Применение поляризационного анализа радиолокационных сигналов для уменьшения влияния пассивных помех

Тип работы:
Реферат
Предмет:
Кибернетика


Узнать стоимость

Детальная информация о работе

Выдержка из работы

2010
НАУЧНЫЙ ВЕСТНИК МГТУ ГА серия Радиофизика и радиотехника
№ 152
УДК 621. 396. 96
ПРИМЕНЕНИЕ ПОЛЯРИЗАЦИОННОГО АНАЛИЗА РАДИОЛОКАЦИОННЫХ СИГНАЛОВ ДЛЯ УМЕНЬШЕНИЯ ВЛИЯНИЯ ПАССИВНЫХ ПОМЕХ
Н.С. ВОРОНИН, Д.В. КОЛЯДОВ Статья представлена доктором технических наук, профессором Логвиным А. И.
В статье рассматривается возможность использования поляризационной обработки радиолокационных сигналов для уменьшения влияния пассивных помех. Для поляризационной обработки предлагается использовать адаптивный алгоритм — алгоритм линейного предсказания.
Ключевые слова: поляризационный анализ, радионавигационные сигналы, пассивные помехи.
Современные радиолокационные системы, используемые в гражданской авиации, функционируют в условиях значительного уровня помех различного рода. Наличие этих помех оказывает влияние, в том числе на точность оценки информационных параметров, получаемых с помощью радиолокационных систем, а значит, сказывается и на управленческих решениях, принимаемых на основе анализа информации, представляемой радиолокационными системами наблюдения воздушного пространства.
Для разрешения указанной ситуации в радиолокационных системах применяются достаточно эффективные адаптивные алгоритмы обработки радиолокационных сигналов. Такие алгоритмы позволяют реализовать процедуру фильтрации нежелательной информации из полного радиолокационного сигнала [1, 5]. Однако такой подход, основанный в основном на анализе энергетических характеристик полезного сигнала и помехи, может оказаться неприемлемым из-за того, что мощность сигнала помехи может в значительной степени превосходить мощность полезного сигнала. Кроме этого, мешающие отражения могут быть сосредоточенными и пространственно распределенными, и они обладают различными отражающими свойствами.
Необходимо отметить, что в современных радиолокационных системах, используемых в гражданской авиации, практически не принимается в учет возможность оценки поляризационного состояния отраженных от полезных объектов и помех электромагнитных волн для целей их последующего различения и устранения помехи.
Концепция поляризационного анализа радиолокационных объектов может быть использована для улучшения обнаружения наблюдаемых объектов на фоне мешающих отражений [1, 5]. Суть этой концепции сводится к проведению обработки принимаемых сигналов таким образом, чтобы обеспечить максимальное отношение объект/помеха. Эффективность такой обработки может быть увеличена, во-первых, путем использования адаптивной фильтрации, которая позволяет подавить мешающие отражения до определенного уровня- во-вторых, путем использования адаптивного поляризационного преобразования для фиксации адаптивного фильтра в выбранном поляризационном пространстве взамен адаптации его параметров к меняющимся во времени и по поляризации радиолокационным сигналам.
Рассмотрим ряд возможностей, которые дает поляризационная обработка радиолокационных сигналов для улучшения различения радиолокационных объектов на фоне мешающих отражений, в том числе метеобразований и земной поверхности [2].
Пусть в процессе наблюдения осуществляется измерение некоторых характеристик, определенных матрицей рассеяния элемента разрешения. Например, это могут быть модули элементов матрицы рассеяния |^11|, |^12| и |?22|, или сочетания одного из таких модулей и аргументов
двух других элементов |^111, у11 и у12, или инварианты матрицы, ц и у и т. д. Во всех случаях это будут случайные функции времени.
