую повысить вероятность обнаружения пакетных радиосигналов в РПА.

2. Разработать и научно обосновать методику выбора режима сбора данных в АДЧ при использовании РПА, учитывающую временные показатели перестроения приёмника СРК по частоте, и позволяющую повысить вероятность обнаружения РИ.

3. Разработать методику выбора ширины спектрального фрагмента при осуществлении первичной идентификации сигналов в РПА, позволяющую осуществлять идентификацию для данных в процессе их накопления в АДЧ, учитывающую последовательность формирования идентификационных решений в процессе обработки данных и позволяющую минимизировать СВИ сигналов.

4. Разработать и научно обосновать алгоритм выбора для идентификации одного из совокупности активных частотных каналов, обеспечивающий равномерную идентификацию сигналов во всём наборе каналов в течение длительного времени, максимизирующий число идентификаций в каналах с наименьшей активностью ИРИ и предназначенный для реализации на ПЛИС.

5. Разработать алгоритм идентификации радиосигналов по форме спектра, позволяющий осуществлять идентификацию в условиях низких ОСШ и воздействия интерференционных искажений, адаптированный для реализации на ПЛИС начального класса.

В диссертации получены следующие основные результаты, характеризующиеся научной новизной.

1. Методика выбора параметров сканирования АДЧ, учитывающая зависимость вероятности обнаружения и среднего времени обнаружения пакетных радиосигналов в РПА от длительности выборок, позволяющая повысить вероятность обнаружения пакетных радиосигналов и снизить среднее время их обнаружения.

2. Методика выбора режима сбора данных в АДЧ в зависимости от приоритетных требований к вероятности обнаружения сигнала на различных его участках, отличающаяся использованием реверсивного перестроения СРК по частотам, позволяющая повысить вероятность обнаружения кратковременных сигналов в АДЧ небольшой ширины и долю времени, затрачиваемую на накопление выборок.

3. Методика выбора ширины СПФ, накапливаемого для идентификации, отличающаяся от применения только типового режима отложенной обработки данных (при котором ширина СПФ равна АДЧ) использованием режима синхронной обработки (при котором ширина СПФ -меньше АДЧ), и обеспечивающая уменьшение среднего времени извлечения идентификационных сведений из обрабатываемых сигналов и объёма используемой оперативной памяти.

4. Алгоритм отбора активных частотных каналов для детальной идентификации, отличающийся от известных использованием истории предшествующих отборов, ориентированный на реализацию на ПЛИС и в случае функционирования однотипных ИРИ в совокупности частотных каналов позволяющий выровнять темп выдачи ИРИ из различных каналов на идентификацию, а также максимизировать число идентифицированных пакетов наиболее редко выходящих в эфир ИРИ.

5. Алгоритм идентификации стандартов радиоизлучений по форме спектра сигналов, отличающийся от известных использованием физической модели спектра сигнала, совокупностью решающих статистик, способом их совместного использования, и адаптацией к ресурсоэффек-тивной реализации на ПЛИС, обеспечивающий существенное снижение требуемого ОСШ при идентификации радиоизлучений по спектрам, изменённым интерференционными искажениями.

Теоретическая значимость работы заключается в создании методик выбора параметров сканирования АДЧ, режимов сбора данных, а также параметра режимов обработки данных -ширины СПФ, при осуществлении РК в РПА, позволяющих повысить вероятность обнаружения и снизить время обнаружения и идентификации радиосигналов; в получении закономерностей изменения доли времени, затрачиваемой на накопление выборок, и вероятности обнаружения сигналов от режима сбора данных, характеристик СРК, задания на РК, и длительности сеанса связи; в выявлении закономерности изменения среднего времени получения идентификационных сведений от ширины СПФ, используемой при обработке данных, характеристик СРК,

и задания на РК; в разработке алгоритма отбора частотных каналов для идентификации, позволяющего выровнять темп выдачи ИРИ из различных каналов на идентификацию, и максимизировать число идентифицированных пакетов наиболее редко выходящих в эфир ИРИ; в выявлении закономерности изменения времени идентификации от используемого алгоритма выбора канала; в разработке алгоритма идентификации стандартов радиоизлучений по форме спектра сигналов, обеспечивающего существенное снижение требуемого ОСШ при идентификации радиоизлучений по спектрам, изменённым интерференционными искажениями.

Внедрение методики выбора параметров сканирования диапазонов частот, методики выбора режима сбора данных в РПА, методики выбора ширины СПФ, используемой при обработке данных в РПА, алгоритма идентификации стандартов радиоизлучений по форме спектра, и алгоритма отбора активных частотных каналов для детальной идентификации позволяет повысить эффективность функционирования СРК, базирующихся на ПЛИС начального класса, при решении задач обнаружения и идентификации радиосигналов. Производителям СРК результаты работы дают возможность совершенствования аппаратно-программного обеспечения и улучшения показателей качества работы СРК.

При выполнении работы использовался математический аппарат теории вероятностей, математической статистики, и метод модельно-ориентированного проектирования при реализации предложенных алгоритмов на ПЛИС. Проверка работоспособности предложенных методик выбора режима сбора данных, ширины СПФ, а также исследование алгоритмов идентификации и отбора активных каналов выполнялись путём математического моделирования. Проверка работоспособности программной и аппаратной версий предложенного алгоритма идентификации, а также аппаратной версии алгоритма отбора активных каналов выполнялись с использованием макетирования.

Основные положения, выносимые на защиту.

1. Для максимизации вероятности обнаружения сигналов, а также снижения среднего времени их обнаружения в РПА, следует:

- для непрерывных сигналов при сборе данных в ПОО использовать максимально короткие выборки, длительность которых достаточна для надежного энергетического обнаружения сигналов;

- для пакетных (импульсных) сигналов, излучаемых в режиме временного разделения каналов (TDMA), при наличии априорной информации об их свойствах устанавливать длительность выборок, превышающую наиболее вероятный интервал между пакетами на удвоенный интервал времени, достаточный для надёжного энергетического обнаружения сигнала, а при отсутствии сведений использовать выборки длительностью порядка десятков миллисекунд.

