автореферат диссертации по радиотехнике и связи, 05.12.04, диссертация на тему:Методы обработки случайных радиосигналов со скрытой периодичностью

На правах рукописи

вичо* * - -Кузовников Александр Витальевич

МЕТОДЫ ОБРАБОТКИ СЛУЧАЙНЫХ РАДИОСИГНАЛОВ СО СКРЫТОЙ ПЕРИОДИЧНОСТЬЮ

Специальность: 05.12.04 - Радиотехника, в том числе системы и устройства телевидения

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

2 1 ОКТ

Красноярск 2010

004611167

Работа выполнена в Государственном образовательном учреждении Высшего профессионального образования «Сибирский государственный аэрокосмический университет имени академика М.Ф. Решетнева»

Научный руководитель:

доктор технических наук, профессор Сомов Виктор Григорьевич

Официальные оппоненты:

доктор технических наук, профессор Панько Сергей Петрович

кандидат технических наук, доцент Филимонов Николай Павлович

Ведущая организация: ГОУ ВПО «Томский

государственный университет систем управления и радиоэлектроники», г. Томск

Защита состоится 11 ноября 2010 года в 16:00 часов на заседании диссертационного совета Д 212.099.04 при Сибирском федеральном университете по адресу: 660074, г. Красноярск, ул. ак. Киренского, 28, ауд. Б 228.

С диссертацией можно ознакомиться в библиотеке Сибирского федерального университета по адресу: 660074, г. Красноярск, ул. ак. Киренского, 26, ауд. Г 274.

Автореферат разослан « / » октября 2010 года.

Ученый секретарь диссертационного совета

Ю.П. Саломатов

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность. Интенсивное развитие радиосистем передачи данных приводит к необходимости жесткого учета регламента частотных диапазов. Данная проблема одинаково актуальна как для наземных, так и для космических систем радиосвязи. В страну ввозится большое количество нелицензированных источников радиоизлучения (ИРИ), которые не только создают помехи, но используются для осуществления несанкционированного доступа к различным системам связи, в том числе и спутниковым.

В сложившейся ситуации актульной становится задача контроля особо важных объектов (ОВО) для предотвращения утечки перспективной промышленной, технологической и научной информации, составляющей государственную тайну.

Перечисленные проблемы, связанные с необходимостью контроля радиоэлектронной обстановки (РЭО) являются одними из основных для всех ведущих мировых госурств, поскольку представляют реальную угрозу экономичекой и государственной безопасности.

Разработкой теории оптимальной обработки детерминированных и случайных сигналов, используемой в системах радиомониторинга занимались отечественные и зарубежные ученые Стратонович P.JL, Ширман Я.Д., Голиков В.Н., Тихонов В.И., Левин Б.Р., Шахтарин Б.И., Мидлтон Д., Хелстром К., Ван Трис Г. и др.

Созданием систем радиомониторинга различных типов занимаются ведущие ВУЗы и организации промышленности ГОУ ВПО ТУСУР (г. Томск), ГОУ ВПО МТУСИ (г. Москва), ФГАОУ ВПО СФУ (г. Красноярск), ГОУ ВПО ВИРЭ (г. Воронеж), МОиНУ ХНУРЭ (г. Харьков), ОАО «РАДИКС-ТУЛС» (Radix-Tools) г. Воронеж, ЗАО «ИРКОС» г.Москва, ОАО «Российская корпорация ракетно-космического приборостроения и информационных систем».

Используемые автоматизированные системы радиомониторинга не позволяют эффективно решать задачи по контролю за РЭО, так как требуют участия опытного оператора, который выполняет вручную всю работу по идентификации, классификации и распознованию, основываясь на собственных знаниях и опыте.

Исследованию проблемы улучшения качественных характеристик и автоматизации систем радиомониторинга посвящено много работ отечественных и зарубежных ученых. Основные тенденции развития методов цифровой обработки случайных сигналов направлены на внедрение дополнительных способов обработки для расширения пространства признаков с целью получения дополнительной информации о принимаемом сигнале для дальнейшей обработки. В работах основное внимание уделено изучению вейвлет, фрактального анализа и обработке в нейронных сетях.

В качестве дополнительного критерия при обработке случайных сигналов можно использовать гармонический, периодически повторяющийся характер радиосигналов. Основной сложностью при использовании данного критерия является случайный характер входных последовательностей сигналов и их низкая энергетика. Для эффективного решения задачи обнаружения и классификации сигналов со скрытой периодичностью необходимо исследовать интергальные характеристики всей последовательности вцелом. Фрактальный анализ позволяет проводить исследования самоподобия, в том числе и последовательностей со скрытой периодичностью.

Вместе с тем в известной автору литературе отсутствуют разработанные методы обнаружения, фильтрации и класссификации случайных сигналов, необходимые для создания автоматических систем поиска, что делает тему диссертационной работы актуальной. Исследование новых методов цифровой обработки позволяет использовать их не только для контроля РЭО, но и для улучшения качества связи как в обычных условиях, так и в сложной радиоэлектронной обстановке.

Цель работы - исследование и разработка методов обнаружения, фильтрации и классификации случайных сигналов для создания автоматической системы радиомониторинга.

Задачи исследований:

1. Провести анализ существующих методов обнаружения, фильтрации и определения параметров случайных сигналов.

2. Разработать метод цифровой фильтрации случайных сигналов.

3. Разработать метод поэтапной обработки случайных сигналов для осуществления автоматического обнаружения и классификации.

4. Рассмотреть возможные области применения разработанных методов цифровой обработки сигналов.

Методы исследования. Для решения поставленных задач использованы методы математического анализа, статистической радиотехники, численного и имитационного моделирования, теории цифровой фильтрации, а также методы вейвлет, фрактальной и нейросетевой обработок.

