автореферат диссертации по радиотехнике и связи, 05.12.04, диссертация на тему:Исследование и разработка цифровых алгоритмов обнаружения сигналов радиомикрофонов

Введение

1 Задача обнаружения радиомикрофонов

1.1 Общая характеристика радиомикрофонов.

1.2 Методы обнаружения радиомикрофонов.

1.3 Общие требования к алгоритмам обнаружения радиомикрофонов и показатели качества алгоритмов.

1.4 Модель канала связи.

1.5 Постановка задачи обнаружения

1.6 Оценка показателей качества алгоритмов обнаружения методом статистического моделирования.

1.7 Основные параметры, соответствующие реальным условиям обнаружения.

1.8 Выводы.

2 Активные алгоритмы обнаружения радиомикрофонов без скремблирования

2.1 Обзор известных активных алгоритмов обнаружения радиомикрофонов

2.2 Учет акустических искажений.

2.3 Тональный алгоритм обнаружения радиомикрофонов

2.4 Многотональный алгоритм обнаружения радиомикрофонов

2.5 Сравнительная характеристика алгоритмов.

2.6 Выводы.

3 Активные алгоритмы обнаружения скремблированных радиомикрофонов

3.1 Активный параметрический алгоритм для обнаружения скремблированных радиомикрофонов.

3.2 Вероятностные характеристики периодограммных отсчетов

3.3 Активный алгоритм повторяемых периодограмм.

3.4 Активный квазиоптимальный алгоритм повторяемых периодограмм

3.5 Сравнительная характеристика алгоритмов.

3.6 Выводы.

4 Пассивные алгоритмы обнаружения радиомикрофонов

4.1 Обзор известных пассивных алгоритмов обнаружения радиомикрофонов

4.2 Пассивный алгоритм обнаружения радиомикрофонов в условиях априорно неизвестного коэффициента передачи канала связи.

4.3 Обнаружение скремблированных радиомикрофонов

4.4 Пассивный алгоритм обнаружения, основанный на корреляции периодограмм

4.5 Пассивный квазиоптимальный алгоритм обнаружения, основанный на корреляции периодограмм.

4.6 Вскрытие алгоритма скремблирования.

4.7 Применение нейронной сети для дескремблирования радиомикрофонов

4.8 Выводы.

Актуальность работы. С ростом стоимости информации совершенствуются и методы несанкционированного доступа к ней. На смену простым радиомикрофонам пришли более сложные устройства со скремблированием сигнала. Их нельзя прослушать обычным радиоприемником или обнаружить с помощью известного корреляционного алгоритма. Наиболее распространенными методами скремблирования являются инверсия спектра и частотная мозаика. В результате скремблирования речевой сигнал становится неразборчивым. Аппаратура приема должна делать обратное преобразование сигнала, для чего нужно знать комбинацию перемещения спектра. Если комбинация скремблирования неизвестна, восстановить ее довольно сложно.

Для обнаружения радиомикрофонов применяется специальная радиоприемная аппаратура, работа которой основана на двух принципах: первый - обнаружение по полю, а второй - сравнение сигнала, принятого приемником с акустическим колебанием внутри помещения (в случае, если они оказываются каким-либо образом зависимы, этот канал связи может являться путем утечки информации). В данной работе рассматриваются только алгоритмы, функционирующие на базе второго принципа.

В настоящее время для обнаружения радиомикрофонов без скремблирования применяется известный алгоритм, основанный на простой корреляции временных выборок сигналов (обнаружение известного сигнала с неизвестным временем прихода на фоне аддитивной гауссов-ской помехи неизвестной интенсивности). Однако в условиях акустических переотражений данный алгоритм работает неэффективно.

Для обнаружения радиомикрофонов со скремблированием существует ряд параметрических процедур, работа которых основана на корреляции каких-либо параметров сигналов, например, мощности акустического колебания и ширины ЧМ спектра радиомикрофона. Такие алгоритмы отличаются простотой, но в них существенная часть информации о сигналах не используется, что делает их заведомо неэффективными.

Основная проблема обнаружения радиомикрофонов - это условия высокой априорной неопределенности. Неизвестными являются не только интенсивность шума, но и большинство параметров радиомикрофона - коэффициент передачи, полоса, наличие нелинейностей, вид модуляции, алгоритм скремблирования. В настоящее время сильно расширился рабочий диапазон частот радиомикрофонов (приблизительно до 10 ГГц), усилилась также его загрузка побочными, в данном случае мешающими сигналами, которые тоже требуют проверки. Следовательно, сильно увеличилось общее количество сигналов, требующих тестирования, что увеличивает полное время проверки. Это делает необходимым разработку качественных и быстродействующих алгоритмов, с помощью которых можно принять решение за меньшее время.

Таким образом, возникает необходимость в разработке активных алгоритмов, способных обнаруживать как простые, так и скремблиро-ванные радиомикрофоны и обеспечивающих при этом наилучшие показатели качества для оперативной проверки помещений. Для постоянного контроля радиообстановки требуются более совершенные пассивные алгоритмы, работающие на основе анализа естественного акустического фона (речь, музыка и т.д.) без излучения специальных тестовых сигналов и способные обнаруживать скремблированные радиомикрофоны.