Предполагаем, что в качестве модели сигналов выступает модель представления сигнала в виде квазистационарных участков, связанных с поляризационной окраской наблюдаемых протяженных объектов (сегментов). Предположение о квазистационарности означает, что внутри каждого сегмента (объекта) кратковременная оценка спектра сигнала меняется незначительно. Это позволяет в качестве признаков для описания сегмента взять его длину и оценку спектра мощности сигнала.
Существует значительное число алгоритмов и методов адаптивной обработки сигналов. Остановимся на методе линейного предсказания для каждого параметра поляризации отдельно с помощью экстраполирующей фильтрации, предложенной Винером [4]. Данный метод позволяет одновременно решать задачи распознавания объектов и оценивания спектра радиолокационного сигнала.
Рассмотрим основные принципы линейного предсказания.
Пусть сигнал дискретизирован, т. е. представлен временным рядом |^п}. Основная задача
состоит в предсказании его значения в следующей точке дискретизации, используя линейную суперпозицию.
Пусть Ь& gt-п означает оценку величины Ьп по предыдущимр значениям Ьп1, Ьп2,…, Ьп_, т. е.
р
а,=Е °А_, • (1)
к=1
Коэффициенты ак называются коэффициентами экстраполятора (при этом по определению ах = 1), ар — длиной фильтра. Ошибка такого оценивания или ошибка предсказания равна:
р
Е, = Ь, _=Е акЬ"-к. (2)
к=0
Ошибка Еп может интерпретироваться как мера степени «неожиданности» величины Ьп. Передаточную функцию фильтра И (?), реализующего алгоритм линейного предсказания, можно записать в виде
н (*)=-(3)
1+Е *& quot-
к=1
где О _ коэффициент усиления.
Для минимизации среднеквадратической ошибки предсказания за конечный интервал N
возможно использовать автокорреляционный метод. Уравнения для коэффициентов экстрапо-
лятора:
р
Е акК (1 _ к)) = _Я (1), (4)
к=1
где Я _ автокорреляционная матрица, определяемая выражением
1 N4
Я.= й Е ЗД,.,. (5)
п=1
Приведенная система уравнений может быть решена с использованием быстросходящегося рекурсивного алгоритма [3].
Фильтр линейного предсказания может применяться также в задачах аппроксимации и сглаживания спектров. В этом случае задача линейного предсказания, в спектральном представлении, может быть сформулирована следующим образом: по заданному сигналу со спектром Р (ю) нужно подобрать такую функцию Р (ю) в качестве модели, чтобы интеграл от отношения этих спектров был бы минимален:
2р-Р р (ю)
йю® шт.
(6)
Соответствующее значение параметров спектра такой модели можно найти из нормальных уравнений (4) и представления (3):
В пределе, при р ®?, оба спектра Р (ю) и Р (ю) совпадают.
Фильтр линейного предсказания стремится преобразовать входной сигнал в некоррелированный белый шум. Это достигается путем адаптации фильтра к спектру (т.е. к автокорреляционной функции (АКФ)) входного сигнала.
При оценке спектральной ошибки принимается, что спектры мощности случайных сигналов являются главными характеристиками состояния отраженного радиолокационного сигнала. Основная задача состоит в обнаружении изменения состояния сигнала, т. е. в его спектре.
Пусть Р0 (ю) характеризует состояние сигнала в нулевое время, а Р ((ю) — в момент времени ?. Если фильтр линейного предсказания адаптирован к спектру Р0 (ю) и через него проходит сигнал, то соответствующая ошибка предсказания будет иметь кратковременный спектр Р0 (ю). Спектры Р0 (ю) и р (ю) могут аппроксимировать Р0 (ю) и Р ((ю) с любой степенью точности. Мерой спектральной ошибки выступает величина 1:
Первый член в (8) отражает изменение полной мощности ошибки предсказания, второй -изменение формы сигнала.