Научная новизна работы заключается в следующем:

1. Предложен способ цифровой фильтрации случайных сигналов, основанный на одновременном использовании алгоритмов адаптивной, полиномиальной и пакетной вейвлет фильтрации и позволяющий повысить отношение сигнал/шум входного сигнала на 5-9 дБ. (Патент РФ №2395158).

2. Обоснован и разработан способ комплексной обработки случайных сигналов, основанный на поэтапной обработке, включающей фрактальный, вейвлет анализ и анализ в нейронных сетях и позволяющий выполнять автоматическое обнаружение и классификацию. (Патент РФ №2386165).

3. Разработан способ предотвращения несанкционированного доступа (НСД) и организации связи в сложной радиоэлектронной обстановке, основанный на использовании комплексной обработки входного сигнала и формировании помехоустойчивых сигналов.

Практическая значимость и внедрение результатов работы:

1. Результаты диссертационной работы использованы при выполнении ОКР по космической системе 14К034 в ОАО «Информационные спутниковые системы» имени академика М.Ф. Решетнева (г. Красноярск), научно исследовательской и опытно-кострукторской работы (НИОКР) «Сигнал-СибГАУ» в Сибирском государственном аэрокосмическом университете, и составной части НИР «Платформа» в Томском государственном университете систем управления и радиоэлектроники, что подтверждается соответствующими актами внедрения.

2. Результаты диссертационной работы используются в учебном процессе при чтении курса лекций по дисциплине «Цифровая обработка сигналов и микропроцессорные системы» в Сибирском государственном аэрокосмическом университете.

Основные положения выносимые на защиту:

1. Способ цифровой фильтрации случайных сигналов, позволяющий повысить отношение сигнал/шум на 5-9 дБ (Патент РФ №2395158).

2. Метод комплексной обработки случайных сигналов, позволяющий увеличить вероятность правильного обнаружения и классификации низкоэнергетических сигналов и повысить точность определения параметров сигналов (Патент РФ №2386165).

3. Способ предотвращения несанкционированного доступа и организации связи в сложной радиоэлектронной обстановке, позволяющий повысить вероятность предотвращения НСД и потенциальную помехоустойчивость систем связи.

Достоверность основных теоретических положений и выводов подтверждена результатами экспериментальных исследований и моделированием на ЭВМ.

Апробация работы. Основные результаты диссертационной работы доложены и обсуждены на научно-технических конференциях: Международной научной конференции, посвященной памяти генерального конструктора ракетно-космических систем академика М.Ф. Решетнева «Решетневские чтения» (г. Красноярск, 2006, 2009 г.г.); Всероссийской научно конференции студентов и аспирантов и молодых ученых «Молодежь и наука - третье тысячелетие» (г. Красноярск, 2006 г.); Всероссийской конференции «Актуальные проблемы авиации и космонавтики» (г. Красноярск, 2007 - 2009 г.г.); Всероссийской научно-технической конференция молодых ученых и студентов с международным участием «СОВРЕМЕННЫЕ ПРОБЛЕМЫ РАДИОЭЛЕКТРОНИКИ» (г. Красноярск, 2008 г.); Всероссийской отраслевой конференции

5

«Прогрессивные технологии в ракетно-космической промышленности», «ИПК МАШПРИБОР» (г. Королев Московской области, 2008 г., 2010г.); Межвузовской ежегодной научно-технической конференции студентов, аспирантов и молодых ученых «СОВРЕМЕННЫЕ ПРОБЛЕМЫ РАДИОЭЛЕКТРОНИКИ и СВЯЗИ» (г. Иркутск, 2008 г.); Всероссийской научно-технической конференции студентов, аспирантов и молодых ученых «Научная сессия ТУСУР - 2009, 2010» (г. Томск, 2009 - 2010 г.г.), Общероссийской молодежной научно-технической конференции "Молодежь. Техника. Космос" (г. Санкт-Петербург, 2010г.), 14-ом Международном молодежном форуме «Радиоэлектроника и молодежь в XXI веке», ХНУРЭ, г. Харьков, Украина, 2010г.

Публикации. По теме диссертации опубликовано 35 печатных работ, включая: 12 статей в научных сборниках, трудах конференций и реферируемых журналах, из них 4 статьи в журналах по перечню ВАК; 21 работу в сборниках тезисов научных конференций; 2 патента РФ.

Личный вклад автора. Автору принадлежит постановка проблемы и задач данного исследования, обоснование, формулировка и разработка всех положений определяющих научную новизну и практическую значимость работы, формулировка задач теоретических и экспериментальных исследований, участие в экспериментальных исследованиях. Совместно с научным руководителем проводилась интерполяция и объяснение полученных результатов.

Структура и объем диссертации. Диссертация состоит из введения, четырех глав, заключения, списка литературы и приложения. В ней содержится 159 страниц текста, включая 87 рисунков, библиографию из 136 наименований и приложение на 4 страницах. Общий объем диссертации 155 страниц.

СОДЕРЖАНИЕРАБОТЫ

Во введении приведено обоснование актуальности выбранной темы исследования. Сформулированы цель, задачи и методы исследований, определены научная новизна и практическая ценность полученных результатов, выделены положения выносимые на защиту. Указаны формы апробации, достоверность, реализация результатов исследований.

Глава 1 посвящена аналитическому обзору проблемы определения неизвестных параметров случайных сигналов. Исследованы основные алгоритмы, применяемые для обнаружения, классификации и определения параметров обрабатываемых сигналов.