Работа выполнялась в рамках научного направления ВГТУ "Перспективные радиоэлектронные и лазерные устройства, системы передачи, приема, обработки и защиты информации"(47.05/02; 47.13/02; 47.33/02).

Целью диссертационной работы является: исследование и разработка цифровых алгоритмов обнаружения сигналов радиомикрофонов для аппаратуры поиска технических каналов утечки акустической информации. В работе рассматривается класс алгоритмов обнаружения, основанных на анализе низкочастотных сигналов. Основное внимание уделяется обнаружению радиомикрофонов с закрытием в частотной области.

Для достижения указанной цели в работе решались следующие задачи:

1. Исследование эффективности работы известных алгоритмов обнаружения радиомикрофонов в условиях акустической реверберации.

2. Статистический синтез активных алгоритмов обнаружения радиомикрофонов и выбор оптимальной структуры тестового сигнала в условиях неизвестных интенсивности шума и коэффициента передачи канала связи.

3. Статистический синтез активных оптимальных и квазиоптимальных алгоритмов обнаружения радиомикрофонов с закрытием в частотной области.

4. Статистический синтез пассивного алгоритма обнаружения радиомикрофонов без скремблирования. 8

5. Статистический синтез пассивных оптимальных и квазиоптимальных алгоритмов обнаружения радиомикрофонов с закрытием в частотной области.

6. Анализ качественных показателей работы синтезированных алгоритмов в условиях акустической реверберации. Исследование зависимости характеристик качества обнаружения от вида мешающих сигналов.

7. Разработка инженерных рекомендаций по применению алгоритмов обнаружения в зависимости от решаемой задачи и условий обнаружения.

Методы исследований. Для решения перечисленных задач были использованы аппарат теории вероятностей, методы математической статистики, теории статистических решений, статистической теории синтеза оптимальных алгоритмов, аналитические и асимптотические методы математического анализа. Основные теоретические результаты проверены путем статистического моделирования. В ходе работы активно использовались пакеты программ математического моделирования Maple и Matlab. Для оптимизации времени выполнения алгоритмов была использована библиотека для цифровой обработки сигналов Intel Signal Processing Library 4.01.

Научная новизна работы состоит в следующем:

1. Синтезированы алгоритмы обнаружения радиомикрофонов, работающие во временной области и использующие тональные и многотональные сигналы в качестве тестовых. Алгоритмы отличаются от известных процедур видом сигнала и принципом обнаружения.

2. Синтезированы активные алгоритмы (оптимальный и квазиоптимальный) обнаружения радиомикрофонов со скремблированием в 9 частотной области. Алгоритмы отличаются от известных параметрических процедур тем, что работают в частотной области и имеют лучшие качественные показатели.

3. Синтезирован пассивный алгоритм для обнаружения радиомикрофонов без скремблирования в условиях неизвестного коэффициента передачи канала связи. Алгоритм отличается от известных процедур тем, что работает на основе анализа комплексного спектра сигналов и имеет лучшие качественные показатели в условиях, когда вид помехи априорно неизвестен.

4. Синтезированы пассивные алгоритмы (оптимальный и квазиоптимальный) для обнаружения радиомикрофонов со скремблировани-ем в частотной области. Предложен алгоритм дескремблирования, построенный на основе нейронной сети со структурой однослойного перцептрона. Алгоритмы отличаются тем, что работают в частотной области и имеют лучшие качественные показатели по сравнению с известным параметрическим алгоритмом.

Практическая ценность работы состоит в следующем:

1. Разработанные алгоритмы реализованы практически в виде программы на языке С++ с использованием специализированной библиотеки для цифровой обработки сигналов. Программное обеспечение готово к использованию в программно-аппаратных комплексах, построенных на базе IBM-PC, и с небольшими доработками может быть использовано на других аппаратных платформах.

2. Исследованы качественные показатели работы алгоритмов в условиях акустической реверберации применительно к наиболее распространенным видам шумового сигнала. На основе статистического моделирования получены значения пороговых уровней для

10 заданной вероятности правильного обнаружения при фиксированной вероятности ложной тревоги.

3. Предложен и реализован метод дескремблирования сигналов, построенный на основе нейронной сети.

4. Разработан ряд инженерных рекомендаций по использованию алгоритмов обнаружения в зависимости от решаемой задачи и условий работы.

Реализация и внедрение результатов исследований.

Результаты работы послужили основой разработки программного обеспечения специализированной аппаратуры поиска каналов утечки акустической информации АРК-Д1Т, АРК-ПК-5КУ, АРК-ПК-ЗКУ, производимой фирмой ЗАО "ИРКОС"(г. Москва). Теоретические результаты используются в учебном процессе на кафедре радиотехники ВГ-ТУ в курсах дисциплин "Программное обеспечение микропроцессорных устройств и систем"и "Теория вероятности и случайные процессы в радиотехнике".

Основные положения, выносимые на защиту:

1. Активные тональные алгоритмы для обнаружения радиомикрофонов без скремблирования.

2. Оптимальный и квазиоптимальный активные алгоритмы обнаружения радиомикрофонов со скремблированием в частотной области.

