УДОСКОНАЛЕНИЙ ПІДХІД ДО ІДЕНТИФІКАЦІЇ НЕБЕЗПЕЧНИХ ЦИФРОВИХ РАДІОВИПРОМІНЮВАНЬ
DOI:
https://doi.org/10.28925/2663-4023.2026.33.1225Ключові слова:
Приховане виявлення сигналів, квадратична фільтрація, завадостійкість, цифрове радіовипромінювання, низькочастотна фільтрація, когерентне підсумовування, співвідношення сигнал/шум (С/Ш), безпечний зв'язок, оцінка щільності правдоподібностіАнотація
Ідентифікація та класифікація цифрових радіовипромінювань становить значну технічну проблему, особливо в електромагнітно-конкурентних середовищах. У даному дослідженні розглядаються методи низькочастотної фільтрації, що аналізують архітектури, де вихідна величина демонструє лінійну або квадратичну залежність від амплітуди вхідного сигналу. Ці фільтрувальні механізми функціонують шляхом когерентного агрегування детермінованих елементів сигналу, дозволяючи випадковим шумовим компонентам накопичуватися некогерентно. Цей процес призводить до конструктивного посилення енергії сигналу поряд із сублінійним зростанням потужності шуму, що суттєво покращує співвідношення сигнал/шум (С/Ш). Прямокутний імпульс було використано як модель сучасних хвильових форм цифрового зв'язку для обох типів фільтрів. Проведено всебічний статистичний аналіз у часовій та частотній областях, оцінюючи такі метрики, як дисперсія, математичне сподівання, коефіцієнти кореляції та С/Ш. Для об'єктивної оцінки ефективності фільтрації запроваджено нову метрику під назвою «коефіцієнт корисної дії», яка вимірює приріст надійності виявлення. Моделювання додатково досліджувало реакції напруги огинаючої від ідеального смугового фільтра, збудженого прямокутними імпульсами різної тривалості, імітуючи системи з низькою ймовірністю перехоплення (LPI). Дослідження підтверджує, що приховані сигнали можуть бути ефективно виділені за допомогою двовимірного оцінювання щільності правдоподібності. Системна інтеграція вузькосмугової низькочастотної фільтрації підвищила завадостійкість виявлення повітряних цифрових сигналів на 23%, посилюючи операційну стійкість у ворожих середовищах, актуальних для електронної боротьби та радіорозвідки.
Завантаження
Посилання
Africa, A. D. M., Abello, A. J. A., Gacuya, Z. G., Naco, I. K. A., & Valdes, V. A. R. (2019). Face recognition using MATLAB. International Journal of Advanced Trends in Computer Science and Engineering, 8(4), 1110-1116.
Abello, A. J. A., Y., G. F., Domingo, M. J. T. J., & Malubay, S. A. S. (2019). Power measurement model optimization using MATLAB. International Journal of Advanced Trends in Computer Science and Engineering, 8(3), 538-542.
Laptiev, O., Savchenko, V., Syrotenko, A., Shchypanskyi, P., & Matsko, O. (2020). International Journal of Innovative Technology and Exploring Engineering, 9(4), 2114-2119.
Bezruk, V. M., Chebotareva, D. V., & Skorik, Yu. V. (2017). Multicriteria analysis and selection of telecommunications facilities. SMIT.
Barabash, O., Sobchuk, V., Sobchuk, A., Musienko, A., & Laptiev, O. (2025). Algorithms for synthesis of functionally stable wireless sensor network. Advanced Information Systems, 9(1), 70-79. https://doi.org/10.20998/2522-9052.2025.1.08
Petrivskyi, V., Shevchenko, V., Yevseiev, S., Milov, O., Laptiev, O., Bychkov, O., Fedoriienko, V., Tkachenko, M., Kurchenko, O., & Opirsky, I. (2022). Development of a modification of the method for constructing energy-efficient sensor networks using static and dynamic sensors. Eastern-European Journal of Enterprise Technologies, 1(9(115)), 15-23. https://doi.org/10.15587/1729-4061.2022.252988
Lukova-Chuiko, N., Herasymenko, O., Toliupa, S., Laptieva, T., & Laptiev, O. (2021). The method detection of radio signals by estimating the parameters signals of eversible Gaussian propagation. In 2021 IEEE 3rd International Conference on Advanced Trends in Information Theory (ATIT 2021) (pp. 67-70).
Laptiev, O., Tkachev, V., Maystrov, O., Krasikov, O., Openko, P., Khoroshko, V., & Parkhuts, L. (2021). The method of spectral analysis of the determination of random digital signals. International Journal of Communication Networks and Information Security, 13(2), 271-277. https://doi.org/10.54039/ijcnis.v13i2.5008
Kyrychok, R., Laptiev, O., Lisnevsky, R., Kozlovsky, V., & Klobukov, V. (2022). Development of a method for checking vulnerabilities of a corporate network using Bernstein transformations. Eastern-European Journal of Enterprise Technologies, 1(9(115)), 93-101. https://doi.org/10.15587/1729-4061.2022.253530
Laptiev, O., Musienko, A., Nakonechnyi, V., Sobchuk, A., Gakhov, S., & Kopytko, S. (2023). Algorithm for recognition of network traffic anomalies based on artificial intelligence. In 2023 5th International Congress on Human-Computer Interaction, Optimization and Robotic Applications (HORA). https://doi.org/10.1109/HORA58378.2023.10156702
Hu, Z., Mukhin, V., Kornaga, Y., Barabash, O., & Herasymenko, O. (2016). Analytical assessment of security level of distributed and scalable computer systems. International Journal of Intelligent Systems and Applications, 8(12), 57-64. https://doi.org/10.5815/ijisa.2016.12.07
Datsenko, S., & Kuchuk, H. (2023). Biometric authentication utilizing convolutional neural networks. Advanced Information Systems, 7(2), 87-91. https://doi.org/10.20998/2522-9052.2023.2.12
Salnikov, D., Karaman, D., & Krylova, V. (2023). Highly reconfigurable soft-CPU based peripheral modules design. Advanced Information Systems, 7(2), 92-97. https://doi.org/10.20998/2522-9052.2023.2.13
Petrovska, I., & Kuchuk, H. (2023). Adaptive resource allocation method for data processing and security in cloud environment. Advanced Information Systems, 7(3), 67-73. https://doi.org/10.20998/2522-9052.2023.3.10
Gavrylenko, S., Poltoratskyi, V., & Nechyporenko, A. (2024). Intrusion detection model based on improved transformer. Advanced Information Systems, 8(1), 94-99. https://doi.org/10.20998/2522-9052.2024.1.12
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2026 Олександр Лаптєв, Олег Барабаш, Іван Пархоменко, Тетяна Лаптєва, Сергій Лаптєв
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
