Чан Хыу Нгхи1, А.С. Подстригаев2, Нгуен Чонг Нхан3

1-3 Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В.И. Ульянова (Ленина) (Санкт-Петербург, Россия)

Постановка проблемы. Простые импульсные сигналы, сигналы с линейно-возрастающим и линейно-убывающим законами изменения частоты, фазоманипулированные сигналы с двоичным и квадратурным законами чередования фаз широко используются в радиотехнических системах передачи информации, радиолокации и радионавигации. В связи с ростом потребности в передаче всех больших объемов информации интерес к таким сигналам существенно возрос, и проблема создания алгоритма, способного обнаруживать и классифицировать эти сигналы, становится все более актуальной.

Цель. Обосновать и исследовать алгоритм классификации простых импульсных сигналов, сигналов с линейно-возрастающим и линейно-убывающим законами изменения частоты, фазоманипулированных сигналов с двоичным и квадратурным законами чередования фаз с пониженным отношением сигнал/шум.

Результаты. Методом имитационного моделирования для разработанного алгоритма получены зависимости вероятности верной классификации перечисленных сигналов на фоне белого гауссовского шума от отношения сигнал/шум. Сделаны
выводы о величине входного отношения сигнал/шум, необходимого для верной классификации сигналов разных типов. Показано, что предложенный алгоритм при классификации перечисленных сигналов допускает, чтобы величина входного отношения сигнал/шум была меньше на величину до 5…9 дБ по сравнению с известными алгоритмами.

Практическая значимость. Предложенный алгоритм классификации простых импульсных сигналов, сигналов с линейно-возрастающим и линейно-убывающим законами изменения частоты, фазоманипулированных сигналов с двоичным и квадратурным законами чередования фаз обеспечивает высокую эффективность при отношении сигнал/шум более –1 дБ, что может использоваться при разработке средств радиотехнического мониторинга.

Чан Хыу Нгхи, Подстригаев А.С., Нгуен Чонг Нхан  Алгоритм классификации сигналов с детектированием на двух промежуточных частотах для средств радиотехнического мониторинга // Успехи современной радиоэлектроники. 2022. T. 76. № 7.
С. 30–39. DOI: https://doi.org/10.18127/j20700784-202207-03

1. Булыгин М.Л., Муллов К.Д. Формирователь зондирующего сигнала для радиолокатора с синтезированной апертурой // Труды МАИ. 2015. № 80. URL: http://trudymai.ru/published.php?ID=57040
2. Levanon N., Mozeson E. Radar signals. John Wiley & Sons. 2004.
3. Лихачев В.П., Нгуен Х.Ф. Определение координат источника радиоизлучения линейно-частотно-модулированных сигналов однопозиционным разностно-дальномерным способом // Успехи современной радиоэлектроники. 2022. T. 76. № 1.
   С. 59–68. DOI: https://doi.org/10.18127/j20700784-202201-05
4. Nikolaev D., Chetiy V., Dudkin V., Davydov V. Determining the location of an object during environmental monitoring in conditions of limited possibilities for the use of satellite positioning // IOP Conference Series: Earth and Environmental Science. Saint Petersburg. 2020. P. 012052. DOI: 10.1088/1755-1315/578/1/012052
5. Борисов О.А., Веселков А.А., Лихачев В.П. Модель процесса обработки ЛЧМ сигналов автокорреляционным приемником с суммарным и разностным каналами обработки // Информатика: проблемы, методология, технологии: материалы XVII Междунар. науч.-методич. конф. Воронеж. 2017. С. 110–114.
6. Лихачев В.П., Веселков А.А., Семенов В.В. Результаты экспериментальной проверки алгоритма обнаружения и определения параметров широкополосных сигналов РЛС // Информатика: проблемы, методология, технологии: материалы XVI Междунар. науч.-методич. конф. Воронеж. 2016. С. 170–175.
7. Podstrigaev A.S., Smolyakov A.V., Davydov V.V., Myazin N.S., Slobodyan M.G. Features of the Development of Transceivers for Information and Communication Systems Considering the Distribution of Radar Operating Frequencies in the Frequency Range // Lecture Notes in Computer Science. 2018. V. 11118. P. 509–515. DOI:10.1007/978-3-030-01168-0_45
8. Подстригаев А.С., Смоляков А.В., Слободян М.Г. Анализ плотности распределения типов РЛС в частотном диапазоне // Журнал радиоэлектроники. 2016. № 7. С. 1.
9. Podstrigaev А.S., Smolyakov А.V., Maslov I.V. Probability of Pulse Overlap as a Quantitative Indicator of Signal Environment Complexity // Известия высших учебных заведений России. Радиоэлектроника. 2020. № 23(5). С. 37–45. DOI: 10.32603/19938985-2020-23-5-37-45
10. Завадский А.Л., Казак П.А., Каданцев С.М. Идентификация вида модуляции фазоманипулированных сигналов на основе анализа структуры спектра четных степеней // Цифровая обработка сигналов. 2019. № 1. С. 20–25.
11. Нгуен Ч.Н., Подстригаев А.C., Леонов И.Е. Математическая модель алгоритма распознавания типа модуляции сигнала в автокорреляционном приемнике средств радиотехнического мониторинга // Труды МАИ. 2020. № 113. URL: http://trudymai.ru/published.php?ID=118147
12. Mossad O.S., ElNainay M., Torki M. Deep convolutional neural network with multi-task learning scheme for modulations recognition // 15th International Wireless Communications & Mobile Computing Conference (IWCMC). 2019. P. 1644–1649.
13. Никитин Н.С., Даровских С.Н. Синтез алгоритма идентификации сигналов с линейной частотной модуляцией // Вестник УрФО. Безопасность в информационной сфере. 2019. № 3 (33). С. 12–19.
14. Канатчиков А.А. Сравнительный анализ методов обнаружения и определения параметров зондирующих сигналов РСА космического базирования // Журнал радиоэлектроники. 2020. № 7. С. 1.
15. Yu D., Shaoying S. LFM signal detection based on STFT and frequency-domain GOSBOS-CFAR in low SNR // 2013 IEEE International Conference of IEEE Region 10 (TENCON 2013). 2013. P. 1–4.
16. Kubankova A. Design and analysis of new digital modulation classification method // WSEAS Transactions on Communications. 2009. V. 8(7). P. 628–637.
17. Tsui J.B.Y. Special design topics in digital wideband receivers. Artech House. 2010.
18. Лайонс Р. Цифровая обработка сигналов. М.: Издательство БИНОМ. 2006.
19. Пономарева Н.В., Пономарева В.Ю. Локализация спектральных пиков методом параметрического дискретного преобразования Фурье // Интеллектуальные системы в производстве. 2016. № 2. С. 15–18.
20. Miller S.J. The Probability Lifesaver. Princeton University Press. 2017.
21. Муралиев А.М., Алымбаева Б.С. Линейная аппроксимация эмпирических данных методом наименьших квадратов // Вестник КГУСТА. 2011. Т. 2. № 2. С. 162–167.