3. Пассивный алгоритм для обнаружения радиомикрофонов без скремблирования.

4. Пассивный алгоритм для обнаружения радиомикрофонов со скремблированием в частотной области.

11

5. Алгоритм дескремблирования, построенный на основе нейронной сети со структурой однослойного перцептрона.

6. Результаты анализа показателей качества разработанных алгоритмов в различных условиях работы,

7. Программы, реализующие синтезированные алгоритмы обнаружения и дескремблирования радиомикрофонов.

Апробация работы. Основные результаты работы докладывались и обсуждались на IV Международной научно-технической конференции "Радиолокация, навигация, связь"(Воронеж, 26-28 мая 1998); VI Международной научно-технической конференции "Радиолокация, навигация, связь"(Воронеж, 25-27 апреля 2000); ежегодных научных конференциях профессорско-преподавательского состава Воронежского государственного технического университета.

Публикации. Основные результаты проделанной работы опубликованы в восьми научных работах, включающих шесть статей и тезисы двух докладов.

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы из 105 наименований, изложена на 181 странице и содержит 52 рисунка.

4.8 Выводы

1. Анализ известных пассивных алгоритмов обнаружения радиомикрофонов показал, что наиболее надежным является алгоритм, основанный на взаимной корреляции автокорреляционных функций сигналов. Однако качественные показатели данного алгоритма сильно ухудшаются в условиях, когда сигнал отличен от гауссовского шума. Кроме того, автокорреляционный алгоритм не позволяет обнаруживать скремблированные радиомикрофоны.

2. Для синтеза пассивных алгоритмов обнаружения радиомикрофонов без скремблирования целесообразно ввести комплексный коэффициент передачи канала связи, значение которого зависит от частоты. Постановка задачи в частотной области и использование комплексного спектра анализируемых сигналов позволяют частично учесть акустические искажения и фазовую задержку распространения акустических колебаний.

Применительно к условиям априорно неизвестного комплексного коэффициента передачи канала связи, используя его максимально-правдоподобную оценку, можно получить спектральный алгоритм обнаружения радиомикрофонов. Спектральный алгоритм позволяет при незначительном ухудшении характеристик в случае шумового гауссовского сигнала (по сравнению с автокорреляционным алгоритмом) получить лучшие качественные показатели в случае, когда вид сигнала априорно неизвестен.

3. Пассивное обнаружение скремблированных радиомикрофонов может производиться на основе параметрического алгоритма. Однако его характеристики сильно ухудшаются при работе с естественными шумовыми сигналами, и для получения удовлетворительных качественных показателей приходится значительно увеличивать время тестирования по сравнению с активным параметрическим алгоритмом.

4. В некоторых случаях можно улучшить характеристики пассивного параметрического алгоритма за счет использования информации о распределении энергии спектральных составляющих сигнала по частоте. Для этого необходимо сначала вскрыть алгоритм скремблирования, а затем применить периодограммный алгоритм обнаружения.

5. Вскрытие алгоритма скремблирования сигнала радиомикрофона является сложной статистической задачей, однако она может быть решена с помощью нейронной сети. Для этой цели наиболее подходит нейронная сеть со структурой однослойного перцептрона, в нейронах которой используется линейная активационная функция. Обучение сети должно производиться по алгоритму обратного распространения.

6. Синтез пассивного периодограммного алгоритма со строгих статистических позиций (с учетом обобщенного релеевского распределения периодограммных отсчетов) не позволяет прийти к явной аналитической форме. Алгоритм получается итерационным, и, как показывает статистический анализ, в условиях акустической реверберации оптимальный алгоритм работает неустойчиво.

Пренебрежение обобщенным релеевским распределением и замена его нормальным распределением с ненулевым средним позволяют получить более простой квазиоптимальный алгоритм. Исследования показали эффективность использования пассивного квазиоптимального периодограммного алгоритма для обнаружения как скремблированных, так и открытых радиомикрофонов.

При обнаружении радиомикрофонов без скремблирования квазиоптимальный периодограммный алгоритм эффективно работает при различных видах шумового сигнала £о > обеспечивая качественные показатели, сравнимые с характеристиками пассивного спектрального алгоритма.

7. Исследование качественных характеристик пассивного квазиоптимального алгоритма с дескремблированием и сравнение их с показателями пассивного параметрического алгоритма показали эффективность его использования в случае, когда сигнал представлен гауссовским шумом.

Заключение

Диссертационная работа посвящена разработке цифровых алгоритмов обнаружения радиомикрофонов для программно-аппаратных комплексов поиска технических каналов утечки акустической информации.

Основные научно-технические результаты работы состоят в следующем:

1. Применительно к условиям обнаружения радиомикрофонов на основе геометрической теории акустики разработана акустическая модель помещения, позволяющая проводить исследование показателей алгоритмов обнаружения в условиях акустической реверберации.

2. Известный активный корреляционный алгоритм в условиях акустической реверберации работает неэффективно. Удовлетворительные качественные показатели - вероятность правильного обнаружения О = 0.92 при отношении сигнал/шум -15 дБ и вероятности ложной тревоги И = 10~3 - достигаются лишь при длине выборки N = 4096 отсчетов.