2. Использование методики выбора режима сбора данных, включающей использование режима реверсивного перестроения СРК по частоте, обеспечивает рост доли времени, затрачи-

ваемой на накопление выборок, и повышение вероятности обнаружения коротких радиоимпульсов при использовании СРК, для которых временные затраты на перестроение между отдалёнными по частоте ПОО существенно превышают протяжённость используемых выборок, в диапазонах частот, состоящих менее чем из 10 ПОО. При использовании предложенной методики увеличение доли времени, затрачиваемой на накопление выборок, может достигать 95% в случае обнаружения сигналов, и 20% при их идентификации. В результате уменьшения длительности цикла анализа средняя по АДЧ вероятность пропуска кратковременных радиоимпульсов в аппаратуре снижается. Для СРК производства АО «ИРКОС» подобное снижение может достигать 9%.

3. Применение методики выбора ширины СПФ при обработке данных о действующих в АДЧ радиоизлучениях, включающей применение как типового режима отложенной обработки данных, так и режима их синхронной обработки, обеспечивающего старт процесса идентификации после сбора данных для фрагмента АДЧ, позволяет сократить среднее время идентификации (СВИ), необходимое для получения из обрабатываемых сигналов идентификационных сведений. К примеру, при делении АДЧ шириной 40 ПОО на 5 СПФ сокращение СВИ может составлять 62% в сравнении с использованием только режима отложенной обработки данных.

4. Алгоритм отбора активных каналов, базирующийся на использовании истории предшествующих отборов, обеспечивает максимизацию числа идентифицированных пакетов редко выходящих в эфир источников радиоизлучений (ИРИ). Предлагаемый алгоритм в сравнении с прочими применяемыми на практике позволяет сократить время сбора данных о радиообстановке на величину от 29% до 56%.

5. Алгоритм первичной идентификации радиосигналов на основе физической модели спектра сигнала и комплексированного набора решающих статистик обеспечивает идентификацию сигналов при меньшем на 5 дБ ОСШ при умеренных интерференционных искажениях, и меньшем на 10 дБ ОСШ при существенных искажениях в сравнении с алгоритмами на базе типовых оценок спектрального подобия.

Основные теоретические и практические результаты работы использованы при разработке СРК производства АО «ИРКОС» (г. Москва), а также внедрены в учебный процесс ФГБОУ ВО «ВГТУ». Соответствующие акты внедрения приведены в приложении А.

Достоверность и обоснованность полученных в диссертационной работе результатов обусловлена корректным использованием математического аппарата теории вероятностей и математической статистики, методов математического моделирования, согласованием результатов расчётов, моделирования и макетирования. Результаты работы не противоречат полученным и опубликованным ранее в литературе результатам других авторов.

Основные положения и результаты диссертационной работы докладывались и обсуждались на Международной конференции Computational Methods in Systems and Software (Czech Republic, 2022), XXV, XXVIII и XXIX Международных научно-технических конференциях «Радиолокация, навигация и связь» (Воронеж, 2019, 2022, 2023); XVI Всероссийской научной конференции «Ежегодная научная сессия аспирантов и молодых ученых» (Вологда, 2022); ежегодных научно-технических конференциях и научно-методических семинарах кафедры радиотехники и кафедры конструирования и производства радиоаппаратуры ФГБОУ ВО «Воронежский государственный технический университет» (2020-2023).

По теме диссертации опубликовано 14 научных работ, включая 6 статей в изданиях, рекомендованных ВАК РФ, 1 работу в издании, индексируемом в международных цитатно-аналитических базах данных Web of Science и Scopus, и 7 докладов на научно-технических конференциях и семинарах.

Личный вклад автора состоит в разработке математической модели обнаружения сигналов в РПА, в выводе расчётных соотношений для режимов сбора данных, показателя непрерывности сбора данных и вероятности обнаружения сигналов; в выводе расчётных соотношений для режимов обработки идентификационных данных, среднего времени идентификации сигнала; в разработке и исследовании алгоритма отбора активных каналов, реализации его математической модели, а также аппаратной реализации на ПЛИС в составе СРК АРГАМАК-Д11 модели 4 производства АО «ИРКОС»; в соучастии в разработке, а также в исследовании комплексиро-ванного алгоритма идентификации сигналов, сопоставлении его с результатами базовых оценок спектрального подобия; в выборе и внедрении технических решений по оптимизации используемых аппаратных ресурсов при реализации комплексированного алгоритма идентификации на ПЛИС в составе СРК АРК-Д19Р производства АО «ИРКОС».

Диссертационная работа состоит из введения, семи глав, заключения, списка литературы, включающего 78 наименований, и 1 приложения. Основная часть работы изложена на 112 страницах, содержит 53 рисунка и 8 таблиц.

1 НАЗНАЧЕНИЕ И ОСОБЕННОСТИ ФУНКЦИОНИРОВАНИЯ СИСТЕМ РАДИОКОНТРОЛЯ ПРИ РЕШЕНИИ ЗАДАЧ ОБНАРУЖЕНИЯ И ИДЕНТИФИКАЦИИ СИГНАЛОВ В РЕЖИМЕ

ПАНОРАМНОГО АНАЛИЗА

1.1 Назначение систем радиоконтроля и требования к их возможностям

Согласно справочнику по контролю за использованием спектра Международного союза электросвязи (МСЭ) [3], целью контроля за использованием спектра (РК) является обеспечение данных контроля для процесса управления использованием электромагнитного спектра со стороны администрации, касающегося использования частот и частотных диапазонов (например, занятости каналов и перегруженности диапазонов частот), проверка надлежащих технических и эксплуатационных характеристик передаваемых сигналов (соблюдение лицензии), обнаружение и идентификация несанкционированных передатчиков и потенциальных источников помех, а также формирование и проверка регистрации частот.