Проведенный анализ показал, что в настоящее время для решения задачи классификации используются методы, основанные на различных алгоритмах статистической обработки, корреляционном и фрактальном анализах, вейвлет обработке и обработке с использованием нейронных сетей. Однако большинство методов требует априорной определенности (знания) относительно типов принимаемых сигналов или законов их распределения. В общем же случае вид принимаемого системой радиомониторинга сигнала неизвестен и задача его обнаружения и классификации является достаточно сложной.

Появляющиеся в последнее время в нашей стране и заграницей публикации, а также результаты численного моделирования показали, что наиболее перспективными методами обработки случайных сигналов являются вейвлет, фрактальный анализ и классификация с использованием нейронных сетей.

В главе 1 приведены результаты исследования вероятности обнаружения детерминированных сигналов по критерию Неймана-Пирсона, показаны численные значения достижимой вероятности правильного обнаружения и зависимость оценки неизвестных параметров от отношения сигнал/шум. Сформулированы задачи для дальнейших исследований.

В главе 2 проведен синтез математических моделей и алгоритмов первичной обработки случайных сигналов.

Для повышения отношения сигнал/шум входного сигнала применяются различные методы цифровой фильтрации. По литературным данным известно, что наиболее эффективными являются оптимальные алгоритмы, основанные, в общем случае на теореме Стратоновича, кроме того используют адаптивные, полиномиальные, вейвлет алгоритмы фильтрации. Для использования оптимальных алгоритмов обработки входного сигнала необходимо знать структуру принимаемого сигнала или вероятностное распределение его параметров. В диссертационной работе разработан способ цифровой фильтрации, позволяющий повысить отношение сигнал/шум входного случайного сигнала. Предложенный способ основан на одновременном использовании алгоритмов адаптивной, полиномиальной и вейвлет фильтрации. Выбор данных алгоритмов

фильтрации обусловлен тем, что для их работы не требуется априорная информация об обрабатываемом сигнале.

Принцип работы предлагаемого способа цифровой фильтрации заключается в следующем. Входной сигнал х^, (г) (рис. 1) одновременно

поступает на все составные фильтры. Так как параметры сигнала, поступающего на вход приемника априорно неизвестны, следовательно, качество фильтрации различными методами оценить сложно, поэтому принимается решение о том, что все сигналы равновероятно отфильтрованы с одинаковым качеством:

Ру\ -Ру2~РуЗ>

(1)

где:

Ру±> Ру2' РуЗ~ веРоятности> оценивающие качество фильтрации различными алгоритмами.

БГШ канал

Уоп.

У»«.

Адаптивный фильтр с линейным предсказанием

Сглаживающий полиномиальный

фильтр

Пакетный вейвлет фильтр

Рис. 1 - Блок-схема алгоритма предлагаемого способа цифровой фильтрации.

После фильтрации различными методами вычисляется коэффициент корреляции fy¡yi+j межДУ всеми выходными сигналами составных фильтров по принципу «каждый с каждым». Коэффициент относится к параметрическим коэффициентам и

вычисляется по формуле:

У У1+]

^(уц-у,-)2 Уи+у-У>+;)2

где:

у.. - значения отсчетов сигнала с выхода одного из фильтров;

- среднее значение по всем отсчетам сигнала на выходе одного из фильтров;

Уц+] ~ значения отсчетов сигнала с выхода другого фильтра;

. - среднее значение по всем отсчетам сигнала на выходе другого фильтра.

В результате проведенного анализа выбираются два фильтра с наибольшим коэффициентом корреляции, у которых вероятность обработки сигналов с требуемым качеством выше по сравнению с другими парами фильтров.

Например, если коэффициент корреляции между первым и вторым

фильтрами ГР больше чем между первым и третьим ГР , а также У*- / » до

вторым и третьим ^, то Ру1 = Ру2 > Ру3 •

Для дальнейшей обработки сигнала рассчитывается выходной сигнал увых , который представляет собой среднее значение между двумя выходными сигналами, выбранных фильтров по формуле

где:

Уи' Уи+] ~ значения отсчетов сигналов с выходов выбранных фильтров.

Дальнейшая обработка направлена на оптимизацию процесса цифровой фильтрации входного случайного сигнала. Оптимизация осуществляется путем максимизации коэффициента корреляции составных фильтров по принципу «каждый с каждым». Максимизация коэффициента взаимной корреляции осуществляется методом перебора весовых коэффициентов составных фильтров. Информация о необходимости дальнейшей корректировки весовых коэффициентов составных фильтров подается в виде сигнала обратной связи уоп.

Выигрыш при использовании разработанного алгоритма фильтрации составляет от 4 до 9 дБ в зависимости от типа входного сигнала, полученный эффект подтверждается результатами имитационного моделирования и численного анализа.

Для классификации случайных сигналов разработан способ поэтапной обработки. Первичная обработка включает проведение исследования фрактальных свойств принимаемого сигнала и вейвлет разложения с целью грубой оценки типа и параметров принимаемого сигнала. Первичная обработка необходима для определения «граничных» параметров обрабатываемого сигнала. Под «граничными» параметрами понимаются максимальные и минимальные изменения значений амплитуды, частоты и фазы входного сигнала.

9

Результаты оценки фрактальных свойств сигналов (корреляционной размерности и корреляционной энтропии) приведены на рис. 2. Анализ результатов моделирования показал, что в отсутствии шума разброс параметров минимален. Однако при добавлении шума величина разброса значительно увеличивается, а само усредненное значение перемещается в область более высоких значений соответствующего параметра, что уменьшает вероятность правильного обнаружения входного сигнала.

ШМ--АХ--

ТштЛ/щш

тт-ш--

/ОГ--

як--

с/ш-Ш

шм — т

— АХ

—— /я— га-

гат

с/шШ

тт т ля КК ОРЖ

ш.

