Бурное развитие цифровых средств радиосвязи привело к большому распространению данного типа устройств. На сегодняшний день существует множество различной аппаратуры для передачи данных как на небольшие расстояния, так и на огромные дистанции. Вместе с этим растет потребность в оборудование, позволяющем производит мониторинг и контроль эфирного вещания. Рост сложности коммуникационных систем и скоростей информационного обмена, создание новых методов кодирования и модуляции сигналов выдвинули определенный круг задач, решение которых требует качественно новых методов обработки радиосигналов, учитывающих их свойства, особенности, интеллектуализацию технических устройств.
Одной из проблем в рамках данной тематики является идентификация радиопередающей аппаратуры. Аналоговые передатчики имели индивидуальные характерные особенности, которые позволяли операторам идентифицировать их без помощи специальных технических средств. С переходом на цифровые методы обмена данными и качественным изменением элементной базы такой подход остался в прошлом, человек уже не способен отличить один передатчик от другого. Но меж тем возможность идентификации отдельных устройств позволяет классифицировать и каталогизировать полученные радиосигналы, отслеживать активность различных передающих устройств и исследовать режимы их работы. Внедрение технологий интернета вещей, которое сейчас активно развивается в мире и Российской Федерации, в частности, в сфере ЖКХ и других элементах критической инфраструктуры, также требует активного мониторинга эфирного вещания. Использование радиопередатчиков, работающих в диапазоне частот устройств IoT, или имеющих высокую мощность излучения могут вывести из строя или нарушить работу стратегических объектов. Таким образом задача идентификации передающих устройств в рамках контроля радиообстановки и мониторинга эфирного вещания является крайне актуальной.
Существующие способы идентификации радиопередающих устройств не отвечают в полной мере тем требования, которые перед ними выдвигаются. Подавляющее большинство систем базируются на эталонных базах, подразумевающих создание банка данных образцов сигналов различных устройств [1, 2, 3, 4, 5]. Однако при проектировании таких систем крайне сложно учесть все возможные условия в канале передачи, эфирной обстановке и другие факторы, которые оказывают существенное влияние на качество работы системы. Другие системы предназначены для идентификации строго определенных типов сигналов, основаны на особенностях сигнально-кодовых конструкций [6], лежащий в их основе, поэтому не подходят для решения широкого спектра задач.
Между тем нейросетевые технологии находят все большее применение в цифровой обработке сигналов. Они используются для фильтрации, фазовой автоподстройки частоты, определения типа модуляции, детектирования, декодирования, распознавания речи. Это обусловлено возможностью подстройки свободных параметров под изменение статистических свойств среды [7, 8]. Методы, в основе которых лежит использование ИНС,
привлекательны для практического применения благодаря их способности работать с нелинейностями, нестационарностями и в виду отсутствия предположений о гауссовости в исходных данных.
В ряде работ уже осуществлялись попытки применить нейронные сети для идентификации радиопередающих устройств [9, 10, 11, 12, 13]. Но они ограничились анализом сигналов в разных скоростных режимах или основывались на различиях в структуре самих сигналов. Кроме этого, до конца нерешенным вопросом остается методика формирования пространства информативных признаков, по которым осуществляется разделение классов. Поэтому в работе рассматривается сингулярное матричное разложение и вейвлет-разложение в качестве преобразования в пространство признаков, с целью выявления наиболее подходящего метода с максимальным контрастом признаков классов.
Таким образом целью работы является разработка прототипа системы идентификации радиопередающих устройств коротковолнового диапазона. Для достижения поставленной цели необходимо решить следующие задачи:
• провести анализ литературы по теме исследования;
• проанализировать существующие методы и системы идентификации радиопередающих устройств;
• разработать структуру системы и реализовать прототип ПО.
Данная работа раскрывает вопросы, связанные с идентификацией источников радиосигналов с помощью искусственных нейронных сетей с использованием вейвлет-преобразования для выявления признаков. В работе рассмотрены теоретические основы и предпосылки для разработки данной системы, предложен и реализован алгоритм ее работы.
Были рассмотрены существующие системы идентификации передатчиков, обозначены сферы их применимости и недостатки. Рассмотрены информативные параметры, которые могут составить уникальный портрет радиопередающих устройств.
Был реализован скрипт предварительной обработки эфирных записей. Разработаны программные модули для сингуряного матричного разложения и вейвлет-преобразования. Был разработан прототип нейросетевого классификатора со сверточной архитектурой, входными образами для которого служат результаты сингулярного разложения. А также его модификация для работы с входными данными в виде вейвлет- коэффициентов. В ходе исследования было установлено, что признаки, полученные с помощью вейвлет-преобразования обладают большей контрастностью. В результате тестирования доля правильных ответов алгоритма составила 65%. Обучение алгоритма занимает 7,5 часов на шестиядерном процессоре HexaCore AMD FX-6300 3825 MHz (19 x 201) с 16 Гб оперативной памяти типа DDR3.
Работа была апробирована на IX Международной научно-практической конференции «Высокопроизводительные вычислительные системы и технологии в научных исследованиях, автоматизации управления и производства», результаты исследования были опубликованы в статье в [43].