В рамках РК идентификация может потребоваться для выполнения следующих задач [3]:

- идентификация пользователей спектра;

- оценка степени использования спектра;

- проверка соответствия условиям лицензий;

- определение эффективности использования спектра;

- обнаружение и идентификация случаев незаконного использования;

- обнаружение и идентификация источников помех;

- локализация источников сигналов.

1.2 Задача идентификации сигналов

Радиоконтроль непрерывно меняется, т.к. существует тенденция к всё более широкому использованию цифровых сигналов, а также «остаточной ёмкости» радиоканалов для передачи дополнительной информации (например, при помощи технологий «когнитивного радио») [8-10]. При этом всё большую важность в качестве инструмента РК приобретает анализ сигналов, особенно для целей идентификации передатчиков, способный привести к определению характеристик передаваемого сигнала (частота, модуляция и т.д.), характеристик передатчика (местоположения) и/или извлечению передаваемой информации [3].

Подчёркивая необходимость идентификации с точки зрения регулирования, Регламент радиосвязи МСЭ предписывает, что: «все передачи должны иметь возможность быть идентифицированы либо с помощью опознавательных сигналов, либо другими средствами» [11]. Пер-

вое направление (прямая идентификация) базируется на использовании позывных сигналов, названий станций или иных аналогичных признаков. Косвенная идентификация основана на анализе характеристик сигнала, определении класса излучения, вида модуляции, на демодуляции и извлечении идентификационных данных [11].

Для идентификации передатчика (сигнала) существуют различные методы. Основные из них приведены в Справочнике по РК МСЭ и показаны на рисунке 1.1. В терминах процесса анализа сигналов идентификация может быть описана согласно диаграмме на рисунке 1.2, также взятом из Справочника по РК МСЭ [3].

Рисунок 1.1 - Методы идентификации сигналов согласно Справочнику по РК МСЭ [3]

Ждать или применить стимул

Использовать методы обработки сигнала

Определить параметры формы сигнала

Выбрать демодулятор и демодулировать

^Конец анализа

Рисунок 1.2 - Диаграмма процесса идентификации в рамках анализа сигналов согласно Справочнику по РК МСЭ [3]

)

Спектральный анализ сигнала помогает классифицировать его путем исследования несущей и поднесущих. Например, сравнение спектра может использоваться для автоматической идентификации систем связи с определенным спектром. Для автоматического поиска и подсчёта несущих, а также измерения ширины полосы изучения может использоваться спектральное отображение с высоким разрешением и различные алгоритмы поиска. Рекомендуется применять панорамное представление сигнала с переменным спектральным разрешением и временем интегрирования. Комбинирование временного и спектрально-временного представления сигналов позволяет осуществлять идентификацию и измерение импульсных сигналов. Справочник по РК МСЭ также вводит понятие основных и расширенных параметров сигнала, определяя в качестве основных параметры, которые могут быть выведены из его спектральной формы, а в качестве расширенных - параметры, которые могут быть получены после его демодуляции [3].

1.3 Процесс идентификации сигналов на основе «внешних» и «внутренних» параметров

Надёжная идентификация сопряжена со значительными вычислительными затратами, т.к. для каждой частоты в пределах АДЧ, где действует идентифицируемый сигнал, требует выполнения множества операций: понижающего преобразования частоты, передискретизации, частотно-временной синхронизации, демодуляции, декодирования и т.д. Поэтому в соответствии с рекомендацией МСЭ SM.1600 [12] для повышения быстродействия идентификации целесообразно разделить её на этапы идентификации по «внешним» и «внутренним» параметрам.

Данная рекомендация перечисляет факторы, влияющие на организацию процесса идентификации, среди которых можно выделить:

1) расширение масштаба использования радио;

2) широкое использование цифровых сигналов;

3) использование устройств, не требующих лицензии или сертификации;

4) тенденцию к использованию того же спектра несколькими технологиями радиосвязи;

5) необходимость проведения идентификации при выполнении измерений для цифровых сигналов сложной формы.

МСЭ рекомендует следующий порядок выполнения идентификации цифровых сигналов:

- идентификация на основе внешних параметров сигнала;

- идентификация на основе внутренних параметров сигнала (тип модуляции и прочие внутренние параметры формы сигнала), если присутствуют априорные сведения о сигнале;

- идентификация на основе корреляции с характеристиками известных форм сигналов, если имеются априорные знания о сигнале;

- идентификация, подтвержденная демодуляцией, декодированием или сравнением сигнала с характеристиками известной формы сигнала (если это не было выполнено ранее).

Согласно рекомендации БМ.1600, первым шагом при идентификации цифрового сигнала является сравнение «внешних» параметров сигнала с базой данных лицензированных сигналов службы РК и частотным планом. К внешним параметрам сигнала относятся следующие:

Список литературы диссертационного исследования кандидат наук Студеникин Алексей Геннадьевич, 2025 год

СПИСОК ЛИТЕРАТУРЫ

1. Рембовский А. М. Радиомониторинг: задачи, методы, средства / А. М. Рембовский, А. В. Ашихмин, В. А. Козьмин; под ред. А. М. Рембовского. - 4-е изд., перераб. и доп. - М.: Горячая линия - Телеком, 2015. - 640 с.

2. Рембовский А. М. Автоматизированные системы радиоконтроля и их компоненты / А. М. Рембовский, А. В. Ашихмин, В. А. Козьмин; под ред. А. М. Рембовского. - М.: Горячая линия - Телеком, 2017. - 424 с.

