Підвищення точності спектрально-кореляційного пеленгування та оцінки затримки за допомогою машинного навчання

Автор(и)

DOI:

https://doi.org/10.15587/1729-4061.2025.327021

Ключові слова:

спектрально-кореляційний аналіз, моніторинг радіосигналів, прогнозування параметрів сигналу, точність пеленгації

Анотація

Об’єктом дослідження є процес оцінки затримки та напрямку радіосигналу за допомогою цифрового спектрально-кореляційного аналізу, посиленого машинним навчанням. Цей процес необхідний для високоточної пеленгації в системах електромагнітного моніторингу. Проблема, що розглядається, полягає в низькій адаптивності та недостатній точності традиційних методів пеленгації за умов змінного сигналу, особливо через ручний вибір параметрів і обчислювальну складність кореляційної обробки.

Суть отриманих результатів полягає в застосуванні методу прогнозування параметрів радіосигналу (затримки та кута) на основі машинного навчання, який зменшив стандартне відхилення оцінок пеленгації до 0,08–0,026° та похибку оцінки затримки до 1,5–14,8 мкс у діапазоні відношення сигнал/шум від 9 до 37 дБ. Ці результати підтверджуються усередненням понад 1000 реалізацій за допомогою моделювання Монте-Карло, що підтверджує їх стабільність під впливом шуму. Завдяки своїм відмінним особливостям запропоноване рішення вирішило проблему, забезпечивши автоматичний вибір параметрів обробки через навчену нейронну мережу, яка адаптується до нелінійних характеристик сигналу, мінімізуючи потребу в ручному налаштуванні або вичерпному пошуку.

Ці результати пояснюються здатністю моделі ідентифікувати приховані залежності між параметрами сигналу та результатами обробки, забезпечуючи адаптивну поведінку та зменшуючи відхилення. Хоча оцінка обчислювальної складності не надається, очікується, що оцінка параметрів на основі прогнозування покращить швидкість обробки в майбутніх реалізаціях. Результати можуть бути застосовані в електромагнітному моніторингу в реальному часі, радіоспостереження та оборонних додатках, особливо в умовах обмежених обчислювальних ресурсів або змінних шумових умов

Біографії авторів

Nurzhigit Smailov, Institute of Mechanics and Mechanical Engineering named after Academician U. A. Dzholdasbekov; Satbayev University

Doctor PhD

Department of Radio Engineering, Electronics and Space Technologies

Vitaliy Tsyporenko, Zhytomyr Polytechnic State University

PhD

Department of Biomedical Engineering and Telecommunications

Zhomart Ualiyev, Institute of Mechanics and Mechanical Engineering named after Academician U. A. Dzholdasbekov; Satbayev University

Doctor PhD

Department of Higher Mathematics and Modeling

Аіnur Issova, Institute of Mechanics and Mechanical Engineering named after Academician U. A. Dzholdasbekov

Candidate of Physical and Mathematical Sciences

Zhandos Dosbayev, Institute of Mechanics and Mechanical Engineering named after Academician U. A. Dzholdasbekov; Satbayev University

Doctor PhD

Department of Radio Engineering, Electronics and Space Technologies

Yerlan Tashtay, Satbayev University

PhD, Head of Department

Department of Electronics, Telecommunications, and Space Technologies

Maigul Zhekambayeva, Satbayev University

PhD

Department of Software Engineering

Temirlan Alimbekov, Satbayev University

Department of Computer Science and Sofware Engineering

Rashida Kadyrova, Almaty Academy of Internal Affairs of the Republic of Kazakhstan named after Makana Esbulatova

Department of Cyber Security and Information Technology

Akezhan Sabibolda, Institute of Mechanics and Mechanical Engineering named after Academician U. A. Dzholdasbekov; Almaty Academy of Internal Affairs of the Republic of Kazakhstan named after Makana Esbulatova