3. В активных алгоритмах обнаружения целесообразно использовать регулярные тональные акустические сигналы. Сравнительный анализ известного активного корреляционного алгоритма с активным тональным алгоритмом показал, что в условиях акустической реверберации при отношении сигнал/шум -15 дБ, вероятности ложной тревоги F = 1(Г3 и длине выборки N = 1024 отсчета тональный алгоритм позволяет достичь удовлетворительной вероятности правильного обнаружения В = 0.93, в то время как корреляционный алгоритм при этих параметрах фактически не работает (В = 0.29). Кроме того, тональный алгоритм имеет значительно меньшую вычислительную сложность.

4. Использование многотональных сигналов позволяет улучшить характеристики тонального алгоритма за счет исключения областей акустических замираний. Вероятность правильного обнаружения при одинаковых условиях - отношении сигнал/шум -15 дБ, вероятности ложной тревоги ^ = 10~3 и длине выборки N = 1024 отсчета для двухтонального алгоритма равна В = 0.98, что выше соответствующего значения для однотонального алгоритма В — 0.93.

5. Для синтеза алгоритмов обнаружения радиомикрофонов со скрем-блированием целесообразно использовать частотное представление анализируемых сигналов, на основе периодограмм спектральной плотности мощности.

Синтезированы активные (оптимальный и квазиоптимальный) алгоритмы обнаружения сигналов радиомикрофонов со скремблиро-ванием в частотной области. Работа алгоритмов основана на излучении тестовых сигналов, периодограммы которых повторяются во времени. Статистический анализ периодограмм принятого сигнала позволяет выявить их повторяемость и принять решение о наличии/отсутствии радиомикрофона. Алгоритмы отличаются от известных параметрических процедур принципом обнаружения и тем, что работают в частотной области.

Сравнительный анализ периодограммных процедур с активным параметрическим алгоритмом показал, что параметрический алгоритм работает только при достаточно большой длительности тестового сигнала N = 16384 отсчета. При отношении сигнал/шум более -15 дБ и вероятности ложной тревоги F = Ю-3 он обеспечивает вероятность правильного обнаружения D — 0.96. Периодограммные ААПП и АКАПП алгоритмы хорошо работают при меньшей длительности тестового сигнала.

Активный алгоритм повторяемых периодограмм целесообразно использовать в условиях, когда априорно известно, что при справедливой гипотезе Щ отсчеты шума Со являются случайными величинами с гауссовским распределением. При этом обеспечиваются хорошие качественные показатели, лучшие, чем при использовании АПАРА или АКАПП алгоритмов, и сравнимые с характеристиками тональных ATA и AMA алгоритмов. Например, при вероятности ложной тревоги F = 10~3 и отношении сигнал/шум -15 дБ периодограммный ААПП алгоритм обеспечивает вероятность правильного обнаружения D = 0.97. Для многотонального алгоритма соответствующая вероятность равна D = 0.98. При этом периодограммный алгоритм может одинаково хорошо использоваться для обнаружения как открытых, так и скремблированных радиомикрофонов.

В случае, когда нельзя сделать каких-либо априорных предположений о виде шумового сигнала £о, целесообразно использовать квазиоптимальный АКАПП алгоритм, что позволяет добиться устойчивых хороших качественных показателей вне зависимости от вида сигнала • При этом АКАПП алгоритм обеспечивает вероятность правильного обнаружения D = 0.98 при длительности тестового сигнала N = 4096 отсчетов; АКАПП алгоритм одинаково хорошо работает при различных видах шумового сигнала (о •

6. Известный пассивный алгоритм, основанный на взаимной корреляции автокорреляционных функций анализируемых сигналов, работает неэффективно в условиях, когда сигнал отличен от гаус-совского шума.

7. Для синтеза пассивных алгоритмов обнаружения радиомикрофонов без скремблирования целесообразно ввести комплексный коэффициент передачи канала связи, значение которого зависит от частоты. Постановка задачи в частотной области и использование комплексного спектра анализируемых сигналов позволяют частично учесть акустические искажения и фазовую задержку распространения акустических колебаний.

Применительно к условиям априорно неизвестного комплексного коэффициента передачи канала связи проведен статистический синтез пассивного спектрального алгоритма и исследованы его качественные показатели. Спектральный алгоритм позволяет при незначительном ухудшении характеристик в случае шумового гаус-совского сигнала Со по сравнению с автокорреляционным алгоритмом получить лучшие качественные показатели в случае, когда вид сигнала £о неизвестен. Например, в случае шумового гауссовско-го сигнала £о при вероятности ложной тревоги Г = 10' 3, отношении сигнал/шум -15 дБ и длительности тестирования N = 4096 отсчетов спектральный алгоритм позволяет достичь вероятности правильного обнаружения, близкой к единице. В случае, если сигнал Со представлен музыкальной фонограммой, характеристики спектрального алгоритма ухудшаются (необходимо увеличивать размер выборки до N = 16384 отсчетов), однако процедура остается работоспособной и обеспечивает вероятность правильного обнаружения О = 0.98 при вероятности ложной тревоги Е — 10 3 и отношении сигнал/шум -15 дБ. В этих условиях алгоритм, основанный на взаимной корреляции автокорреляционных функций, неработоспособен, что подтверждает целесообразность использования спектрального алгоритма, т. к. он устойчиво работает при различных видах шумового сигнала Со.

