Похожие презентации:
proekt1
1. Программный комплекс адаптивной фильтрации и спектрального анализа радиосигналов на основе глубоких сверточных автоэнкодеров.
Программный комплекс адаптивной фильтрации испектрального анализа радиосигналов на основе глубоких
сверточныхавтоэнкодеров
.
Авторы презентации
: ВантеевИлья, КарачистыйМаксим
,
ТюхтаНиколай
2. Проблема и её актуальность
КритерийОписание проблемы спектрального анализа
Физическое
ограничение БПФ
Результаты ДПФ/БПФ неизбежно искажаются шумовыми флуктуациями АЦП,
маскируя слабые гармоники полезного сигнала.
Проблема
классического ЦОС
Традиционные КИХ
- фильтры при подавлении шума «замыливают» экстремумы и
уширяют полосу пропускания, искажая реальную мощность.
Недостаток фильтра
Савицкого—Голея
Является детерминированным алгоритмом со статической матрицей весов, не
адаптируется к динамической помеховой обстановке.
Импортозамещение
Уход из РФ крупнейших производителей измерительногоRohde&
ПО ( Schwarz,
Keysight, Anritsu) требует создания отечественных решений.
3.
Суть идеи проектаNeuroSpectra Analyzer — интеллектуальный кроссплатформенныйпрограммный комплекс
адаптивнойфильтрациина базе нелинейныходномерныхсверточныхавтоэнкодеров
.
Что мы улучшаем : Вместостатических детерминированных
методовЦОС мы используемглубокие
каскады одномерныхсверток с функциями активации ReLU. Это позволяет глубоко подавлять
шумовуюполку и одновременносохранять истиннуюпиковуюмощностьсигналов.
Параметр
сравнения
Классические
КИХ- ФНЧ
Фильтр
Савицкого—Голея
Наше решение
Подавление шумаСлабое (срезает только Среднее (локальное
в паузах ВЧ)
сглаживание)
Глубокое (вырезает шум
до уровня- 90 дБ)
Сохранение Искажает и замыливает Частично просаживает
пиков полезного
амплитуду
сигнала
100% сохранение
экстремумов и мощности
(через ReLU)
Адаптивность к Отсутствует
радиообстановке
Полная (динамическая
подстройка под помехи)
Отсутствует
4. Экономика для клиента
1. Нулевыезатраты на модернизацию"железа"Алгоритм имеет линейную асимптотическуюсложность O(N). Для его
запуска не нужныдорогиевидеокартыили серверы. Он работаетна тех
же процессорахили ПЛИС (FPGA),которыеуже стоят в SDR- приемниках
заказчика.
2. Метрологическийпрорыв
Наш комплексобеспечиваетчистый выигрышпо шумуот +3.5 дБ до +5.2
дБ по сравнениюс лучшимклассическимметодом
.
Мы повышаем чувствительность прибора на программномуровне.
Заказчик получает характеристикидорогостоящегооборудованиятопуровняпо цене обновлениясофта.
5. Целевой рынок и коммерческий потенциал
Производители систем обнаружения.Разработчики гражданских и специальных SDR
- приемников и трансиверов.
Заводы- изготовители стационарных и портативных цифровых анализаторов спектра.
Оценка рынка в рамках импортозамещения
Уровень рынка
Описание и потенциал
Мировой рынок измерительного ПО и софта для цифровой обработки
PAM сигналов (ЦОС).
Российский рынок ПО для радиоэлектронной промышленности,
TAM измерительной техники и ВПК.
SAM
Доступный нам объем рынка систем радиомониторинга.
Наш гарантированный объем продаж лицензий и контрактов на НИОКР в
SOM первые 2–3 года.
6. Бизнес-модель
Элемент бизнес - моделиСодержание и реализация в гражданском
секторе
Коммерческий НИОКР
Кастомизация ядра под ТЗ крупных корпораций
Лицензирование ПО
Продажа готовых годовых/бессрочных
лицензий
Продажа IP - ядер
Поставка прошивок ИИ - фильтра для
интеграции напрямую в ПЛИС
УТП: Повышение помехозащищенности радиосистем на +5.2 дБ за 24 часа путем простого
обновления программного обеспечения, без изменения схемотехники прибора
7.
Архитектура продукта и MVPКлючевой функционал, реализованный в MVP:
• Автоматический парсинг и интерполяция спектральных приборных
файлов форматов CSV/TXT произвольного разрешения.
• Модуль параллельного расчета классической фильтрации и
инференса
модели.