PhD

Department of Cyber Security and Information Technology

Посилання

  1. Rembovskij, A. M. (2015). Radio monitoring – tasks, methods, means. Moscow: Hot line. Telekom, 640.
  2. Tsyporenko, V., Tsyporenko, V., Andreiev, O., Sabibolda, A. (2021). Digital spectral correlation method for measuring radio signal reception delay and direction finding. Technical Engineering, 2 (88), 113–121. https://doi.org/10.26642/ten-2021-2(88)-113-121
  3. Elbir, A. M. (2017). Direction Finding in the Presence of Direction-Dependent Mutual Coupling. IEEE Antennas and Wireless Propagation Letters, 16, 1541–1544. https://doi.org/10.1109/lawp.2017.2647983
  4. Tsyporenko, V. V., Tsyporenko, V. G., Nikitczuk, T. M. (2019). Optimization of direct digital method of correlative-interferometric direction finding with reconstruction of spatial analytical signal. Radio Electronics, Computer Science, Control, 3, 15–24. https://doi.org/10.15588/1607-3274-2019-3-2
  5. Duplouy, J., Morlaas, C., Aubert, H., Potier, P., Pouliguen, P. (2019). Wideband Vector Antenna for Dual-Polarized and Three-Dimensional Direction-Finding Applications. IEEE Antennas and Wireless Propagation Letters, 18 (8), 1572–1575. https://doi.org/10.1109/lawp.2019.2923531
  6. Lee, J.-H., Kim, J.-K., Ryu, H.-K., Park, Y.-J. (2018). Multiple Array Spacings for an Interferometer Direction Finder With High Direction-Finding Accuracy in a Wide Range of Frequencies. IEEE Antennas and Wireless Propagation Letters, 17 (4), 563–566. https://doi.org/10.1109/lawp.2018.2803107
  7. Xie, X., Xu, Z. (2018). Direction Finding of BPSK Signals Using Time-Modulated Array. IEEE Microwave and Wireless Components Letters, 28 (7), 618–620. https://doi.org/10.1109/lmwc.2018.2834523
  8. Cai, J., Zhou, H., Huang, W., Wen, B. (2021). Ship Detection and Direction Finding Based on Time-Frequency Analysis for Compact HF Radar. IEEE Geoscience and Remote Sensing Letters, 18 (1), 72–76. https://doi.org/10.1109/lgrs.2020.2967387
  9. He, C., Liang, X., Li, Z., Geng, J., Jin, R. (2015). Direction Finding by Time-Modulated Array With Harmonic Characteristic Analysis. IEEE Antennas and Wireless Propagation Letters, 14, 642–645. https://doi.org/10.1109/lawp.2014.2373432
  10. Rosado-Sanz, J., Jarabo-Amores, M. P., De la Mata-Moya, D., Rey-Maestre, N. (2022). Adaptive Beamforming Approaches to Improve Passive Radar Performance in Sea and Wind Farms’ Clutter. Sensors, 22 (18), 6865. https://doi.org/10.3390/s22186865
  11. Smailov, N., Tsyporenko, V., Sabibolda, A., Tsyporenko, V., Kabdoldina, A., Zhekambayeva, M. et al. (2023). Improving the accuracy of a digital spectral correlation-interferometric method of direction finding with analytical signal reconstruction for processing an incomplete spectrum of the signal. Eastern-European Journal of Enterprise Technologies, 5 (9 (125)), 14–25. https://doi.org/10.15587/1729-4061.2023.288397
  12. Sabibolda, A., Tsyporenko, V., Smailov, N., Tsyporenko, V., Abdykadyrov, A. (2024). Estimation of the Time Efficiency of a Radio Direction Finder Operating on the Basis of a Searchless Spectral Method of Dispersion-Correlation Radio Direction Finding. Advances in Asian Mechanism and Machine Science, 62–70. https://doi.org/10.1007/978-3-031-67569-0_8
  13. Kuttybayeva, A., Sabibolda, A., Kengesbayeva, S., Baigulbayeva, M., Amir, A., Sekenov, B. (2024). Investigation of a Fiber Optic Laser Sensor with Grating Resonator Using Mirrors. 2024 Conference of Young Researchers in Electrical and Electronic Engineering (ElCon), 709–711. https://doi.org/10.1109/elcon61730.2024.10468264
  14. Smailov, N., Tsyporenko, V., Sabibolda, A., Tsyporenko, V., Abdykadyrov, A., Kabdoldina, A. et al. (2024). Usprawnienie cyfrowego korelacyjno-interferometrycznego ustalania kierunku za pomocą przestrzennego sygnału analitycznego. Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska, 14 (3), 43–48. https://doi.org/10.35784/iapgos.6177
  15. Abdykadyrov, A., Smailov, N., Sabibolda, A., Tolen, G., Dosbayev, Z., Ualiyev, Z., Kadyrova, R. (2024). Optimization of distributed acoustic sensors based on fiber optic technologies. Eastern-European Journal of Enterprise Technologies, 5 (5 (131)), 50–59. https://doi.org/10.15587/1729-4061.2024.313455
  16. Marxuly, S., Abdykadyrov, A., Chezhimbayeva, K., Smailov, N. (2024). Study of the ozone control process using electronic sensors. Informatyka Automatyka Pomiary W Gospodarce I Ochronie Środowiska, 14 (4), 38–45. https://doi.org/10.35784/iapgos.6051
  17. Podchashynskyi, Y., Luhovykh, O., Tsyporenko, V., Tsyporenko, V. (2021). Devising a method for measuring the motion parameters of industrial equipment in the quarry using adaptive parameters of a video sequence. Eastern-European Journal of Enterprise Technologies, 6 (9 (114)), 32–46. https://doi.org/10.15587/1729-4061.2021.248624
