Details

Данная работа посвящена разработке программных средств,  позволяющих  классифицировать  неизвестные  радиосигналы  в  частотном спектре при различных значениях сигнал/шум. Актуальность  темы  связана с быстрым растущим  количеством  беспроводных устройств и необходимостью  в  более  эффективном  регулировании использования доступных радиочастот, а также контроля за их использованием. Была разработана архитектура нейронной сети для классификации радиосигналов. Были обучены модели глубокого обучения в различных диапазонах сигнал/шум. Были разработаны программные средства, использующие обученные модели для классификации типов модуляций сигналов.

This work is devoted to the development of software tools that allow classifying unknown radio signals in the frequency spectrum at various signal-to-noise values. The relevance of the topic is related to the rapidly growing number of wireless devices and the need for more effective regulation of the use of available radio frequencies, as well as control over their use. An evaluation neural network architecture has been developed to classify radio signals. Deep learning models were trained in various signal/noise ranges. Software tools have been developed that use trained models to classify the types of signal modulations.