И71 и' де' аз1 аг^ г;'

Иезщт

кщш.

ю1 а?1

щщазп

Рис.2 - Оценка корреляционной размерности и корреляционной энтропии сигналов с БГШ при различных отношениях сигнал/шум

Использование одного фрактального анализа для классификации радиосигналов недостаточно. Для расширения пространства признаков, по которым можно классифицировать сигнал необходимо использовать дополнительную обработку.

В главе 1 проведено исследование механизмов вейвлет обработки для решения задачи обнаружения и классификации случайных сигналов.

Вейвлет разложение входного сигнала вычисляется по формуле:

Л,

где:

W(a,x) - непрерывное вейвлег-преобразование сигнала,

S(t) - входной сигнал,

а - масштаб вейвлет функции,

t - текущее значение времени,

т - сдвиг вейвлет функции по оси времени,

Т^) - функция материнского вейвлета,

*Pa(t) - функции дочерних вейвлеты образованные масштабированием и сдвигом материнского вейвлета. -комплексная сопряженная функция. Для получения более точной оценки параметров входного сигнала используются алгоритмы пакетного вейвлет преобразования. Работа пакетного алгоритма организована таким образом, чтобы последовательно осуществлять расщепление входного сигнала на высокочастотные и низкочастотные коэффициенты:

¥i(0= Л hMt-n), V2(/)= Z (t-n), (5)

n n

где:

h„ - коэффициенты низкочастотного фильтра для текущего уровня декомпозиции;

g„ - коэффициенты высокочастотного фильтра для текущего уровня декомпозиции.

При многомерном вейвлет разложении входного сигнала срез, имеющий наименьшую энтропию, обладает наибольшим сходством с эталонным сигналом. Это объясняется тем, что значение энтропии характеризует степень зашумленности входного сигнала. Оценка энтропии производится согласно:

E(s)=-Tsn2-log(s„2), (6)

п

где: s является сигналом, a s„ являются значениями сигнала s. В общем случае спектр С(а,Ь) входного сигнала представляет собой поверхность в трехмерном пространстве.

Результаты вейвлет-преобразования ФМ-2 (BPSK) сигнала представлены на рис.3.

AnäyzMS«* (l«ngl)i■ 2SOO)

Рис.3 - Вверху изображен исходный сигнал, ниже вейвлет разложение, соответствующее минимуму энтропии, ниже график вейвлет коэффициентов и трехмерный вейвлет образ

На изображении двухмерного вейвлет-образа резким изменением цвета (по центру) хорошо видны скачки фазы сигнала на 180°, чему соответствуют локальные выбросы на графике модуля вейвлет-коэффициентов. Результаты исследований по зашумлению различных типов сигналов показали, что график значений вейвлет-коэффициентов сохраняет свою структуру даже при сильном зашумлении до минус 6 дБ.

Для оценки параметров входного сигнала по вейвлет его образу были разработаны специальные алгоритмы обработки.

Для примера на рис.4 показан вейвлет спектр частотно амплитудно манипулированного сигнала. Анализ вейвлет спектра показал, что по виду вертикальных полос вейвлет-спектра сигнала можно легко определить время скачка амплитуды или частоты и её величину по интенсивности вертикальных полос. Время локализации скачка амплитуды легко определить по контрасту цветов. Алгоритм определения амплитуды входного сигнала по его вейвлет спектру изображен на рис. 5.

Осциллограммы ЧМм-2/АМн-2 сигнала

Рис. 4 - Осциллограмма АМн-2/ЧМн-2 сигнала (вверху) и его вейвлет-

спектр (внизу)

Для обобщения результатов фрактальной и вейвлет обработки, а также с целью формирования единого пространства признаков проведен анализ возможности одновременного использования данных способов обработки. На рис. 6 показано изменение значения корреляционной размерности, которое вычислялось после вейвлет-преобразования. Из графика видно, что после осуществления вейвлет-преобразования, разброс значений корреляционной размерности вокруг среднего уменьшился, что свидетельствует о повышении вероятности правильного обнаружения сигнала.

Важной особенностью является то, что наличие в сигнале даже сильного шума практически никак не влияет на разброс значений и соответственно на вероятность правильного обнаружения. Также немаловажно то, что разброс значений для всех рассматриваемых сигналов практически одинаков, что говорит о слабой зависимости разброса фрактальных параметров от вида модуляции сигнала после вейвлет-преобразования.

Рис.5 - Алгоритм определения амплитуд входного сигнала

кат- -

8РЖ- -Л5К--Р5К-вРЖ--ВРБК--

КОАМ-

тк-~

А5К--КХ-ИРЖ-\ ВРЖ-

160АМ

тк АЖ Р$К ВРЖ 8Р$К

160АМ

тк

Л5Г РБК 0Р5К

тк

Тип модуляции

с/ш=5дБ

с/ш*ЮдБ

с/щ=5(Ж

Без шума

' ' * 3 0 ' ° 7 коррразп

Рис.6 - Корреляционная размерность сигналов после вейвлет-преобразования

В главе 1 также проведен анализ возможности классификации широкополосных сигналов путем исследования их фрактальных свойств.

Основным критерием для классификации различных типов широкополосных сигналов с непосредственным расширением спектра (ФМ ШПС), является определение длины ПСП. Для оценки длины ПСП ФМ ШПС сигналов проведено моделирование по определению показателя Херста.

Расчет проводился в логарифмическом масштабе в зависимости от числа наблюдений N согласно выражению:

1оё(%)=Я(1о§(а)+1оёМ) (?)

