А.А. Потапов1

1 ФГБОУ ВО «МГУ имени М.В. Ломоносова» (Москва, Россия)

Постановка проблемы. Обеспечение возможности обнаружения слабых радиосигналов, т.е. радиосигналов с низким или отрицательным отношением сигнал/шум (SNR) в контролируемых частотных диапазонах, является одним из путей повышения эффективности раннего выявления признаков нарушений правил использования радиочастотного спектра (РЧС), в том числе при ограниченной плотности сети пунктов радиомониторинга, а также в условиях протяженных и недостаточно урбанизированных территорий. Однако на практике при проведении профильных исследовательских работ используемые методы измерений направлены на обнаружение только достаточно сильных сигналов, явно превышающих уровень собственных шумов радиоизмерительного оборудования. Подход, получивший название «метод энергетического детектора (ЭД)» − один из универсальных методов мониторинга радиочастотного спектра, не требующий наличия системы взаимосвязанных технических средств мониторинга радиосигналов [6, 7]. В большинстве случаев предлагаемые реализации метода ЭД исходят из возможности обработки временных выборок искомого сигнала с частотой дискретизации, не ниже порога Найквиста [10, 13, 14]. Предлагаемая в работе практическая реализация метода ЭД, основанного на применении непараметрических статистик, рассчитываемых на базе поступающих с используемого измерительного оборудования периодических спектральных выборок по искомому частотному диапазону, может преодолеть сложившиеся ограничения аналитических оценок эффективности метода ЭД в задачах определения минимального значения SNR, ниже которого уже невозможно обнаружение радиосигнала при данных параметрах измерения, а также учесть свойства конкретных аппаратных платформ, на которых проводится детектирование радиосигналов.

Цель. Представить практическую реализацию метода ЭД, основанную на применении непараметрических статистик, рассчитываемых на базе поступающих с используемого измерительного оборудования периодических спектральных выборок. 

Результаты. Рассмотрен метод ЭД, обеспечивающий возможность обнаружения и мониторинга низкоуровневых радиосигналов, т.е. радиосигналов с низким или отрицательным отношением сигнал/шум. Показано, что чувствительность метода определяется дисперсией собственных шумов используемого измерительного оборудования и может быть заранее установлена для конкретных режимов измерения и используемых длин спектральных выборок. Проведена экспериментальная проверка метода ЭД, которая показала одинаковую эффективность предлагаемого метода для надежного обнаружения как немодулированного шумового сигнала от аналогового генератора, так и эфирных LTE-сигналов от базовых станций сотовой связи. Установлено, что данный метод обеспечивает надежное обнаружение радиосигналов при соотношении сигнал/шум от –11 дБ при длине выборки 30 000 спектров до +0,6 дБ при длине выборки в 470 спектров.

Практическая значимость. Предложенная практическая реализация метода ЭД может быть эффективно использована при обнаружении слабых сигналов в задачах радиомониторинга, исследованиях в области электромагнитной совместимости технических средств и при оценках характеристик радиотрасс со значительным затуханием сигнала при изучении распространения радиоволн. Этот метод не налагает специальных требований на стабильность уровня, тип вероятностного распределения и на наличие характеристики применяемой сигнально-кодовой конструкции детектируемого радиосигнала. 

Потапов А.А. Радиомониторинг низкоуровневых радиосигналов посредством анализа периодических спектральных выборок // Нелинейный мир. 2021. Т. 19. № 3. С. 5−17. DOI: https://doi.org/10.18127/j20700970-202103-01

1. Концепция развития системы контроля за излучениями радиоэлектронных средств и (или) высокочастотных устройств гражданского назначения в Российской Федерации на период до 2025 года: утв. решением ГКРЧ от 4 июля 2017 г. № 17-42-06 // Веб-сайт Министерства цифрового развития, связи и массовых коммуникаций Российской Федерации. М., 2018. URL: https://digital.gov.ru/ru/documents/5659/#tdownloadblock (дата обращения: 15.04.2021).
2. Wiles E., Negus K. Long-term spectrum monitoring and occupancy from 174 to 1000 MHz in rural western Montana // 12th European Conference on Antennas and Propagation (EuCAP 2018). London: IET. 2018. P. 1–5. DOI: 10.1049/cp.2018.1054.
3. Homssi B.A., Al-Hourani A., Evans R. J., Chavez K. G., Kandeepan S., Rowe W., Loney M. Free spectrum for IoT: How much can it take? // 2018 IEEE International Conference on Communications Workshops (ICC Workshops). Kansas City: IEEE. 2018. P. 1–6. DOI: 10.1109/ICCW.2018.8403749.
4. Saavedra Melo M.A., Ramirez Arroyave G.A., Araque Quijano J.L. Spectrum occupation assessment in Bogota and opportunities for cognitive radio systems // 2018 IEEE-APS Topical Conference on Antennas and Propagation in Wireless Communications (APWC). Cartagena: IEEE, 2018. P. 932–935. DOI: 10.1109/APWC.2018.8503802.
5. Mostafa M.G., Haralambous H. Wideband channel availability statistics over the high frequency spectrum in Cyprus //2018 2nd URSI Atlantic Radio Science Meeting (AT-RASC). Meloneras. IEEE. 2018. P. 1–4. DOI: 10.23919/URSI-ATRASC.2018.8471564.
6. Handbook of cognitive radio /Zhang W. – Ed. Singapore: Springer Nature. 2019. 2048 p.
7. Mandloi M., Gurjar D., Pattanayak P., Nguyen H. (Eds.) 5G and beyond wireless systems: PHY layer perspective. Singapore: Springer Nature. 2021. 410 p.
8. Kumar A., Thakur P., Pandit S., Singh G. Performance analysis of different threshold selection schemes in energy detection for cognitive radio communication systems // 2017 Fourth International Conference on Image Information Processing (ICIIP). Shimla. IEEE. 2017. P. 1–6. DOI: 10.1109/ICIIP.2017.8313702.
9. Kumar A., Thakur P., Pandit S., Singh G. Analysis of optimal threshold selection for spectrum sensing in a cognitive radio network: an energy detection approach // Wireless Networks. 2019. № 25. P. 3917–3931.
10. Suneel A.S., Shiyamala S. Peak detection based energy detection of a spectrum under Rayleigh fading noise environment // Journal of Ambient Intelligence and Humanized Computing. 2021. № 12. P. 4237–4245.
11. Lorincz J., Ramljak I., Begušić D. A review of the noise uncertainty impact on energy detection with different OFDM system designs // Computer Communications. 2019. № 148. P. 185–207.
12. Mahendru G., Shukla A., Banerjee P. A novel mathematical model for energy detection based spectrum sensing in cognitive radio networks // Wireless Personal Communications. 2020. № 110. P. 1237–1249.
13. Sarala B., Rukmani Devi S., Sheela J.J. Spectrum energy detection in cognitive radio networks based on a novel adaptive threshold energy detection method // Computer Communications. 2020. № 152. P. 1–7.
14. Verma P. Adaptive threshold based energy detection over Rayleigh fading channel // Wireless Personal Communications. 2020. № 113. P. 299–311.
15. Meeker W.Q., Hahn G.J., Escobar L.A. Statistical intervals: A guide for practitioners and researchers. 2nd. Ed. Hoboken: John Wiley & Sons, Ltd. 2017. 592 p.
16. Захаров П.Н., Королев А.Ф., Потапов А.А., Турчанинов А.В. Исследование радиосигналов базовых станций сотовой связи с применением гиперспектрального радиомониторинга // Нелинейный мир. 2018. Т. 16. № 4. С. 29−40.