Аннотация результатов, полученных в 2024 году
При формировании базы гидроакустических сигналов из открытых источников были установлены критерии для соответствия всех файлов базы. Все сигналы собраны по единой методике, обеспечивая сопоставимость данных и валидность результатов. Высокое качество записи является критически важным, поэтому использовались гидрофоны с высокой чувствительностью и низким уровнем фонового шума. Сигналы представлены в формате .WAV для обеспечения высокого качества и точного анализа. Каждый сигнал снабжен метаданными: дата и время записи, координаты, глубина и условия среды (температура, соленость), что позволяет учитывать внешние факторы при анализе. База гидроакустических сигналов собрана из открытых источников и размещена на локальном сервере ФГАОУ ВО «Севастопольский государственный университет» для дальнейшего анализа и оценки информативности. База данных занимает 10 Гб и вмещает в себя порядка 7000 файлов продолжительностью от 2 до 80 секунд. При исследовании частотно-временных свойств базы гидроакустических сигналов были задействованы спектральный анализ, кепстральный анализ, субполосный анализ, вейвлет-анализ, анализ периодичностей и аномалий, разметка данных. Исследования информативности гидроакустических сигналов «шум воды» и «свист афалины» подтвердили необходимость частоты дискретизации не менее 48 кГц для достижения оптимального качества записи. Эта частота эффективно сохраняет детали сигнала, что особенно важно для вейвлет-анализа, где частота уменьшается вдвое на каждой ветке. Применение 16-битного битрейта обеспечивает точность мгновенных значений сигнала и является оптимальным. Оценка информативности проводилась по методу Шеннона с учетом частоты дискретизации, количества бит на выборку и общего числа выборок. Для первого сигнала с 16 битами на выборку энтропия составила 16 бит, общий объем информации — 1 142 528 бит. Для второго сигнала с 24 битами на выборку энтропия составила 24 бита, общий объем информации — 10 801 032 бита. Эти данные подтвердили высокую информативность сигналов с множеством деталей, характерных для качественного звука. Собранные данные удовлетворяют установленным требованиям полноты. Применена единая методика сбора и хранения сигналов, обеспечивая высокое качество записи для точного анализа. Уровень шумового фона поддерживается в допустимых пределах, что минимизирует его влияние на результаты анализа. Анализ сонограмм показал, что гидроакустический сигнал «шум воды» характеризуется равномерным распределением мощностей частот в диапазоне от 1 Гц до 8 кГц без аномалий. В записи сигнала «свист афалины» выявлены два основных компонента: постоянный шум в диапазоне 300 Гц — 2 кГц и аномалия в виде «свиста» с минимальной частотой 6-6,1 кГц и максимальной до 10 кГц. Сравнение спектрограмм подтвердило, что проявленный шум в записи сигнала «свист афалины» является шумом воды, основываясь на схожести частотных характеристик. Спектр «шума воды» демонстрирует однородность, в то время как спектр «свиста афалины» показывает два ярко выраженных пика, что указывает на доминирующие частоты звука, издаваемого дельфином. Эти результаты позволяют четко разграничить шум воды и свист афалины, подтверждая их различия в амплитуде и частотном составе. В результате анализа были выявлены уникальные признаки гидроакустических сигналов. Данные структурированы и категорированы, что обеспечивает систематизацию информации для последующей обработки. Для хранения использовались форматы CSV, XLSX и JSON, способствуя эффективному управлению данными. Результаты проделанной работы изложены в научной статье «Метод оценки информативности, содержащейся в гидроакустическом сигнале» https://doi.org/10.47813/2782-2818-2024-4-3-0501-0514. В дальнейшем сигналы были классифицированы по типу, что позволило выделить различные классы звуковых сигналов, а также зафиксированы условия записи, включая параметры окружающей среды, такие как температура, соленость и уровень шума. Так же для каждого сигнала определены технические параметры, включая частоту дискретизации и продолжительность записи. В исследованных гидроакустических сигналах имеет место эффект просачивания, он обусловлен слиянием частоты основного сигнала и частот сигналов, присутствующих в области звукозаписи. Слияние возникает из-за разнохарактерности естественной среды, где вода состоит из различных слоев с различным составом, например, уровнем солености. При наложении когерентных волн результирующая амплитуда определяется через амплитуды исходных волн и их фазы. В условиях интерференции разность фаз приводит к максимальным или минимальным значениям амплитуды, что подтверждает влияние окружающей среды на искажение стеганографического метода кодирования и декодирования информации в гидроакустическом канале. Для оценки объема закодированной информации применялись методы цифровой обработки сигналов, такие как преобразование Фурье и вейвлет-анализ. В результате при использовании метода изменения амплитуды возможно закодировать до 10% от общего объема сигнала. Значение обусловлено соотношением между изменениями амплитуды и воспринимаемыми искажениями. Тесты продемонстрировали, что устойчивость стеганографического метода к шумам зависит от уровня сигнала и характеристик шумового фона. При наличии шумов уровень скрытой информации может снижаться до 5%, однако информация остается извлекаемой с приемлемой точностью. Результаты проделанной работы изложены в научной статье «Algorithm of information stability in hydroacoustic control channel for aquaculture»: https://doi.org/10.1051/bioconf/202413003005 Эффект просачивания, вызванный взаимодействием звуковых волн с препятствиями, может искажать сигнал и приводить к потере данных. Для минимизации этого эффекта применялись LDPC-коды, обеспечивающие высокую распознаваемость и устойчивость к ошибкам. Коды позволяют восстанавливать утраченные данные и обеспечивают скорость передачи, близкую к значению предела Шеннона-Хартли. Итеративный алгоритм декодирования, основанный на проверке вероятностей битов, позволяет эффективно извлекать исходный сигнал. В результате использование LDPC-кодов увеличивает дальность передачи, снижает влияние интерференции и оптимизирует использование частотного спектра в условиях ограниченной полосы пропускания. Результаты проделанной работы изложены в научной статье «Оценка способностей транскрибации в гидроакустическом канале связи»: Карцан, И. Н. Оценка способностей транскрибации в гидроакустическом канале связи / И. Н. Карцан, А. В. Неруш, Н. А. Тузов // Защита информации. Инсайд. – 2024. – № 5(119). – С. 62-65.