  18. Zahoruiko, L., Martianova, T., Al-Hiari, M., Polovenko, L., Kovalchuk, M., Merinova, S. et al. (2024). Model matematyczny i struktura sieci neuronowej do wykrywania cyberataków na systemy teleinformatyczne i komunikacyjne. Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska, 14 (3), 49–55. https://doi.org/10.35784/iapgos.6155
  19. Mummaneni, S., Dodda, P., Ginjupalli, N. D. (2024). Inspirowane kojotami podejście do przewidywania tocznia rumieniowatego układowego z wykorzystaniem sieci neuronowych. Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska, 14 (2), 22–27. https://doi.org/10.35784/iapgos.6077
  20. Rayavarapu, S. M., Tammineni, S. P., Gottapu, S. R., & Singam, A. (2024). Przegląd generatywnych sieci przeciwstawnych dla zastosowań bezpieczeństwa. Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska, 14 (2), 66–70. https://doi.org/10.35784/iapgos.5778
  21. Stelmakh, N., Mandrovska, S., Galagan, R. (2024). Zastosowanie sieci neuronowych resnet-152 do analizy obrazów z uav do wykrywania pożaru. Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska, 14 (2), 77–82. https://doi.org/10.35784/iapgos.5862
  22. Lyfar, V., Lyfar, O., Zynchenko, V. (2024). Metody inteligentnej analizy danych z wykorzystaniem sieci neuronowych w diagnozie. Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska, 14 (2), 109–112. https://doi.org/10.35784/iapgos.5746
  23. Limtrakul, S., Wetweerapong, J. (2023). An enhanced differential evolution algorithm with adaptive weight bounds for efficient training of neural networks. Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska, 13 (1), 4–13. https://doi.org/10.35784/iapgos.3366
  24. Bilynsky, Y., Nikolskyy, A., Revenok, V., Pogorilyi, V., Smailova, S., Voloshina, O., Kumargazhanova, S. (2023). Convolutional neural networks for early computer diagnosis of child dysplasia. Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska, 13 (2), 56–63. https://doi.org/10.35784/iapgos.3499
  25. Michalska-Ciekańska, M. (2022). Głębokie sieci neuronowe dla diagnostyki zmian skórnych. Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska, 12 (3), 50–53. https://doi.org/10.35784/iapgos.3042
  26. Gęca, J. (2020). Performance comparison of machine learning algorithms for predictive maintenance. Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska, 10 (3), 32–35. https://doi.org/10.35784/iapgos.1834
  27. Smailov, N., Batyrgaliyev, A., Akhmediyarova, A., Seilova, N., Koshkinbayeva, M., Baigulbayeva, M. et al. (2020). Approaches to Evaluating the Quality of Masking Noise Interference. International Journal of Electronics and Telecommunications, 67 (01), 59–64. https://doi.org/10.24425/ijet.2021.135944
  28. Li, R., Zhao, L., Liu, C., Bi, M. (2022). Strongest Angle-of-Arrival Estimation for Hybrid Millimeter Wave Architecture with 1-Bit A/D Equipped at Transceivers. Sensors, 22 (9), 3140. https://doi.org/10.3390/s22093140
  29. Wang, J., Wang, P., Zhang, R., Wu, W. (2022). SDFnT-Based Parameter Estimation for OFDM Radar Systems with Intercarrier Interference. Sensors, 23 (1), 147. https://doi.org/10.3390/s23010147
  30. Ren, B., Wang, T. (2022). Space-Time Adaptive Processing Based on Modified Sparse Learning via Iterative Minimization for Conformal Array Radar. Sensors, 22 (18), 6917. https://doi.org/10.3390/s22186917
  31. Jwo, D.-J., Cho, T.-S., Demssie, B. A. (2025). Dynamic Modeling and Its Impact on Estimation Accuracy for GPS Navigation Filters. Sensors, 25 (3), 972. https://doi.org/10.3390/s25030972
  32. Smailov, N., Uralova, F., Kadyrova, R., Magazov, R., Sabibolda, A. (2025). Optymalizacja metod uczenia maszynowego do deanonimizacji w sieciach społecznościowych. Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska, 15 (1), 101–104. https://doi.org/10.35784/iapgos.7098
  33. Wang, H., Yu, Z., Wen, F. (2024). Computationally Efficient Direction Finding for Conformal MIMO Radar. Sensors, 24 (18), 6065. https://doi.org/10.3390/s24186065
Підвищення точності спектрально-кореляційного пеленгування та оцінки затримки за допомогою машинного навчання

##submission.downloads##

Опубліковано

2025-04-30

Як цитувати

Smailov, N., Tsyporenko, V., Ualiyev, Z., Issova А., Dosbayev, Z., Tashtay, Y., Zhekambayeva, M., Alimbekov, T., Kadyrova, R., & Sabibolda, A. (2025). Підвищення точності спектрально-кореляційного пеленгування та оцінки затримки за допомогою машинного навчання. Eastern-European Journal of Enterprise Technologies, 2(5 (134), 15–24. https://doi.org/10.15587/1729-4061.2025.327021

Номер

Том 2 № 5 (134) (2025): Прикладна фізика

Розділ

Прикладна фізика

Ліцензія

Авторське право (c) 2025 Nurzhigit Smailov, Vitaliy Tsyporenko, Zhomart Ualiyev, Аіnur Issova, Zhandos Dosbayev, Yerlan Tashtay, Maigul Zhekambayeva, Temirlan Alimbekov, Rashida Kadyrova, Akezhan Sabibolda

Creative Commons License

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

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.

Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.