The object of research, development or design (in Russian) : Объектом исследования являются радиосигналы с различными типами модуляции (AM, FM, PSK) и их информационно-энтропийные характеристики, используемые для фильтрации и автоматической классификации в условиях низкого SNR.

The object of research, development or design (in Kazakh) : Зерттеу объектісі – әртүрлі модуляция түрлеріне (AM, FM, PSK) ие радиосигналдар және төмен SNR жағдайында сүзгілеу мен автоматты классификация үшін қолданылатын олардың ақпараттық-энтропиялық сипаттамалары.

Aim of work (in Russian) : Разработать и экспериментально обосновать методы и аппаратные решения для эффективной фильтрации и автоматической классификации радиосигналов в условиях низкого SNR на основе информационно-энтропийного анализа, с последующей реализацией на FPGA.

Aim of work (in Kazakh) : Радиосигналдарды төмен SNR жағдайында тиімді сүзгілеу және автоматты классификациялау үшін ақпараттық-энтропиялық талдауға негізделген әдістер мен олардың FPGA платформасында аппараттық іске асырылуын әзірлеу және эксперименттік түрде дәлелдеу.

Методы исследования (на русском) : В работе используются методы цифровой обработки сигналов (цифровая фильтрация, медианные и вейвлет-фильтры), статистический и информационно-энтропийный анализ (Шеннона, Реньи, Цаллиса), а также алгоритмы машинного обучения и глубокого обучения (SVM, KNN, CNN) для классификации сигналов. Экспериментальные исследования проводятся на синтетических и моделируемых радиосигналах с различными типами модуляции при низких значениях SNR, включая моделирование, численные расчёты и аппаратное тестирование на FPGA.

Методы исследования (на казахском) : Жұмыста сигналдарды цифрлық өңдеу әдістері (цифрлық сүзгілеу, медианалық және вейвлет-сүзгілер), статистикалық және ақпараттық-энтропиялық талдау (Шеннон, Реньи, Цаллис энтропиялары), сондай-ақ сигналдарды классификациялау үшін машиналық оқыту және терең оқыту алгоритмдері (SVM, KNN, CNN) қолданылады. Эксперименттік зерттеулер әртүрлі модуляция түрлеріне ие синтетикалық және модельденген радиосигналдарда төмен SNR жағдайында жүргізіліп, оған модельдеу, сандық есептеулер және FPGA платформасында аппараттық тестілеу кіреді.

Obtained results and novelty (in Russian) : В ходе работы разработаны и протестированы методы фильтрации и автоматической классификации радиосигналов, основанные на информационно-энтропийных признаках. Проведён комплексный анализ цифровых, медианных и вейвлет-сүзгілердің тиімділігі, сондай-ақ классификационных алгоритмов (SVM, KNN, CNN) при различных уровнях шума. Экспериментальные исследования на синтетических радиосигналах с AM, FM и PSK модуляциями показали устойчивость предложенных решений при SNR от 6 до 12 дБ и подтвердили их применимость для реального времени. Научная новизна работы заключается в: Использовании энтропийных характеристик (Шеннона, Реньи, Цаллиса) как компактных и помехоустойчивых признаков для классификации радиосигналов в условиях низкого SNR. Формировании гибридного подхода, объединяющего фильтрацию и энтропийный анализ в единую систему предварительной обработки. Предложенной структуре аппаратной реализации на FPGA, обеспечивающей сокращение задержек и энергопотребления по сравнению с чисто программными решениями. Экспериментальном подтверждении эффективности энтропийных признаков и их преимуществ по устойчивости к шумам перед традиционными статистическими методами. Полученные результаты демонстрируют потенциал энтропийно-аппаратных методов для создания высокопроизводительных систем классификации радиосигналов реального времени.

Obtained results and novelty (in Kazakh) : Жұмыс барысында ақпараттық-энтропиялық белгілерге негізделген радиосигналдарды сүзгілеу және автоматты классификациялау әдістері әзірленіп, сынақтан өткізілді. Сандық, медианалық және вейвлет-сүзгілердің тиімділігіне, сондай-ақ түрлі шу деңгейлерінде классификация алгоритмдерінің (SVM, KNN, CNN) жұмысына кешенді талдау жүргізілді. AM, FM және PSK модуляциялы синтетикалық радиосигналдарда жүргізілген эксперименттік зерттеулер ұсынылған шешімдердің SNR 6–12 дБ диапазонында тұрақты жұмыс істейтінін және оларды нақты уақыт жүйелерінде қолдануға болатынын көрсетті. Зерттеудің ғылыми жаңалығы келесілерден көрінеді: Энтропиялық сипаттамаларды (Шеннон, Реньи, Цаллис энтропиялары) төмен SNR жағдайында радиосигналдарды классификациялау үшін ықшам әрі кедергіге төзімді белгілер ретінде қолдану. Сүзгілеу мен энтропиялық талдауды біртұтас алдын ала өңдеу жүйесіне біріктіретін гибридті тәсілді қалыптастыру. FPGA платформасында аппараттық іске асыру құрылымын ұсыну, бұл классикалық бағдарламалық шешімдермен салыстырғанда кідірістер мен энергия тұтынуды айтарлықтай азайтады. Энтропиялық белгілердің тиімділігін және олардың шуға төзімділік бойынша дәстүрлі статистикалық әдістерден артықшылығын тәжірибелік тұрғыдан дәлелдеу. Алынған нәтижелер нақты уақыт режимінде жұмыс істейтін жоғары өнімді радиосигналдарды классификациялау жүйелерін құруда энтропиялық және аппараттық әдістердің перспективалы екенін көрсетеді.

