Тема 3.6 способы и средства защиты информации от наблюдения
Лабораторная работа №5 «Исследование модулированных сигналов, применяемых для скрытной передачи информации»
Цель работы: получение навыков формирования и обработки сложномодулированных сигналов (в среде MATLAB).
В процессе физической передачи информации актуальным является сокрытие самого факта передачи данных. При этом исходная посылка должна быть подготовлена к передаче, передана в эфир, принята и дешифрирована.
Маскировка для уменьшения заметности факта передачи информации должна снижать энергию сигнала, доступного средству разведки. Для этого в системах используются:
– возможно меньшие уровни излучения (обеспечиваются за счет выбора структур и свойств сигналов, а также особыми способами обработки сигналов в приемнике);
– широкополосные сигналы, имеющие большую базу (F– девиация частоты или полоса частот, – период сигнала) и обеспечивающие большую параметрическую неопределенность для приемника средства разведки;
– снижение уровней побочных и непреднамеренных излучений электронных систем и средств объектов разведки.
Широкополосные сигналы занимают полосу частот, существенно превышающую полосу частот переносимого ими сообщения.
Расширение полосы частот сигнала достигается за счет модуляции несущего колебания по амплитуде, фазе или частоте.
Для передачи сообщений применяют сложные сигналы – линейные и нелинейные кодовые последовательности.
Типичными и наиболее распространенными являются М-последовательности (рис. 1), для которых справедливо рекуррентное правило:
, (1)
где – характеристический многочлен. Комбинация символов 00..000 является запрещенной, поскольку все последующие вычисления по выражению (1) приведут к нулевому результату.
В среде Matlab вектор задается как a = [1 0 0 0 0 0 0 0], доступ к элементу осуществляется путем индексирования: a(6), вычисление суммы по модулю – с помощью функции mod.
Рис. 1. Схема формирования М-последовательности
На основании полученной последовательности символов формируется расширяющая функция .
Таким образом, при длине характеристического многочлена период формируемой последовательности не может превышать символов.
Период М-последовательности . Ширина спектра М-последовательности определяется ее самым коротким элементом – символом и равна , в то время как база такого сигнала – .
Важными характеристиками М-последовательности являются свойства ее автокорреляционной функции (АКФ). Для ее построения используется математическая операция свертка. Свертка вычисляется как в частотной, так и во временной областях.
Схема вычисления свертки во временной области приведена на рис. 2. Если длины сворачиваемых последовательностей P и Q равны LP и LQ, то длина свертки равна LP+LQ–1.
АКФ формируется с помощью свертки М-последовательности самой на себя.
В качестве основных свойств АКФ являются величина пика и максимальный уровень боковых лепестков. На практике применяются М-последовательности, указанные величины АКФ для которых равны и соответственно (рис. 3).
Для выявления М-последовательностей при заданном значении m осуществляется перебор всевозможных вариантов характеристического многочлена С = 000…00 – 111…11. Для m=8 их число равно 256, однако не при всех С будет сформирована М-последовательность.
В среде Matlab для перевода из 10 в 2 систему счисления применяется функция dec2bin, которую удобно использовать в этом случае.
Рис. 2. Схема вычисления свертки (затемненная последовательность неподвижна)
Боковые лепестки
(уровень )
Пик
Рис. 3. Типичные вид и свойства АКФ для М-последовательности
Для передачи в эфир каждый бит информации (“1” либо “0”) кодируется последовательностью либо . Допустим, что в эфир передается посылка Msg=[ 1 0 1 1 1 1 0 0 0 1 1 ] (11 бит), используется M-последовательность длиной 255 символов ={–1,+1,+1,–1,…}, ={+1,–1,–1,+1,…}. Тогда длина выдаваемой в эфир последовательности равна 11 х 255 = 2805 символов.
Формирование посылки в среде Matlab может быть осуществлено с помощью функции конкатенации а = [ b ; c], результатом работы которой будет вектор a, слитый из векторов b и c.