3. Spectrum Monitoring Handbook // Radiocommunication Bureau, International Telecommunication Union. - Geneva, 2011. - 678 p.

4. Поляков А. В. Поиск пакетных радиосигналов системами радиоконтроля в режиме панорамного спектрального анализа / А. В. Поляков, А. Г. Студеникин, А. Б Токарев // Вестник Воронежского института МВД России. - 2020. - № 1. - С. 125-136.

5. Студеникин А. Г. Повышение парциальной доли времени сбора данных при панорамном радиоконтроле / А. Г. Студеникин, А. Б. Токарев // Радиотехника. - 2023. - Т. 87, № 8. - С. 36-41.

6. Студеникин А. Г. Влияние режима сбора данных на вероятность обнаружения одиночных радиоимпульсов при панорамном радиоконтроле / А. Г. Студеникин, А. Б. Токарев // Радиолокация, навигация, связь : Сб. тр. XXIX Междунар. науч.-техн. конф., посвященной 70-летию каф. радиофизики ВГУ. В 5-ти томах, Воронеж, 18-20 апреля 2023 г. - Воронеж: Воронежский гос. ун-т, 2023. - С. 75-82.

7. Спажакин М. И. Методика проектирования и реализации на ПЛИС энергоэффективных устройств обработки сигналов в системах радиоконтроля: дис. ... канд. техн. наук: 05.12.04 / Спажакин Михаил Игоревич. - Воронеж, 2018. - 159 с.

8. Концепция развития системы контроля за излучениями радиоэлектронных средств и (или) высокочастотных устройств гражданского назначения в Российской Федерации на период до 2025 года. - Текст : электронный // М-во цифрового развития, связи и массовых коммуникаций Рос. Федерации. - 2017. - 33 c. - URL: https://digital.gov.ru/uploaded/files/kontseptsiya-radiokontrolya.pdf (дата обращения: 01.06.2024).

9. Holland O. Opportunistic Spectrum Sharing and White Space Access: The Practical Reality / O. Holland, H. Bogucka, A. Medeisis. - Hoboken NJ: Wiley, 2015. - 695 p.

10. Overview of department of defense use of the electromagnetic spectrum / J. R. Hoehn, J. C. Gallagher, K. M. Sayler. - Текст : электронный // Congressional Research Service. - Washington, 2021. -44 p. - URL: https://crsreports.congress.gov/product/pdf/R7R46564 (дата обращения: 01.06.2024).

11. Radio Regulations. - Текст : электронный // International Telecommunication Union. -2020. - URL: https://www.itu.int/pub/R-REG-RR-2020 (дата обращения: 01.06.2024).

12. Technical identification of digital signals: Recommendation ITU-R SM.1600-3. - Текст : электронный // International Telecommunication Union. - Geneva, 2017. - 25 p. - URL: https://www.itu.int/rec/R-REC-SM.1600 (дата обращения: 01.06.2024).

13. Radiomonitoring & Radiolocation Catalog 2016. - Текст : электронный // Rohde & Schwarz. - 2015. - 239 p. - URL: http://rohde-schwarz.online/wp-content/uploads/2021/04/Radiomonitoring_and_Radiolocation_Catalog.pdf (дата обращения: 01.06.2024).

14. Студеникин А. Г. Исследование алгоритмов оценочной классификации радиосигналов по спектральным данным / А. Г. Студеникин, А. Б. Токарев // Теория и техника радиосвязи. -2021. - № 1. - С. 69-77.

15. Studenikin A. Analysis of Data Gathering and Processing Modes during the Primary Identification of Radio Signals through the Panoramic Spectral Analysis / A. Studenikin, A. Tokarev, T. Demina, S. Pergamenshchikov, A. Salnikova // Software Engineering Application in Systems Design: Proc. of 6th Computational Methods in Systems and Software 2022. Czech Republic. Lecture Notes in Networks and Systems. - Cham: Springer, 2023. - Vol. 596. - P. 540-562.

16. Студеникин А. Г. Способы организации процесса идентификации сигналов при панорамном радиоконтроле / А. Г. Студеникин, А. Б. Токарев // Радиолокация, навигация, связь : Сб. тр. XXVIII Междунар. науч.-техн. конф., посвященной памяти Б. Я. Осипова. В 6-ти томах, Воронеж, 27-29 сентября 2022 г. - Воронеж: Воронежский гос. ун-т, 2022. - Т. 6. - С. 196-206.

17. Студеникин А. Г. Обеспечение непрерывного панорамного радиоконтроля путем оптимизации коэффициента накопления спектра / А. Г. Студеникин // XVI Ежегодная научная сессия аспирантов и молодых ученых : Материалы Всерос. науч. конф. В 3-х томах, Вологда, 29 ноября 2022 г. / Глав. ред. М. М. Караганова. - Вологда: Вологодский гос. ун-т, 2023. - Т. 1. - С. 78-82.

18. Автоматизированные системы и технические средства радиоконтроля. Каталог. -Текст : электронный // АО ИРКОС. - 2024. - 114 c. - URL: https://www.ircos.ru/zip/cat2024.pdf (дата обращения: 01.06.2024).

19. АРГАМАК-Д11 (модель 4) - двухканальное цифровое панорамное радиоприемное устройство. - Текст : электронный. - URL: https://www.ircos.ru/ru/rsv_d11-4.html (дата обращения: 01.06.2024).

20. АРГАМАК-Д11 (модель 5) - двухканальное цифровое панорамное радиоприемное устройство. - Текст : электронный. - URL: https://www.ircos.ru/ru/rsv_d11-5.html (дата обращения: 01.06.2024).

21. Студеникин А. Г. Минимизация используемых ресурсов ПЛИС при обнаружении сигналов на фоне мощных помех / А. Г. Студеникин // Радиолокация, навигация, связь : Сб. тр. XXV Междунар. науч.-техн. конф., посвященной 160-летию со дня рождения А. С. Попова. В 6-ти томах, Воронеж, 16-18 апреля 2019 г. - Воронеж: Воронежский гос. ун-т, 2019. - Т. 1. - С. 230-238.