На рисунках 7, 8 показаны результаты моделирования ПСП Голда длиной 31 и Уолша длиной 64. Анализ рисунков 7, 8 показал, что число изображенных гармонических колебаний в общем случае

пропорционально длине ПСП, кроме того характер поведения колебаний (относительный уровень) зависит от структуры ПСП. Проведенные исследования показали большую сложность и емкость вычислений при расчете фрактальных характеристик ФМ ШПС сигналов. Большая алгоритмическая сложность обнаружения структуры ПСП и необходимые для этого емкие вычислительные затраты делают данный способ нецелесообразным для применения.

__ж................... ......................... ................... ~ Ж : 1 / ! ! X : 1 х- „ЛМ1Н1

Рис.7 - Зависимость ^(11/8) от времени наблюдения для ПСП Голда

длиной 31.

-—- ; ни Я

/ / / .........../ ■......................................!..................................................................... / ;

/ /

Рис.8 - Зависимость 1о§(11/8) от времени наблюдения для ПСП Уолша

длиной 64.

Кроме того в главе 2 проведен анализ возможности определения длины ПСП на основе вейвлет разложения входного сигнала. Анализ полученных результатов показал, что периодические ПСП обладают ярко выраженными повторяющимися последовательностями вертикальных полос (см. рис. 9,10).

I 382 8

Рис.9 - Вейвлет разложения ПСП Рис.10 - Вейвлет разложения ПСП Уолша длиной 8 для 3-х бит Голда длиной 31 для 2-х бит

информации. информации.

Алгоритм определения длины ПСП по вейвлет образу будет подобен изображенному на рис. 3, с тем отличием, что накопленная информация должна постоянно проверяться на наличие повторений комбинаций вертикальных полос вейвлет разложения.

По результатам первичной обработки сигнала формируются выходные данные для последующей обработки. Эти данные содержат информацию о максимальной и минимальной амплитуде сигнала, наибольшей и наименьшей частоте входного сигнала. Также при рассматриваемом виде первичной обработки можно определить общее количество изменений амплитуд, частот и фаз в принимаемом сигнале (информативность сигнала).

В главе 3 проведен синтез математических моделей и алгоритмов вторичной обработки случайных сигналов. Вторичная обработка основана на распознавании в нейронных сетях, что позволяет организовать самоорганизующуюся систему, автоматически подстраивающуюся под конкретный тип входного сигнала. Анализ различных типов нейронных сетей показал, что наибольший интерес представляют сети встречного распространения (ЬУ(5-сети), так как их основная задача заключается в кластеризации и классификации входных векторов (см. рис. 10).

Для численной оценки эффективности использования нейронных сетей встречного распространения проведено имитационное моделирование по обнаружению и классификации детерминированных и случайных сигналов. Для численной оценки вероятности правильного обнаружения детерминированных сигналов на вход сети для

обучения подавались сигналы ФМ-2, ФМ-4, ФМ-8, 16-КАМ, ЧМ-2 и АМ-4. После чего сеть классифицировала случайный входной сигнал с целью отнести его к одному из известных классов. Для определения граничных условий применимости ЬУС> сетей подаваемые на вход сигналы подвергались зашумлению различного уровня. На рис. 11-13 приведены

зависимости вероятности правильного обнаружения детерминированных сигналов от отношения сигнал / шум до и после вейвлет обработки.

Вехтют, Слой Зегмуо, ^ Лх^яой у\КРХонена(» /2)

¿леи (О) го„

Уг

У

Желаемые *ешс>&ше сигнал и

\ 1

Меиртм Мгхтеяа //ейрр»ы/)>г>с^ерга

Рис.10 - Общий вид нейронной сети встречного распространения.

8ПО 8РБК едоам А> и юся« «едемт-доофыомио* (имврпатщм)

О/тзити» ыялпАиуч (ОБ)

Рис.11 - График зависимостей вероятности правильного обнаружения ФМ-2 от отношения сигнал / шум до и после вейвлет-преобразования

Рис.12 - График зависимостей вероятности правильного обнаружения ФМ-4 от отношения сигнал / шум до и после вейвлет-преобразования

ВЛО 1йОАи отлл» до и поет 9*0*мт-преобрвме*мя (антврпотщия)

Рис.13 - График зависимостей вероятности правильного обнаружения 16(^АМ сигнала от отношения сигнал/шум до и после вейвлет-преобразования

Анализ результатов, представленных на рис. 11-13 высокую эффективность двухэтапной обработки.

Анализ результатов обработки случайных сигналов показал, что предлагаемый способ идентификации входного сигнала имеет высокую эффективность правильного обнаружения (92%-97%) при низком отношении сигнал/шум (минус ЮдБ), и позволяет с вероятностью 51% обнаруживать входной сигнал при отношении сигнал/шум минус ЗОдБ. Зависимость вероятности правильного обнаружения от отношения сигнал/шум для ФМ-8 сигнала показана на рис. 14. Полученный результат позволяет проводить достоверную обработку низкоэнергетических сигналов. Более детальное исследование граничных условий применимости нейронных сетей показало, что даже при отношении сигнал/шум минус 50 дБ для сигнала ФМ-2 при увеличении числа нейронов в конкурирующем слое с 10 до 200 вероятность правильного обнаружения увеличивается с 20% до 74% (см. рис.15). К сожалению, ограниченные возможности аппаратных средств не позволяют реализовывать системы с большим количеством нейронов. Общий вид зависимости вероятности правильного обнаружения от числа нейронов

нейронов в конкурирующем слое сигнала ФМ4 от числа нейронов в при отношении сигнал/шум минус конкурирующем слое при 50дБ. отношении сигнал/шум ОдБ.