Для моделирования обработки сигнала в приемном устройстве необходимо свернуть последовательность (из 2805 символов для рассматриваемого примера) с последовательностью (из 255 символов для рассматриваемого примера). На рис. 4 положительный пик соответствует принятому биту «1» и отрицательный пик – биту «0».
Рис. 4. Типичный вид принятого сигнала после свертки
При относительной простоте генерации линейные рекуррентные кодовые последовательности имеют низкую структурную скрытность. В соответствии с соотношением (1) для формирования М-последовательности нужно знать коэффициентов . Их можно определить из уравнений вида (1) относительно неизвестных и .
Лучшей структурной скрытностью обладают нелинейные кодовые последовательности:
, (2)
Наличие дополнительного члена, образующего нелинейную обратную связь, позволяет исключить зацикливание в связи с выработкой комбинации 00...000.
Схема формирования последовательности согласно выражению (2) приведена на рис. 5.
Рис. 5. Схема формирования нелинейной последовательности
Для зондирования местности и объектов с целью восприятия в радиолокационном диапазоне волн применяют внутриимпульсную модуляцию. Одним их распространенных способов является линейно-частотное модулирование (ЛЧМ).
При этом комплексный сигнал
, (3)
где a(t)=1, f0=0, T=1, t= -0.5:0.001:0.5 после излучения также подвергается операции свертки (сжатию) в приемном тракте. Действительная и мнимая составляющие ЛЧМ-сигнала приведены на рис. 6.
Для свертки (обозначение: * ) комплексных сигналов во временной области необходимо вычислить 4 свертки действительных сигналов. Пусть – принимаемый сигнал, – сигнал в приемнике. Тогда:
. (4)
Для сигнала : re=real( u(t) ), im= – imag( u(t) ), для сигнала : re=real( u(t) ), im=imag( u(t) ). Различие заключается в знаке перед мнимыми частями.
В качестве примера на рис. 7 приведен результат свертки ЛЧМ-сигнала. Отчетливо виден пик, по которому обнаруживается принятый ЛЧМ-сигнал.
Рис. 6. Комплексные (Re, Im) составляющие ЛЧМ-сигнала
Рис. 7. Вид ЛЧМ-сигнала после свертки (сжатия)
Спектр ЛЧМ-сигнала может быть вычислен с помощью функции среды Matlab psd. В соответствии со сложившимся представлением в литературе спектр приведен на рис. 8.
Для вывода нескольких кривых на один график в среде Matlab можно использовать режимы hold on, hold off.
Рис. 8. Спектры ЛЧМ-сигнала при девиации частоты F=50…150
ЗАДАНИЕ
Сформируйте М-последовательность при заданных и . Постройте ее график.
Вычислите и постройте график АКФ полученной М-последовательности. Вычисление свертки выполнить в собственном цикле без использования функции conv. Убедитесь, что свернутая последовательность имеет один ярко выраженный пик.
Задайтесь кодом посылки, закодируйте ее с помощью М-последовательности. Осуществите ее передачу и декодирование. Убедитесь в правильности декодированных данных.
Промоделируйте наличие шума в канале связи путем его добавления к передаваемой информации (используйте функцию MATLAB normrnd, длина шумовой последовательности должна совпадать с длиной передаваемой последовательности). Сравните графики при отсутствии шума, с шумом sigma=0,5…3.
*Промоделируйте перехват и декодирование информации в посылке с использованием М-последовательности.
Найдите все характеристические многочлены М-последовательности для .
Найдите все характеристические многочлены нелинейной последовательности для .
Постройте графики ЛЧМ-сигнала, сверните его и получите спектр сигнала. Постройте графики сжатого сигнала в прямоугольных и полярных координатах. Проанализируйте зависимость спектра сигнала от формы исходных сигналов (F=20…300).
