RU176647U1 - Устройство приема и распознавания шумоподобных сигналов с импульсами гармонической формы - Google Patents
Устройство приема и распознавания шумоподобных сигналов с импульсами гармонической формы Download PDFInfo
- Publication number
- RU176647U1 RU176647U1 RU2017103255U RU2017103255U RU176647U1 RU 176647 U1 RU176647 U1 RU 176647U1 RU 2017103255 U RU2017103255 U RU 2017103255U RU 2017103255 U RU2017103255 U RU 2017103255U RU 176647 U1 RU176647 U1 RU 176647U1
- Authority
- RU
- Russia
- Prior art keywords
- signals
- adc
- interference
- artificial
- output
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
- H04B1/06—Receivers
- H04B1/10—Means associated with receiver for limiting or suppressing noise or interference
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
- H04B1/06—Receivers
- H04B1/10—Means associated with receiver for limiting or suppressing noise or interference
- H04B1/1027—Means associated with receiver for limiting or suppressing noise or interference assessing signal quality or detecting noise/interference for the received signal
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Noise Elimination (AREA)
Abstract
Полезная модель относится к радиоэлектронике и может быть использована при решении задач автоматизированной идентификации сигналов в системах радиомониторинга. Также может быть использована для уверенного приема информационных импульсных сигналов на фоне естественных или искусственных помех и для определения параметров искусственных помех в системах радиоэлектронной разведки.Общетехнической задачей является уверенный прием информационных сигналов на фоне искусственных или естественных помех.Технической задачей полезной модели является повышение уверенного приема полезных сигналов на фоне искусственных или случайных помех, т.е. повышение помехоустойчивости.Технический результат достигается за счет построения электрической схемы на основе применения нейронной сети.Для решения поставленной задачи предлагается устройство приема и распознавания шумоподобпых сигналов, основанное на использовании подобия нейронной сети, при этом каждый бит принимаемой информации логических сигналов через свой дендрит соединен с нейроном, выход которого через аксон соединен с пользователем, причем в качестве дендритов применены АЦП, в качестве нейрона - микропроцессор, в качестве аксона - выходное согласующее устройство, причем микропроцессор дополнительно связан с ЛЦП шинами связи: пуском АЦП, считывания с АЦП информации и тактовой шиной. 5 ил.
Description
Полезная модель относится к радиоэлектронике и может быть использована при решении задач автоматизированной идентификации сигналов в системах радиомониторинга. Также может быть использована для уверенного приема информационных импульсных сигналов на фоне естественных или искусственных помех и для определения параметров искусственных помех в системах радиоэлектронной разведки.
Известны устройства для решения подобных задач, см. например, Варакин Л.Е. "Система связи с шумоподобными сигналами", М, "Радио и Связь", 1985 г., стр. 384, в котором каждый бит информации в передатчике смешивается с цифровой псевдослучайной последовательностью, обладающей хорошими корреляционными свойствами. Для отделения полезного сигнала от смешанной с ним последовательности в приемнике используется коррелятор. Коррелятор, который побитно сравнивает принимаемую смесь сигналов и последовательности с копией такой же последовательности, хранящейся в его памяти.
Недостатками устройств, основанных на корреляции сравниваемых полезных сигналов и помехи, является некорректное преобразование в случае, если лог. 0 и лог. 1 будут находится не выше 0,3 В и не ниже 2,4 В (Для ТТл-логики).
Известно "Устройство автоматизированной идентификации сигналов на основе нейронной сети", см. патент РФ №135434, в котором содержится: формирователь вектора параметров сигнала; запоминающее устройство хранение векторов параметров сигналов соответствующих классов и сигнала и сведения об избыточности векторов параметров сигнала и определяющий диапазоны нормирования элементов векторов, его недостатком является, что оно, в основном, предназначено для повышения быстродействия, а вопрос помехоустойчивости является второстепенным, вследствие этого в условиях повышенных искусственных или естественных помех его применение может быть некорректным.
