Главная

Постановка задачи. Методы машинного обучения и нейронные сети являются перспективным инструментом для прогнозирования и определения объектов в режиме реального времени, что позволяет найти применение подобным технологиям в обеспечении безопасности дорожного движения. Целью работы является разработка решения, способного с помощью методов искусственного интеллекта детектировать и классифицировать объекты, реализующее функции интеллектуальной системы помощи водителю на борту транспортного средства. Используемые методы: создание сервиса интеллектуального ассистирования на основе сверточных нейронных сетей. Элементом новизны представленного решения является реализация сервиса помощи принятия решения водителю на основе компактной маломощной вычислительной базы. Результат: выбранный сервис интеллектуальной системы помощи принятия решений водителю реализован на компактном маломощном вычислительном устройстве с точностью 87 % по оценке показателя средней точности (mAP) при средней частоте 32 кадра в секунду. Практическая значимость: представленное решение позволяет внедрить систему с использованием алгоритмов искусственного интеллекта на базу транспортного средства благодаря низкому энергопотреблению и нейропроцессорному модулю, способному работать с видеопотоком в режиме реального времени.

В статье рассматривается применимость моделей и методов машинного обучения при спектральном зондировании для повышения скорости сканирования и анализа сигналов стандарта LTE. Описывается порядок работы программного модуля сканирования сигналов стандарта LTE по алгоритму спектрального зондирования в широком диапазоне частот. Методом исследования является натурный эксперимент с использованием плат программно-конфигурируемого радио. Результатом сканирования и анализа является обнаружение сигналов базовых станций стандарта LTE, работающих на передачу в заданном районе. Эффективность обнаружения базовых станций оценивается посредством классификации участков спектра методами машинного обучения. Практическая значимость: объединение программного модуля панорамного сканирования в широком диапазоне и программного модуля анализа в информационной полосе частот позволяет существенно сократить время обнаружения базовых станций стандарта LTE в заданном районе.

Постановка задачи. Программное радио позволяет гибко реализовывать алгоритмы обработки сигналов в радиосвязи. Прием сигналов возможен только при наличии синхронизации во временно́й и частотной областях, учитывающих свойства сигналов. При разработке систем связи требуется выбрать алгоритмы, позволяющие эффективно решить задачу синхронизации. Выбор алгоритма выполняется с использованием моделирования и тестовой реализации. В работе представлен прототип системы связи с ортогональным частотным мультиплексированием, реализованный на платформе Adalm Pluto с использованием библиотеки libiio. Цель исследования ‒ анализ и программная реализация алгоритмов символьной и частотной синхронизации при приеме сигналов с ортогональным частотным мультиплексированием. Для этого применена преамбула на основе последовательности Задова ‒ Чу. Оценка частотного смещения выполнена двумя методами: с использованием циклического префикса символов и с применением преамбулы Задова ‒ Чу. Новизна. Разработанные алгоритмы реализованы в виде программ, без применения специализированных библиотек готовых модулей и протестированы на аппаратной платформе Adalm Pluto. Практическая значимость состоит в экспериментальном подтверждении работоспособности предложенных решений, что позволяет использовать их в системах программного радио при реализации каналов связи различных автономных систем.

В статье рассматривается задача динамического выбора подканалов в гетерогенных сетях Интернета вещей с учетом изменений параметров сети и ограниченных вычислительных ресурсов устройств. Предметом исследования являются гетерогенные сети Интернета вещей, использующие различные технологии передачи данных. В исследовании применяется метод обучения с подкреплением для динамического выбора подканалов на основе анализа исторических данных и текущего состояния сети, также используется алгоритм перетягивания каната для распределения ресурсов между подканалами. Основные результаты. Разработан метод динамического выбора подканалов, который позволяет учитывать вероятность успешной передачи данных, частоту использования подканала и вероятность отказов, обеспечивая баланс между эффективностью передачи и вычислительными затратами. Практическая значимость результатов заключается в повышении производительности и надежности гетерогенных сетей Интернета вещей при высокой нагрузке и ограниченных ресурсах устройств.

Парамонов А. И., Хоанг Ф. Н. Метод динамического выбора подканалов в гетерогенных средах Интернета вещей // Информационные технологии и телекоммуникации. 2025. Т. 13. № 1. С. 1‒13. DOI: 10.31854/2307-1303-2025-13-1-1-13. EDN: DYOMML

Paramonov A., Hoang Ph. N. Method for Dynamic Subchannel Selection in Heterogeneous Internet of Things Environments // Telecom IT. 2025. Vol. 13. Iss. 1. PP. 1‒13. (in Russian). DOI: 10.31854/2307-1303-2025-13-1-1-13. EDN: DYOMML