*Откройте пример из Demo: Toolboxes, Signal Processing, Spectral Analysis of DTMF. Пример иллюстрирует работу тонового сигнала кнопочных телефонов. Убедитесь, что спектры используемых сигналов различны. Откройте файл c:\MATLABR11\toolbox\signal\sigdemos\phone.m. По аналогии с ним рассчитайте и отобразите шкалу частот на графике спектра в задании 8.
Детектор движений – это программный модуль, основной задачей которого является обнаружение перемещающихся в поле зрения ТВ-камеры объектов. Система видеодетектирования движения автоматически привязывает источник тревоги к конкретной камере, в видеопотоке которой обнаружена подозрительная активность. Возможность первичного обнаружения тревоги детектором движения повышает эффективность системы видеонаблюдения, так как вероятность ложных срабатываний снижается и сотрудники охраны внимательнее относятся к сигналам тревоги.
Пользуясь источниками, указанные в списке литературы, ознакомьтесь с основными аспектами систем видеодетектирования.
Контрольные вопросы
Ответы на все контрольные вопросы должны быть отражены в отчете к лабораторной работе.
Технические средства получения видеоряда.
Пассивные и активные ИК детекторы движения. Размер зоны обнаружения, методы обработки сигнала, конструкция. Применение. Достоинства и недостатки.
Микроволновые датчики.
Требования, предъявляемые к эталонному описанию объекта.
В чем разница между обнаружением активности и вторжения?
Какими параметрами оперируют детекторы движения?
Виды размещения камеры наблюдения и соответствующие режимы работы детектора движения.
Перечислите оптимальные и нежелательные перемещения объекта/объектов по кадру с точки зрения качества работы детектора движения.
Интеллигентный детектор движения: принцип работы и основные составляющие.
Перечислите алгоритмы, применяемые при сжатии изображений. Дайте их краткое описание.
Практические упражнения
Выберите программную среду для создания видеоряда или используйте мультимедийную видеокамеру с соответствующим программным обеспечением.
Создайте в среде MATLAB интерактивное приложение, способное открывать тестируемый avi-файл. Выведите в окно управления номер текущего кадра и общее количество кадров в видеоряде. Добавьте органы управления для покадрового просмотра видеоряда. Убедитесь в работоспособности приложения.
Добавьте в приложение функцию преобразования цветного (RGB) avi-файла в черно-белый с 256 градациями яркости. Для этого самостоятельно найдите в Сети соответствующую формулу для перевода.
Добавьте возможность выбора положения и размеров маркера-прямоугольника в пределах кадра (мышью или заданием координат), его отображения, а также возможность вывода поверх кадра текстовой информации.
Добавьте орган управления порогом чувствительности алгоритма обнаружения. Запрограммируйте алгоритм обнаружения активности внутри маркера-прямоугольника. Убедитесь в его работоспособности, устанавливая маркер в различные положения и изменяя порог чувствительности.
Добавьте в приложение возможность вычисления и отображения гистограммы изображения, попавшего в пределы маркера-прямоугольника. Для вычисления гистограммы нужно обнулить вектор из 256 элементов (количество градаций изображения), пройти в цикле по элементам изображения и накопить в каждом элементе вектора число встретившихся элементов соответствующей яркости. Сравните полученную гистограмму с гистограммой того же изображения, вычисленную в PhotoShop’е.
Вернитесь к алгоритму обнаружения активности. При покадровом просмотре видеоряда установите взаимосвязь между изменением характера гистограммы до и после обнаружения активности.
Реализуйте алгоритмы межкадрового накопления, межкадрового вычитания и электронной стабилизации кадра.
Реализуйте любой из методов, описанных на сайте http://topazk.ru/ssl/Projects/Projects.htm
Ознакомьтесь с алгоритмами сжатия видеоданных [Прэтт, Красильников]. Реализуйте один из них для выделения движущегося региона в видеоряде.