22. Студеникин А. Г. Аппаратная реализация комплексированного алгоритма идентификации радиосигналов по форме спектра / А. Г. Студеникин, В. А. Козьмин, А. Б. Токарев // Вестн. Воронежского гос. техн. ун-та. - 2024. - Т. 20, № 1. - С. 92-105.

23. Студеникин А. Г. Алгоритм выбора подлежащих идентификации радиоканалов на основе истории контроля / А. Г. Студеникин, А. Б. Токарев, И. С. Фаустов // Вестн. Воронежского гос. техн. ун-та. - 2023. - Т. 19, № 6. - С. 85-93.

24. IMT Vision - Framework and overall objectives of the future development of IMT for 2020 and beyond: Recommendation ITU-R M.2083-0. - Текст : электронный // International Telecommunication Union. - Geneva, 2015. - 21 p. - URL: https://www.itu.int/rec/R-REC-M.2083 (дата обращения: 01.06.2024).

25. Self A. G. Intercept Time and Its Prediction / A. G. Self, B. G. Smith // IEE Proc. - 1985. -Vol. 132. - Pt. F. - No. 4. - P. 215-222.

26. Future technology trends of terrestrial IMT systems: Report ITU-R M.2320-0. - Текст : электронный // International Telecommunication Union. - Geneva, 2015. - 32 p. - URL: https://www.itu.int/pub/R-REP-M.2320 (дата обращения: 01.06.2024).

27. Future spectrum requirements estimate for terrestrial IMT: Report ITU-R M.2290-0. - Текст : электронный // International Telecommunication Union. - Geneva, 2014. - 42 p. - URL: https://www.itu.int/pub/R-REP-M.2290 (дата обращения: 01.06.2024).

28. АРК-Д19Р - моноимпульсная система дистанционного радиоконтроля в помещениях. - Текст : электронный. - URL: http://ircos.ru/ru/asrp_d19r.html (дата обращения: 01.06.2024).

29. GSM/EDGE Physical layer on the radio path; General description. - Текст : электронный // 3rd Generation Partnership Project. - 2024. - 56 p. - URL: https://portal.3gpp.org/desktopmodules/Specifications/SpecificationDetails.aspx?specificationId=2705 (дата обращения: 01.06.2024).

30. Spectrum occupancy measurment and evaluation: Recommendation ITU-R SM.1880-2. -Текст : электронный // International Telecommunication Union. - Geneva, 2017. - 18 p. - URL: https://www.itu.int/rec/R-REC-SM.1880 (дата обращения: 01.06.2024).

31. Evolution of the Modern Receiver in a Crowded Spectrum Environment. -Текст : электронный // Rohde & Schwarz. - 2015. - 10 p. - URL: https://cdn.everythingrf.com/live/MdrnRcvrCrwdSpctrm%20(r&s).pdf (дата обращения: 01.06.2024).

32. Ахметов Д. Б. Интегральные КМОП-схемы в системах радиочастотной идентификации: опыт разработки / Д. Б. Ахметов, Е. В. Балашов, В. А. Калинин, А. С. Коротков, Д. В. Морозов, М. М. Пилипко, И. М. Пятак, И. А. Румянцев // ЭЛЕКТРОНИКА: Наука, Технология, Бизнес. - 2017. - № 3. - С. 38-45.

33. Бобкович П. Отечественный синтезатор частот с высоким быстродействием и низким уровнем фазовых шумов / П. Бобкович, А. Кузменков // Современная электроника. - 2015. - № 1. - С. 32-36.

34. Goldberg B.-G. RF synthesizers: PLL switching speed and speed-up techniques, a short review / B.-G. Goldberg. // IEEE MTT-S International Microwave Symposium Digest. - 2001. - Vol. 2.

- P. 693-696.

35. Горевой А. В. Маломощные источники непрерывных сигналов СВЧ для измерительной техники: дис. ... канд. техн. наук: 05.12.04 / Горевой Андрей Викторович. - Томск, 2017. - 118 с.

36. Студеникин А. Г. Алгоритм предварительной идентификации радиосигналов по спектральным маскам / А. Г. Студеникин, И. Б. Крыжко, А. Б. Токарев, А. В. Ашихмин, А. А. Фатеев // Системы управления, связи и безопасности. - 2021. - № 4. - С. 10-39.

37. Zhu Z. Automatic Modulation Classification: Principles, Algorithms, and Applications / Z. Zhu, A. K. Nandi. - Chichester, West Sussex: Wiley, 2015. - 184 p.

38. Dobre O. A. Survey of Automatic Modulation Classification Techniques: Classical Approaches and New Trends / O. A. Dobre, A. Abdi, Y. Bar-Ness, W. Su // IET Communication. - 2007.

- Vol. 1, No. 2 - P. 137-156.

39. Thakur P. S. Trends in Automatic Modulation Classification for Advanced Data Communication Networks / P. S. Thakur, S. Madan, M. Madan // International Journal of Advanced Research in Computer Engineering & Technology (IJARCET). - 2015. - Vol. 4, No. 2. - P. 496-507.

40. Al-Nuaimi D. H. Performance of Feature-Based Techniques for Automatic Digital Modulation Recognition and Classification — A Review / D. H Al-Nuaimi, I. A Hashim, I. S. Zainal Abidin, L. B. Salman, N. A. Mat Isa // Electronics. - 2019. - Vol. 8, No. 12. - p. 1407.

41. Xu J. L. Likelihood-Ratio Approaches to Automatic Modulation Classification / J. L. Xu, W. Su, M. Zhou // IEEE Trans. Syst., Man, Cybern. C. - 2011. - Vol. 41, No. 4. - P. 455-469.

