ИРЭ им. В.А. Котельникова РАН English Войти Подать статью
Журнал радиоэлектроники Электронный научный журнал · eISSN 1684-1719
2026, № 4 · СМЕЖНЫЕ ПРОБЛЕМЫ РАДИОЭЛЕКТРОНИКИ

Нейросетевое моделирование электромагнитного излучения от электронно-вычислительных средств

З.М. Гизатуллин1, И.Д. Фатыхов1, Р.С. Нуртдинов1

1 Казанский национальный исследовательский технический университет им. А.Н. Туполева-КАИ, Казань, Россия
Полный текст DOI: 10.30898/1684-1719.2026.4.3 УДК 621.391.82 EDN YUGTJF

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.

  • искусственная нейронная сеть
  • электромагнитное излучение
  • электронно-вычислительное средство
  • эксперимент
  • обучение
  • моделирование
Abstract (in English)

Neural network simulation of electromagnetic radiation from electronic computing devices

The relevance of research electromagnetic radiation from electronic computing devices is dictated by aspects of biological safety, information security, and electromagnetic compatibility. The use of artificial neural networks to study electromagnetic radiation represents a transition from classical deterministic models to data mining, which has certain advantages over analytical approaches and physical measurements. The practical technique for constructing a nonlinear approximating function of electromagnetic radiation from electronic computing devices using neural network simulation based on physical measurement data at discrete frequencies this article proposes. Personal computers are considered as electronic computing devices. To demonstrate the feasibility of using this tool, a test experimental setup for preparing training and test data was created. The mean absolute percentage error is used to evaluate the quality of the problem solution for the test set. Training was performed over 220 epochs, and the mean absolute percentage error for the test set was 22%. Examples of predicting electromagnetic radiation intensity using a trained neural network are provided. The obtained results demonstrate the capabilities of neural network simulation in solving electromagnetic compatibility problems.

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

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.