С.Н. Замуруев1, М.В. Цветков2

1,2 МИРЭА – Российский технологический университет (Москва, Россия)
2 maxtsv@rambler.ru

Постановка проблемы. В настоящее время очень актуально применение методов искусственного интеллекта, в частности нейронных сетей, для обнаружения сигналов управления беспилотными летательными аппаратами (БПЛА) в рамках задач радиоэлектронной разведки и противодействия БПЛА. В этой связи необходимо рассмотреть особенности сигналов БПЛА, такие как использование закрытых протоколов, помехоустойчивого кодирования, адаптивной перестройки параметров в зависимости от качества канала связи.

Цель. Определить перспективные направления исследований для оптимизации архитектур нейростетей, расширения обучающих выборок, адаптации к новым протоколам, повышения интерпретируемости, интеграции в комплекс РЭБ и противодействия методам радиоэлектронного подавления.

Результаты. Проведен анализ ограничения радиационных методов обнаружения для обоснования перспективности применения нейросетевого подхода, способного находить скрытые признаки сигналов в условиях помех. Дана обобщенная методология применения нейросетей, включающая в себя сбор и разметку данных, предобработку, извлечение признаков, обучение классификаторов и постобработку результатов. Приведены примеры успешного применения различных архитектурных нейронных сетей (сверточных, рекуррентных, ансамблевых) для обнаружения сигналов БПЛА при низком отношении сигнал/шум.

Практическая значимость. Полученные результаты дают возможность оценить принципы работы сверхточных сетей со спектрограммами сигналов, позволяющие детектировать характерные частотно-временные паттерны сигналов БПЛА и обозначить направление дальнейших исследований, которые создают высокоэффективные адаптивные интеллектуальные системы радиомониторинга и противодействия БПЛА нового поколения, обеспечивающих превосходство над технологиями противника.

Замуруев С.Н., Цветков М.В. Обнаружение сигналов управления беспилотными летательными аппаратами с помощью ней­росетей // Успехи современной радиоэлектроники. 2025. T. 79. № 12. С. 39–44. DOI: https://doi.org/10.18127/j20700784-2025 12-07

1. Назаров Л.Е., Игошин Е.В., Зудилин А.С., Щеглов М.А. Разработка, реализация и испытания сигнально-кодовых конструкций для высокоскоростной радиолинии связи с БПЛА // Успехи современной радиоэлектроники. 2014. № 8. С. 68–74.
2. Иванов В.С., Строителев Б.А., Раевский Г.П. Организация связи по средствам беспилотных летательных аппаратов // Наукоемкие технологии. 2025. Т. 26. № 1. С. 37–44 DOI: https://doi.org/ 10.18127/j19998465-202501-05.
3. Макаренко С.И., Афонин И.Е., Иванов М.С. Беспилотный летательный аппарат как цель противовоздушной обороны // Успехи современной радиоэлектроники. 2024. Т. 78. № 5. С. 48–59. DOI: https://doi.org/10.18127/j20700784-202405-07.
4. Каграманов Э.Э., Иванова С.С., Карташов В.С. Способ предотвращения радиопомех в системе связи беспилотных летательных аппаратов // Радиотехника. 2024. Т. 88. № 7. С. 11–15. DOI: https://doi.org/10.18127/j00338486-202407-02.
5. Ahmed A, Quoitin B, Gros A, Moeyaert V. A Comprehensive Survey on Deep Learning-Based LoRa Radio Frequency Fingerprinting Identification. Sensors (Basel). 2024. Jul. 8. V. 24(13). P. 4411. DOI: 10.3390/s24134411. PMID: 39001190; PMCID: PMC11244599.
6. Jagannath A., Jagannath J., Kumar P.S.P.V. A comprehensive survey on radio frequency (RF) fingerprinting: Traditional approaches, deep learning, and open challenges. Comput. Netw. 2022. V. 219. P. 109455. DOI: 10.1016/j.comnet.2022.109455.
7. Jouhari M., Saeed N., Alouini M.S., Amhoud E.M. A Survey on Scalable LoRaWAN for Massive IoT: Recent Advances, Potentials, and Challenges. IEEE Commun. Surv. Tutor. 2023. V. 25. P. 1841–1876. DOI: 10.1109/COMST.2023.3274934.
8. Khalifeh A., Aldahdouh K.A., Darabkh K.A., Al-Sit W. A Survey of 5G Emerging Wireless Technologies Featuring LoRaWAN, Sigfox, NB-IoT and LTE-M; Proceedings of the 2019 International Conference on Wireless Communications Signal Processing and Networking (WiSPNET); Chennai, India. 21–23 March 2019. P. 561–566.