8. Синтезированы пассивные алгоритмы (оптимальный и квазиоптимальный) для обнаружения радиомикрофонов со скремблировани-ем в частотной области. Работа алгоритмов основана на анализе периодограмм сигналов. Пассивный периодограммный алгоритм в условиях акустической реверберации работает неустойчиво, поэтому на практике целесообразно использовать квазиоптимальный периодограммный алгоритм. Исследования показали эффективность использования пассивного квазиоптимального периодограммного алгоритма для обнаружения как скремблированных, так и открытых радиомикрофонов. Квазиоптимальный периодограммный алгоритм эффективно работает при различных видах шумового сигнала Со • При этом обеспечиваются качественные показатели, сравнимые с характеристиками пассивного спектрального алгоритма.

9. Предложен алгоритм дескремблирования сигналов радиомикрофонов, построенный на основе нейронной сети со структурой однослойного перцептрона. Данный алгоритм может использоваться совместно с пассивным квазиоптимальным периодограммным алгоритмом для обнаружения радиомикрофонов со скремблировани-ем в частотной области. Периодограммный алгоритм с дескрембли-рованием работает более эффективно, чем известный пассивный параметрический алгоритм в условиях, когда сигнал Со представлен гауссовским шумом. В этом случае при отношении сигнал/шум -15 дБ периодограммный алгоритм обеспечивает вероятность правильного обнаружения В = 0.99, в то время как параметрический алгоритм обеспечивает лишь О — 0.92.

10. Разработан ряд рекомендаций по применению алгоритмов обнаружения радиомикрофонов в зависимости от различных условий. Разработано программное обеспечение, реализующее синтезированные алгоритмы.

1. Обнаружение радиосигналов / П. С. Акимов, Ф. Ф. Евстартов, С. И. Захаров и др.; Под ред. А. А. Колосова. - Радио и связь, 1989. -288 е.: ил.

2. Хорев А. А. Портативные средства разведки. М.: РВСН, 1997. -272 с.

3. Лупегов А. Н., Рыжов А. Л. Технические средства и способы добывания и защиты информации. М.: ВНИИ "Стандарт", 1993. -95 с.

4. Хорев А. А. Классификация и характеристика технических каналов утечки информации, обрабатываемой ТСПИ и передаваемой по каналам связи // Специальная техника. 1998. - №2. - С.41-46.

5. Хорев А. А. Технические каналы утечки акустической (речевой) информации // Специальная техника. 1999. - №1. - С.48-55.

6. Андрианов В. И., Бородин В. А., Соколов А. В. "Шпионские штуч-ки"и устройства для защиты объектов и информации: Справ, пособие. С-Пб.: Лань, 1996. - 272 с.

7. Оружие шпионажа: Каталог-справочник. М.: Империал, 1994. -240 с.

8. Технические средства разведки / Под ред. Мухина В. И. М.: РВСН, 1992. - 335 с.

9. Audio surveillance: Catalog. Germany: PK Electronik International FRG, 1996.-44 p.

10. Covert audio intercept. Volume one: Catalog. USA: Surveillance Technology Group (STG), 1993. - 32 p.

11. Miniatur Audiosender. Catalog. - Germany, Hildenbrand- Elek-tronic Gmb. H., 1996. - 16 p.

12. Surveillance equipment: Catalog. London: UK Limited, 1996. - 20 p.

13. Хорев А. А. Способы и средства защиты информации. М.: МО РФ, 1998.-316 с.

14. Хорев А. А. Методы и средства поиска электронных устройств перехвата информации. М.: МО РФ, 1998. - 224 с.

15. Мироничев С. Коммерческая разведка и промышленный шпионаж в России и методы борьбы с ним. М.: Дружок, 1995. - 223 с.

16. Рембовский А. М. Не дать "жучкам'не единого шанса// Банковские технологии. -1997. №4. - С. 88-92.

17. Поляков А. В. Промышленный шпионаж и как с ним бороться // Мы и безопасность. 1996. - №2. - С. 22-44.

18. Логинов Н. А. Актуальные вопросы радиоконтроля в Российской Федерации. М.: Радио и связь, 2000. - 240 е.: ил.

19. Ашихмин А. В. Пути повышения эффективности систем обнаружения источников радиоизлучения // Прикладные вопросы цифровой обработки и защиты информации. Межвуз. сб. науч. тр. -Воронеж, - 1997. - С.22-24.

20. Специальная техника и информационная безопасность / Под ред. А. А. Кирина. М.: Академия управления МВД России, 1989. - 288 е.: ил.

21. Скребнев В.И. Поисковый радиомониторинг: проблемы, методики, аппаратура // Системы безопасности связи и телекоммуникаций. -1999. №24. - С. 58-63.

22. Р. 6057765 USA, IPC7 G08B 13/14. Non-linear junction detector / Т. H. Jones, В. R. Barsumian (USA). 9 р.