42. Swami A. Hierarchical Digital Modulation Classification Using Cumulants / A. Swami, B. M. Sadler // IEEE Trans. Commun. - 2000. - Vol. 48, No. 3. - P. 416-429.

43. Prakasam P. Modulation Identification Algorithm for Adaptive Demodulator in Software Defined Radios Using Wavelet Transform / P. Prakasam, M. Madheswaran // International Journal of Electronics and Communication Engineering. - World Academy of Science, Engineering and Technology, 2009. - Vol. 3, No. 11. - P. 2009-2016.

44. An Q. Phase Clustering Based Modulation Classification Algorithm for PSK Signal over Wireless Environment / Q. An, Z. He, H. Li, Y. Li // Mobile Information Systems. - 2016. - Vol. 2016. - P. 1-11.

45. Azarmanesh O. I-Q diagram utilization in a novel modulation classification technique for cognitive radio applications / O. Azarmanesh, S. G. Bilen // J. Wireless Com. Network. - 2013. - Vol. 2013, No. 1. - P. 289.

46. Azzouz E. E. Automatic Modulation Recognition of Communication Signals / E. E. Azzouz, A. K. Nandi. - Boston, MA: Springer US, 1996. - 233 p.

47. Kubankova A. Extended Method of Digital Modulation Recognition and Its Testing / A. Ku-bankova, D. Kubanek // Radioengineering. - 2011. - Vol. 20, No. 1. - P. 25-30.

48. O'Shea T. J. Over the Air Deep Learning Based Radio Signal Classification / T. J. O'Shea, T. Roy, T. C. Clancy // IEEE J. Sel. Top. Signal Process. - 2018. - Vol. 12, No. 1. - P. 168-179.

49. Rajendran S. Distributed Deep Learning Models for Wireless Signal Classification with Low-Cost Spectrum Sensors / S. Rajendran, W. Meert, D. Giustiniano, V. Lenders, S. Pollin // IEEE Trans. Cogn. Commun. Netw. - 2018. - Vol. 4, No. 3. - P. 433-445.

50. Pham Q.-V. Intelligent Radio Signal Processing: A Survey / Q.-V. Pham, N. T. Nguyen, T. Huynh-The, L. Bao Le, K. Lee, W.-J. Hwang // IEEE Access. - 2021. - Vol. 9. - P. 83818-83850.

51. Jagannath J. Machine Learning for Wireless Communications in the Internet of Things: A Comprehensive Survey / J. Jagannath, N. Polosky, A. Jagannath, F. Restuciia, T. Melodia // Ad Hoc Networks. - 2019. - Vol. 93.

52. Li X. A Survey on Deep Learning Techniques in Wireless Signal Recognition / X. Li, F. Dong, S. Zhang, W. Guo // Wireless Communications and Mobile Computing. - 2019. - Vol. 2019. - P. 1-12.

53. Kulin M. End-to-End Learning From Spectrum Data: A Deep Learning Approach for Wireless Signal Identification in Spectrum Monitoring Applications / M. Kulin, T. Kazaz, I. Moerman, E. De Poorter // IEEE Access. - 2018. - Vol. 6. - P. 18484-18501.

54. Bitar N. Wireless Technology Identification Using Deep Convolutional Neural Networks / N. Bitar, S. Muhammad, H. H. Refai // 2017 IEEE 28th Annual International Symposium on Personal, Indoor, and Mobile Radio Communications (PIMRC). - Montreal, QC: IEEE, 2017. - P. 1-6.

55. Schmidt M. Wireless Interference Identification with Convolutional Neural Networks / M. Schmidt, D. Block, U. Meier // 2017 IEEE 15th International Conference on Industrial Informatics (INDIN). - Emden: IEEE, 2017. - P. 180-185.

56. Grunau S. Multi-Label Wireless Interference Identification with Convolutional Neural Networks / S. Grunau, D. Block, U. Meier // 2018 IEEE 16th International Conference on Industrial Informatics (INDIN). - Porto: IEEE, 2018. - P. 187-192.

57. Zhang X. Deep Learning for Interference Identification: Band, Training SNR, and Sample Selection / X. Zhang, T. Seyfi, S. Ju, S. Ramjee, A. E. Gamal, Y. C. Eldar // 2019 IEEE 20th International Workshop on Signal Processing Advances in Wireless Communications (SPAWC). - Cannes, France, 2019. - P. 1-5.

58. Ding J. G. A Novel Method for Spectral Similarity Measure by Fusing Shape and Amplitude Feautures / J. G. Ding, X. Li, L. Huang // Journal of Engineering Science and Technology Review. -2015. - Vol. 8, No. 5. - P. 172-179.

59. Liu D. Spectral Curve Shape Matching Using Derivatives in Hyperspectral Images / D. Liu, L. Han // IEEE Geoscience and Remote Sensing Letters. - 2017. - Vol. 14, No. 4. - P. 504-508.

60. Демидова Л. А. Алгоритмы идентификации гиперспектральных характеристик объектов в задачах дистанционного зондирования Земли / Л. А. Демидова, Р. В. Тишкин, С. В. Тру-ханов // Цифровая обработка сигналов. - 2014. - № 3. - С. 30-37.

61. Liu Y. A Novel Spectral Matching Approach for Pigment: Spectral Subsection Identification Considering Ion Absorption Characteristics / Y. Liu, S. Lyu, M. Hou, Z. Gao, W. Wang, X. Zhou // Remote Sensing. - 2020. - Vol. 12, No. 20. - P. 3415.

62. Chang C.-I. An information-theoretic approach to spectral variability, similarity, and discrimination for hyperspectral image analysis / C.-I Chang // IEEE Trans. Inform. Theory. - 2000. -Vol. 46, No. 5. - P. 1927-1932.

