Аналіз архітектур Dense Neurla Network для класифікації сигналів на основі комплексних вибірок

Автор(и)
DOI:
https://doi.org/10.34169/2414-0651.2025.3(47).57-64
Ключові слова:
Array, Array, Array, Array, Array, Array, Array, Array, Array
Анотація

У статті проведено аналіз ефективності архітектури глибинного навчання – Dense Neural Network (DNN) – у задачі класифікації радіосигналів за ознаками, отриманими з комплексних низькочастотних вибірок (інфазної та квадратурної компонент). Для формування вхідного вектору ознак використано спектральну щільність потужності, обчислену методом Велча, а також додаткові статистичні, амплітудно-фазові та частотно-енергетичні характеристики сигналу. Модель було навчено, валідовано та протестовано на єдиному наборі ознак для забезпечення об’єктивності оцінки. Продуктивність оцінювалася за метриками точності, повноти, F1-міри та побудованими матрицями неточностей. Експериментальні результати показали, що Dense Neural Network здатна забезпечувати високу якість класифікації сигналів навіть у випадках змінних характеристик сигналу. Запропонований підхід може бути застосований у системах автоматизованого моніторингу та аналізу радіочастотного спектра, а також у задачах виявлення та ідентифікації сигналів у складних електромагнітних умовах.

Біографії авторів
  1. автор Вадим Слюсар, афіліація Центральний науково-дослідний інститут озброєння та військової техніки Збройних Сил України

    доктор технічних наук, професор, член IEEE

  2. автор Вадим Козлов, афіліація Центральний науково-дослідний інститут озброєння та військової техніки Збройних Сил України

    кандидат технічних наук

Посилання

Kumar, S., Ahmadb, I., Höyhtyäc, M., Khand, S. & Gurtove, A. Deep Learning Frameworks for Cognitive Radio Networks: Review and Open Research Challenges. Available at: https://arxiv.org/pdf/2410.23949.

Kim, S., Kim, J., Doan, V. & Kim, D. Lightweight Deep Learning Model for Automatic Modulation Classification in Cognitive Radio Networks. Available at: https://www.researchgate.net/publication/346433098_Lightweight_Deep_Learning_Model_for_Automatic_Modulation_Classification_in_Cognitive_Radio_Networks.

Fekry, O., Abdalla, M. & Elsayed, A. Deep Learning-Based Automatic Modulation Classification Using Robust CNN Architecture for Cognitive Radio Networks. Available at: https://www.researchgate.net/publication/346433098_Lightweight_Deep_Learning_Model_for_Automatic_Modulation_Classification_in_Cognitive_Radio_Networks.

O’Shea,T. J., Roy, T. & Clancy, T. C. Over-the-Air Deep Learning Based Radio Signal Classification. Available at: https://arxiv.org/abs/1712.04578.

O’Shea, J. Hoydis. An Introduction to Deep Learning for the Physical Layer. Available at: https://arxiv.org/abs/1702.00832.

Welch, P. The Use of Fast Fourier Transform for the Estimation of Power Spectra: A Method Based on Time Averaging Over Short, Modified Periodograms. Available at: https://ieeexplore.ieee.org/document/1161901.

Krizhevsky, H., Sutskever, I. & Hinton, G. E. ImageNet Classification with Deep Convolutional Neural Networks. Available at: https://dl.acm.org/doi/10.1145/3065386.

Chollet, F. Keras: Deep Learning Library for Python. Available at: https://keras.io.

M. Abadi et al. TensorFlow: Large-Scale Machine Learning on Heterogeneous Systems. Available at: https://www.tensorflow.org.

Haykin, S. Communication Systems. Available at: https://onlinelibrary.wiley.com/doi/book/10.1002/9781119474744.

SciPy documentation – Signal Processing. Available at: https://docs.scipy.org/doc/scipy/reference/signal.html.

IQ Data Explained. PE0SAT Satellite Ground Station : Available at: https://www.pe0sat.vgnet.nl/sdr/iq-data-explained/.

IQ Signal Master Vector Signal Analysis Software. Anritsu : Available at: https://www.anritsu.com/en-us/test-measurement/products/mx280005a.

Cover Image
Завантаження
Опубліковано
30.09.2025
Номер
Том 47 № 3 (2025): Озброєння та військова техніка
Розділ
ІНФОРМАЦІЙНІ СИСТЕМИ
Ліцензія

Авторське право (c) 2026 Вадим Слюсар,Вадим Козлов,Денис Козлов

Creative Commons License

Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.

Як цитувати

Аналіз архітектур Dense Neurla Network для класифікації сигналів на основі комплексних вибірок. (2025). Озброєння та військова техніка, 47(3), 57-64. https://doi.org/10.34169/2414-0651.2025.3(47).57-64

Статті цього автора (цих авторів), які найбільше читають

<< < 1 2