23. Р. 6163259 USA, IPC7 G08B 13/14. Pulse transmitting non-linear junction detector / B. R. Barsumian, Т. H. Jones (USA). 11 p.

24. Василевский И. В. Sedif2.0. Управляющая программа для сканирующих приемников AR-3000A, AR-2700 и AR-8000 // Защита информации. 1995. - №6. - С. 49-55.

25. Васильев О. А. Ускорение перестройки: комплекс RS-1000 со сканером AR5000 // Бизнес и безопасность в России. 1996. - №4-5. -С. 31-32.

26. Василевский И.В. От комплекса к системе информационной безопасности // Системы безопасности, связи и телекоммуникаций. - 1996. - №4. - С. 35-36.

27. Сталенков С.Е., Василевский И.В. Комплексы без "комплексов"// Системы безопасности связи и телекоммуникаций. 1997. - №5. -С. 31-32.

28. Козлов Н. Б. "Дельта'уверенно завоевывает профессиональный рынок // Системы безопасности связи и телекоммуникаций. -1997. №5. - С. 50-52.

29. Рембовский А. М. Контролировать и выявлять. Новые отечественные многофункциональные комплексы радиоконтроля и выявления каналов утечки информации // Мир связи. Connect! 1998. -№1.- С. 74-75.

30. Силаньтьев В. А. Технические средства выявления сигналов подслушивающих устройств // Специальная техника. 1998. - №1. -С. 30-32.

31. Силаньтьев В. А. Комплекс радиоконтроля RS-1100 максимум доступного // Системы безопасности, связи и телекоммуникаций. -1998. - №22. - С. 34-35.

32. Рембовский А. М., Ашихмин А. В. Комплексы радиоконтроля и выявления каналов утечки информации от ЗАО "ИРКОС": состояние и переспективы // Системы безопасности связи и телекоммуникаций. 1998. - №23. - С. 54-56.

33. Силаньтьев В.А. Цифровая обработка сигналов в комплексах радионаблюдения // Системы безопасности связи и телекоммуникаций. 1999. - №27. - С. 30-32.

34. Mobile VHF UHF Broadband Doppler direction Finder PA 555. -Germany: Rohde and Schwarz, 1995. - 7 p.

35. P. 4595915 USA, IPC4 G08B 13/14. Electronic surveillance system employing the doppler effect / L. R. Close (Israel). -10 p.

36. P. 6021269 USA, IPC7 G06F 17/00. Radiation source detection by recording spectral records at different times or locations and collating the spectral records / О. M. Lewis (UK). -16 p.

37. П. 2099870 Россия, МПК6 Н04В 1/46. Способ обнаружения микрофона с радиопередатчиком и устройство для его осуществления / А. М. Рембовский, А. В. Ашихмин (Россия). 2 с.

38. П. 96124117 Россия, МПК6 Н04В 1/46. Способ обнаружения микрофона с радиопередатчиком и устройство для его осуществления / А. М. Рембовский, А. В. Ашихмин (Россия). 2 с.

39. Р. 4368539 USA, IPC3 H03J 7/18. Transmitter detector / G. H. Whidden (USA). 8 p.

40. P. 4501020 USA, IPC3 H04B 17/00. Spectrum surveillance receiver system / P. E. Wakeman (Canada). -11 p.

41. User information for radiomonitoring. Munich, Rohde & Schwarz radiomonitoring radiolocation division, 1991. - 204 p.

42. Frequency occupancy measuring system 20 MHz to 1000 MHz including extension possibilities Wien.: Schlumberger Technologies, 1994.-№1.-54 p.

43. Мартынов В. А. Панорамные приемники и анализаторы спектра. / Под ред. Г.Д. Заварина. М.: Сов. Радио, 1980. - 350 с.

44. Цыпкин Я. 3. Информационная теория идентификации. М.: Наука. Физматлит, 1995. - 336 с.

45. Миленький А. В. Классификация сигналов в условиях неопределенности. (Статистические методы самообучения в распознавании образов). М.: Сов. радио, 1975, - 328 с.

46. Быковников В. В., Ашихмин А. В. Реализация алгоритма распознавания речевых сигналов в цифровом сканирующем приемнике // Синтез, передача и прием сигналов управления и связи: Меж-вуз. сб. науч. тр. Воронеж, 1998. - С. 177-181.

47. Быковников В. В. Реализация алгоритма распознавания цифровых сигналов в системах связи на базе микропроцессора // Радиолокация, навигация, связь: Тез. докл. IV Международная науч. тех. конф. 26-28 мая 1998 г. Воронеж, 1998. - Т. 3. - С. 1282-1289.

48. Р. 4805231 USA, IPC 4 Н04В 17/00. Apparatus for detecting an electronic surveillance device / G. H. Whidden (USA). 4 p.

49. P. 5241699 USA, IPC5 H04B 1/16. Electronic surveillance device detector and method using phase angle differences between two received signals / B. R. Barsumian (USA). 4 p.

50. P. 5717656 USA, IPC6 H04B 7/14. Method and apparatus for detecting and locating a concealed listening device / P. F. Dourbal (USA). -5 p.

