ЖУРНАЛ РАДИОЭЛЕКТРОНИКИ. eISSN 1684-1719. 2026. №4

УДК: 621.391.82; 004.8

НЕЙРОСЕТЕВОЕ МОДЕЛИРОВАНИЕ ЭЛЕКТРОМАГНИТНОГО
ИЗЛУЧЕНИЯ ОТ ЭЛЕКТРОННО-ВЫЧИСЛИТЕЛЬНЫХ СРЕДСТВ

З.М. Гизатуллин, И.Д. Фатыхов, Р.С. Нуртдинов

Казанский национальный исследовательский технический университет
им. А.Н. Туполева-КАИ,
420111, г. Казань, ул. К. Маркса, д.10

Статья поступила в редакцию 3 марта 2026 г.

Аннотация. Актуальность темы исследования электромагнитных излучений от электронно-вычислительных средств диктуется аспектами биологической безопасности, защиты информации и электромагнитной совместимости. Использование искусственных нейронных сетей для исследования электромагнитных излучений – это переход от классических детерминированных моделей к интеллектуальному анализу данных, который имеет определенные достоинства по сравнению с аналитическим подходом и физическими измерениями. В статье предложена и практически реализована методика построения нелинейной аппроксимирующей функции электромагнитного излучения от электронно-вычислительных средств, на примере персональных компьютеров, путем применения нейронной сети на основе данных физического измерения на дискретных частотах. Для демонстрации возможности использования данного инструмента создан тестовый экспериментальный стенд для подготовки обучающих и тестовых данных. Для оценки качества решения задачи по тестовой выборке используется средняя абсолютная процентная ошибка. Обучение выполнялось в течение 220 эпох, и средняя абсолютная процентная ошибка для тестовой выборки составило 22 %. Приведены примеры прогнозирования напряженности электромагнитного излучения с использованием обученной нейронной сети. Полученные результаты демонстрируют возможности нейросетевого моделирования при решении задач электромагнитной совместимости.

Ключевые слова: искусственная нейронная сеть, электромагнитное излучение, электронно-вычислительное средство, эксперимент, обучение, моделирование.

Финансирование: работа выполнена в рамках государственного задания Министерства науки и высшего образования FZSU-2026-0007, рег. номер НИОКТР 126020516513-4

Автор для переписки: Гизатуллин Зиннур Марселевич, gzm_zinnur@mail.ru

Литература

1. Мырова Л. О., Грачев Н. Н., Никитина В. Н. Влияние опасных излучений на человека // М. ООО" ВИЗАВИ. – 2017.

2. Keller R. B. Design for electromagnetic compatibility--in a nutshell: theory and practice. – Springer Nature, 2023. – 416 c.

3. Гизатуллин З.М., Шлеймович М.П. Исследование излучаемых электромагнитных помех от энергетических устройств самолета на этапе его модернизации // Известия высших учебных заведений. Авиационная техника. – 2023. – № 3. – С. 159-165.

4. Нуриев М.Г., Гизатуллин Р.М., Гизатуллин З.М. Физическое моделирование электромагнитных помех в беспилотном летательном аппарате при воздействии контактной сети электротранспорта // Известия высших учебных заведений. Авиационная техника. – 2018. – № 2. – С. 137-141.

5. Каляшина А. В., Фаткуллина Л. Ф. Математическое моделирование процесса обработки зашумленных сигналов // Научно-технический вестник Поволжья. – 2023. – №. 6. – С. 65-68.

6. Гатауллин Б. И., Хаерова Э. И., Тумбинская М. В. Разработка тренажера для виртуальной лаборатории инженерно-технической защиты информации //Правовая информатика. – 2025. – №. 4. – С. 46-53. – https://doi.org/10.24412/1994-1404-2025-4-46-53

7. Шарипов Р. Р., Халимов А. З., Перухин М. Ю. Разработка программно-лабораторного комплекса для изучения криптографии на эллиптических кривых //Computational nanotechnology. – 2025. – Т. 12. – №. 4. – С. 71-80. – https://doi.org/10.33693/2313-223X-2025-12-4-71-80

8. Шарипов Р. Р., Катасёв А. С. Анализ клавиатурного почерка пользователей инфокоммуникационных систем на основе полигауссового алгоритма //Информация и безопасность. – 2016. – Т. 19. – №. 4. – С. 587-590.

9. Brunton S. L., Kutz J. N. Data-driven science and engineering: Machine learning, dynamical systems, and control. – Cambridge University Press, 2022.