Для того, чтобы обнаруживать изменение состояния сигнала и осуществлять его сегментацию, необходимо определить спектр сигнала в произвольный момент времени, а затем, постоянно регистрируя сигнал, находить изменение его спектра по сравнению с исходным (для этого используется мера спектральной ошибки).
Алгоритм поляризационного анализа радиолокационного сигнала включает следующие этапы [2, 6]:
— с помощью (1) определяется автокорреляционная функция сигнала порядка р-
— определяется соответствующий фильтр линейного предсказания порядка р с помощью алгоритма (6) —
— используя (2), по значениям 5-Ы,…, S0 вычисляется ошибка предсказания Е-Ы + ,…, Е0, а
при помощи (1) — текущую кратковременную автокорреляционную функцию ошибки предсказания:
(8)
1 Ы-т
(9)
определяется г (0, т) для адаптируемого участка (т = 0, М) — вычислить г (п, т) по рекуррентной формуле
г (П т) = г (п — 1, т) + Еп+ыЕп+ы-т — Еп-N-1Е,
'-п-Ы-1 п+т-Ы-1 '-
(10)
вычислить меру спектральной ошибки в момент времени п в соответствии с (8):
•(0,0)
¦(n-0)
-1
M
+
k=1
r (n- k) — r (0- k) r (n-0) Г0 (0−0)
— осуществляется проверка выполнения условия
1п & gt-в0. (11)
Если условие (11) не выполняется, необходимо увеличить п на 1, найти Еп+1 и вновь вернуться к третьему этапу.
Если равенство (8) выполняется в момент времени п, т. е. обнаружена граница сегмента, то процедура начинается заново, для чего сдвигается временная ось путем замены (п + к) на (к — N), и все операции повторяются снова с первого этапа.
Мгновенное значение ошибки предсказания является индикатором, чувствительным к резким изменениям сигнала, особенно в тех случаях, когда текущий спектр мощности отличается от спектра мощности на участке адаптации.
Для исключения случайных выбросов сигнала или локальных нестационарностей иногда может быть необходима дополнительная фильтрация ошибки предсказания низкочастотным фильтром с соответствующей выбранной постоянной времени.
2
2
ЛИТЕРАТУРА
1. Воронин Н. С., Колядов Д. В. Реализация адаптивной фильтрации мешающих отражений в РЛС АС УВД. Статья в настоящем Вестнике.
2. Козлов А. И., Логвин А. И., Сарычев В. А. Поляризация радиоволн. Радиополяриметрия сложных по структуре сигналов. — М.: Радиотехника, 2008.
3. Репин В. Г., Тартаковский Г. П. Статистический синтез при априорной неопределенности и адаптация информационных систем. — М.: Сов. радио, 1977.
4. Стратонович Р. Л. Принципы адаптивного приема. — М.: Сов. радио, 1973.
5. Poelman A.J. Virtual Polarization Adaptation. A Method of Increasing the Detection Capability of a Radar System through Polarization-Vector Processing. IEE Proc. Commun. Radar, 1981, U 128, pp. 261−270.
6. Poelman A.J., Guy J.R.F. Multinofch Logic-Product Polarization Suppression Filters a Typical Theoretical Design Example and its Performance in a Rain Clutter Environments. IEE Proc. Commun. Radar, 1984, H 131, pp. 383−396.
APPLICATION OF POLARIZATION ANALYSIS OF RADAR SIGNALS TO INFLUENCE REDUCTION OF PASSIVE INTERFERENCES
Voronin N.S., Kolyadov D.V.
In paper there is considered the possibility of polarization radar signal processing application to reduction of passive interferences influence. There is suggested to use the adaptive algorithm for polarization processing. This is linear prediction algorithm.
Сведения об авторах
Воронин Николай Сергеевич, 1984 г. р., окончил МГТУ ГА (2007), аспирант МГТУ ГА, автор 5 научных работ, область научных интересов — радиолокация, управление воздушным движением, адаптивные алгоритмы обработки информации.
Колядов Дмитрий Валерьевич, 1976 г. р., окончил МАИ (1999), кандидат технических наук, доцент МГТУ ГА, автор около 50 научных работ, область научных интересов — радиолокация и радиополяриметрия, дистанционное зондирование природных сред и техногенных объектов, управление воздушным движением.

ПоказатьСвернуть
Заполнить форму текущей работой