51. П. 96101835 Россия, МПК6 G01S 15/06. Устройство для обнаружения радиомикрофона / М. М. Ахмадеев, А. Н. Кузьмин, Р. А. Валеев, А. А. Мальцев (Россия). 2 с.

52. Р. 3473127 USA, IPC2 Н04В 1/36. Covert transmitter detector / R. E. Williams, J. S. Gerig (USA). 2 p.

53. P. 4805231 USA, IPC2 H04B 1 /46. Debugging arrangement / S. Ris-berg, A. Lindgren, K. Rixon, R. Wallden, B. Brundin (Sweden). 2 p.

54. P. 4127817 USA, IPC2 H04B 1/00. Transmitter detecting apparatus / A. D. Bell (USA).-4 p.

55. P. 4399556 USA, IPC3 H04B 17/00. Device for locating audio surveillance apparatus / G. H. Whidden (USA). 4 p.

56. Токарев А. Б., Быковников В. В. Двухэтапная процедура обнаружения радиозакладок // Синтез, передача и прием сигналов управления и связи: Межвуз. сб. науч. тр. Воронеж, 1999. - С. 5459.

57. Ашихмин А. В., Быковников В. В., Токарев А. Б. Идентификация радиозакладок по естественному акустическому фону // Синтез, передача и прием сигналов управления и связи: Межвуз. сб. науч. тр. Воронеж, 2000. - С. 46-49.

58. Макаров Г. В., Быковников В. В., Пятунин А. Н. Тональный алгоритм обнаружения радиомикрофонов // Журнал радиоэлектроники. 2000. - № И.

59. Макаров Г. В., Быковников В. В., Пятунин А. Н. Многотональный алгоритм обнаружения радиомикрофонов // Журнал радиоэлектроники. 2000. - № 12.

60. Быковников В. В., Токарев А. Б. Периодограммная процедура обнаружения радиозакладок // Информация и безопасность: Регион. науч. вестн. Воронеж, 2000. - Вып. 2. - С. 32-34.

61. П. 94044503 Россия, МПК6 Н04В 1/46. Способ обнаружения местоположения радиомикрофона и акустическая труба для формирования остронаправленной диаграммы направленности / Ю. В. Кулагин (Россия). 2 с.

62. Р. 4264978 USA, IPC 3 Н04В 7/14. Device for locating audio surveillance apparatus / G. H. Whidden (USA). 8 p.

63. P. 4313183 USA, IPC3 G01S 15/74. Acoustic distance measuring method and apparatus / J. A. Saylors (USA). 4 p.

64. P. 5020137 USA, IPC5 H04B 1/08. Case-mounted receiver with antenna / B. R. Barsumian (USA). 4 p.

65. Некрасов M. Ю. Прибор защиты информации OSC-5000 // Конфидент. 1998. - №2. - С. 30-32.

66. Рембовский А. М. Комплексы радиоконтроля и выявления каналов утечки информации от ЗАО "ИРКОС"// Системы безопасности связи и телекоммуникаций. -1999. №26. - С. 33.

67. Рембовский А. М., Ашихмин А. В. Третье поколение комплексов радиоконтроля от ЗАО "ИРКОС": уникальные характеристики, достоверность, универсальность // Системы безопасности связи и телекоммуникаций. -1999. №30.- С. 74-76.

68. Рембовский А. М. Аппаратура выявления каналов утечки информации и радиомониторинга от компании "ИРКОС"// Информост "Средства связи". 1999. - №9. - С. 39-42.

69. Рембовский А. М. Аппаратура радиоконтроля от "ИРКОС"// Информост "Средства связи". 1999. - №10. - С. 31-34.

70. Степанов А. В. Радиоконтроль: задачи и средства // Системы безопасности связи и телекоммуникаций. 2000. - №31. - С. 78-80.

71. Рембовский А. М., Ашихмин А. В. Новые разработки от "ИРКОС"// Системы безопасности связи и телекоммуникаций. -2000. №36. - С. 78.

72. Быков В. В. Цифровое моделирование в статистической радиотехнике. М.: Сов. Радио, 1971. - 328 с.

73. Полляк Ю. Г., Филимонов В. А. Статистическое машинное моделирование средств связи. М.: Радио и связь, 1988. - 176 с.

74. S. A. Teukolsky, W. T. Vetterling, В. P. Flannery Numerical recipes in С : the art of scientific computing. 2nd ed. : William H. Press, 1993. -994 p.

75. Акустика: Справочник / А. П. Ефимов, А. В. Никонов, M. А. Сапожков, В. И. Шоров; Под ред. М. А. Сапожкова. 2-е изд., пере-раб. и доп. - М.: Радио и связь, 1989. - 336 е.: ил.

76. Маньковский B.C. Акустика студий и залов для звуковоспроизведения. М.: Искусство, 1966. - 376 с.

77. Корадо В, А. Оптимальное обнаружение детерминированных сигналов со случайными параметрами на фоне помех с неизвестной интенсивностью при условии постоянства вероятности ложной тревоги // Радиотехника и электроника. 1968. - №6. - С. 11151118.

78. Ван Трис Г. Теория обнаружения, оценок и модуляции: Пер. с англ. М.: Советское радио, 1972, - 744 с.