10. Гизатуллин З.М., Фатыхов И.Д., Нуртдинов Р.С. Прогнозирование побочного электромагнитного излучения от преобразователя электроэнергии с использованием искусственной нейронной сети // Журнал радиоэлектроники. – 2025. – № 8. https://doi.org/10.30898/1684-1719.2025.8.13

11. Куксенко С. П. и др. Разработка программного обеспечения для моделирования радиоэлектронных средств с учетом электромагнитной совместимости в ТУСУР // Наноиндустрия. – 2023. – Т. 16. – №. S9-1 (119). – С. 170.

12. Сафина Р. М. Задача Келдыша для уравнения смешанного типа с сильным характеристическим вырождением и сингулярным коэффициентом //Известия высших учебных заведений. Математика. – 2017. – №. 8. – С. 53-61. – https://doi.org/10.3103/S1066369X17080059

13. ГОСТ Р. 51318.22-99. Совместимость технических средств электромагнитная. Радиопомехи индустриальные от оборудования информационных технологий. Нормы и методы испытаний //М.: Изд-во стандартов. – 2001.

14. Гизатуллин З. М. и др. Простая методика исследования электромагнитного излучения от электронных средств //Журнал радиоэлектроники. – 2016. –
№. 9. – С. 7-7.

15. Гизатуллин З. М. и др. Метод обнаружения контуров на основе весовой модели изображения //Компьютерная оптика. – 2020. – Т. 44. – №. 3. – С. 393-400. – https://doi.org/10.18287/2412-6179-CO-615

16. Гизатуллин З. М. и др. Повышение устойчивости детектора контуров Кэнни к воздействию помех //Научно-технический вестник Поволжья. Учредители: ООО «Рашин Сайнс. – 2023. – №. 7. – С. 25-28.

17. Андреянов Н. В., Сытник А. С., Шлеймович М. П. Программно-аппаратный комплекс для обнаружения объектов на изображениях в интеллектуальной транспортной системе для сельхозтехники // Вестник НЦБЖД. – 2021. – №. 4(50). – С. 14-24.

18. Ляшева М. М. и др. Метод сжатия изображений на основе анализа весов детализирующих коэффициентов вейвлет-преобразования //Инженерный вестник Дона. – 2024. – №. 10 (118). – С. 230-238.

19. Luo M., Huang K. M. Prediction of the electromagnetic field in metallic enclosures using artificial neural networks //Progress In Electromagnetics Research. – 2011. – Т. 116. – С. 171-184. – https://doi.org/10.2528/PIER11031101

20. Khadse C. B., Chaudhari M. A., Borghate V. B. Electromagnetic compatibility estimator using scaled conjugate gradient backpropagation based artificial neural network //IEEE Transactions on Industrial Informatics. – 2016. – Т. 13. – №. 3. – С. 1036-1045. – https://doi.org/10.1109/TII.2016.2605623

21. Евдокимова Т. С., Шлеймович М. П. Оценка эффективности метода расширения наборов данных на основе глубокого обучения с подкреплением //Инженерный вестник Дона. – 2025. – №. 2 (122). – С. 232-241.

22. Гизатуллин З.М. Технология прогнозирования и повышения электромагнитной совместимости цифровых электронных средств при внешних высокочастотных импульсных электромагнитных воздействиях // Технологии электромагнитной совместимости. – 2010. – №3(34). – С. 22-29.

23. Квасников А. А., Куксенко С. П. Обзор экспертных систем по электромагнитной совместимости технических средств //Доклады Томского государственного университета систем управления и радиоэлектроники. – 2021. – Т. 24. – №4. – С. 7-18. – https://doi.org/10.21293/1818-0442-2021-24-4-7-18

24. Сафина Р. М., Шкиндеров М. С., Мубараков Р. Р. Помехоустойчивость систем контроля и управления доступом в здания при воздействии электромагнитных помех по сети электропитания // Журнал радиоэлектроники. – 2021. – №6. – https://doi.org/10.30898/1684-1719.2021.6.9

25. Гизатуллин З. М., Гизатуллин Р. М. Анализ качества электроэнергии в однофазной сети электропитания 220 Вольт 50 Герц //Известия высших учебных заведений. Проблемы энергетики. – 2012. – №. 7-8. – С. 63-71.

Для цитирования:

Гизатуллин З.М., Фатыхов И.Д., Нуртдинов Р.С. Нейросетевое моделирование электромагнитного излучения от электронно-вычислительных средств. // Журнал радиоэлектроники. – 2026. – № 4. https://doi.org/10.30898/1684-1719.2026.4.3