ІНФОРМАЦІЙНА ТЕХНОЛОГІЯ ДИНАМІЧНОГО УПРАВЛІННЯ ЧАСТОТНИМ РЕСУРСОМ У СКЛАДНІЙ РАДІОЕЛЕКТРОННІЙ ОБСТАНОВЦІ
DOI:
https://doi.org/10.28925/2663-4023.2025.30.999Ключові слова:
когнітивне радіо, динамічний розподіл спектру, радіоелектронна боротьба, частотний ресурс, машинне навчання, GNU Radio.Анотація
У статті пропонується передова інформаційна технологія для динамічного управління частотними ресурсами в складних радіоелектронних умовах, де дефіцит спектра, висока щільність користувачів та навмисні електронні контрзаходи створюють критичні проблеми. Розроблена модель інтегрує гнучкість програмно-визначеного радіо (SDR) з адаптивним інтелектом когнітивного радіо, що дозволяє автономно виявляти вільні смуги частот, стійкість до перешкод та швидку реконфігурацію параметрів передачі. Функціональною основою підходу є цикл «спостереження-аналіз-рішення-адаптація», який був реалізований у середовищі GNU Radio з використанням платформ SDR, таких як USRP. У цих рамках система безперервно контролює радіоспектр, застосовує методи спектрального аналізу та адаптує передачу відповідно до оцінок рівнів перешкод та шуму в режимі реального часу. Особливий акцент робиться на застосуванні алгоритмів машинного навчання, включаючи Q-навчання, які забезпечують систему можливістю накопичувати експлуатаційний досвід та підвищувати ефективність прийняття рішень у високодинамічних середовищах. Такі механізми забезпечують скорочення часу реакції до менш ніж 250 мс, що дозволяє системі миттєво перемикатися на оптимальні частоти. Експериментальна перевірка підтвердила, що запропонована методологія підтримує коефіцієнт помилок у бітах (BER) на рівнях нижче 10⁻⁴ та утримує середні втрати пакетів у межах 5–7%, навіть за умов сильного глушіння та перевантаження спектру ворожими силами. Крім того, система досягає рівномірного використання спектру, що запобігає перевантаженню певних частотних смуг та зменшує ризик конфліктів з іншими користувачами. Дослідження базується на новаторських роботах Дж. Мітоли та С. Хайкіна, які визначили теоретичні основи когнітивного радіо та його цикл адаптації на основі навчання. Воно також включає висновки Чжоу, Ванга, Стейна, Пратта, а також українських дослідників Попова, Зайцева та Триснюка, які зробили свій внесок у вивчення адаптивних систем на основі SDR у контексті безпеки та радіоелектронної війни. Отримані результати демонструють, що запропонована методологія не тільки підвищує стійкість та ефективність зв'язку, але й дозволяє проводити економічно ефективне віртуальне тестування сценаріїв радіоелектронної війни, зменшуючи потребу у великомасштабних польових експериментах. Цей підхід особливо актуальний для військових застосувань, де надійний зв'язок у ворожих радіоелектронних умовах є критично важливим. Водночас, це забезпечує перспективи для використання в цивільних сферах з перевантаженим спектром.
Завантаження
Посилання
Haykin, S. (2005). Cognitive radio: Brain-empowered wireless communications. IEEE Journal on Selected Areas in Communications, 23(2), 201–220. https://doi.org/10.1109/JSAC.2004.839380
Zhou, X., Wang, X., & Li, Y. (2019). Dynamic spectrum allocation based on reinforcement learning in cognitive radio networks. IEEE Transactions on Wireless Communications, 18(6), 3212–3225. https://2024.sci-hub.box/6790/f3e60d8e4f37e21ba0dfa01de458eccb/zhang2018.pdf
Zhang, B., Xiong, Q., Xu, Y., Rao, H., & Mao, J. (2017). Adaptive computing resource allocation based on signal-to-noise ratio in a centralized baseband pool. In 17th International Symposium on Communication and Information Technology (ISCIT) (pp. 1–4). https://doi.org/10.1109/ISCIT.2017.8261173
Zhou, S., Zhao, M., Xu, S., Wang, J., & Yao, Y. (2003). Distributed wireless communication system: A new architecture for future public wireless access. IEEE Communications Magazine, 41, 108–113. https://doi.org/10.1109/MCOM.2003.1186553
Zaitsev, S. V., Vasylenko, V. M., Trysnyuk, T. V., & Sokorynska, N. V. (2023). A method for adapting cascade codes to ensure the reliability of information transmission in wireless data transmission systems. Environmental Safety and Natural Resources, 47(3), 133–143. https://doi.org/10.32347/2411-4049.2023.3.133-143
Sokorynska, N., Posternak, Y., Zaitseva, L., & Rudenok, O. (2023). A method for adaptive selection of the size of turbo code state diagrams in 5G and IoT systems. Technical Sciences and Technologies, 2(32), 249–260. https://doi.org/10.25140/2411-5363-2023-2(32)-249-260
Platonenko, A., Sokolov, V., Skladannyi, P., & Oleksiienko, H. (2021). Technical means of air intelligence to ensure the physical security of information activities. Cybersecurity: Education, Science, Technique, 4(12), 143–150. https://doi.org/10.28925/2663-4023.2021.12.143150
Polishchuk, M., Tkach, M., & Kornaga, Y. (2023). Improvement of the pneumo–hydraulic amplifier for press machines: Design and parameter calculation. FME Transactions, 51(2), 176–182. https://doi.org/10.5937/fme2302176P
Glukhov, S. I., Sakovich, L. M., Gakhovich, S. V., & Babiy, O. S. (2025). Assessment of the reliability of radioelectronic equipment using physical diagnostics and information technologies. Weapons Systems and Military Equipment, 4(80), 48–56. https://doi.org/10.30748/soivt.2024.80.06
Polishchuk, M., Tkach, M., Zhuchenko, O., & Kornaga, Y. (2023). Mobile robot for monitoring park trees: Design and modeling. FME Transactions, 51(3), 423–431. https://doi.org/10.5937/fme2303423P
Mukhin, V., Kornaga, Y., Zavgorodnii, V., Zavgorodnya, A., Krylov, E., Rybalochka, A., Kornaga, V., & Belous, R. (2021). Devising a method to identify an incoming object based on the combination of unified information spaces. Eastern-European Journal of Enterprise Technologies, 3(2–111), 35–44. https://doi.org/10.15587/1729-4061.2021.230677
Dovzhenko, N., Skladannyi, P., Ivanichenko, E., & Zhiltsov, O. (2025). Model of dynamic interaction of unmanned aerial vehicles with a sensor network for energy-efficient monitoring. Cybersecurity: Education, Science, Technique, 3(27), 466–478. https://doi.org/10.28925/2663-4023.2025.27.766
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2025 Василь Триснюк, Володимир Дзюба

Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.