• Интерактивное графическое поле (
pyqtgraph) с динамическим визиром
частоты и точной подстройкой положения маркера (
Frequency Tune).
• Окно телеметрии с выводом пиковой частоты, амплитуды, коэффициента
гармоник (THD) и автоматическим расчетом выигрыша модели над ЦОС в
децибелах.
8.
Текущие результаты проекта• Расчетный модуль ИИ:
Обученная на PyTorch по критерию L 1- loss модель сверточного автоэнкодера ,
устойчивая к крупным выбросам и сохраняющая фронты сигналов .
• Инвариантность к данным:
Софт принимает файлы любого разрешения (512, 1024, 4096 точек) на лету
без перестройки слоев.
• Интерфейс PyQt6/ pyqtgraph:
Виртуальный измерительный прибор с ручкой точной настройки (
Tune) и блоком обзора ( Span ).
Frequency
• Метрологический визор
Автоматически рассчитывает коэффициент искажений (THD) и выводит
относительный выигрыш над конкурентами в дБ
9.
Текущие результаты проекта10.
Охрана интеллектуальной собственностиОбъект защиты
Метод юридической защиты
Коммерческий смысл
Программный код
Свидетельство Роспатента на программу
для ЭВМ.
Защита от прямого
копирования софта.
Архитектура ИИ
Патент на полезную модель / изобретение Монополия на метод
(КИХ- эквивалентная структура ИИ).
нелинейной фильтрации.
Веса нейросети
Режим коммерческой тайны на файл
*.pth.
Защита расчетного ядра от
утечки.
Бренд
Регистрация товарного знака
«NeuroSpectraAnalyzer».
Защита репутации на
рынке.
11.
Дорожная карта развития2026 (Текущая точка)
MVP десктопного софта, успешные тесты на
синтезированных
и реальных зашумленных
спектрах, подтвержденный выигрыш +5.2 дБ .
2026
12.
Дорожная карта развития2027 (Выход на рынок)
Заключение первых пилотных
контрактов
на
2026 (Текущая
точка)
НИОКРдесктопного
с производителями
SDR - приемников
MVP
софта, успешные
тесты на.
Сертификация
софта
во зашумленных
ВНИИФТРИ
синтезированных
и реальных
(метрологическая
аттестациявыигрыш
ИИ) . +5.2 дБ .
спектрах,
подтвержденный
2026
2027
13.
Дорожная карта развития2028+
(Масштабирование)
2027
(Выход на рынок)
Портирование
сверточного
на
Заключение первых
пилотных инференса
контрактов на
языки
аппаратуры SDR(Verilog
/VHDL) ..
НИОКР описания
с производителями
- приемников
Продажа
IP - блоков
для
Сертификация аппаратных
софта
во
ВНИИФТРИ
отечественных
ПЛИС
(метрологическаяизмерительных
аттестация ИИ)
. .
2026
2027
2028
14. МАКРОЭКОНОМИЧЕСКИЙ ПРОГНОЗ РАЗВИТИЯ
• Экономическое обоснованиеЗа счет асимптотической сложности сверточного инференса O(N) внедрение алгоритма не
требует закупки дорогостоящих вычислительных серверов — расчеты могут производиться на
типовых промышленных микроконтроллерах или ПЛИС - структурах .
• Инвестиционные затраты
Покупка отладочных плат FPGA/ПЛИС, оплата труда инженера по аппаратной интеграции.
Финансовые показатели , прогноз на 3 года:
• Ставка дисконтирования: 15.00%.
• Срок окупаемости проекта (PB): 1.8 года.
• Эффективность: Стабильный прогнозируемый рост
маржинальности за счет продажи
тиражируемых лицензий на ПО производителям приборной базы.
15.
Управление рисками проектаВид риска
Описание
Вероятность
Тяжесть
Стратегия
минимизации риска
Технический
Трудности
оптимизации Средняя
нейросети
под
низкопроизводительные
ПЛИС - чипы .
Средняя
Использование
легковесной архитектуры
без полносвязных слоев
с
вычислительной
сложностью O(N) .
Рыночный
Появление альтернативных Низкая
решений
денойзинга
с
открытым кодом.
Высокая
Формирование
УТП за
счет
уникальной
логарифмической
лосс - функции
и
выигрыша до +5.2 дБ .
Кадровый
Нехватка
узкопрофильных Высокая
специалистов по стыку ИИ и
ЦОС .
Средняя
Привлечение
студентов
профильных
кафедр
БГТУ
«ВОЕНМЕХ»
к
НИОКР .