20

На базе алгоритмов первичной и вторичной обработки разработан комплексный алгоритм обнаружения и классификации случайных сигналов. Принцип работы данного алгоритма заключается в том, что по результатам первичной обработки определяются граничные параметры входного сигнала (максимальные, минимальные значения, общее число изменений частот, амплитуд и фаз в исследуемом сигнале), после чего на основе этих данных формируется нейронная сеть для выполнения вторичной обработки входного сигнала. Схема обработки случайного сигнала в нейронной сети показана на рис. 17. По результатам вторичной обработки строятся гистограммы распределения амплитуды, частоты и фазы входного сигнала, при этом графики распределения можно строить с привязкой ко времени (см. рис. 18). По этим данным можно построить диаграмму рассеяния, показывающую созвездие исследуемого сигнала. Зная созвездие исследуемого сигнала можно подобрать стандартный тип демодулятора или синтезировать собственный, учитывающий структуру входного сигнала. Обобщенная структурная схема двухэтапной обработки показана на рис. 19.

Достигаемым техническим результатом является определение параметров и классификация случайных сигналов с неизвестными параметрами, при этом точность ограничена шумовыми составляющими входного сигнала. Преимуществом разработанного способа двухэтапной обработки является возможность интеграции в комплексный алгоритм обработки для осуществления автоматического радиомониторинга.

(УОсетъ

ф/

t I «

Рис.18 - Графики распределения структурных параметров во времени

Приблкэктмьнм Точно«

I' " м) ^

Переичная обработка на основеВемвлет-анализа

Рис.19 - Структурная схема комплексного алгоритма определения структурных параметров случайных сигналов.

В главе 4 рассмотрены области применения разработанных алгоритмов обработки случайных сигналов, помимо решения задач создания автоматической системы радиомониторинга. В частности:

• Разработанный алгоритм фильтрации входного сигнала можно применять в различных системах радиосвязи для повышения отношения сигнал / шум входного сигнала.

• Комплексный метод обработки можно использовать для повышения вероятности предотвращения несанкционированного доступа в различных системах связи, особенно остро данная проблема стоит в спутниковых системах связи.

• Ряд проведенных автором экспериментов по использованию вейвлет функций, в качестве модулирующих показал значительное (в 10 раз) увеличение ширины полосы полученного сигнала по сравнению с обычным ФМ ШПС сигналом при одинаковой длине ПСП. Данный результат можно использовать при организации связи в сложной радиоэлектронной обстановке.

В заключении сформулированы основные результаты проведенных исследований.

1. Проведен анализ существующих систем радиомониторинга и определены направления повышения их эффективности при обработке низкоэнергетических сигналов.

2. Проведен анализ существующих методов фильтрации, идентификации и селекции и выявлены наиболее эффективные.

3. Разработан способ цифровой фильтрации входных сигналов, основанный на одновременном использовании адаптивных, полиномильных алгоритмов и алгоритмов пакетной вейвлет фильтриции. Использование предлагаемого способа цифровой фильтрации позволяет на 5-9 дБ повысить отношение сигнал/шум входного случайного сигнала.

4. Проведено исследование фрактальных свойств радиосигналов и определены диапазоны изменения фрактальных параметров. Показано, что при обнаружении случайных низкоэнергетических сигналов наиболее эффективно использовать фрактальный анализ, так как значения фрактальных параметров позволяют однозначно определить периодический характер поведения радиосигнала на фоне шума.

5. Обоснован и разработан метод комплексной обработки входных случайных низкоэнергетических сигналов со скрытой периодичностью, основанный на использовании, фрактального анализа, вейвлет разложения и обработки в нейронных сетях, позволяющий в автоматическом режиме проводить обнаружение и классификацию случайных низкоэнергетических сигналов в автоматическом режиме с вероятностью правильного обнаружения от 50% до 90% при варьировании отношения сигнал / шум входного сигнала от -30 до 0 дБ.

6. Проведен анализ алгоритмов обработки широкополосных сигналов с целью определения длины ПСП, приведена оценка использования корреляционной размерности, показателя Херста и вейвлет разложения для классификации широкополосных сигналов.

7. Разработан способ предотвращения несанкционированного доступа, основанный на предложенном алгоритме комплексной обработки входного сигнала, позволяющий повысить вероятность предовращения несанкционированного доступа к различным системам радиосвязи на 90%.

8. Предложены методы организации связи в сложной помеховой обстановке, основанные на использовании алгоритмов комплексной обработки входного сигнала и применении нового метода модуляции, при котором в качестве модулирующей используют негармоническую несущую в виде вейвлет - функций, что позволяет повысить относительную помехозащищенность систем связи на 15-20 дБ.

В приложении к диссертационной работе приведены копии актов внедрения результатов работы.

Основные публикации по теме диссертации

1. Кузовников A.B. Применение плат цифровой обработки сигналов для модернизации командно - измерительной станции // Всероссийская студенческой научно-практической конференция "Современный университет: наука, образование, культура", ИРГТУ, г. Иркутск, 2005. С. 53-57.

2. Кузовников A.B. Имитатор борта // Всероссийская научная конференция студентов, аспирантов и молодых ученых "Наука. Технологии. Инновации" (НТИ-2005), НГТУ, Новосибирск, 2005. С. 4648.

3. Краковский П. С., Кузовников А. В. Фазо-частотная модуляция // Всероссийская научная конференция студентов, аспирантов и молодых

ученых "Наука. Технологии. Инновации" (НТИ-2005), НГТУ, Новосибирск, 2005, С. 44- 46.

4. Краковский П. С., Кузовников А. В. Программируемый генератор произвольных сигналов для создания систем управления спутниками // Всероссийская научная конференция студентов и аспирантов и молодых ученых, «Молодежь и наука - третье тысячелетие» СибЮИ, Красноярск 2005, С. 540-544.

