МАТЕМАТИЧНА МОДЕЛЬ ПІДСИСТЕМИ ПОШУКУ АВТОМАТИЗОВОГО КОМПЛЕКСУ РАДІОРОЗВІДКИ
DOI:
https://doi.org/10.46972/2076-1546.2026.30.11Ключові слова:
радіоелектронна розвідка, пошук і пропуск сигналу, хибна тривога, автоматизоване оброблення сигналів, спеціальне програмне забезпечення, матеріали радіоперехоплення, пост радіоперехоплення, автоматизований комплекс пошуку, частотно-часовий простірАнотація
Функціонування системи управління військами й озброєнням ґрунтується на безперервній роботі засобів зв’язку, радіотехнічного забезпечення та різноманітних радіоелектронних комплексів, тому з урахуванням досвіду сучасних бойових дій, можна стверджувати, що радіоелектронна розвідка є найбільш інформативним та ефективним видом воєнної розвідки.
Сучасні системи радіорозвідки функціонують в умовах високої щільності передавачів, завадових впливів та апріорної невизначеності параметрів сигналів. Це потребує створення алгоритмічно й апаратно ефективних автоматизованих систем пошуку, здатних забезпечувати виявлення, аналіз та класифікацію широкого спектра радіосигналів у частотно-часовому просторі за обмежених ресурсів.
Стрімке зростання складності, інтенсивності та динамічності сучасного радіоефіру зумовлює необхідність удосконалення методів автоматизованого пошуку, розпізнавання та технічного аналізу сигналів. Системи радіорозвідки, що функціонують у військових, спеціальних або цивільних інформаційно-телекомунікаційних середовищах, мають забезпечувати надійну ідентифікацію широкого спектра джерел радіовипромінювання в умовах високої невизначеності та змішаних завадових впливів.
Пошук сигналів у ході ведення радіорозвідки має ієрархічний характер, що полягає в досягненні кінцевої мети шляхом послідовного виконання процедур від нижчих рівнів до вищих. Зокрема, це може бути енергетичний пошук сигналів, вимірювання їх параметрів та характеристик, класифікація джерел радіовипромінювання, ідентифікація
об’єктів тощо.
За таких умов традиційні алгоритми пошуку, що ґрунтуються на статичних процедурах виявлення та фіксованих порогових критеріях, не забезпечують необхідних показників ефективності. Тому актуальною є побудова формалізованої, математично обґрунтованої та системно оптимізованої моделі автоматизованого комплексу пошуку, яка враховує багатовимірну природу сигналів, стохастичні характеристики середовища та обмеження апаратно-програмної реалізації.
Об’єктом дослідження є процес пошуку як метод добування розвідувальної інформації, а предметом – підсистема пошуку автоматизованого комплексу радіорозвідки, що реалізується на основі сучасних алгоритмів панорамного огляду спектра, енергетичного виявлення, виділення ознак та інтелектуальних процедур селекції потоків тривог.
Отримані наукові результати спрямовані на підвищення оперативності та достовірності ведення радіоелектронної розвідки за рахунок автоматизації ключових етапів оброблення радіосигналів, зменшення навантаження на оператора, підвищення ймовірності виявлення сигналів низької інтенсивності та мінімізації хибних тривог у складних умовах радіообстановки.
Застосування запропонованих підходів забезпечує стандартизацію дій, скорочення часу реакції, підвищення точності прийняття рішень та узгодженість роботи різнорівневих елементів системи радіомоніторингу, що в комплексі істотно підвищує ефективність виконання завдань радіоелектронної розвідки.
Посилання
Bortnyk, H. H., & Nehur, A. A. (2020). Tsyfrova obrobka radiosyhnaliv u prystroiakh pryimannia [Digital Radio Signal Processing in Receiving Devices]. Vinnytsia [in Ukrainian].
Bortnyk, H. H., & Kyryliuk, S. O. (2019). Pervynna obrobka radiosyhnaliv u tsyfrovykh pryimachakh [Primary processing of radio signals in digital receivers]. Vinnytsia [in Ukrainian].
Romanov, O. M., Nikolaiev, S. M., & Orliuk, Ye. I. (2022). Model kompleksu radiomonitorynhu yak bahatofaznoi systemy masovoho obsluhovuvannia [Radio Monitoring Complex Model as Multi-Phase Queuing System]. Visti VNZ. Radioelektronika [Radioelectronics and Communications Systems], 65, 3, 145–152. https://doi.org/10.3103/S0735272722030050 [in Ukrainian].
Hrebeniuk, O. P., & Rohovets, M. A. (2021). Zastosuvannia prostorovoi obrobky v systemakh radiomonitorynhu [Application of spatial processing in radio monitoring systems]. Problemy stvorennia skladnykh informatsiinykh system [Problems of Creation of Complex Information Systems], 2, 96–104 [in Ukrainian].
Kozlovskyi, V. A., & Kovalchuk, O. V. (2020). Avtomatyzatsiia protsesiv radiomonitorynhu v suchasnykh systemakh rozvidky [Automation of Radio Monitoring Processes in Modern Intelligence Systems]. Systemy upravlinnia, navihatsii ta zviazku [Systems of Control, Navigation and Communication], 4, 87–94 [in Ukrainian].
Liashenko, V. O., & Savchenko, O. M. (2019). Metody vyiavlennia syhnaliv u skladnii radioelektronnii obstanovtsi [Methods of signal detection in a complex radio-electronic environment]. Naukovi visti NTUU «KPI» [KPI Science News], 6, 56–63 [in Ukrainian].
