Название статьи или книги, фамилия автора, DOI

Исследование возможности применения сверточной нейронной сети YOLOv5 в комплексах радиомониторинга для обнаружения OFDM сигналов

И.Ю. Еремеев1, К.А. Неретина2, В.В. Печурин3

научная статья УДК 621.391:004.032.26 Страницы: 18-27 doi.org/10.18127/j5604128-202303-03

Аннотация

Постановка проблемы. Тенденции развития современных систем связи и передачи данных характеризуются массовым применением OFDM сигналов в различных радиосетях, функционирующих по стандартам Wi-Fi и WiMax. Многосигнальный и многопараметрический характер неопределенности текущей сигнальной обстановки, ее высокая динамика, разнообразие и вариативность условий функционирования обуславливают необходимость совершенствования методов радиоконтроля для своевременного и точного выявления нелегитимных пользователей. Существующие подходы, основанные на применении искусственных нейронных сетей типа YOLOv5, предназначены для решения задач обнаружения и распознавания объектов на изображениях. Вопросы обоснования процедур предварительной обработки данных с выхода средств радиоконтроля с целью согласования с входными слоями искусственной нейронной сети обнаружителя-распознавателя в настоящее время еще не нашли своего решения.

Цель. Оценить различные варианты согласования данных спектрального анализа с входным слоем искусственной нейронной сети YOLOv5 по численным показателям, характеризующим качество решения задачи обнаружения OFDM сигнала в условиях реальной сигнальной обстановки.

Результаты. Оценена работоспособность искусственной нейронной сети по изображениям амплитудного, фазового и модифицированного фазового спектров совокупности OFDM сигнала и фонового шума при отношениях сигнала к шуму от –20 дБ до 20 дБ. Лучшие результаты работы искусственной нейронной сети получены при обнаружении сигналов по изображениям амплитудного и модифицированного фазового спектров. При сравнительно равном количестве обнаружений точность определения области локализации сигнала выше для изображений амплитудного спектра. Однако обнаружение OFDM сигнала на модифицированной фазовой спектрограмме осуществляется в 1,7 раза быстрее при сравнительно малых значениях смещения по частоте и по времени. Предложенная модификация комплексной спектрограммы основана на совпадении постфикса и префикса OFDM слова во временной области.

Практическая значимость. Полученные результаты исследования свидетельствуют о перспективности использования искусственных нейронных сетей для решения задачи обнаружения OFDM сигналов. Дальнейшие исследования могут быть направлены на распознавание искусственными нейронными сетями сигналов с различными видами и параметрами модуляции. Это позволит решать задачу радиоконтроля по своевременному выявлению нелегитимных пользователей ресурса.

Поступила
10.04.2023
Одобрена
28.04.2023
Принята
26.05.2023

Для цитирования

Еремеев И.Ю., Неретина К.А., Печурин В.В. Исследование возможности применения сверточной нейронной сети YOLOv5 в комплексах радиомониторинга для обнаружения OFDM сигналов // Электромагнитные волны и электронные системы. 2023. Т. 28. № 3. С. 18−27. DOI: https://doi.org/10.18127/j15604128-202303-3

Список источников
  1. Рембовский А.М., Ашихмин А.В., Козьмин В.А. Автоматизированные системы радиоконтроля и их компоненты. М.: Горячая линия-Телеком. 2018. 424 с.
  2. Рембовский А.М., Ашихмин А.В., Козьмин В.А. Радиомониторинг – задачи, методы, средства. М.: Горячая линия-Телеком. 2010. 624 с.
  3. Варгаузин В.А., Цикин И.А. Методы повышения энергетической и спектральной эффективности цифровой радиосвязи: учеб. пособие. СПб.: БХВ-Петербург. 2013. 352 с.
  4. IEEE 802.16.3c-01/59r2. OFDM mode for the IEEE 802.16a PHY draft standard, Date Submitted 2001.05.17. 2001. 59 p.
  5. Пукса А.О., Шевченко А.А. Перспективы развития и проблемы OFDM технологии // Сб. ст. победителей IX Международной науч.-практ. конф. «World science: problems and innovations». 2017. С. 99–101.
  6. Fazel K., Kaiser S. Multi-carrier and spread spectrum systems: from OFDM and MC-CDMA to LTE and WiMAX. 2nd ed. Wiley Telecom. 2008. 374 p.
  7. Поветко П.В., Марчук Т.М., Карпушкин Э.М. Особенности формирования радиосигнала для управления беспилотным летательным аппаратом // Материалы Республиканской науч.-практ. конф. «Информационные радиосистемы и радиотехнологии». Минск: БГУИР. 2020. С. 313–315.
  8. Пролетарский А.В., Баскаков И.В., Чирков Д.Н. Беспроводные сети Wi-Fi: учеб. пособие. М.: Интуит НОУ. 2016. 284 с.
  9. Вишневский В.М., Портной С.Л., Шахнович И.В. Энциклопедия WiMAX. М.: Техносфера. 2009. 472 с.
  10. Ерохин Д.Ю., Ершов М.Д. Современные сверточные нейронные сети для обнаружения и распознавания объектов // Цифровая обработка сигналов. 2018. № 3. С. 64–69.
  11. Штанько А.Н. Анализ патентованных изобретений и полезных моделей, использующих сверточные нейронные сети // Нейрокомпьютеры: разработка, применение. 2022. T. 24. № 4. С. 5–17. DOI 10.18127/j19998554-202204-01.
  12. Адамова А.А., Зайкин В.А., Гордеев Д.В. Методы и технологии машинного обучения и нейросетевых технологий в задачах компьютерного зрения // Нейрокомпьютеры: разработка, применение. 2021. T. 23. № 4. С. 25−39. DOI 10.18127/j19998554-202104-03.
  13. Лайонс Р. Цифровая обработка сигналов. Изд. 2-е. М.: ООО «Бином-Пресс». 2006. 656 с.