МЕТОД ВИЯВЛЕННЯ НЕБЕЗПЕЧНИХ ЦИФРОВИХ РАДІОСИГНАЛІВ
DOI:
https://doi.org/10.28925/2663-4023.2025.31.1058Ключові слова:
приховане виявлення сигналів, квадратична фільтрація, завадостійкість, цифровий радіосигнал, низькочастотна фільтрація, когерентне підсумовування, відношення сигнал/шум (SNR), прихований зв'язок, оцінка щільності ймовірностіАнотація
Виявлення та розпізнавання цифрових радіосигналів залишається однією з ключових науково-технічних задач, особливо в умовах електромагнітної конкуренції. У роботі досліджуються методи низькочастотної фільтрації, у яких вихідна величина залежить від амплітуди вхідного сигналу лінійно або квадратично. Такі фільтри ґрунтуються на когерентному (фазоузгодженому) підсумовуванні детермінованих компонентів корисного сигналу та некогерентному накопиченні випадкових шумових складових, що забезпечує конструктивне посилення енергії сигналу за умови сублінійного зростання потужності шуму, істотно підвищуючи співвідношення сигнал/шум (С/Ш). Для моделювання сучасних цифрових радіосигналів як вхідний використовувався прямокутний імпульс, який подавався на лінійну та квадратичну фільтрові структури. Було проведено повний статистичний аналіз у часовій та частотній областях, що охоплював обчислення математичного сподівання, дисперсії, середньоквадратичного відхилення, коефіцієнта кореляції та С/Ш для вхідних і вихідних сигналів. З метою об’єктивної оцінки ефективності фільтрації запропоновано новий показник — коефіцієнт корисної дії, який кількісно відображає зростання надійності виявлення. Додатково проаналізовано напругу огинаючої на виході ідеального смугового фільтра при подачі прямокутних імпульсів різної тривалості, що імітують сигнали систем зв’язку із низькою ймовірністю перехоплення (LPI). Досліджено перехідні процеси та ефекти спектрального розтікання за різних рівнів кореляції між сигналом і шумом. Результати підтверджують можливість ефективного виділення прихованих сигналів шляхом застосування двовимірного оцінювання функції правдоподібності, що дозволяє надійно відокремлювати завади від загального сигналу. На рівні системи впровадження вузькосмугової низькочастотної фільтрації в ланцюг обробки сигналу забезпечило підвищення завадостійкості системи виявлення та розпізнавання повітряних цифрових радіосигналів на 23 %. Це покращення істотно збільшує стійкість функціонування у ворожих електромагнітних умовах і має пряме застосування в галузях безпеки зв’язку, електронної боротьби та радіорозвідки.
Завантаження
Посилання
Africa, A. D. M., Abello, A. J. A., Gacuya, Z. G., Naco, I. K. A., & Valdes, V. A. R. (2019). Face recognition using MATLAB. International Journal of Advanced Trends in Computer Science and Engineering, 8(4), 1110–1116.
Abello, A. J. A., Francesca, Y. G., Domingo, M., Joven, M. J. T., & Malubay, S. A. S. (2019). Power measurement model optimization using MATLAB. International Journal of Advanced Trends in Computer Science and Engineering, 8(3), 538–542.
Savchenko, V., Syrotenko, A., Shchypanskyi, P., Matsko, O., & Laptiev, O., (2020). The Model of Localization Precision for Detection of Hidden Transmitters. International Journal of Innovative Technology and Exploring Engineering, 9(4), 2114–2119. https://doi.org/10.35940/ijitee.d1533.029420
Bezruk, V. M., Chebotareva, D. V., & Skorik, Y. V. (2017). Multicriteria analysis and selection of telecommunications facilities. Kharkiv, Ukraine: SMIT.
Barabash, O., Sobchuk, V., Sobchuk, A., Musienko, A., & Laptiev, O. (2025). Algorithms for synthesis of functionally stable wireless sensor networks. Advanced Information Systems, 9(1), 70–79. https://doi.org/10.20998/2522-9052.2025.1.08
Petrivskyi, V., Shevchenko, V., Yevseiev, S., Milov, O., Laptiev, O., Bychkov, O., Fedoriienko, V., Tkachenko, M., Kurchenko, O., & Opirsky, I. (2022). Development of a modification of the method for constructing energy-efficient sensor networks using static and dynamic sensors. Eastern-European Journal of Enterprise Technologies, 1(9(115)), 15–23. https://doi.org/10.15587/1729-4061.2022.252988
Lukova-Chuiko, N., Herasymenko, O., Toliupa, S., Laptieva, T., & Laptiev, O. (2021). The method of detection of radio signals by estimating the parameters of eversible Gaussian propagation. In 2021 IEEE 3rd International Conference on Advanced Trends in Information Theory (ATIT) (pp. 67–70). IEEE.
Laptiev, O., Tkachev, V., Maystrov, O., Krasikov, O., Openko, P., Khoroshko, V., & Parkhuts, L. (2021). The method of spectral analysis for determining random digital signals. International Journal of Communication Networks and Information Security, 13(2), 271–277. https://doi.org/10.54039/ijcnis.v13i2.5008
Kyrychok, R., Laptiev, O., Lisnevskyi, R., Kozlovskyi, V., & Klobukov, V. (2022). Development of a method for checking vulnerabilities of a corporate network using Bernstein transformations. Eastern-European Journal of Enterprise Technologies, 1(9(115)), 93–101. https://doi.org/10.15587/1729-4061.2022.253530
Laptiev, O., Musienko, A., Nakonechnyi, V., Sobchuk, A., Gakhov, S., & Kopytko, S. (2023). Algorithm for recognition of network traffic anomalies based on artificial intelligence. In 5th International Congress on Human–Computer Interaction, Optimization and Robotic Applications (HORA). IEEE. https://doi.org/10.1109/HORA58378.2023.10156702
Hu, Z., Mukhin, V., Kornaga, Y., Barabash, O., & Herasymenko, O. (2016). Analytical assessment of security level of distributed and scalable computer systems. International Journal of Intelligent Systems and Applications, 8(12), 57–64. https://doi.org/10.5815/ijisa.2016.12.07
Datsenko, S., & Kuchuk, H. (2023). Biometric authentication utilizing convolutional neural networks. Advanced Information Systems, 7(2), 87–91. https://doi.org/10.20998/2522-9052.2023.2.12
Salnikov, D., Karaman, D., & Krylova, V. (2023). Highly reconfigurable soft-CPU-based peripheral modules design. Advanced Information Systems, 7(2), 92–97. https://doi.org/10.20998/2522-9052.2023.2.13
Petrovska, I., & Kuchuk, H. (2023). Adaptive resource allocation method for data processing and security in cloud environments. Advanced Information Systems, 7(3), 67–73. https://doi.org/10.20998/2522-9052.2023.3.10
Gavrylenko, S., Poltoratskyi, V., & Nechyporenko, A. (2024). Intrusion detection model based on an improved transform
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2025 Олександр Лаптєв, Юлія Хохлачова, Тетяна Лаптєва, Вадим Стеценко, Сергій Лаптєв
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