79. Тихонов В. И. Статистическая радиотехника. М.: Советское радио, 1966. - 678 с.

80. Тихонов В. И. Оптимальный прием сигналов. М.: Радио и связь, 1983. - 320 с.

81. Теория обнаружения сигналов. / П. С. Акимов, П. А. Бакут, В. А. Богданович и др.; Под ред. П. А. Бакута. М.: Радио и связь, 1984. - 440 с.

82. И.Н.Бронштейн, К.А.Семендяев Справочник по математике для инженеров и учащихся ВТУЗов. М., 1980. - 976 е.: ил.178

83. Иванов В. В. Методы вычислений на ЭВМ : Справочное пособие- Киев: Наук, думка, 1986. 548 с.

84. Огарков М. А. Методы статистического оценивания параметров случайных процессов. М.: Энергоатомиздат, 1990. - 208 е.: ил.

85. Пытьев Ю. П. Методы анализа и интерпретации эксперимента. -М.: Изд-во МГУ, 1990. 288 с.

86. Леман Е. Проверка статистических гипотез: Пер. с англ. М.: Наука, 1971.-375 с.

87. Widrow В., and Hoff M. Adaptive Switching Circuits // IRE Wescon Convention Record, Jr. 1960, - P. 96-104

88. Honing M., Messerschmitt D. Adaptive Filters: Structures, Algorithms, and Applications. Boston: Kluwer Academic Publishers, 1986.-240 p.

89. Qureshi S. U. H. Adaptive Equalization // IEEE Communications, March 1982, P. 9-16.

90. В. В. Губарев Вероятностные модели: Справочник. В 2-х ч. Новосибирск, Новосиб. электротехн. ин-т., 1992. - 320 с.

91. Левин Б. Р. Теоретические основы статистической радиотехники.- 2-е изд., перераб. и доп. М.: Радио и связь, 1975. - 392 е.: ил.

92. Левин Б. Р. Теоретические основы статистической радиотехники.- 3-е изд., перераб. и доп. М.: Радио и связь, 1989. - 656 е.: ил.

93. Справочник по теории вероятностей и математической статистике / В. С. Королюк, Н. И. Портенко, А. В. Скороход, А. Ф. Турбин.- М.: Наука. Главная редакция физико-математической литературы, 1985. 640 с.

94. Уоссермен Ф. Нейрокомпьютерная техника. М.: Мир, 1992. -230 с.

95. Итоги науки и техники: физические и математические модели нейронных сетей. М.: ВИНИТИ, 1990. - Т.1. - 306 с.

96. Artificial Neural Networks: Concepts and Theory. IEEE Computer Society Press. - 1992. - 214 p.

97. Richard P., Lippmann J. An Introduction to Computing with Neural Nets // IEEE Acoustics, Speech, and Signal Processing Magazine. April 1987. - P. 22-24.

98. Widrow В., Michael A. L. 30 Years of Adaptive Neural Networks: Perceptron, Madaline, and Backpropagation //Artificial Neural Networks: Concepts and Theory, IEEE Computer Society Press. 1992. -P. 327-354.

99. Werbos P.J. Backpropagation Through Time: What It Does and How to Do It // Artificial Neural Networks: Concepts and Theory, IEEE Computer Society Press. 1992. - P. 309-319.

100. Petrowski A., Dreyfus G., Girault C. Performance Analysis of a Pipelined Backpropagation Parallel Algorithm // IEEE Transactions on Neural Networks. 1993. - Vol.4. - №6. - P. 970-981.

101. Pal S.K. Sushmita Mitra, Multilayer Perceptron, Fuzzy Sets, and Classification //IEEE Transactions on Neural Networks. 1992. -Vol.3. - №5. - P. 683-696.

102. Vaubois G. C., Moulinoux C., Derot B. The N Programming Language //Neurocomputing, NATO ASI series. 1992. - V0I.F68. - P. 89-92.

103. Malki H. A., Moghaddamjoo A. Using the Karhunen-Loe've Transformation in the Back-Propagation Training Algorithm // IEEE Transactions on Neural Networks. -1991. Vol.2. - №1.- P.162-165.

104. Drucker H., Cun Y. Improving Generalization Performance Using Backpropagation // IEEE Transactions on Neural Networks. 1992. - Vol.3. - №5. - P. 991-997.1. ПРКОС

105. Почта: РОССИЯ, 129626, Москва, а/я 30 Телефоны: (095) 215 7302, 217 - 2911(тел/факс) Офис: РОССИЯ, 129085, Москва, E-mail: . info@ircoc.ru

106. Звездный бульвар, д. 19 Интернет: www.ircoc.ru

107. Богданов А. Ю. Ашихмин А. В.

108. Алгоритмы и программы для моделирования канала связи и статистического анализа характеристик алгоритмов обнаружения сигналов;

109. Цифровые алгоритмы обнаружения сигналов радиомикрофонов и программное обеспечение для их реализации;

110. Методы периодограммного анализа цифровых сигналов;

111. Архитектура микропроцессорной системы для обнаружения сигналов радиомикрофонов.внедрены в учебный процесс (лекционные курсы) на кафедре радиотехники ВГТУ в дисциплинах "Программное обеспечение микропроцессорных