Обнаружение зондирующих радиолокационных сигналов с внутриимпульсной модуляцией методом синхросжатого преобразования Фурье 2-го порядка в системах когнитивной радиоэлектронной борьбы
- 1,2 АО «ЦНИРТИ им. академика А.И. Берга» (Москва, Россия)
Аннотация
Постановка проблемы. Современные комплексы радиолокационных станций (РЛС) функционируют в нескольких режимах, соответствующих адаптивным алгоритмам работы, что существенно усложняет их обнаружение. Основной задачей бортовых комплексов РЭБ, предназначенных для анализа радиоэлектронной обстановки, является заблаговременное обнаружение РЛС противника. Тенденции развития систем РЭБ обуславливают переход к использованию искусственного интеллекта (ИИ), в качестве замены человеческого ресурса при поиске зондирующих сигналов со стороны противника. Такая замена дает возможность не только полностью автоматизировать процесс поиска, но и выявлять характерные параметры сигналов, такие как вид модуляции, частоту, длительность импульсов и др. в режиме реального времени. Стандартные методы анализа электромагнитного спектра (ЭМС), основанные на оконных методах преобразования Фурье, в большинстве случаев не дают достаточного числа признаков для определения модуляций, что, в свою очередь, снижает вероятность обнаружения источников излучения и увеличивает время обработки данных. Сочетание технологий ИИ и машинного обучения с передовыми технологиями РЭБ позволяет наглядно продемонстрировать эффективность применения нейронных сетей при обнаружении зондирующих сигналов РЛС противника с внутриимпульсной модуляцией (ВИМ). Задача распознавания модуляций эффективно решается нейронными сетями. Однако при этом требуется формировать определенное число признаков, которые могут быть получены не только с помощью представления сигналов в высоком разрешении частотно-временно́й области, но и в энергетическом представлении, для чего целесообразно использовать синхросжатое преобразование Фурье 2-го порядка (СЖПФВП).
Цель. Разработать метод распознавания внутриимпульсной модуляции зондирующих сигналов с применением СЖПФВП для формирования изображений состояния радиоэлектронной среды с последующим определением типа внутриимпульсной модуляции при помощи сверточной нейронной сети (СНС).
Результаты. Проведен сравнительный анализ точности распознавания модуляций зондирующих радиолокационных сигналов при разных методах обработки сигналов и архитектур нейронных сетей для определение наиболее эффективной комбинации методов. Представлен метод распознавания зондирующих сигналов РЛС с ВИМ, использующий СЖПФВП на основе оконного преобразования Фурье в сочетании с модифицированной СНС MeNet. Рассмотрена архитектура MeNet, позволяющая идентифицировать сигналы РЛС с ВИМ в условиях низкого отношения сигнал/шум (ОСШ). Выполнено моделирование разработанного метода, результаты которого показали, что с его помощью можно достичь общей скорости распознавания 95,6% при ОСШ = −12 дБ, что соответствует функционированию в сложных электромагнитных условиях.
Практическая значимость. Представленные результаты подтверждают, что применение СПФВП для формирования изображений принятых сигналов обеспечивает более высокую концентрацию энергии в изображениях, что дает хорошие результаты при распознавании зондирующих сигналов РЛС даже при отрицательных значениях ОСШ.
- Поступила
- 03.09.2026
- Одобрена
- 10.09.2026
- Принята
- 30.09.2026
Для цитирования
Калябин Е.В., Просвиров А.В. Обнаружение зондирующих радиолокационных сигналов с внутриимпульсной модуляцией методом синхросжатого преобразования Фурье 2-го порядка в системах когнитивной радиоэлектронной борьбы // Радиотехника. 2026. Т. 90. № 10. С. 110−123. DOI: https://doi.org/10.18127/j00338486-202610-09
Список источников
- Андреев Г.И., Тихомиров В.А., Замарин М.Е. Проблемы искусственного интеллекта в технической области радиоэлектронной борьбы // Радиотехника. 2024. Т. 88. № 5. С. 5−14. DOI: https://doi.org/10.18127/j00338486-202405-01.
- Geroleo F.G., Brandt-Pearce M. Detection and estimation of lfmcw radar signals // IEEE Transactions on Aerospace and Electronic Systems. Jan. 2012. V. 48. № 1. Р. 405–418.
- Wei S., Qu Q., Wu Y., Wang M., Shi J. PRI modulation recognition based on squeeze-and-excitation networks // IEEE Commun. Lett. 2020. № 24. Р. 1047–1051.
- Chen K., Zhu L., Chen S., Zhang S., Zhao H. Deep residual learning in modulation recognition of radar signals using higher-order spectral distribution // Measurement. 2021. № 185. Р. 109945.
- Jin X., Ma J., Ye F. Radar signal recognition based on deep residual network with attention mechanism // In Proceedings of the 2021 IEEE 4th International Conference on Electronic Information and Communication Technology (ICEICT). Xi’an. China. 18–20 August 2021. Р. 428–432.
- Huynh-The T., Doan V.-S., Hua C.-H., Pham Q.-V., Nguyen T.-V., Kim D.-S. Accurate LPI radar waveform recognition with CWD-TFA for deep convolutional network // IEEE Wireless Commun. Lett. 2021. № 10. Р. 1638–1642.
- Wang F., Yang C., Huang S., Wang H. Automatic modulation classification based on joint feature map and convolutional neural network // IET Radar Sonar Navig. 2019. № 13. Р. 998–1003.
- Chen K., Zhang S., Zhu L., Chen S., Zhao H. Modulation recognition of radar signals based on adaptive singular value reconstruction and deep residual learning // Sensors. 2019. № 21. Р. 449.
- Lang P., Fu X., Martorella M., Dong J., Qin R., Feng C., Zhao C. RRSARNet: A novel network for radar radio sources adaptive recognition // IEEE Trans. Veh. Technol. 2021. № 70. Р. 11483–11498.
- Huynh-The T., Pham Q.-V., Nguyen T.-V., da Costa D.B., Kim D.-S. RaComNet: High-performance deep network for waveform recognition in coexistence radar-communication systems // In Proceedings of the IEEE International Conference on Communications (ICC). Seoul, Republic of Korea. 16–20 May 2022. Р. 1–6.
- Auger F., Flandrin P., Lin Y.-T., McLaughlin S., Meignen S., Oberlin T., Wu H.-T. Time-frequency reassignment and synchrosqueezing: An overview // IEEE Signal Process. Mag. 2013. № 30. Р. 32–41.
- Oberlin T., Meignen S., Perrier V. Second-order synchrosqueezing transform or invertible reassignment? Towards ideal time-frequency representations // IEEE Trans. Signal Process. 2015. № 63. Р. 1335–1344.