Аннотация результатов, полученных в 2025 году
В отчетном периоде по проекту «Исследование и разработка методов защиты гидроакустических каналов связи» при выполнении работ были получены научные результаты. Проведён углублённый анализ частотно-временных характеристик обновлённой базы гидроакустических сигналов, включающей биологические шумы, антропогенные источники, навигационные комплексы и фоновые записи, полученные в различных гидрологических условиях. Выполнена предварительная нормализация базы по амплитуде и длительности, после чего сигналы исследованы с применением спектральных, кепстральных и вейвлет-преобразований. Использование различных типов вейвлетов (Морле, Гаусса, Добеши) позволило сопоставить энергодистрибуцию и локализацию событий в сигналах разной структуры. Дополнительно оценена устойчивость признаков к шумовым воздействиям и изменениям гидрофизических параметров, включая температурный градиент, глубину и многолучевые отражения. На основе результатов сформирован расширенный набор числовых признаков, описывающий спектральную плотность мощности, форму огибающей, гармоники, форманты, распределение энергии и параметры кепстральных пиков. Полученный набор стал основой дальнейшего моделирования и обеспечил репрезентативное описание среды. Выполнен сравнительный анализ методов внедрения стеганографической информации: амплитудного, фазового и субполосного, включая адаптивные модификации. Для каждого метода проведено моделирование в условиях многолучевого подводного канала с вариацией числа отражённых путей, задержек, уровня шума и скорости движения источника. Установлено, что амплитудное внедрение наиболее чувствительно к фазовым и многолучевым искажениям, тогда как фазовое демонстрирует существенно более высокую устойчивость и скрытность, обеспечивая надёжное декодирование при SNR до –2 дБ. Проведённые эксперименты позволили уточнить структуру битового сообщения и подобрать параметры фазовой модуляции (глубину сдвига, длительность символа, несущую частоту). На основе выявленных закономерностей разработана усовершенствованная схема фазо-субполосного кодирования, сочетающая преимущества фазовых методов и энерго-адаптивного распределения по поддиапазонам. Реализовано динамическое управление коэффициентом внедрения α с учётом спектрального положения и шумовой обстановки, а также перераспределение энергии между полосами, что повысило устойчивость сообщения и скрытность. Оптимизация параметров позволила снизить среднеквадратичную ошибку декодирования на 18–22 % по сравнению с базовым фазовым методом. Алгоритм устойчив при SNR от –5 до +15 дБ и сохраняет незаметность вмешательства даже при существенном сжатии данных, сопровождающемся потерей высокочастотных компонент. В рамках повышения надёжности передачи данных реализованы методы помехоустойчивого кодирования на основе LDPC. Подобраны параметры — длина кодового слова 512, плотность проверочной матрицы, скорость кодирования и режимы декодирования. Эксперименты показали, что оптимизированные LDPC-коды обеспечивают восстановление информации при SNR до –3 дБ и устойчивы к импульсным шумам и фазовым искажениям. Также изучено влияние многолучевого канала, выявлены уязвимости при характерных для мелководья сочетаниях задержек и фазовых инверсий. Также создан метод компенсации нелинейных искажений на основе гибридной сети CNN+LSTM, учитывающей локальные спектральные особенности и длительные временные зависимости. Модель обучена на синтетических и реальных данных с шумами, многолучевостью, реверберацией и доплеровскими эффектами. Специализированный набор признаков обеспечил корректное обучение в неоднородной среде. Нейросетевая компенсация позволила снизить BER на 35–50 % по сравнению с классическими эквализаторами (MMSE, DFE) и демонстрирует эффективность применения модулей машинного обучения в условиях многолучевости, реверберации и вариабельности среды. По итогам исследований подготовлены практические рекомендации по применению стеганографических, адаптивных и помехоустойчивых методов в гидроакустическом канале. Документ включает алгоритмы предварительной обработки, методы спектральной нормализации, подходы к формированию обучающих выборок и рекомендации по выбору коэффициента внедрения α.