63. Homayouni S. Hyperspectral Image Analysis For Material Mapping Using Spectral Matching / S. Homayouni, M. Roux // XX International Society for Photogrammetry and Remote Sensing (ISPRS) Congress Technical Commission VII. - Istanbul, Turkey, 2004. - P. 49-54.

64. Борзов С. М. Классификация типов растительного покрова по гиперспектральным данным дистанционного зондирования земли / С. М. Борзов, О. И. Потатуркин // Вестн. Ново-сиб. гос. ун-та. Серия: Информационные технологии. - 2014. - Т. 12, вып. 4. - С. 13-22.

65. Chang C.-I. New hyperspectral discrimination measure for spectral characterization / Y. Du, C.-I. Chang, H. Ren, C.-C. Chang, J. O. Jensen, and F. M. D'Amico // Opt. Eng. - 2004. - Vol. 43, No. 8. - P. 1777-1786.

66. Chang C.-I. Spectral information divergence for hyperspectral image analysis / C.-I. Chang // IEEE 1999 International Geoscience and Remote Sensing Symposium (IGARSS'99). - Hamburg, Germany: IEEE, 1999. - Vol. 1. - P. 509-511.

67. Shanmugam S. Spectral matching approaches in hyperspectral image processing / S. Shanmugam, P. SrinivasaPerumal // International Journal of Remote Sensing. - 2014. - Vol. 35, No. 24. - P. 8217-8251.

68. Van Der Meer F. The effectiveness of spectral similarity measures for the analysis of hyper-spectral imagery / F. Van Der Meer // International Journal of Applied Earth Observation and Geoin-formation. - 2006. - Vol. 8, No. 1. - P. 3-17.

69. Studenikin A. G. Application of Hyperspectral Similarity Scores on Radio Signals Identification / A. G. Studenikin // Антропоцентрические науки: инновационный взгляд на образование и развитие личности : Мат-лы XIV Междунар. науч.-практ. конф., Воронеж, 19-20 апреля 2021 г. - Воронеж: Издательско-полиграфический центр «Научная книга», 2021. - С. 358-361.

70. Студеникин А. Г. Способ автоматической идентификации радиосигналов по форме спектра / А. Г. Студеникин // Научная опора Воронежской области : Сб. тр. победителей конкурса науч.-исследовательских работ студентов и аспирантов ВГТУ по приоритетным направлениям развития науки и технологий. - Воронеж: Воронежский гос. техн. ун-т, 2021. - С. 295-297.

71. Chang C.-I. Hyperspectral Data Processing: Algorithm Design and Analysis / C.-I. Chang. -Wiley, Hoboken NJ, 2013. - 1164 p.

72. Мудров В. И. Методы обработки измерений: квазиправдоподобные оценки / В. И. Мудров, В. Л. Кушко. - М.: Радио и связь, 1983. - 304 с.

73. АРГАМАК-ИС - измеритель напряженности поля панорамный. - Текст : электронный. - URL: http://ircos.ru/ru/msr_argamak-is.html (дата обращения: 01.06.2024).

74. Студеникин А. Г. Обобщённый алгоритм идентификации радиосигналов по форме спектра / А. Г. Студеникин // Научная опора Воронежской области : Сб. тр. победителей конкурса науч.-исследовательских работ студентов и аспирантов ВГТУ по приоритетным направлениям развития науки и технологий, Воронеж, 01-29 июня 2022 г. / Отв. редактор И. Г. Дроздов. - Воронеж: Воронежский гос. техн. ун-т, 2022. - С. 104-107.

75. Herk M. van. A fast algorithm for local minimum and maximum filters on rectangular and octagonal kernels / M. van Herk // Pattern Recognition Letters. - 1992. - Vol. 13. No. 7. - P. 517-521.

76. Gil J. Computing 2-D Min, Median, and Max Filters / J. Gil, M. Werman // IEEE Transactions on Pattern Analysis and Machine Intelligence. - 1993. - Vol. 15. No. 5. - P. 504-507.

77. Zynq-7000 SoC Data Sheet: Overview. Product Specification DS190. - Текст : электронный // Xilinx. - 2018. - 25 p. - URL: https://docs.xilinx.com/v/u/en-US/ds190-Zynq-7000-0verview (дата обращения: 01.06.2024).

78. McAllister J. Design technologies for DSP algorithm implementation on heterogeneous architectures / J. McAllister, Y. Yi, R. Woods, R. Walke, D. Reilly, K. Colgan // Proceedings of SPIE. -2003. - Vol. 5205. - P. 585-596.

Приложение А (справочное)

Акты внедрения результатов диссертационной работы

АКЦИОНЕРНОЕ ОБЩЕСТВО

ПРКОС

. ^ Почта: Россия, 129626, Москва, а/я 30 Телефоны: [phone], 615-0838 (тел/факс)

1 MOW'ЛА Офис: Россия, 129085, Москва, E-mail: [e-mail]

Звездный б-р, д. 21 Интернет: www.ircos.ru

«УТВЕРЖДАЮ»

Директор ОСП -

главный инженер АО «ИРКОС», профессор

. В. Ашихмин 2024 г.

АКТ О ВНЕДРЕНИИ РЕЗУЛЬТАТОВ

диссертации Студеникина Алексея Геннадьевича «Обнаружение и идентификация сигналов аппаратурой панорамного радиоконтроля», представленной на соискание ученой степени кандидата технических наук

Комиссия в составе: председателя комиссии - директора по научной работе АО «ИРКОС», к.т.н., доцента В. А. Козьмина;

членов комиссии - начальника научно-исследовательского сектора, к.т.н. В. А. Сладких, старшего научного сотрудника научно-исследовательского сектора, к.т.н., доцента И. Б. Крыжко;

составила настоящий акт о внедрении результатов диссертационной работы Студеникина Алексея Геннадьевича в аппаратно-программное обеспечение систем радиоконтроля, выпускаемых АО «ИРКОС».