Shevchenko, I. V., & Parkhomenko, A. P.(2021). Informatsiini tekhnolohii v systemakh radioelektronnoi rozvidky [Information Technologies in Electronic Intelligence Systems]. Informatsiini tekhnolohii ta kompiuterna inzheneriia [Information Technology and Computer Engineering], 2, 34–41 [in Ukrainian].
Stoica, P., Moses, R. L. (2005). Spectral Analysis of Signals. Upper Saddle River: Prentice Hall.
Kay, S. M. (1998). Fundamentals of Statistical Signal Processing. Vol. II: Detection Theory. Prentice Hall.
Proakis, J. G., & Manolakis, D. K. (2007). Digital Signal Processing. Pearson Education.
Richards, M. A. (2005). Fundamentals of Radar Signal Processing. McGraw-Hill.
Skolnik, M. I. (2008). Radar Handbook. McGraw-Hill.
Poor, H. V. (1994). An Introduction to Signal Detection and Estimation. https://doi.org/10.1007/978-1-4757-2341-0
Greco, M. S., Gini, F., & Rangaswamy, M. (2012). Statistical Analysis of Radar Clutter Data. IEEE TAES, 48, 3, 2342–2361.
Pham, Q.-V., et al. (2020). Intelligent Radio Signal Processing: A Survey. IEEE Access, 8, 15625–15644.
Tandiya, N., et al. (2018). Deep Predictive Coding Neural Network for RF Anomaly Detection in Wireless Networks. In IEEE International Conference on Communications Workshops (ICC Workshops). https://doi.org/10.1109/ICCW.2018.8403654
Eldar, Y. C., & Kutyniok, G. (2012). Compressed Sensing: Theory and Applications. Cambridge Univ. Press. https://doi.org/10.1017/CBO9780511794308
Pemasiri, A., et al. (2024). Automatic Radar Signal Detection and FFT Estimation Using Deep Learning. In 17th International Conference on Signal Processing and Communication System (ICSPCS) https://doi.org/10.1109/ICSPCS63175.2024.10815794
Simon, M. K., & Divsalar, D. (2005). Foundations of Digital Communication. Wiley.
Haykin, S. (2012). Cognitive Dynamic Systems. Cambridge Univ. Press. https://doi.org/10.1017/CBO9780511818363
Hatsenko, S. S., Metalidi, O. H., Bohatyrov, S. O., & Vasyliayko, I. I. (2024). Application of Software for Comprehensive Intelligence Collection in the Interests of Enemy Fire Engagement. Collection of Scientific Papers of the Center for Military and Strategic Studies of the National Defence University of Ukraine, 1 (80), 87–93. URL: https://znp-cvsd.nuou.org.ua/article/view/305724 (last accessed: 10.03.2026).
Ivanov, O. V., Kuznietsov, D. O., & Hryhorak, S. V. (2020). Indicators for Assessing the Informational Accessibility of Radio Emission Sources in Electronic Intelligence. Collection of Scientific Papers of the Center for Military and Strategic Studies of the National Defence University of Ukraine. URL: https://znp-cvsd.nuou.org.ua/article/view/202212 (last accessed: 15.03.2026).
Oppenheim, A. V., & Schafer, R. W. (2010). Discrete-Time Signal Processing. 3rd ed. Pearson.
Gallager, R. G. (2008). Principles of Digital Communication. Cambridge: Cambridge University Press. https://doi.org/10.1017/CBO9780511813498
Haykin, S. (2005). Cognitive Radio: Brain-Empowered Wireless Communications. IEEE Journal on Selected Areas in Communications, 23, 2, 201–220. https://doi.org/10.1109/JSAC.2004.839380 .
Mitola, J. (2000). Cognitive Radio: An Integrated Agent Architecture for Software Defined Radio: doctoral dissertation. Stockholm: Royal Institute of Technology. URL: https://kth.diva-portal.org/smash/record.jsf?pid=diva2%3A8730 (last accessed: 01.03.2026).
Letaief, K. B., & Zhang, W. (2009). Cooperative Communications for Cognitive Radio Networks. Proceedings of the IEEE, 97, 5, 878–893. https://doi.org/10.1109/JPROC.2009.2015716
Yücek, T., & Arslan, H. (2009). A Survey of Spectrum Sensing Algorithms for Cognitive Radio Applications. IEEE Communications Surveys & Tutorials, 11, 1, 116–130. https://doi.org/10.1109/SURV.2009.090109
O’Shea, T. J., Roy, T., & Clancy, T. C. (2018). Over-the-Air Deep Learning Based Radio Signal Classification. IEEE Journal of Selected Topics in Signal Processing, 12, 1, 168–179. https://doi.org/10.1109/JSTSP.2018.2797022
The Ukrainian Military: Modernity and Historical Retrospective: Proceedings of the VI International Scientific and Practical Conference. Kyiv, November 27, 2025. Kyiv: National Defence University of Ukraine. URL: https://nuou.org.ua/assets/documents/tezy-6-mnpk-2025.pdf (last accessed: 10.03.2026).
Radioelektronna rozvidka: poshuk ta sposterezhennia: navch. posib. [Electronic Intelligence: Search and Surveillance: textbook]. (2017). Kyiv [in Ukrainian].
##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.
