Детальная информация

Объект исследования. Цифровые радиосигналы шести схем модуляции (BPSK, QPSK, 8QAM, 2FSK, 4FSK, LFM). Цель. Разработка алгоритма автоматической идентификации вида модуляции (AMI) в диапазоне отношения сигнал/шум от–5 до +25 дБ для внедрения в программно-определяемые радиосистемы. Методология. Предложена двухкаскадная структура на базе свёрточных нейросетей: ConstellationNet анализирует геометрию созвездия I/Q-точек и отделяет PSK/QAM-сигналы от «сомнительных» образцов, после чего SpectrumNet уточняет принадлежность последних к частотным классам (2/4 FSK, LFM) по спектрограмме. Результаты. Достигнута точность 99,9 % для LFM и 95,1 % для 2FSK; проблемными остаются QPSK (recall 67,6 %) и 8QAM (76,1 %). Средний F1-score 0,87. Интегральная точность превышает 99 % при SNR ⩾ 0 дБ и составляет около 37 % при −5 дБ. Область применения. Алгоритм пригоден для портативных SDR-приёмников, систем радиомониторинга и РЭБ благодаря низкой вычислительной трудоёмкости и возможности дообучения под новые форматы сигнала. Выводы. Двухэтапный подход улучшает точность на 8–12 % по сравнению с одноступенчатой CNN при сопоставимых ресурсах и обеспечивает реальное-время выполнение на мобильных процессорах.

Object. Six digital modulation schemes (BPSK, QPSK, 8QAM, 2FSK, 4FSK, LFM). Aim. To design a real-time automatic modulation identification (AMI) algorithm robust to SNR variations from–5 to +25 dB for software-defined radios. Methods. Atwo-stage CNNpipelineisproposed: ConstellationNet analyses constellation diagrams and separates PSK/QAM signals from ambiguous cases, while SpectrumNet refines those cases using time–frequency spectrograms. The split representation reduces cross-class confusion and keeps CPU inference below 1.5 ms. Results. The cascade achieves 99.9 % accuracy for LFM and 95.1 % for 2FSK; QPSK (recall 67.6 %) and 8QAM (76.1 %) remain challenging. The mean class F1-score is 0.87. End-to-end accuracy exceeds 99 % for SNR ⩾ 0 dB and drops to 37 % at–5 dB. Application. Owing to its low computational load and transfer-learning capability, the algorithm is suitable for handheld SDR receivers, spectrum-monitoring stations and electronic-warfare equipment. Conclusions. Thetwo-stageapproachprovidesan8–12%accuracygainoversingle-CNN solutions with comparable resources and real-time performance on mobile CPUs.

• Тема выпускной квалификационной работы
  • Введение
  • 1. Обзор литературы и методов классификации цифровых сигналов
  • 2. Разработка метода автоматической классификации цифровых модуляций
  • 3. Апробация результатов исследования
  • Заключение
  • Список сокращений и условных обозначений