5. Кузовников A.B. Проектирование модема для командно-измерительной станции П Всероссийская научная конференция студентов и аспирантов и молодых ученых, «Молодежь и наука - третье тысячелетие» СибЮИ, Красноярск, 2006. С. 328-334.

6. A.B. Кузовников. Проектирование демодулятора для командно-измерительной станции // Материалы X Международной научной конференции «Решетневские чтения», посвященной памяти генерального конструктора ракетно-космических систем академика М.Ф. Решетнева, Красноярск, 2006. С. 92-93.

7. Кузовников А. В., Сомов В. Г. Моделирование широкополосных сигналов И III Всероссийская конференция «Актуальные проблемы авиации и космонавтики», СибГАУ, г. Красноярск, 2007, С. 104-106.

8. Кузовников A.B., Н.В. Демаков, В.А. Анжина, А.Е. Пашков. Комплексное исследование характеристик сигнала на основе вейвлет-преобразования // X Всероссийская научно-техническая конференция молодых ученых и студентов с международным участием «СОВРЕМЕННЫЕ ПРОБЛЕМЫ РАДИОЭЛЕКТРОНИКИ», посвященная 113-й годовщине ДНЯ РАДИО, г. Красноярск, 2008 - с. 377-380.

9. В.А. Анжина, A.B. Кузовников. Модуляция сигнала псевдослучайной последовательностью при помощи ортогональных и биортогональных вейвлет - функций // X Всероссийская научно-техническая конференция молодых ученых и студентов с международным участием «СОВРЕМЕННЫЕ ПРОБЛЕМЫ РАДИОЭЛЕКТРОНИКИ», посвященная 113-й годовщине ДНЯ РАДИО, г. Красноярск, 2008. С. 364367.

10. A.B. Кузовников, Н.В. Демаков, В.А. Анжина, А.Е. Пашков. Демодуляция сигнала с неизвестной структурой // Научно - техническая конференция молодых ученых и специалистов предприятий космической промышленности «Прогрессивные технологии в ракетно-космической промышленности», «ИПК МАШПРИБОР», г. Королев Московской области, 2008, С. 62-67.

11. A.B. Кузовников, В.А. Анжина, В.Г. Сомов. Определение созвездия сигнала с неизвестной структурой // IV Всероссийская конференция «Актуальные проблемы авиации и космонавтики», СибГАУ, г. Красноярск, 2008, С. 104-105.

12. В.А. Анжина, A.B. Кузовников, В.Г. Сомов. Расширение спектра частот цифровых сообщений // IV Всероссийская конференция

«Актуальные проблемы авиации и космонавтики», СибГАУ, г. Красноярск, 2008. С. 100.

13. A.B. Кузовников, Н.В. Демаков, А.Е. Пашков. Определение параметров сигнала с неизвестной структурой II 1-ая межвузовская ежегодная научно-техническая конференция студентов, аспирантов и молодых ученых «СОВРЕМЕННЫЕ ПРОБЛЕМЫ РАДИОЭЛЕКТРОНИКИ и СВЯЗИ», г. Иркутск, 2008, С. 26-31.

14. Кузовников A.B., Демаков Н.В. Разработка демодулятора сигнала с неизвестной структурой // Вестник Сибирского государственного аэрокосмического университета имени академика М. Ф. Решетнева: сб. науч. тр. / СибГАУ. Вып. 3. Красноярск, 2008г., С. 44-47.

15. Демаков Н.В., Кузовников A.B., Пашков А.Е., Анжина В.А. Фильтрация сигналов с помощью вейвлет-преобразования // Вестник Сибирского государственного аэрокосмического университета имени академика М. Ф. Решетнева, 2008, Вып. 3(20), 40., с. 40-44.

16. Кузовников A.B. Имитатор борта космического аппарата // Материалы научно-технической конференции молодых специалистов ОАО "Информационные спутниковые системы" имени академика М.Ф. Решетнева" г. Железногорск, Красноярский край, 2008. С. 13-14.

17. A.B. Кузовников, В.А. Анжина, Н.В. Демаков, В.А. Кураков. Формирование помехоустойчивого сигнала с использованием вейвлет-функций // Всероссийская научно-техническая конференция студентов, аспирантов и молодых ученых «Научная сессия ТУСУР-2009»,Ч.1, 2009. С. 32-34.

18. Н.В. Демаков, A.B. Кузовников, А.Е. Пашков, В.А. Кураков. Обработка сигналов с использованием вейвлет функций в спутниковой системе радиовещания и связи // Всероссийская научно-техническая конференция студентов, аспирантов и молодых ученых «Научная сессия ТУСУР-2009»,4.1, 2009. С. 17-19.

19. A.B. Кузовников, Н.В. Демаков, В.А.Зорин, Д.В.Степанов, В.Г. Сомов, В.А. Кураков. ПЕРСПЕКТИВНЫЕ МЕТОДЫ ОПРЕДЕЛЕНИЯ СТРУКТУРНЫХ ПАРАМЕТРОВ СИГНАЛОВ В СИСТЕМАХ РАДИОМОНИТОРИНГА // V Всероссийская конференция «Актуальные проблемы авиации и космонавтики», СибГАУ, г. Красноярск, 2009 г., с. 159-160.

20. A.B. Серов, Н.В. Демаков, A.B. Кузовников, В.Ю. Баженов, В.А. Кураков. РАСПРЕДЕЛЕННАЯ СИСТЕМА РАДИОМОНИТОРИНГА // V Всероссийская конференция «Актуальные проблемы авиации и космонавтики», СибГАУ, г. Красноярск, 2009 г., с.162.

