Цифровые технологии сигнального радиовидения и радиомониторинга

Цели. Цель работы – разработка методов и алгоритмов векторного анализа радиоволновой деформации нестационарных полей, образующих сигнальное радиоизображение, определяемое радиофизическими и топологическими признаками малоразмерных объектов; создание программно-аппаратных средств регистрации и нейросетевого распознавания сигнальных радиоизображений, в т.ч. методов синтеза и экстракции сигнальных радиогеномов при помощи цифровых двойников объектов, полученных посредством векторного электродинамического моделирования; анализ сигнальных радиоизображений, наводимых элементами печатной топологии электронных устройств.
Методы. Использованы методы статистической радиофизики, частотно-временные методы вейвлетпреобразования финитных во времени сигнальных радиоизображений, численные методы электродинамики при создании цифровых двойников малоразмерных объектов, а также нейросетевые алгоритмы аутентификации, основанные на кумулянтной теории полюсно-генетических и резонансных физически неклонируемых функций (ФНФ), используемых при распознавании сигнальных радиоизображений.
Результаты. Приведены научные результаты фундаментальных исследований электродинамических эффектов векторно-волновой деформации нестационарных полей субнаносекундной конфигурации, представляющие интерес при распознавании и аутентификации сигнальных радиоизображений. Предложены нейросетевые методы кумулянтного формирования радиогеномов сигнальных радиоизображений на базе полюсно-генетических и резонансных функций.
Выводы. Показано, что радиогеном – уникальный аутентификатор радиоизображения – формируется в базисе ФНФ, определяемых структурой и набором радиофизических параметров объекта. Выявлены кумулянтные признаки распознавания сигнальных радиоизображений в базисе полюсно-генетических и резонансных ФНФ малоразмерных объектов. 

1. Костин М.С., Бойков К.А. Радиоволновые технологии субнаносекундного разрешения: монография. М.: РТУ МИРЭА; 2021. 142 с. ISBN 978-5-7339-1565-4

2. Костин М.С., Бойков К.А. Сигнально-архитектурный реинжиниринг и радиосенсорное распознавание электронных средств: учебник. М.: Вологда: Инфра-Инженерия; 2024. 152 с. ISBN 978-5-9729-1832-4

3. Шадинов С.С. Пространственная сверхширокополосная визуализация зондируемых объектов ближнего радионаблюдения. Журнал радиоэлектроники. 2020;7. https://doi.org/10.30898/1684-1719.2020.7.8. URL: http://jre.cplire.ru/jre/jul20/8/text.pdf

4. Nerukh A., Benson T. Non-stationary Electromagnetics. USA: Jenny Stanford Publishing; 2012. 616 p. https://doi.org/10.1201/b13058

5. Allen B., Dohler M., Okon E.E., et al. Ultra-Wideband Antennas and Propagation for Communications, Radar and Imaging. USA: John Wiley & Sons; 2007. 475 p.

6. Mahafza B.R. Radar Signal Analysis and Processing Using Matlab. USA: CRC Press; 2016. 504 p.

7. Carrer L., Yarovoy A.G. Concealed weapon detection using UWB 3-D radar imaging and automatic target recognition. In: The 8th European Conference on Antennas and Propagation (EuCAP). 2014. Р. 2786–2790. https://doi.org/10.1109/EuCAP.2014.6902403

8. Günther L. Electromagnetic Field Theory for Engineers and Physicists. Berlin, Heidelberg: Springer; 2010. 659 p.

9. Oppermann I., Hämäläinen M., Iinatti J. UWB: Theory and Applications. John Wiley & Sons; 2004. 248 p.

10. Taylor J.D. (Ed.). Advanced Ultrawideband Radar. Signals, Targets, and Advanced Ultrawideband Radar Systems. Boca Raton, USA: CRC Press; 2016. 494 p.

11. Wang X., Dinh A., Teng D. Radar Sensing Using Ultra Wideband – Design and Implementation. In: Matin M.A. (Ed.). Ultra Wideband – Current Status and Future Trends. 2013;11:41–63. https://dx.doi.org/10.5772/48587

12. Шадинов С.С., Костин М.С., Коняшкин Г.В., Корчагин А.С., Романовский М.Ю., Гусейн-заде Н.Г. Векторный S-параметрический анализ сигнальных фазодинамических радиоизображений. Доклады Российской академии наук. Физика, технические науки. 2023;512(1):78–86. https://doi.org/10.31857/S2686740023050115

13. Бойков К.А. Определение параметров электронных устройств методом пассивной радиосенсорной технической диагностики. Известия высших учебных заведений России. Радиоэлектроника. 2021;24(6):63–70. https://doi.org/10.32603/1993-8985-2021-24-6-63-70

14. Лебедев Е.Ф., Осташев В.Е., Ульянов А.В. Устройства генерирования сверхширокополосных излучений радиочастотного диапазона с генераторами возбуждения полупроводникового типа. Вестник Концерна ВКО «Алмаз – Антей». 2018;1(24):35–42.

15. Boikov K.A., Shamin A.E. Software Analysis of the Signal Radio Profile during Passive Radio-Sensor Technical Diagnostics. J. Commun. Technol. Electron. 2022;67(11):1337–1344. https://doi.org/10.1134/S1064226922110018

16. Астахов Н.В., Башкиров А.В., Журилова О.Е., Макаров О.Ю. Частотно-временной анализ нестационарных сигналов методами вейвлет-преобразования и оконного преобразования Фурье. Радиотехника. 2019;83(6–8):109–112.

17. Herder C., Ren L., van Dijk M., Yu M.-D., Devadas S. Trapdoor Computational Fuzzy Extractors and Cryptographically-Secure Physical Unclonable Functions. IEEE Transactions on Dependable and Secure Computing. 2017;14(1):65–82. https://doi.org/10.1109/TDSC.2016.2536609

18. Лукьянчиков А.В., Лызлов А.В. Система мониторинга радио эфира с использованием технологии SDR. СВЧ-техника и телекоммуникационные технологии. 2021;3:69–70. URL: https://elibrary.ru/dxiqdb

19. Huang R., Cui H. Consistency of chi-squared test with varying number of classes. J. Syst. Sci. Complex. 2015;28(2):439–450. https://doi.org/10.1007/s11424-015-3051-2

20. Liu Y., Mu Y., Chen K., et al. Daily Activity Feature Selection in Smart Homes Based on Pearson Correlation Coefficient. Neural Process. Lett. 2020;51(2):1771–1787. https://doi.org/10.1007/s11063-019-10185-8