МАТЕМАТИЧНЕ МОДЕЛЮВАННЯ ПРОЦЕСУ РАДІОМОНІТОРИНГУ ІЗ ВИКОРИСТАННЯМ БЕЗПІЛОТНИХ ЛІТАЛЬНИХ АПАРАТІВ
DOI:
https://doi.org/10.46972/2076-1546.2025.29.01Ключові слова:
багатопроменеве завмирання, безпілотний літальний апарат, джерело радіовипромінювання, математичне моделювання, радіомоніторингАнотація
У зв’язку зі стрімкими темпами розвитку техніки радіозв’язку, упровадженням нових радіотехнологій, зростанням швидкостей передавання все більших обсягів інформації, потреба в радіочастотному спектрі загального користування з кожним роком суттєво зростає, тому особливу роль у процесі вдосконалення системи управління радіочастотним спектром відіграє радіомоніторинг. У великих містах зі щільною забудовою із багатоповерхових будівель ведення радіомоніторингу навіть із використанням портативних засобів досить ускладнене, а в деяких випадках практично не можливе. Застосування безпілотних літальних апаратів підвищує гнучкість просторового розміщення засобів радіомоніторингу та швидкість огляду заданої області простору, покращує енергетичну доступність джерел радіовипромінювання за рахунок можливості створення умов прямої видимості. Метою статті є розроблення математичних моделей процесу радіомоніторингу із використанням безпілотних літальних апаратів, що дозволить підвищити ефективність вирішення відповідних завдань в умовах багатопроменевих завмирань за рахунок оптимізації методів та алгоритмів оброблення сигналів. У ході викладення основного матеріалу дослідження визначено завдання та складові процесу радіомоніторингу, описано параметри окремого джерела радіовипромінювання та їх сукупності в деякій області простору із використанням відповідних імовірнісних моделей, а також зазначено параметри засобу радіомоніторингу та середовища поширення радіохвиль. Показано, що планування траєкторії польоту безпілотного літального апарата повинно здійснюватися з урахуванням перешкод та апріорного розподілу щільності розміщення джерел радіовипромінювання в просторі. Наведено моделі прийнятого сигналу для їх вузькосмугових та широкосмугових описів. У разі моделювання процесу пошуку джерел радіовипромінювань доцільно окремо розглядати пошук сигналів у частотно-часовій області та в просторі.
Посилання
Laptiev, O. A. (2020). Metodolohichni osnovy avtomatyzovanoho poshuku tsyfrovykh zasobiv nehlasnoho otrymannia informatsii: monohrafiia [Methodological Foundations of Automated Search for Digital Means of Covert Information Acquisition: Monograph]. Kyiv [in Ukrainian].
Bortnyk, H. H., Vasylkivskyi, M. V., & Kychak, V. M. (2020). Metody ta zasoby tsyfrovoho obroblennia radiosyhnaliv dlia system bezpeky ta monitorynhu: monohrafiia [Methods and Means of Digital Processing of Radio Signals for Security and Monitoring Systems: Monograph]. Vinnytsia [in Ukrainian].
Slobodianiuk, P. V., Blahodarnyi, V. H., & Stupak, V. S. (2008). Dovidnyk z radiomonitorynhu [Handbook of Radio Monitoring]. Nizhyn [in Ukrainian].
Pro zatverdzhennia Poriadku zdiisnennia radiochastotnoho monitorynhu u smuhakh radiochastot zahalnoho korystuvannia : postanova Natsionalnoi komisii, shcho zdiisniuie derzhavne rehuliuvannia u sferakh elektronnykh komunikatsii, radiochastotnoho spektra ta nadannia posluh poshtovoho zv’iazku vid 19.04.2023 № 139 [On Approval of the Procedure for Conducting Radio Frequency Monitoring in Public Radio Frequency Bands: Resolution of the National Commission for State Regulation in the Spheres of Electronic Communications, Radio Frequency Spectrum and Provision of Postal Services from 19.04.2023 № 139]. Retrieved from https://zakon.rada.gov.ua/laws/show/z0758-23#Text [in Ukrainian].
