ВВЕДЕНИЕ 5
1. ОБЗОР МЕТОДОВ И СИСТЕМ ИДЕНТИФИКАЦИИ
РАДИОПЕРЕДАЮЩИХ УСТРОЙСТВ 8
1.1. Классификаторы сигналов на основе эталонной базы 8
1.2. Нейросетевые классификаторы 12
2. ОБЗОР СРЕДСТВ И МЕТОДОВ ИДЕНТИФИКАЦИИ
РАДИОПЕРЕДАЮЩИХ УСТРОЙСТВ 16
2.1. Информативные параметры радиосигналов 16
2.2. Методы разложения и представления сигналов 17
2.3. Архитектуры нейронных сетей 21
3. РЕАЛИЗАЦИЯ СИСТЕМЫ ИДЕНТИФИКАЦИИ РАДИОПЕРЕДАЮЩИХ
УСТРОЙТСВ 34
3.1. Предварительная обработка эфирных записей 37
3.2. Модуль сингулярного матричного разложения 39
3.3. Нейросетевой классификатор 41
3.4. Модуль вейвлет-преобразования 46
3.5. Модифицированный нейросетевой классификатор 48
ЗАКЛЮЧЕНИЕ 52
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ 53
Купить

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.
Купить