В.К. Курбаналиев1, М.В. Фесенко2

1,2 АО «ЦНИРТИ им. академика А.И. Берга» (Москва, Россия)

1,2 post@cnirti.ru

Постановка проблемы. Распознавание видов модуляции радиосигналов представляет собой значимую задачу, решаемую в радиотехнических системах различного назначения. В данной работе обосновывается актуальность создания цифрового двойника (ЦД) модуля распознавания видов цифровой модуляции радиосигналов.

Цель. Представить реализацию ЦД модуля распознавания видов цифровой модуляции радиосигналов на основе их статистических характеристик.

Результаты. Разработан ЦД модуля распознавания вида цифровой модуляции сигналов на основе кумулянтного анализа. Предложен алгоритм динамического формирования обучающей выборки в процессе реальной эксплуатации, устраняющий необходимость ручного обучения моделей при изменении условий. Рассмотрена архитектура адаптивного кумулянтного анализатора, позволяющая оптимизировать выбор признаков в зависимости от уровня шума, модуляции и других факторов, влияющих на прием.

Практическая значимость. Предложенный подход может быть использован для модернизации существующих систем радиомониторинга, включая средства обнаружения и классификации несанкционированных источников радиоизлучения, адаптивные системы управления радиоэлектронной обстановкой, системы радиоэлектронного подавления и радиоэлектронной борьбы с модуляционно-зависимой стратегией воздействия.

Курбаналиев В.К., Фесенко М.В. Реализация цифрового двойника модуля распознавания видов цифровой модуляции радиосигналов // Радиотехника. 2025. Т. 89. № 5. С. 105-112. DOI: https://doi.org/10.18127/j00338486-202505-11

1. Цифровые двойники. Науч. серия «Принятие решений в управлении». Монография / Под ред. П.А. Созинова. М.: Радиотехника. 2022. 312 с.
2. Boschert S., Rosen R. Digital twin - the simulation aspect / In: Mechatronic Futures. Springer. 2016. P. 59–74.
3. Cui T., et al. Performance Evaluation of Digital Twin for Cognitive Radio Systems // IEEE Systems Journal. 2022. V. 16(4).
   P. 5760–5770.
4. Rasheed A., San O., Kvamsdal T. Digital twin: values, challenges and enablers // ASME Journal of Computing and Information Science in Engineering. 2020. V. 20(3). Р. 031002.
5. Grieves M. Digital twin: manufacturing excellence through virtual factory replication. White Paper. 2014.
6. Tao F., Qi Q., Liu A., Kusiak A. Digital twins and cyber – physical systems toward smart manufacturing and industry 4.0: correlation and comparison // Engineering. 2019. V. 5(4). P. 653–661.
7. Леонов В.П., Ширяев А.Н. К технике вычисления семинвариантов // Теория вероятности и ее применение. 1959. Т. 4.
   Вып. 3. С. 342–355.
8. Кендалл М.Дж., Стьюарт А. Теория распределений. М.: Наука. 1966.
9. Малахов А.Н. Кумулянтный анализ случайных негауссовых процессов и их преобразований. М.: Советское радио. 1978. 376 с.
10. Курбаналиев В.К., Фесенко М.В., Горбунов Ю.Н. Использование кумулянтного анализа для распознавания цифровых видов модуляции радиосигналов // Радиотехника. 2024. Т. 88. № 5. С. 39-49. DOI: https://doi.org/10.18127/j00338486-202405-04.
11. Аджемов С.С., Кленов Н.В., Терешонок М.В., Чиров Д.С. Методы распознавания видов цифровой модуляции сигналов в когнитивных радиосистемах // Вестник Московского университета. Сер. 3. Физика. Астрономия. 2015. № 6. С. 19-27.
12. Haykin S. Communication Systems. 5th Edition. Wiley. 2009. 608 p.
13. Proakis J.G., Salehi M. Digital Communications. 5th Edition. Mc. Graw-Hill. 2007. 1150 p.
14. Nguyen H.Q., Kim D. Deep Learning-Based Modulation Classification Using Time–Frequency Features // Sensors. 2021. V. 21(14). Р. 4847.