Search academic texts

Information × Registration Number 0826U001149, PhD dissertation Status Доктор філософії Date 03-06-2026 popup.evolution o Title Methods and means of creating highly efficient computerised centralised notification systems Author Serhii Kolesnyk, popup.head Serhii Kovalov popup.opponent Eugene Malakhov popup.opponent Mykhaylo Lobur popup.opponent Sergii P. Zagorodniuk popup.review Volodymyr A. Sviatnyi Description Дисертаційна робота присвячена розробці та дослідженню методів і засобів створення високоефективних комп’ютеризованих систем централізованого сповіщення, що інтегрують технології аудіодетекції на базі паралельних нейромережевих архітектур для ідентифікації низьколітаючих повітряних об’єктів в умовах складних акустичних завад та обмежених ресурсів периферійних пристроїв. У першому розділі проаналізовано сучасні методи централізованого сповіщення, еволюцію таких систем, принципи їх побудови та функціонування. Розглянуто рішення для масового інформування, медичних, веборієнтованих та українських систем оповіщення. Встановлено, що більшість наявних систем орієнтована на передавання вже сформованого сигналу тривоги, а не на інтелектуальне виявлення загроз безпосередньо на периферійних вузлах. Проведено класифікацію систем централізованого сповіщення за призначенням, структурою, каналами зв’язку та рівнем автоматизації. Також проаналізовано сучасні технології аудіодетекції, спектрального аналізу, машинного навчання і нейромережевих моделей для виявлення повітряних об’єктів. Показано необхідність створення нових рішень, що поєднують акустичну детекцію, нейромережевий аналіз, фізичне підсилення сигналу та детерміновану мережеву взаємодію. У другому розділі розроблено теоретико-методичну основу побудови вузлів детекції у складі системи централізованого сповіщення. Сформовано критерії високоефективності та системні вимоги до вузлів у режимі Hard Real-Time. Проаналізовано часові обмеження на етапах зчитування, попередньої обробки, формування ознак, нейромережевого висновку та передавання результатів мережею. Значну увагу приділено математичному моделюванню фокусування акустичного сигналу засобами адитивних технологій та обґрунтуванню використання акустичної лінзи як пасивного елемента підсилення сигналу. Побудовано модель нейромережевої ідентифікації акустичних сигнатур на основі гібридної архітектури CNN-RNN, а також розглянуто квантування і компресію моделі для платформи BeagleV. Крім того, сформовано математичні моделі детермінованого мережевого обміну, джиттеру, черг і фазової синхронізації вузлів. У третьому розділі здійснено проєктування та програмно-апаратну реалізацію периферійного вузла сповіщення як інтелектуального компонента розподіленої системи. Обґрунтовано вибір платформи BeagleV, описано мікрофонний тракт, комунікаційні модулі, джерела живлення та інтеграцію акустичної лінзи, виготовленої засобами 3D-друку. Розроблено програмне забезпечення для обробки аудіосигналів, нейромережевого висновку, адаптивного донавчання та збереження станів моделі. Реалізовано детерміновану мережеву взаємодію на базі стеку uIP, серверну інтеграцію та операторський dashboard для моніторингу стану вузлів, телеметрії та фактів детекції. У четвертому розділі проведено експериментальні дослідження та оцінку ефективності розроблених методів і засобів. Для випробувань обрано БПЛА типів Mavic 3, FPV-дрони та Shahed-136. Досліджено вплив акустичної лінзи на амплітуду та співвідношення сигнал/шум, підтверджено наявність характерних спектральних ознак цільових об’єктів. Оцінено ефективність паралельного навчання, масштабованість за законом Амдала, а також порівняно моделі Float32 та INT8 після квантування. Доведено доцільність адаптивного донавчання моделі в складних шумових умовах. Окремо проаналізовано часовий джиттер, затримки пакетів, синхронізацію вузлів, енергоспоживання та стабільність роботи системи. У підсумку експериментально підтверджено ефективність запропонованих методів і засобів та обґрунтовано можливість використання розробленого рішення у складі високоефективних комп’ютеризованих систем централізованого сповіщення. Registration Date 2026-04-21 popup.nrat_date 2026-04-21 Close