Papoci, P., Radisic, T., & Mustra, M. (2022). Integration of Software Deined Radio on an Unmanned Aerial Vehicle. Transportation Research Procedia, 64, 308–315. https://doi.org/10.1016/j.trpro.2022.09.035
Gul, N., Kim, S., Ali, J., & Kim, J. (2023). UAV Aided Virtual Cooperative Spectrum Sensing for Cognitive Radio Networks. PLoS One, 5, 36. https://doi.org/10.1371/journal.pone.0291077
Abohashish, S. M. M., Rizk, R. Y., & Elsedimy, E. I. (2023). Trajectory Optimization for UAV-Assisted Relay over 5G Networks Based on Reinforcement Learning Framework. J. Wireless Com Network, 55. https://doi.org/10.1186/s13638-023-02268-x
Yan, L., Cai, Y., & Wei, H. (2024). Unmanned Aerial Vehicle-Assisted Wideband Cognitive Radio Network Based on DDQN-SAC. EURASIP. J. Adv. Signal Process, 43. https://doi.org/10.1186/s13634-024-01141-3
Perkins, А. et al. (2016). Demonstration of UAV based GPS Jammer Localization During a Live Interference Exercise. In Proc. the 29th International Technical Meeting of the Satellite. (pp. 3094–3106).
Shang, В. et al. (2020). 3D Spectrum Sharing for Hybrid D2D and UAV Networks. IEEE Transactions on Communications, 68, 9, 5375–5389. https://doi.org/10.1109/TCOMM.2020.2997957
Shen, F., Ding, G., Wang, Z., & Wu, Q. (2019). UAV-Based 3D Spectrum Sensing in Spectrum-Heterogeneous Networks. IEEE Transactions on Vehicular Technology, 68, 6, 5711–5722. https://doi.org/10.1109/TVT.2019.2909167
Jiang, K. et al. (2023). Distributed UAV Swarm Augmented Wideband Spectrum Sensing Using Nyquist Folding Receiver. Electrical Engineering and Systems Science. https://doi.org/10.48550/arXiv.2308.07077
Shen, F. et al. (2022). 3D Compressed Spectrum Mapping with Sampling Locations Optimization in Spectrum-Heterogeneous Environment. IEEE Transactions on Wireless Communications, 21, 1, 326–338. https://doi.org/10.1109/TWC.2021.3095342
Santana, D. et al. (2021). Integrating Cognitive Radio with Unmanned Aerial Vehicles: An Overview. Sensors, 21, 830. https://doi.org/10.3390/s21030830
Overview of the Use of Drones for Spectrum Monitoring Applications. Document WINNF-TR-2009. (2021). Version 1.0.0.
Integrated Drone Solutions. High-performance TRL-9 RF Sensors for MoD, Government Agencies, and Commercial Customers Requiring EW & ISR Sensor Payload Solutions for UAVs. (n.d.). Retrieved from https://www.crfs.com/deployment/integrated-drones
Spectrum Monitoring, Direction Finding and Microwave Link Measurements from the Air. LS OBSERVER Airborne Monitoring Unit (AMU). (n.d.). Retrieved from https://www.lstelcom.com/en/products/airborne-measurements/amu/
Puleko, I. V., Chumakevych, V. O., & Shestak, I. M. et al. (2024). Funktsiia shchilnosti rozpodilu tsilei dlia planuvannia zastosuvannia bezpilotnykh litalnykh aparativ [Target Density Function for UAV Planning]. Problemy stvorennia, vyprobuvannia, zastosuvannia ta ekspluatatsii skladnykh informatsiinykh system: zb. nauk. prats [Problems of Construction, Testing, Application and Operation of Complex Information Systems: Scientific Journal of Korolov Zhytomyr Military Institute], 27 (I), 69–81. https://doi.org/10.46972/2076-1546.2024.27.06 [in Ukrainian].
Diggle, P. J. (2014). Statistical Analysis of Spatial and Spatio-Temporal Point Patterns. (3rd ed.). Taylor & Francis Group, LLC.
Illian, J. et al. (2008). Statistical Analysis and Modelling of Spatial Point Patterns. John Wiley & Sons Ltd.
Streit, R. L. (2010). Poisson Point Processes. Imaging, Tracking, and Sensing. Springer Science+Business Media, LLC.
Bishop, C. M. (2006). Pattern Recognition and Machine Learning. Springer.
Kernel Density Estimation via the Parzen-Rosenblatt Window Method – Explained Using Python. (n.d.). Retrieved from https://sebastianraschka.com/Articles/2014_kernel_density_est.html
Rappaport, T. S. (2010). Wireless Communications: Principles And Practice. 2/E. Pearson Education.
Microwave Mobile Communications. (1974). Ed. by William C. Jakes. A John Wiley & Sons, Inc. Pubucation.