Общетехнической задачей является умеренный прием информационных сигналов на фоне искусственных или естественных помех.
Технической задачей полезной модели является повышение уверенного приема полезных сигналов на фоне искусственных или случайных помех, т.е. повышение помехоустойчивости.
Технический результат достигается за счет построения электрической схемы на основе применения подобия нейронной сети.
Для решения поставленной задачи предлагается:
Устройство приема и распознавания шумоподобных сигналов с импульсами гармонической формы, основанное на использовании искусственной нейронной сети, отличающейся тем, что каждый бит принимаемой информации логических сигналов пораженных помехами через свой дендрит соединен с нейроном, выход которого соединен с аксоном, выход которого является выходом устройства, причем в качестве дендритов применены АЦП, в качестве нейрона - микропроцессор, в качестве аксона - приемник полезного расшифрованного сигнала, причем микропроцессор связан с АЦП шинами связи: пуском АЦП, считывания с АЦП информации и тактовой шиной, а приемник полезного расшифрованного сигнала является выходом устройства.
Устройство предоставлено следующими чертежами: фиг. 1 - уровни лог. 0 и лог. 1 принимаемого сигнала внутри "мертвой зоны" ТТЛ - логики, фиг. 2 - уровни лог. 0 и лог. 1 принимаемого сигнала, которые выходят за пределы распознавания ТТл - логики, на фиг. 3 - схема нейронной сети принимаемого сигнала в случае изменения уровня лог. 1, вызванного внешними факторами, фиг. 4 - электрическая принципиальная схема устройства, фиг. 5 - показана последовательности Баркера длиной 13 разрядов, пораженная двумя кратковременными помехами в течение одного периода.
На фиг. 3 и 4 показано:
1 - входная импульсная информационная последовательность
2 - линейка дендритов (она же линейка АЦП) (дендрит 2…N)
3 - нейрон (микропроцессор)
4 - аксон (выходное устройство)
Устройство фиг. 3 и 4 имеет следующие соединения: 1 соединен со своим дендридом 2-1…2-N (на фиг. 3) или, что тоже самое со своим АЦП - линейки 2, выходы всех дендридов - АЦП 2 соединены со входом микропроцессора 3, выход которого через аксон 4 - (выходное устройство 4) является выходом непосредственно устройства.
Для того чтобы обработка сигналов с уровнями, показанными на фиг. 1, стала возможной, предлагается использовать искусственную нейронную сеть, точнее ее подобие на основе современного высокого развития микроэлектроники. Как известно, нейронная сеть [2] состоит из нейронов и связей между ними - аксонов и дендритов. Нейрон собирает информацию о происходящих в зоне его ответственности процессах через десятки тысяч дендритов, принимает решение на основе полученных данных, и передает его через единственный выход - аксон. Несмотря на то, что сигналы между нейронами в мозге человека обмениваются сигналами длительностью несколько миллисекунд, что очень медленно в сравнении с быстродействием современных компьютеров, человек способен намного быстрее компьютера обрабатывать поступающую аналоговую информацию - изображение, запах, вкус и т.д. Искусственные нейронные сети широко применяются для решения задач моделирования и прогнозирования в экономике, кибернетике, робототехнике и математике.
Применить искусственную нейронную сеть для обработки шумоподобных сигналов в приемнике предлагается следующим образом; см. фиг. 3 и 4.
Параллельная обработка при приеме шумоподобных сигналов хорошо известна и применяется в корреляторах и согласованных фильтрах некоторых технических систем. Однако указанная обработка опирается па постоянство уровней логических нуля и единицы, в то время как вследствие импульсных помех, многолучевости при перемещении абонента или источника помехи, одинаковые логические уровни в принимаемом сигнале могут сильно различаться. Поэтому применение нейронной сети, способной к обучению и использованию полученных ранее знаний, позволит улучшить разборчивость принимаемой кодовой комбинации и таким образом повысить помехоустойчивость канала связи.
