Алгоритми розпізнавання аномалій у сигналах з використанням Python та нейромереж

Солнцев А. Б. Алгоритми розпізнавання аномалій у сигналах з використанням Python та нейромереж : кваліфікаційна робота бакалавра : 172 Електронні комунікації та радіотехніка / Шапошник Олександр Ігорович ; наук. кер. Г. Б. Жиров. Київ, 2025. 30 с.

Об’єкт розроблення – модель нейромережі для виявлення аномалій у сигналі.
Мета роботи – розробка нескладної моделі нейромережі для виявлення аномалій у сигналі.
У роботі побудовано повний програмний цикл обробки сигналу, що включає попередню обробку FM-сигналу, обчислення миттєвої частоти, віконування сигналу, формування міток, навчання згорткового автоенкодера та реконструкцію очищеного сигналу. Також увагу приділено застосуванню швидкого перетворення Фур’є (FFT) для аналізу спектра сигналів до та після обробки.
Для забезпечення точного виявлення відхилень використано віконування по миттєвій частоті з фіксованим кроком та віконним розміром, що дало змогу формувати навчальні дані з високою часовою точністю. Мітки будувалися на основі положення аномалії в сигналі.
Навчена нейронна мережа дозволяє ефективно розпізнавати відхилення у частотному просторі та реконструювати "здоровий" сигнал, що підтверджено спектральним аналізом та візуалізацією результатів. Виявлено значне зниження амплітудності сплесків у спектрі після відновлення сигналу, що свідчить про успішне приглушення аномалій.
Розроблений підхід потенційно може застосовуватись у системах контролю якості радіосигналів, моніторингу технічного стану систем зв’язку або в задачах попередньої обробки даних перед класифікацією.
У подальшій роботі доцільно покращити модель, дослідити інші типи архітектур глибинного навчання для виявлення складніших типів аномалій, зокрема у багатоканальних сигналах чи реальному часі.