Сообщение

SDR-анализатор сигналов стандарта LTE с панорамным модулем сканирования на основе методов машинного обучения

orcid Цап Всеволод Владимирович, orcid Фокин Григорий Алексеевич

Санкт-Петербургский государственный университет телекоммуникаций им. проф. М. А. Бонч-Бруевича,
Санкт-Петербург, 193232, Российская Федерация

DOI 10.31854/2307-1303-2025-13-1-14-22

EDN XYAPHF

 Полный текст

XML JATS


Аннотация

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.


Ключевые слова
спектральное зондирование, стандарт LTE, программно-конфигурируемое радио, машинное обучение.

Библиографическая ссылка на статью

Цап В. В., Фокин Г. А. SDR-анализатор сигналов стандарта LTE с панорамным модулем сканирования на основе методов машинного обучения // Информационные технологии и телекоммуникации. 2025. Т. 13. № 1. С. 14‒22. DOI: 10.31854/2307-1303-2025-13-1-14-22. EDN: XYAPHF


Reference for citation

Tsap V., Fokin G. SDR-Based LTE Signal Analyzer with Panoramic Scanning Module Based on Machine Learning Methods // Telecom IT. 2025. Vol. 13. Iss. 1. PP. 14‒22 (in Russian). DOI: 10.31854/2307-1303-2025-13-1-14-22. EDN: XYAPHF
Литература

1. «Иртея» планирует поставлять отечественные базовые станции 5G на экспорт // TACC. 23.12.2024. URL: https://tass.ru/ekonomika/22750391 (дата обращения 01.03.2025)

2. Rao A. L. N., Ramesh B., Manjunatha, Jain A., Alzubaidi L. H., et al. The Role of Cognitive Radio in Optimizing Spectrum Utilization // Proceedings of 13th International Conference on Communication Systems and Network Technologies (CSNT, 06–07 April 2024, Jabalpur, India). IEEE, 2024. PP. 176–182. DOI: 10.1109/CSNT60213.2024.10546073

3. Фокин Г. А. Обзор моделей спектрального зондирования сигналов LTE и NR // Первая миля. 2024. № 8 (124). С. 40–47. DOI: 10.22184/2070-8963.2024. 124.8.40.47. EDN: XUXCHX

4. Фокин Г. А., Волгушев Д. Б., Рютин К. Е., Шеремет Н. В., Цап В. В. Прикладное использование технологий программно-конфигурируемого радио в системах связи и навигации. СПб.: СПбГУТ, 2025. 240 с. EDN: WIPEHY

5. Арефьев А. С., Варыгин А. А., Фокин Г. А. Анализ структуры целевого сигнала NR и LTE на основе нейросетевого подхода и методов глубокого обучения // Информационные технологии и телекоммуникации. 2024. Т. 12. № 1. С. 16–28. DOI: 10.31854/2307-1303-2024-12-1-16-28. EDN: GEOTKR

6. Capture and Label NR and LTE Signals for AI Training // MathWorks. URL: https://www.mathworks.com/help/wireless-testbench/ug/capture-and-label-nr-and-lte-signals-for-ai-training.html (accessed 31.03.2025)

7. Spectrum Sensing with Deep Learning to Identify 5G and LTE Signals // MathWorks. URL: https://www.mathworks.com/help/comm/ug/spectrum-sensing-with-deep-learning-to-identify-5g-and-lte-signals.html (accessed 31.03.2025)

8. Identify LTE and NR Signals from Captured Data Using SDR and Deep Learning // MathWorks. URL: https://www.mathworks.com/help/wireless-testbench/ ug/identify-lte-and-nr-signals-from-captured-data-using-sdr-and-deep-learning.html (accessed 31.03.2025)

9. Фокин Г. А., Волгушев Д. Б. Использование SDR-технологии для задач сетевого позиционирования. Апробация приема и обработки опорных сигналов LTE // Вестник СибГУТИ. 2023. Т. 17. № 3. С. 23–33. DOI: 10.55648/1998-6920-2023-17-3-23-33. EDN: YOIQZO

10. КОНСУЛ сориентируется на местности // Коммерсантъ. 2021. № 76. URL: https://www.kommersant.ru/doc/4793821 (дата обращения 05.03.2025).

11. Киреев А. В., Фокин Г. А. Оценка точности локального позициони-рования мобильных устройств с помощью радиокарт и инерциальной навига-ционной системы // Труды учебных заведений связи. 2017. Т. 3. № 4. С. 54–62. EDN: YMIHOI

12. Цап В. В., Фокин Г. А. Разработка и апробация анализатора сигналов стандарта LTE средствами программно-конфигурируемого радио // Вестник СПбГУТ. 2024. Т. 2. № 2. С. 4. EDN: LPOWHF

13. Otsu N. A Threshold Selection Method from Gray-Level Histograms // IEEE Transactions on Systems, Man, and Cybernetics. 1979. Vol. 9. Iss. 1. PP. 62–66. DOI: 10.1109/TSMC.1979.4310076

14. ETSI TS 136 101 V18.7.0: User Equipment (UE) Radio Transmission and Reception, 2024. URL: https://www.etsi.org/deliver/etsi_ts/136100_136199/136101/ (accessed 10.03.2025)

 

cc-by Статья распространяется по лицензии Creative Commons Attribution 4.0 License.

cc0  Метаданные статьи распространяются по лицензии CC0 1.0 Universal

 
 
войти

Авторизация