Техническая реализация дендритов, нейронов и аксонов в данном патенте не ограничивается каким-либо конкретным решением.
Кроме обработки шумоподобных сигналов в данном патенте нейронная сеть может быть использована также для анализа помеховой обстановки и классификации действующих на систему связи помех, как показано на рис. 5.
Несмотря на повреждение принимаемой последовательности Баркера двумя помехами, ее корректный прием и распознавание возможно благодаря существующим техническим решениям. Применение нейронной сечи в данном случае позволит накапливать информацию о периодичности, величине, других характеристиках воздействия внешних помех на канал связи. Полученная информация может быть использована для классификации действующих на канал связи помех, как искусственного, так и естественного происхождения. Предварительная информация о возможных помехах позволит дополнительно улучшить помехоустойчивость канала связи.
Выходное устройство это в общем случае приемник полезного расшифрованного сигнала, сигналы которого могут быть использованы где-угодно, например в принтере для его печати, в мониторе для визуального просмотра, в ПК и т.д., т.е. без пользователя выходное устройство не имеет смысла.
1. Варакин Л.Е. Системы связи с шумоподобными сигналами. - М: «Радио и связь», 1985. - 384 с.
2. Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика. М.: Горячая линия - Телеком, 2001. - 382 с. - ISBN 5-93517-031-0.
3. Патент РФ №135434 «Устройство автоматизированной системы сигналов на основе нейронной сети».
Claims (1)
- Устройство приема и распознавания шумоподобных сигналов с импульсами гармонической формы, основанное на использовании искусственной нейронной сети, отличающееся тем, что каждый бит принимаемой информации логических сигналов, пораженных помехами, через свой дендрит соединен с нейроном, выход которого соединен с аксоном, выход которого является выходом устройства, причем в качестве дендритов применены АЦП, в качестве нейрона - микропроцессор, в качестве аксона - приемник полезного расшифрованного сигнала, причем микропроцессор связан с АЦП шинами связи: пуском АЦП, считывания с АЦП информации и тактовой шиной, а приемник полезного расшифрованного сигнала является выходом устройства.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2017103255U RU176647U1 (ru) | 2017-01-31 | 2017-01-31 | Устройство приема и распознавания шумоподобных сигналов с импульсами гармонической формы |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2017103255U RU176647U1 (ru) | 2017-01-31 | 2017-01-31 | Устройство приема и распознавания шумоподобных сигналов с импульсами гармонической формы |
Publications (1)
Publication Number | Publication Date |
---|---|
RU176647U1 true RU176647U1 (ru) | 2018-01-24 |
Family
ID=61024285
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2017103255U RU176647U1 (ru) | 2017-01-31 | 2017-01-31 | Устройство приема и распознавания шумоподобных сигналов с импульсами гармонической формы |
Country Status (1)
Country | Link |
---|---|
RU (1) | RU176647U1 (ru) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU219015U1 (ru) * | 2022-12-14 | 2023-06-22 | Общество с ограниченной ответственностью "АТЛАНТ" | Нейросетевой адаптивный фильтр электрического сигнала |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1996035270A1 (en) * | 1995-05-01 | 1996-11-07 | Omnipoint Corporation | Method and apparatus for despreading spread spectrum signals |
RU2128881C1 (ru) * | 1997-12-16 | 1999-04-10 | Воронежский научно-исследовательский институт связи | Адаптивное приемное устройство шумоподобных сигналов |
SU1840708A1 (ru) * | 1977-08-17 | 2008-06-27 | ФГУП Воронежский НИИ связи | Устройство выделения шумоподобных сигналов |
