ЖУРНАЛ РАДИОЭЛЕКТРОНИКИ. eISSN 1684-1719. 2024. №1
Оглавление выпуска

DOI: https://doi.org/10.30898/1684-1719.2024.1.5

УДК: 621.396.62; 004.032.26

Цифровой радиоприЁмник
на основе нейронной сети

В.В. Евстратько, А.И. Коноваленко, А.В. Мишуров, А.Д. Юхманов

Сибирский федеральный университет
660041, Красноярский край, г. Красноярск, пр. Свободный, 79

Статья поступила в редакцию 15 ноября 2023 г.

Аннотация. Одним из направлений цифровой обработки сигнала, применяемых в радиоприёмниках и исследуемых в настоящее время, является применение искусственных нейронных сетей. Приём сигналов – одна из наиболее сложных теоретических и инженерных задач передачи сообщений. Сложность состоит в том, что сообщения необходимо извлекать из модулированных сигналов, которые в радиоканале подвергаются воздействиям различных искажающих факторов и помех. Поэтому желательно располагать методами приёма, которые были бы наилучшими (оптимальными) в данных конкретных условиях. Существует множество различных топологий нейронных сетей. Известны, однослойные и многослойные прямого распространения – персептроны, рекуррентные сети, самоорганизующиеся сети, а также сети гибридного вида (радиально-базисные, иерархические классификаторы). Каждый из перечисленных видов топологий обладает своими преимуществами и недостатками. В статье проводится анализ текущих исследований и разработок в данной области. Показана реализация радиоприёмника (демодулятора) на основе многослойного персептрона и проведено обучение нейронной сети. С применением оборудования National Instruments стандарта PXI проведено исследование, которое показало, что в сравнении с оптимальным приёмником, вероятность битовой ошибки у приёмника на основе нейронной сети выше. Работа приёмника при воздействии гармонических помех показала, что при увеличении мощности помехи, вероятность ошибки BER возрастает, и чем ближе помеха к несущей частоте, тем BER так же становится выше. Тем не менее, исследуемый цифровой приёмник на основе нейронной сети сохраняет работоспособность при значительных уровнях помех, находящихся достаточно близко к несущей частоте полезного сигнала.

Ключевые слова: цифровая обработка сигнала, радиоприёмник, демодулятор, нейронная сеть, многослойный персептрон, помехоустойчивость, оптимальный прием радиосигналов.

Финансирование: исследование выполнено в рамках государственного задания ФГАОУ ВО Сибирский федеральный университет (номер FSRZ-2023-0008).

Автор для переписки: Мишуров Андрей Валериевич, AMishurov@sfu-kras.ru

Литература

1. Бондарев, В.Н. Цифровая обработка сигналов: методы и средства / В.Н Бондарев, Г. Трестер, В.С. Чернега. – Х.: Конус, 2001. – 398 с.

2. Медведев В.С. Нейронные сети. MATLAB 6 / В.С. Медведев; под общей редакцией В.Г. Потемкина. – М.: ДИАЛОГ-МИФИ, 2002. – 496 с.

3. Данилин, С.Н. Обеспечение точности функционирования нейросетевого устройства оценки параметров гармонических сигналов в радиосистемах / С.Н. Данилин, М.В. Макаров, С.А. Щаников // Радиотехнические и телекоммуникационные системы. – 2014. – № 3(15). – С. 12-17. – EDN QNQVSG.

4. Алгоритм выбора параметров искусственной нейронной сети при оценке амплитуды гармонических сигналов с учетом дестабилизирующих воздействий / С.Н. Данилин, М.В. Макаров, С.А. Щаников, С.В. Пантелеев // Методы и устройства передачи и обработки информации. – 2014. – № 16. – С. 70-73. – EDN SAXTMH.

5. Рашид, Т. Создаем нейронную сеть / Т. Рашид; [перевод с английского]. – СПб. : ООО «Альфа-книга», 2017. – 272 с.

6. Weidong, C. Neural network based demodulator for known binary baseband signal / C. Weidong, W. Tianbao, W. Zhan // 2009 International Conference on Information Technology and Computer Science. – IEEE, 2009. – Т. 2. – С. 553-557.

7. Галушкин, А.И. Нейронные сети: основы теории / А.И. Галушкин. – М.: Горячая линия-Телеком, 2010. – 496 с.

8. Кузнецов, А.В. Применение нейросетевых методов для обработки сигналов в каналах с помехами: специальность 05.13.17 «Теоретические основы информатики»: диссертация на соискание ученой степени кандидата технических наук / Кузнецов Александр Владимирович ; Институт криптографии связи и информатики. – Москва, 2000. – 362 с.

9. Lee, J. Reduced RBF Centers Based Multi-user Detection in DS-CDMA Systems / J. Lee, S. Ravi, J. Hwang // Advances in Hybrid Information Technology. – 2006. – Vol. 4413, P. 249-257.

10. Даровских, С.Н. Обработка дискретных составных частотно-модулированных сигналов посредством нейросетевого анализа / С.Н. Даровских, А.О. Головенко, Н.С. Никитин // Вестник Южно-Уральского государственного университета. Серия: Компьютерные технологии, управление, радиоэлектроника. – 2015. – Т. 15. – № 3. – С. 163-168. – https://doi.org/10.14529/ctcr150321. – EDN UAPVIF.

11. Zhao, R. An End-to-End Demodulation System Based on Convolutional Neural Networks / R. Zhao, J. Wang, J. Li // Journal of Physics: Conference Series. – IOP Publishing, 2021. – Vol. 2026. – №. 1. – P. 58302-58310.

Для цитирования:

Евстратько В.В., Коноваленко А.И., Мишуров А.В., Юхманов А.Д. Цифровой радиоприёмник на основе нейронной сети. // Журнал радиоэлектроники. – 2024. – №. 1. https://doi.org/10.30898/1684-1719.2024.1.5