Lathi, B. P., & Ding, Z. (2019). Modern Digital and Analog Communication Systems. (5th ed.). Oxford University Press.
Huang, P., Rajan, D., & Camp, J. (2013). Weibull and Suzuki Fading Channel Generator Design to Reduce Hardware Resources. In IEEE Wireless Communications and Networking Conference. Shanghai, China. (pp. 3443–3448). https://doi.org/10.1109/WCNC.2013.6555117
Stüber, G. L. (2017). Principles of Mobile Communication. (4th ed.). Springer.
Karagiannis, G. A., & Panagopoulos, A. D. (2019). Dynamic Lognormal Shadowing Framework for the Performance Evaluation of Next Generation Cellular Systems. Future Internet, MDPI, 11 (5), 1–18. https://doi.org/10.3390/fi11050106
Patzold, M., & Laue, F. (1998). Statistical Properties of Jakes' Fading Channel Simulator. In VTC '98. 48th IEEE Vehicular Technology Conference. Pathway to Global Wireless Revolution (Cat. No. 98CH36151). Ottawa, ON, Canada. Vol. 2. (pp. 712–718). https://doi.org/10.1109/VETEC.1998.683675
Recommendation ITU-R P.1406-2. Propagation Effects Relating to Terrestrial Land Mobile and Broadcasting Services in the VHF and UHF Bands. (07/2015). Р. Series Radiowave Propagation.
Kim, H. (2015). Wireless Communications Systems Design. John Wiley & Sons, Ltd.
Pätzold, M. (2002). Mobile Fading Channels. John Wiley & Sons, Ltd.
Simon, M. K., & Alouini, M.-S. (2000). Digital Communication over Fading Channels: A Unified Approach to Performance Analysis. John Wiley & Sons, Inc.
Asplund, H. et al. (2006). The COST 259 Directional Channel Model. Part II: Macrocells In IEEE Transactions on Wireless Communications, 5, 12, 3434–3450. https://doi.org/10.1109/TWC.2006.01118
Buhaiov, M. V. (2024). Matematychna model pryiniatoho syhnalu panoramnym zasobom radiomonitorynhu na bezpilotnomu litalnomu aparati [Mathematical Model of the Received Signal by Panoramic Means of Radio Monitoring on an Unmanned Aerial Vehicle]. In Vseukr. mizhvidomchyi nauk.-tekhn. zbirn. ‟Radiotekhnika” [All-Ukrainian interdepartmental scientific and technical collection "Radio engineering"]. Kharkiv. № 219. (pp. 82–91). https://doi.org/10.30837/rt.2024.4.219.09 [in Ukrainian].
Heinz, S. (2011). Mathematical Modeling. Springer.
Davison, A. C. (2003). Statistical Models. Cambridge University Press, Swiss Federal Institute of Technology, Lausanne.
Wasserman L. (2013). All of Statistics: A Concise Course in Statistical Inference. Springer Science & Business Media.
Van Trees, H. L. (2002). Optimum Array Processing. Part IV of Detection, Estimation and Modulation Theory. J.Wiley & Sons, Inc., New York. https://doi.org/10.1002/0471221104
Meng, W. et al. (2025). Advances in UAV Path Planning: A Comprehensive Review of Methods, Challenges, and Future Directions. Drones, 9, 376. https://doi.org/10.3390/drones9050376
Brunton, S. L., & Kutz, J. N. (2019). Data-Driven Science and Engineering. Machine Learning, Dynamical Systems, and Control. Cambridge University Press. https://doi.org/10.1017/9781108380690
Vasylenko, O. (2025). Metody matematychnoho modeliuvannia zastosuvannia roiu udarnykh bezpilotnykh litalnykh aparativ [Methods of Mathematical Modeling of the Use of Swarms of Strike Unmanned Aerial Vehicles]. Povitriana mits Ukrainy [Air Power of Ukraine], 1 (8), 54–70. https://doi.org/10.33099/2786-7714-2025-1-8-54-70 [in Ukrainian].
Yang, Y., Xiong, X., & Yan, Y. (2023). UAV Formation Trajectory Planning Algorithms: A Review. Drones, 7 (1), 62. https://doi.org/10.3390/drones7010062
Zhao, L. et al. (2024). Adaptive Multi-UAV Trajectory Planning Leveraging Digital Twin Technology for Urban IIoT Applications. IEEE Transactions on Network Science and Engineering, 11, 6, 5349–5363. https://doi.org/10.1109/TNSE.2023.3344428
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.
Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