RU135434U1 (ru) * | 2012-12-10 | 2013-12-10 | Антон Евгеньевич Манохин | Устройство автоматизированной идентификации сигналов на основе нейронной сети |
RU160783U1 (ru) * | 2015-10-19 | 2016-03-27 | Акционерное общество "Концерн "Созвездие" | Преобразователь случайного широкополосного сигнала |
-
2017
- 2017-01-31 RU RU2017103255U patent/RU176647U1/ru not_active IP Right Cessation
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU1840708A1 (ru) * | 1977-08-17 | 2008-06-27 | ФГУП Воронежский НИИ связи | Устройство выделения шумоподобных сигналов |
WO1996035270A1 (en) * | 1995-05-01 | 1996-11-07 | Omnipoint Corporation | Method and apparatus for despreading spread spectrum signals |
RU2128881C1 (ru) * | 1997-12-16 | 1999-04-10 | Воронежский научно-исследовательский институт связи | Адаптивное приемное устройство шумоподобных сигналов |
RU135434U1 (ru) * | 2012-12-10 | 2013-12-10 | Антон Евгеньевич Манохин | Устройство автоматизированной идентификации сигналов на основе нейронной сети |
RU160783U1 (ru) * | 2015-10-19 | 2016-03-27 | Акционерное общество "Концерн "Созвездие" | Преобразователь случайного широкополосного сигнала |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU219015U1 (ru) * | 2022-12-14 | 2023-06-22 | Общество с ограниченной ответственностью "АТЛАНТ" | Нейросетевой адаптивный фильтр электрического сигнала |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108764077B (zh) | 一种基于卷积神经网络的数字信号调制分类方法 | |
CN112307969A (zh) | 一种脉冲信号的分类辨识方法、装置及计算机设备 | |
CN110138480A (zh) | 训练频谱感知模型的方法及系统、频谱感知方法及系统 | |
Ye et al. | Comparison of neural network architectures for spectrum sensing | |
Konopko et al. | Radar signal recognition based on time-frequency representations and multidimensional probability density function estimator | |
JP2018007240A (ja) | Rfid受信装置および無線信号に符合化されたデータビットを抽出する方法 | |
Walton et al. | Unsupervised anomaly detection for digital radio frequency transmissions | |
Bragagnolo et al. | Authentication of underwater acoustic transmissions via machine learning techniques | |
RU176647U1 (ru) | Устройство приема и распознавания шумоподобных сигналов с импульсами гармонической формы | |
Zhang et al. | Modified subspace method based on convex model for underdetermined blind speech separation | |
Yang et al. | Partial discharge signal extraction method based on EDSSV and low rank RBF neural network | |
Kadushkin et al. | Determination of Occurrence Conditions for Periodically Non-Stationary Random Process with Establishing PSK-n Phase at the Output of the Linear Selective System | |
CN108399700A (zh) | 防盗方法和智能设备 | |
Bocus et al. | A comparison of UWB CIR and WiFi CSI for human activity recognition | |
Li et al. | Dynamic spectrum tracking using energy and cyclostationarity-based multi-variate non-parametric quickest detection for cognitive radios | |
GB2600178A (en) | RF fingerprint signal processing device and rf fingerprint signal processing method | |
CN112329523A (zh) | 一种水声信号种类识别方法、系统及设备 | |
Tang et al. | A novel approach for automatic recognition of LPI radar waveforms based on CNN and attention mechanisms | |
Li et al. | Monitoring disturbances in smart grids using distributed sequential change detection | |
Akhmedov | Neural radio in DS-UWB IoT applications | |
Kipnis et al. | A factor-graph clustering approach for detection of underwater acoustic signals | |
Jaffer et al. | Coupled detection-estimation of Gaussian processes in Gaussian noise | |
US20170187554A1 (en) | Communication device and method for signal determination in radio communication | |
Han et al. | Semantic-aware transmission for robust point cloud classification | |
CN113283450A (zh) | 图像识别方法、装置、设备及计算机存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM9K | Utility model has become invalid (non-payment of fees) |
Effective date: 20180201 |