М.Л. Артёмов1, М.П. Сличенко2, С.П. Трушин3

1-3 АО «Концерн «Созвездие» (г. Воронеж, Россия)

1,3 Воронежский государственный университет (г. Воронеж, Россия)

1 m.l.artemov@sozvezdie.su; 2 m.p.slichenko@sozvezdie.su

Постановка проблемы. Применение искусственных нейронных сетей для решения задач обнаружения и идентификации структур сигналов как объектов на изображении не ориентировано на работу в реальной высокодинамичной и насыщенной радиоэлектронной обстановке с интенсивным изменением параметров радиосигналов и радиолиний. Принципиальная трудность в создании актуального полного и достоверного эталонного описания радиотехнических параметров обнаруживаемых радиолиний обуславливает необходимость создания высоко универсальных и адаптивных алгоритмов их идентификации, что значительно ограничивает спектр применения нейросетевого подхода для решения обозначенных задач.

Цель. Разработать метод обнаружения границ радиосигнала в частотно-временно́й области на основе оператора многомерного матричного окна.

Результаты. Предложены новый оператор многомерного матричного окна и соответствующее ему статистическое правило адаптивного обнаружения угла прямоугольной сигнальной области на частотно-временно́й панораме. Получено точное аналитическое выражение для распределения решающей статистики обнаружения, а также вероятностей ложной тревоги и пропуска сигнала. Проведено лабораторное исследование показателей эффективности предлагаемого алгоритма по обнаружению сигнальных областей имитируемых радиолиний БПЛА, подтвердившее работоспособность нового метода и качественно лучшие результаты обнаружения по сравнению со случаем классической одномерной обработки.

Практическая значимость. Реализация предложенного метода позволяет обнаруживать и различать радиосигналы современных радиолиний связи и передачи данных в условиях реальной сложной электромагнитной обстановки, характеризующейся взаимным наложением частотно-временны́х областей сигналов различных радиолиний при априорной неопределенности относительно уровня шума.

Артёмов М.Л., Сличенко М.П., Трушин С.П. Метод обнаружения границ радиосигнала в частотно-временной области на основе оператора многомерного матричного окна // Радиотехника. 2024. Т. 88. № 12. С. 5−15. DOI: https://doi.org/10.18127/j00338486-202412-01