21. В.А.Зорин, Н.В. Демаков, A.B. Кузовников, А.Л. Дерябин, В.А. Кураков. ПОДВИЖНАЯ СИСТЕМА РАДИОМОНИТОРИНГА // V Всероссийская конференция «Актуальные проблемы авиации и космонавтики», СибГАУ, г. Красноярск, 2009 г., с. 159.

22. A.B. Кузовников, А.Л. Дерябин. НЕЙРОСЕТЕВАЯ КЛАССИФИКАЦИЯ ВХОДНЫХ СИГНАЛОВ // XIII Международная

25

научная конференция, посвященная 50-летию СибГАУ "Решетневские чтения", г. Красноярск, Ч. 2, 2009г., С. 434-435.

23. Д.В. Степанов, A.B. Кузовников. КЛАССИФИКАЦИЯ УЗКОПОЛОСНЫХ СИГНАЛОВ НА ОСНОВЕ ФРАКТАЛЬНОГО АНАЛИЗА // XIII Международная научная конференция, посвященная 50-летию СибГАУ "Решетневские чтения", г. Красноярск, Ч. 2, С. 461-462, 2009г.

24. А.Л. Дерябин, A.B. Кузовников. СИГНАЛЬНЫЕ МЕТОДЫ ПОМЕХОЗАЩИТЫ // XIII Международная научная конференция, посвященная 50-летию СибГАУ "Решетневские чтения", г. Красноярск, Ч. 1, С. 142-144, 2009г.

25. Д.В. Степанов, A.B. Кузовников. ИССЛЕДОВАНИЕ ФРАКТАЛЬНЫХ СВОЙСТВ РАДИОСИГНАЛОВ // Вестник Сибирского государственного аэрокосмического университета имени академика М. Ф. Решетнева: сб. науч. тр. / СибГАУ. Вып. 1 (27). Красноярск, 2010г., С. 3539.

26. В.Ю. Баженов, А.Л. Дерябин, И.А. Гуляев, A.B. Кузовников. Использование спутниковых систем связи для определения местоположения несанкционированных источников сигналов: труды II Общероссийской молодежной научн.-техн. конф. "Молодежь. Техника. Космос" / Балт. гос. техн. ун-т. - СПб.; 2010. - 288 с. (Библиотека журнала "Военмех. Вестник БГТУ", № 8). - С. 25-27.

27. В.Ю. Баженов, А.Л. Дерябин, A.B. Кузовников, П.А. Мартовицкий. Сложные сигналы, обеспечивающие повышенную помехозащищенность: труды II Общероссийской молодежной научн.-техн. конф. "Молодежь. Техника. Космос" / Балт. гос. техн. ун-т. - СПб.; 2010. -288 с. (Библиотека журнала "Военмех. Вестник БГТУ", № 8). - С. 197-198.

28. И.А. Гуляев, A.B. Кузовников, П.В. Семкин. Метод оценки неизвестных параметров радиосигналов: труды II Общероссийской молодежной научн.-техн. конф. "Молодежь. Техника. Космос" / Балт. гос. техн. ун-т. - СПб.; 2010. - 288 с. (Библиотека журнала "Военмех. Вестник БГТУ",№8).-С.215-216.

29. A.B. Кузовников. ИСПОЛЬЗОВАНИЕ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ОПРЕДЕЛЕНИЯ ТИПА МОДУЛЯЦИИ // Журнал "Успехи современной радиоэлектроники", №4,2010г., С.64-67.

30. Сёмкин П.В., Анжина В.А., A.B. Кузовников. ОЦЕНКА СРЕДНЕКВАДРАТИЧЕСКОГО ОТКЛОНЕНИЯ НЕИЗВЕСТНЫХ ПАРАМЕТРОВ СЛУЧАЙНОГО СИГНАЛА // 14-ый Международный молодежный форум «Радиоэлектроника и молодежь в XXI веке», ХНУРЭ, г. Харьков, Украина, 2010г., С.321.

31. А.Л. Дерябин, В.В. Хартов, A.B. Кузовников, П.А. Мартовицкий. Способы формирования и обработки сверхширокополосных сигналов в спутниковых системах связи // VIII международная конференция молодых специалистов организаций ракетно-космической, авиационной и металлургической промышленности России «Новые материалы и

26

технологии в ракетно-космической и авиационной технике», г. Королев, Московской обл., ИПК «Машприбор», 2010 г., С. 3-7.

32. A.JI. Дерябин, A.B. Кузовников, В.А. Агуреев, В.Ю. Баженов. Методы адаптивной цифровой фильтрации // Всероссийская научно-техническая конференция студентов, аспирантов и молодых ученых "Научная сессия ТУСУР-2010", г. Томск, 2010г., С. 23-27.

33. В.Ю. Баженов, A.B. Кузовников, И.А.Гуляев, А.Л. Дерябин, В.А. Агуреев. Определение местоположения несанкционированных наземных источников радиосигналов различными методами // Всероссийская научно-техническая конференция студентов, аспирантов и молодых ученых "Научная сессия ТУСУР-2010", г. Томск, 2010г., С. 12-15.

34. Патент РФ №2386165. Способ определения структуры и демодуляции сигнала с неизвестной структурой / Кузовников A.B., Анжина В.А., Пашков А.Е., Кухтин В.К., Сивирин П.Я., Лавров В.И., Сомов В.Г., Демаков Н.В., Бартенев В.А. // Опубл.: 10.04.2010г. - Бюл. №10.

35. Патент РФ №2395158. Способ цифровой фильтрации сигналов / Кузовников A.B., Сомов В.Г. // Опубл.: 20.07.2010г. - Бюл. № 20.

Подписано в печать£2.03.20Юг. Тираж 100 экз. Заказ №23 тУ? Отпечатано в типографии ИПК СФУ 660041, г. Красноярск, пр.Свободный, 82 а