Підвищення рівня безпеки і захищеності транспортної інфраструктури від повітряних загроз на основі їх акустичної ідентифікації

UKR: Мета. Метою дослідження є підвищення рівня безпеки та захищеності транспортної інфраструктури шляхом створення інтелектуальної системи моніторингу, здатної виявляти та класифікувати повітряні загрози за їх акустичними характеристиками. Робота спрямована на розроблення алгоритмів попереднього розпізнавання безпілотних літальних апаратів і крилатих ракет у зоні відповідальності інфраструктурних об’єктів, що є актуальним в умовах гібридних загроз та зростання ролі автономних систем безпеки. Методика. Використано комплексний підхід, який об’єднує методи цифрової обробки сигналів, машинного навчання та мікроконтролерних обчислень. Для побудови навчальної вибірки проведено спектральний аналіз акустичних сигна-тур повітряних об’єктів у середовищі MatLab із застосуванням пакетів Audio Toolbox і DSP System Toolbox. Основними ознаками сигналів стали Mel-частотні кепстральні коефіцієнти (MFCC), що забезпечили ефекти-вне виділення інформативних частотних компонентів. Модель штучної нейронної мережі, оптимізована для контролера STM32, реалізована з використанням бібліотек CMSIS-DSP та X–CUBE–AI. Для передавання да-них між сенсорними вузлами застосовано бездротові протоколи ZigBee і LoRa, що дозволяють формувати масштабовану енергоефективну мережу. Результати. Система забезпечує реєстрацію, аналіз і класифікацію звукових сигналів у режимі реального часу з точністю 85–90 %. Розроблений прототип сенсорного вузла із MEMS-мікрофоном виконує обчислення локально, без потреби в хмарних сервісах. Наукова новизна. Уперше запропоновано концепцію інтеграції акустичної ідентифікації повітряних загроз у систему моніторингу стану транспортної інфраструктури з використанням вбудованого штучного інтелекту, автономного навчання та локального прийняття рішень. Практична значимість. Отримані результати можуть бути використані для створення мереж раннього виявлення загроз, модернізації систем моніторингу контактних мереж, об’єктів критичної інфраструктури та забезпечення технологічної незалежності у сфері оборонних і транспортних рішень.

ENG: Purpose. The purpose of the study is to enhance the safety and protection of transport infrastructure through the development of an intelligent monitoring system capable of detecting and classifying aerial threats based on their acoustic characteristics. The work focuses on designing algorithms for the early recognition of unmanned aerial vehicles (UAVs) and cruise missiles near critical infrastructure, addressing the growing importance of autonomous safety systems under hybrid threat conditions. Methodology. The research applies a comprehensive approach combining digital signal processing, machine learning, and embedded computing. Acoustic signatures of aerial targets were analyzed in MatLab using Audio Toolbox and DSP System Toolbox. Mel-Frequency Cepstral Coefficients (MFCC) were used as primary features to capture the most informative frequency components. The artificial neural network model was optimized for STM32 microcontrollers and implemented using CMSIS-DSP and X–CUBE–AI libraries. Wireless data exchange between sensor nodes employed ZigBee and LoRa protocols, ensuring scalable and energy-efficient communication. Findings. The system provides real-time acquisition, processing, and classification of acoustic signals with an accuracy of 85–90%. The MEMS-based sensor node prototype performs fully local processing without cloud services. Originality. For the first time, a concept integrating acoustic identification of aerial threats into transport infrastructure monitoring has been developed using embedded artificial intelligence, on-device learning, and local decision-making capabilities. Practical value. The results can be used to create distributed early-warning systems, upgrade contact line and infrastructure monitoring, and strengthen technological autonomy in defense and transport security applications.