1. Артёмов М. Л., Борисов В.И., Маковий В.А., Сличенко М.П. Автоматизированные системы управления, радиосвязи и радиоэлектронной борьбы. Основы теории и принципы построения / Под. ред. М.Л. Артёмова. М.: Радиотехника. 2021.
2. Артёмов М.Л., Афанасьев О.В., Сличенко М.П. Обнаружение и пеленгование источников радиоизлучений в рамках теории статистической радиотехники // Радиотехника. 2016. Т. 80. № 5. С. 4-18.
3. Артёмов М.Л., Афанасьев О.В., Сличенко М.П. Методы статистической радиотехники в современном решении задач радиомониторинга // Антенны. 2016. № 6. С. 55-62.
4. Артёмов М.Л., Борисов С.Г., Сличенко М.П. Характеристики максимально правдоподобного обнаружения радиосигналов моноимпульсными обнаружителями-пеленгаторами с антенной системой произвольной конфигурации // Радиотехника, 2014. Т. 78. № 11. С. 11-14
5. Артёмов М.Л., Абрамова Е.Л., Сличенко М.П. Пространственно многоканальное адаптивное обнаружение радиосигналов в частотной области при неидентичных каналах приема // Радиотехника. 2014. Т. 78. № 11. С. 5-10
6. Костылев В.И., Сличенко М.П. Энергетическое обнаружение радиосигналов на фоне негауссовского шума неизвестной интенсивности // Известия вузов. Сер. Радиофизика. 2009. Т. 52. № 11. С. 910-920.
7. Костылев В.И., Сличенко М.П. Энергетическое обнаружение частично поляризованных радиосигналов на фоне гауссов-ского шума // Известия вузов. Сер. Радиофизика. 2010. Т. 53. № 12. С. 803-814.
8. Костылев В.И., Сличенко М.П. Решающая статистика энергетического обнаружителя при приеме радиосигналов на фоне полигауссовского шума // Вестник Воронежского государственного университета. Серия «Физика. Математика». 2010. № 1. С. 26-30.
9. Костылев В.И., Сличенко М.П. Адаптивное энергетическое обнаружение квазидетерминированных радиосигналов на фоне негауссовского шума // Радиотехника и электроника. 2011. Т. 56. № 6. С. 698-704.
10. Сличенко М.П. Многоканальный энергетический обнаружитель неизвестных квазидетерми-нированных радиосигналов // Теория и техника радиосвязи. 2014. № 3. С. 49-56.
11. Sobel I., Feldman G. A 3´3 Isotropic Gradient Operator for Image Processing. 1968
12. Prewitt J.M.S. (Lipkin B., Rosenfeld A., Eds.). Object enhancement and extraction // Picture Processing and Psychopictorics. New York: Academic Press. 1970. Р. 75-149.
13. Roberts L.G. (Tippett J.T., et al., Eds.). Machine perception of three-dimensional solids // Optical and Electro-Optical Information Processing. May 1965
14. Canny J. A Computational approach to edge detection // IEEE Transactions on Pattern Analysis and Machine Intelligence. 1986. V. 8. № 6. Р. 679–698.
15. Trajković M., Hedley M. Fast Corner Detection // Image and Vision Computing. 1998. V. 16. № 2. Р. 75-87.
16. Přibyl B., Chalmers A., Zemcík P., Hooberman L. Evaluation of feature point detection in high dynamic range imagery // Journal of Visual Communication and Image Representation. 2016. V. 38. № 2. Р. 141-160.
17. Smith S.M., Brady J.M. SUSAN-A new approach to low level image processing // International Journal of Computer Vision. 1997. V. 23. № 1. Р. 45-78.
18. Rosten E. Faster and better: a machine learning approach to corner detection // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2010. V. 32. № 1. Р. 105-119.
19. Rattarangsi A., Chin R.T. Scale-based detection of corners of planar curves // Transactions on Pattern Analysis and Machine Intelli-gence. 1992. V. 14. Р. 430–434.
20. Xiao Chen He, Nelson H. C. Yung. Corner detector based on global and local curvature properties // Optical Engineering. 2008. V. 47. № 5.
21. Rodehorst V., Koschanb A. Comparison and evaluation of feature point detectors. 2006.
22. Tuytelaars Tinne, Mikolajczyk Krystian. Local invariant feature detectors // A Survey Foundations and TrendsR in Computer Graphics and Vision. 2007. V. 3. № 3. Р. 177–280.
23. Кестер У. Аналогово-цифровое преобразование. М.: Техносфера. 2007. 1019 с.
24. Айфичер Э., Джервис Б. Цифровая обработка сигналов, практический подход. М.: ООО «И.Д. Вильямс». 2004. 992 с.
25. Вудс Р., Гонсалес Р., Эддинс С. Цифровая обработка изображений в среде MatLab. М.: Техносфера. 2006. 616 с.
26. Колмогоров А.Н. Основные понятия теории вероятностей. М.: Фазис. 1998. 130 с.
27. Сличенко М.П. Обобщенные распределения хи-квадрат и Фишера-Синдекора в задачах обнаружения источников радио-излучения // Теория и техника радиосвязи. 2022. № 3. С. 45–51.
28. Сличенко М.П. Многоканальный энергетический обнаружитель неизвестных квазидетерминированных радиосигналов // Теория и техника радиосвязи. 2014. № 3. С. 49-56.
29. Тихонов В.И. Оптимальный прием сигналов. М.: Радио и связь. 1983. 320 с.