Традиционные методы цифровой обработки сигналов (ЦОС), такие как скользящее среднее или КИХ-фильтры, подавляя шум, физически «замыливают» экстремумы и уширяют полосу пропускания, искажая реальную мощность сигналов. Классический полиномиальный фильтр Савицкого — Голея частично решает эту проблему, но является детерминированным алгоритмом и не обладает адаптивностью к динамически меняющейся помеховой обстановке, особенно в логарифмической шкале децибел (дБ). В связи с уходом с российского рынка крупнейших производителей измерительного оборудования (Rohde & Schwarz, Keysight, Anritsu) остро встает вопрос импортозамещения и создания отечественного интеллектуального программного обеспечения для SDR-приемников и систем спектрального анализа. Применение глубоких сверточных нейронных сетей в качестве нелинейных адаптивных цифровых фильтров является перспективным научно-инженерным направлением, способным преодолеть физические ограничения классического ЦОС.

Целью настоящей работы является повышение точности, селективности и помехозащищенности спектрального анализа радиоэфира за счет разработки, обучения и внедрения универсального кроссплатформенного программного комплекса адаптивной фильтрации на базе нелинейных одномерных сверточных автоэнкодеров.

На страницу проекта