У статті розглянуто сучасні підходи до аналізу сигналів із розширеним спектром, зокрема таких, що базуються на псевдовипадковій перебудові робочої частоти та чірповому розширенні спектра. Основна увага приділена розробленню та оптимізації ефективних методів спектрально-часового аналізу для ідентифікації та моніторингу таких сигналів у реальних умовах, враховуючи їхню складність і динамічний характер. Особливо акцентовано увагу на застосуванні методів, які забезпечують високу точність, ефективність і стійкість до завад, що є надзвичайно важливими в умовах високої радіочастотної активності. Запропоновано використання комбінованого підходу, що включає швидке перетворення Фур’є, спектрограми та безперервне вейвлетне перетворення із застосуванням вейвлетів Морле, "Мексиканський капелюх" та спеціально адаптованого чірп-вейвлету. Такий підхід дає змогу отримувати детальну інформацію про частотні та часові характеристики сигналів і забезпечувати точність у виявленні нестаціонарних компонентів. У статті представлено результати дослідження сигналів із псевдовипадковою перебудовою робочої частоти та чірповим розширенням спектра. Особливу увагу приділено впливу динаміки частот та умов зашумлення на ефективність ідентифікації сигналів. Проведено порівняння результатів різних методів аналізу, яке демонструє високу ефективність безперервного вейвлетного перетворення у поєднанні з традиційними спектральними методами для розпізнавання нестаціонарних сигналів та визначення їх ключових частотних компонентів. Отримані результати можуть бути корисними для розробки систем радіомоніторингу, аналізу та класифікації складних сигналів у різних сферах, таких як телекомунікації, радіолокація та радіомоніторинг. Дослідження має практичне значення для створення алгоритмів виявлення та аналізу сигналів у сфері сучасних бездротових комунікацій і спеціального зв’язку. Розроблені підходи можуть бути використані в широкому спектрі застосувань, включаючи цивільні та військові системи, що потребують високої точності аналізу та стійкості до впливу перешкод, а також у сфері автоматизованого моніторингу і розпізнавання складних сигналів.
[1]. Guo, T., Zhang, T., Lim, E., López-Benítez, M., Ma, F., & Yu, L. (2022). A review of wavelet analysis and its applications: challenges and opportunities. IEEE Access, vol. 10, pp. 58869–58892. doi:10.1109/ACCESS.2022.3179517
[1]. Maleki, A., Nguyen, H.H., Bedeer, E., & Barton, R. (2024). A Tutorial on Chirp Spread Spectrum Modulation for LoRaWAN: Basics and Key Advances. IEEE Open Journal of the Communications Society, 5, 4578–4612. doi: 10.48550/arXiv.2310.10503.
[2]. Azim, A.W., Shubair, R., & Chafii, M. (2024). Chirp spread spectrum-based waveform design and detection mechanisms for LPWAN-based IoT: a survey. IEEE Access, vol. 12, pp. 24949–24968. doi: 10.1109/ACCESS.2024.3352591
[3]. Ristić, V.B., Todorović, B.M., & Stojanović, N.M. (2022). Frequency Hopping spread spectrum: history, principles and applications. Military Technical Courier, vol. 70(4), pp. 856–876. doi: 10.5937/vojtehg70-38342
[4]. Dmitrenko, T. (2024) “Application Of Uavs Based On The Wavelet Transform Technology In Military Operations: Scouting, Target Location And Navigation”, Computer-integrated technologies: education, science, production, vol. 55, pp. 87-92. doi: 10.36910/6775-2524-0560-2024-55-10.
[5]. Liu, W., & Chen, W. (2019). Recent advancements in empirical wavelet transform and its applications. IEEE Access, vol. 7, pp. 103770–103788. doi: 10.1109/ACCESS.2019.2931807
[6]. Sukholeister,O. and Nakonechny, R. (2024) Enhancing emotion classification through signal fusion and wavelet-based feature extraction, Фізико-математичне моделювання та інформаційні технології, № 1(39), pp 167-178. doi: 10.15407/fmmit2024.39.167.
[7]. Чемерис, К. М. і Дейнега, Л. Ю. (2022) «Застосування методу вейвлет-аналізу для виявлення атак в мережах», Наука і техніка Повітряних Сил Збройних Сил України, № (1(46), с. 99-107. doi: 10.30748/nitps.2022.46.14.