การวิเคราะห์ระบบการประมวลผลสัญญาณสำหรับการป้องกันการปฏิบัติการ ทางสงครามอิเล็กทรอนิกส์โดยรอบฐานบิน

Main Article Content

วัชรพงศ์ เกตุปาน

บทคัดย่อ

เนื่องด้วยในการปฏิบัติการของอากาศยานไร้คนขับสำหรับภารกิจการลาดตระเวนตรวจการณ์โดยรอบฐานบินนั้น จะต้องพึ่งพาระบบสื่อสารเป็นสำคัญ ทั้งระบบส่งภาพและระบบควบคุมการบิน การใช้งานสัญญาณสื่อสารและ/หรือสัญญาณที่ใกล้เคียงกันเป็นเหตุทำให้เกิดความเสียหายต่อสัญญาณสื่อสารของระบบอากาศยานไร้คนขับ ซึ่งจะทำให้เกิดผลเสียต่อการปฏิบัติภารกิจอย่างมาก งานวิจัยนี้จึงได้ทำการออกแบบระบบจำลองที่มีความสามารถในการจำลองการเกิดสัญญาณรบกวน โดยแบ่งสัญญาณรบกวนออกเป็นสองประเภท คือ สัญญาณรบกวนแบบไม่ตั้งใจและแบบตั้งใจ โดยให้มีการวางตำแหน่งของแหล่งกำเนิดด้วยหลักการสุ่มที่เรียกว่า Stochastic Geometry ซึ่งเป็นแบบจำลองทางคณิตศาสตร์ที่ถูกนำมาใช้ในการจำลองสัญญาณรบกวนทั้งในระบบสื่อสารไร้สายและระบบเรดาร์ยานยนต์อีกทั้งยังออกแบบให้สัญญาณ 2 ประเภทนี้มีลักษณะสำคัญต่างกัน ผลที่ได้รับจากการทดลองพบว่าระบบสามารถจำลองให้เห็นผลกระทบของสัญญาณรบกวนทั้งสองประเภทได้ สอดคล้องกับสมมติฐานโดยมีแบบจำลองทางคณิตศาสตร์อ้างอิงสามารถนำรูปแบบของค่าเฉลี่ยของสัญญาณรบกวนที่ได้เป็นค่าตั้งต้นในการกำหนดขอบล่างของระบบสื่อสารของอากาศยานไร้คนขับ อีกทั้งงานวิจัยนี้ยังได้ทำการสาธิตการใช้งานของอุปกรณ์ตรวจจับสัญญาณรบกวนต้นแบบด้วยอุปกรณ์วิทยุซอฟท์แวร์ชนิดมีระบบฝังตัวแบบ USRP-E312  ซึ่งแสดงผลให้เห็นถึงประสิทธิภาพและความเหมาะสมในการนำไปพัฒนาต่อยอดเป็นระบบที่ใช้งานได้จริงต่อไป

Article Details

ประเภทบทความ
บทความวิจัย

เอกสารอ้างอิง

Chiu SN, Stoyan D, Kendall WS, Mecke J, editors. Stochastic Geometry and its Applications (Wiley Series in Probability and Statistics) [Internet]. John Wiley & Sons, Ltd; 2013. Available from: https://doi.org/10.1002/9781118658222.

He Y, Xue J, Ratnarajah T, Sellathurai M, Khan F. On the Performance of Cooperative Spectrum Sensing in Random Cognitive Radio Networks. IEEE Syst J [Internet]. 2018 [cited 2025 Jul 29];12(1):881-92. Available from: https://doi.org/10.1109/JSYST.2016.2554464

Haenggi M. Stochastic Geometry for Wireless Networks. Cambridge: Cambridge University Press; 2012.

Rajendran S, Meert W, Giustiniano D, Lenders V, Pollin S. Distributed Deep Learning Models for Wireless Signal Classification with Low-Cost Spectrum Sensors. IEEE Trans Cognit Commun Netw [Internet]. 2017 [cited 2025 Mar 29];PP:10. Available from: https://doi.org/10.1109/TCCN.2018.2835460

Al-Hourani A, Evans R, Sithamparanathan K, Moran B, Eltom H. Stochastic Geometry Methods for Modeling Automotive Radar Interference. IEEE Trans Intell Transp Syst [Internet]. 2016 [cited 2025 Mar 3];PP. Available from: https://doi.org/10.1109/TITS.2016.2632309

Li Y, Baccelli F, Andrews J, Novlan T, Zhang J. Modeling and Analyzing the Coexistence of Wi-Fi and LTE in Unlicensed Spectrum. IEEE Trans Wirel Commun [Internet]. 2016 [cited 2025 Apr 2];15. Available from: https://doi.org/10.1109/TWC.2016.2582866

The MathWorks, Inc. Interference Mitigation Using Frequency Agility Techniques (Since R2021a) [Internet]. The MathWorks, Inc.; 2025 [cited 2025 Apr 17]. Available from: https://www.mathworks.com/help/radar/ug/interference-mitigation-using-frequency-agility-techniques.html.