Нейромережеве виявлення та детектування фазо- і частотно-модульованих сигналів у вузькосмугових радіоканалах

Abstract

У статті розглянуто нейромережевий підхід до виявлення та детектування фазо- і частотно-модульованих сигналів у вузькосмугових радіоканалах за умов адитивного шуму та зсуву несучої частоти. Актуальність дослідження зумовлена обмеженнями класичних алгоритмів детектування, зокрема фазових автопідлаштовувальних петель і фільтраційних методів, ефективність яких істотно знижується за відсутності апріорної інформації про параметри сигналу та каналу. Запропоновано метод спільного нейромережевого виявлення і детектування, що базується на безпосередньому аналізі IQ-вибірок прийнятого сигналу без реалізації явних процедур синхронізації. Як модель обробки використано багатошаровий перцептрон, навчений на синтетичних вибірках, сформованих для широкого діапазону відношень сигнал/шум і значень зсуву несучої частоти. Проведено порівняльний аналіз запропонованого методу з класичними підходами, зокрема схемою Костаса та двосмуговою фільтрацією, за однакових умов моделювання. Результати чисельних експериментів підтверджують підвищення точності виявлення та детектування фазо- і частотно-модульованих сигналів, а також зменшення чутливості до зсуву несучої частоти в умовах низького відношення сигнал/шум. Отримані результати свідчать про доцільність застосування нейромережевих методів у некооперативних радіосистемах і задачах автоматизованого радіомоніторингу

This paper investigates a neural-network-based approach to the detection and demodulation of phase- and frequency-modulated signals in narrowband radio channels under additive noise and carrier frequency offset conditions. The relevance of the study is driven by the limitations of classical detection algorithms, including phase-locked loops and filter-based methods, whose performance degrades significantly in the absence of a priori information about signal and channel parameters. A joint neural detection and demodulation method is proposed, based on the direct analysis of received IQ samples without explicit synchronization procedures. A multilayer perceptron is employed as the processing model and trained on synthetically generated datasets covering a wide range of signal-to-noise ratios and carrier frequency offsets. A comparative analysis of the proposed method with conventional approaches, including the Costas loop and dual-band filtering, is carried out under identical simulation conditions. Numerical results demonstrate improved detection and demodulation accuracy, as well as reduced sensitivity to carrier frequency offsets in low signal-to-noise ratio regimes. The obtained results confirm the potential of neural-network-based methods for application in non-cooperative radio systems and automated radio monitoring tasks.