ПЕРЕЧЕНЬ ВНЕДРЕННЫХ РЕЗУЛЬТАТОВ

№ Наименование внедренных результатов Итоговая эффективность внедренных результатов

1 Методика выбора режима сбора данных, используемого при панорамном радиоконтроле В двухканальном цифровом панорамном радиоприемном устройстве АРГАМАК-Д11 (модель 4) повысила эффективность сбора данных, и снизила вероятность пропуска радиоимпульсов на 9%

Рисунок А.1 - Акт внедрения АО «ИРКОС» (начало)

АКЦИОНЕРНОЕ ОБЩЕСТВО

ПРКОС

Почта: Россия, 129626, Москва, а/я 30 Телефоны: [phone], 615-0838 (тел/факс) Офис: Россия, 129085, Москва, E-mail: [e-mail]

я ЯГ Я IW Звездный б-р, д. 21 Интернет: www.ircos.ru

№ Наименование внедренных результатов Итоговая эффективность внедренных результатов

2 Алгоритм первичной идентификации радиосигналов по спектральным маскам, адаптированный к реализации на ПЛИС В моноимпульсной системе дистанционного радиоконтроля в помещениях АРК-Д19Р снизила ОСШ идентифицируемых сигналов на 5-10 дБ при наличии интерференционных искажений, а также повысила скорость анализа частотных диапазонов

3 Методика выбора ширины фрагмента анализируемого диапазона частот, используемого для первичной идентификации радиосигналов В двухканальном цифровом панорамном радиоприемном устройстве АРГАМАК-Д11 (модель 4) при организации процесса первичной идентификации сигналов снизила среднее время их идентификации не менее чем на 60% при типовых параметрах анализа

4 Алгоритм отбора радиоканалов для проведения в них идентификации сигналов, предназначенный для реализации на ПЛИС В двухканальном цифровом панорамном радиоприемном устройстве АРГАМАК-Д11 (модель 4) обеспечила повышение доли идентифицируемых сигналов в каналах с относительно низкой активностью источников радиоизлучений не менее чем на 29%

Председатель комиссии

Члены комиссии

В. А. Козьмин В. А. Сладких И. Б. Крыжко

Рисунок А.2 - Акт внедрения АО «ИРКОС» (продолжение)

«УТВЕРЖДАЮ» •вый проректор ВО «ВГТУ»

роздов 2024 г.

о внедрении результатов диссертации Студеникина Алексея Геннадьевича «Обнаружение и идентификация сигналов аппаратурой панорамного радиокошроля» в учебный процесс Воронежского государственного технического университета

Результаты диссертационной работы Студеникина Алексея Геннадьевича, представленной на соискание учёной степени кандидата технических наук по специальности 2.2.13 «Радиотехника, в том числе системы и устройства телевидения», выполненной в Воронежском государственном техническом университете в рамках научного направления «Перспективные радиотехнические устройства и системы передачи, приема и обработки информации», внедрены в учебный процесс ВГТУ на основании решения кафедры радиотехники от «03» 03- 2024 г., протокол №11.

1. Вид результатов, внедрённых в учебный процесс:

- методика выбора параметров сканирования диапазонов частот при обнаружении радиосигналов в режиме панорамного анализа;

- методика выбора режима сбора данных о радиообстановке при обнаружении и идентификации радиосигналов в режиме панорамного анализа;

- комплексированный алгоритм первичной идентификации радиосигналов по спектральным маскам;

- методика выбора ширины фрагмента анализируемого диапазона частот, используемого для первичной идентификации радиосигналов;

- алгоритм отбора одного из совокупности активных радиоканалов, используемого для проведения идентификации радиосигналов.

2. Область применения:

- выполнение выпускной квалификационной работы по направлению 11.03.01 «Радиотехника»;

- лекционный курс по дисциплине «Обработка сигналов в системах радиомониторинга» основной образовательной программы подготовки бакалавров по направлению 11.03.01 «Радиотехника».

Рисунок А.3 - Акт внедрения ФГБОУ ВО «ВГТУ» (начало)

3. Форма внедрения:

- курс лекций.

4. Публикации по материалам:

- статьи, опубликованные в журналах, рекомендованных ВАК РФ к публикации результатов кандидатских диссертаций: Вестник Воронежского института МВД России, 2020 (№1); Системы управления, связи и безопасности, 2021 (№4); Теория и техника радиосвязи, 2021 (№1); Радиотехника, 2023 (№8); Вестник ВГТУ, 2023 (№6), 2024 (№1).

- доклады на международных научно-технических конференциях («Computational Methods in Systems and Software» 2022 г., Czech Republic; «Радиолокация, навигация, связь» 2019, 2022, 2023 г., Воронеж); Всероссийской научной конференции «Ежегодная научная сессия аспирантов и молодых ученых» 2022 г., Вологда; ежегодных научно-технических конференциях и научно-методических семинарах кафедры радиотехники и кафедры конструирования и производства радиоаппаратуры ФГБОУ ВО «ВГТУ» 2020-2023 г.

5. Эффект от внедрения:

Повышение качества образования, заключающееся в новых знаниях, умениях и навыках, приобретаемых студентами, развитие их компетенций в области методов и алгоритмов обработки сигналов в системах радиоконтроля (СРК), методов повышения эффективности решения СРК задач обнаружении и идентификации сигналов, алгоритмов первичной идентификации радиосигналов и отбора активных радиоканалов для проведения детальной идентификации.

Проректор по учебной работе

А.И. Колосов

" 1 ники и электроники

В.А. Небольсин 2024 г.

Заведующий кафедрой радиотехники

А.В. Останков 2024 г.

Рисунок А.4 - Акт внедрения ФГБОУ ВО «ВГТУ» (продолжение)