The main constructive and technical economic indicators (in Russian) : Тип обрабатываемых сигналов: радиосигналы с AM, FM и PSK модуляциями; диапазон уровней шума SNR от 6 до 12 дБ. Методы фильтрации: цифровые фильтры (LPF, HPF, BPF), медианные и вейвлет-фильтры; среднее снижение шумовой составляющей — до 20–35%. Методы классификации: SVM, KNN, CNN и энтропийный анализ (Шеннона, Реньи, Цаллиса); средняя точность классификации — 82–93% в зависимости от уровня шума. Применяемые признаки: информационно-энтропийные показатели, обеспечивающие уменьшение размерности признакового пространства на 30–50% при сохранении устойчивости к шумам. Вычислительная эффективность: снижение задержки обработки до 1,5–3 раз по сравнению с программными реализациями за счёт FPGA-конвейера. Аппаратная реализация: FPGA-платформа (Zynq-7000), частота обработки до 20–40 МГц, энергопотребление снижено на 25–40% относительно программных решений. Экономическая эффективность: — повышение скорости обработки в реальном времени без увеличения затрат на вычислительные ресурсы; — снижение затрат на энергопотребление; — возможность практического применения в встраиваемых и телекоммуникационных системах. Уровень готовности разработки: лабораторные экспериментальные тесты завершены, алгоритмы подтверждены модельными и синтетическими данными.

The main constructive and technical economic indicators (in Kazakh) : Өңделетін сигналдардың түрлері: AM, FM және PSK модуляциялары бар радиосигналдар; шудың SNR деңгейі 6–12 дБ аралығында. Сүзгілеу әдістері: цифрлық сүзгілер (LPF, HPF, BPF), медианалық және вейвлет-сүзгілер; шу құрамын орташа төмендету — 20–35% дейін. Классификация әдістері: SVM, KNN, CNN және энтропиялық талдау (Шеннон, Реньи, Цаллис энтропиялары); классификацияның орташа дәлдігі — шу деңгейіне байланысты 82–93%. Қолданылатын белгілер: ақпараттық-энтропиялық көрсеткіштер, олар белгілік кеңістіктің өлшемін 30–50% қысқартып, шуға төзімділікті сақтайды. Есептеу тиімділігі: FPGA-конвейері есебінен бағдарламалық жүзеге асырулармен салыстырғанда өңдеу кідірісі 1,5–3 есе азайған. Аппараттық іске асыру: FPGA платформасы (Zynq-7000), өңдеу жиілігі 20–40 МГц, энергия тұтыну дәстүрлі бағдарламалық шешімдермен салыстырғанда 25–40% төмен. Экономикалық тиімділік: — нақты уақыт режимінде өңдеу жылдамдығын есептеу ресурстарын арттырмай ұлғайту; — энергия тұтыну шығындарын азайту; — ендірілген және телекоммуникациялық жүйелерде практикалық қолдану мүмкіндігі. Дайындық деңгейі: зертханалық эксперименттік сынақтар аяқталған, алгоритмдер модельдік және синтетикалық деректерде расталған.

Level of implementation (in Russian) :

Level of implementation (in Kazakh) :

Efficiency (in Russian) :

Efficiency (in Kazakh) :

Field of application (in Russian) : Разработанные методы и аппаратные решения могут применяться в системах беспроводной связи, радиомониторинга и спектрального анализа, встраиваемых устройствах реального времени, телекоммуникационном оборудовании, системах безопасности и радиоразведки. Подход также эффективен для медицинских систем обработки биосигналов, интеллектуальных сенсорных сетей и устройств Интернета вещей (IoT), где требуются высокая помехоустойчивость и низкое энергопотребление.

Field of application (in Kazakh) : Әзірленген әдістер мен аппараттық шешімдер сымсыз байланыс жүйелерінде, радиомониторингте және спектрлік талдауда, нақты уақыттағы ендірілген құрылғыларда, телекоммуникациялық жабдықтарда, қауіпсіздік және радиоаралық барлау жүйелерінде қолданылуы мүмкін. Бұл тәсіл биосигналдарды өңдеуге арналған медициналық жүйелерде, интеллектуалды сенсорлық желілерде және жоғары кедергіге төзімділік пен төмен энергия тұтынуды талап ететін Интернет заттары (IoT) құрылғыларында да тиімді болып табылады.