Математична модель розподілу засобів радіомоніторингу на спостереження супутникових каналів зв’язку із використанням нейронних мереж

Автор(и)

  • В.М. Триснюк Доктор технічних наук, професор, завідувач відділу досліджень навколишнього середовища Інституту телекомунікацій і глобального інформаційного простору Національної академії наук України, Київ, Україна https://orcid.org/0000-0001-9920-4879
  • В.О. Єгоров Аспірант Інституту телекомунікацій і глобального інформаційного простору Національної академії наук України, Київ, Україна https://orcid.org/0000-0003-1738-1375

DOI:

https://doi.org/10.32347/2411-4049.2025.1.132-138

Ключові слова:

інформаційні технології, математична модель, часові характеристики, нейронні мережі, точність моделювання, система керування, алгоритми керування, супутникові канали зв'язку

Анотація

Роботу присвячено розв’язанню науково-практичного завдання, що полягає в розробці математичної моделі розподілу засобів радіомоніторингу на спостереження супутникових каналів зв’язку із використанням нейронних мереж. Для підвищення ефективності розподілу ресурсів пропонується застосування передових алгоритмів штучного інтелекту, зокрема глибоких нейронних мереж (Deep Neural Networks, DNN), навчання з підкріпленням (Reinforcement Learning, RL) та графічних нейронних мереж (Graph Neural Networks, GNN). Використання таких методів дозволяє суттєво підвищити адаптивність системи, точність аналізу та забезпечити оптимізацію розподілу ресурсів.
Вдосконалено математичні моделі та інноваційні методи управління засобами радіомоніторингу, що враховують змінні параметри супутникових каналів, застосовують адаптивні алгоритми розподілу ресурсів. Для визначення часових характеристик, більшість для обробки згортковою нейромережею, враховуються не лише статичні параметри вузлів, такі як потужність сигналу чи частоти, але й динамічні показники, що змінюються у часі. Для аналізу та оптимізації розподілу ресурсів у супутникових каналах зв’язку та засобів радіомоніторингу використовуємо згорткову нейронну мережу (CNN) у поєднанні з графовими нейронними мережами (GNN), наступна їх структура може бути ефективно представлена у вигляді графа. Це дозволяє отримати просторово-часові залежності та підвищити точність моделювання, а також адаптивно аналізувати змінні умови роботи супутникових каналів зв'язку та засобів радіомоніторингу, що забезпечує точність моделювання та прогнозування сигналів. Застосування нейронних мереж покращує аналіз супутникових каналів зв'язку, підвищуючи рівень інформативності та швидкість обробки даних під час радіомоніторингу.

Посилання

Kipf, T.N., & Welling, M. (2017). Semi-Supervised Classification with Graph Convolutional Networks. International Conference on Learning Representations (ICLR).

Wang, X., Yu, H., & Gu, X. (2020). Graph Convolutional Neural Network-Based Signal Classification for Satellite Communication Systems. IEEE Access, 8, 177477-177486.

Zhang, X., Li, Z., & Jin, L. (2019). Deep Learning for Satellite Communications: Benefits and Challenges. IEEE Communications Magazine, 57(9), 70-75.

Velickovic, P., Cucurull, G., Casanova, A., Romero, A., Lio, P., & Bengio, Y. (2018). Graph Attention Networks. International Conference on Learning Representations (ICLR).

Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press.

Chen, Z., Zhang, Z., & Liu, J. (2022). Time-Series Analysis of Satellite Data Using Convolutional Neural Networks. Neural Computing and Applications, 34(7), 5907-5917.

Boychuk, O.Ye., Slipchenko, V., & Hnatenko, I.A. (2021). Using artificial intelligence methods to analyze signals of satellite communication systems. Scientific Bulletin of NTUU "KPI", 3(15), 45–53 [in Ukrainian].

Trofymchuk, O.M., Adamenko, O.M., & Trysnyuk, V.M. (2021). Geoinformation technologies for environmental protection of the nature reserve fund. Ivano-Frankivsk: Suprun V.P. ISBN 978-617-7468-53-9 [in Ukrainian].

Petrenko, V.I., Tarasenko, L.M., & Rudenko, A.O. (2019). Models for analysis and classification of satellite communication channels under interference conditions. Scientific Notes of the NAS of Ukraine, 5(27), 72–80 [in Ukrainian].

Bayrachny, O.V., & Sydorenko, P.O. (2022). Application of neural networks for time series processing in radio monitoring systems. Control, navigation and communication systems, 3(67), 89–97 [in Ukrainian].

##submission.downloads##

Опубліковано

2025-03-28

Як цитувати

Триснюк, В., & Єгоров, В. (2025). Математична модель розподілу засобів радіомоніторингу на спостереження супутникових каналів зв’язку із використанням нейронних мереж. Екологічна безпека та природокористування, 53(1), 132–138. https://doi.org/10.32347/2411-4049.2025.1.132-138

Номер

Розділ

Інформаційні технології та математичне моделювання