بخشی از مقاله

خلاصه:

امروزه نمایهی برد برای تشخیص اهداف در رادارهای با قدرت تفکیک بالا - HRRP - 4، به طور قابل ملاحظهای مورد توجه واقع میشوند. در عمل سیگنالهای برگشتی از هدف، آمیخته با نویز بوده و نمایهی برد حاصل از برخورد سیگنال رادار به هدف را دچار اعوجاج کرده و کارآیی سیستم در تشخیص اهداف را تنزل میدهد. نویز در نظر گرفتهشده در این مقاله به صورت نویز گوسی سفید جمع شونده میباشد و به معرفی یک روش جدید با عنوان "نمایش سیگنال به صورت تنک" پرداخته، که در نهایت میتواند عملیات حذف نویز را به خوبی انجام دهد. بحث اصلی به این صورت میباشد که سیگنال برگشتی از هدف، به صورت تنک در نظر گرفته شده و ابتدا به حوزه فرکانس رفته و سپس عملیات حذف نویز انجام می-گیرد. سطح نویز برگشتی، یک مسئله حیاتی در میزان کارآیی عملیات حذف نویز بوده، اما اغلب به صورت یک مسئله ناشناخته میباشد که با انجام روش زیرفضا5 بر روی جملات ماتریس همبستگی تخمین زده میشود. سیستم پردازشگر با پردازش 6SW میتواند تنها با یک بار مشاهده هدف، سطح نویز را تخمین بزند. با این روش نه تنها کارآیی تخمین تضمین میشود، بلکه از حساسیت نسبت به شیفت زمانی نمایه ها نیز اجتناب میگردد. نتایج تجربی نشان میدهد که روش پیشنهادی به طور موثری میتواند نسبت سیگنال به نویز برگشتی را بهینه کرده و سیگنال حاصل را پس از اعمال الگوریتم، با کیفیت بالایی به گیرنده رادار تحویلدهد.

کلمات کلیدی: رادار با قدرت تفکیک بالا، نمایهی برد، حذف نویز، آشکارسازی، نمایش تنک سیگنال

.1 مقدمه

نمایهی برد در رادارهای با قدرت تفکیک بالا اطلاعات زیادی از قبیل ساختار هدف7  و توزیع پراکنندهها را برای آنالیزویژگیهای هدف در بردارد. در سالهای اخیر توجه ویژهای به نمایههای برد اهداف تولیدشده توسط رادارهای با قدرت تفکیک بالا شدهاست[1]، .[2] در رادارهای با پهنای پالس معمولی که دارای قدرت تفکیک نسبتا پایین هستند، معمولاسیگنال برگشتی از اهداف فقط با یک قله نمایش داده میشود و این مساله بدین دلیل است که رزولیشن رادار کم بوده ودر یک لحظه، پهنای پالس ارسالی از رادار، تمام هدف را میپوشاند. اما در رادارهای با قدرت تفکیک بالا وضعیت به گونه دیگری میباشد. چون پهنای پالس رادار خیلی کم میباشد، به همین دلیل سیگنال ارسالی از رادار از روی هدف عبورکرده و با برخورد به هر مرکز پراکننده بر روی هدف، یک قلهی مجزا در سیگنال برگشتی ایجاد مینماید. به این سیگنالبرگشتی از هدف که با عبور از روی هدف شکل موج خاصی را ایجاد مینماید، نمایهی برد میگویند. شکل - - 1 بیانگر اینمطلب می باشد.

انتخاب ویژگی در نمایههای برد و استخراج آنها جزء مسائل مهمی است که باید مورد بررسی قرارگیرد[1]، .[3] برای تشخیص خودکار هدف، مدلهای آماری پارامتری8، به این نمایههای برد اعمال میشوند[4]، .[5] طیفهای درجه بالا9 و ویژگیهای پیچیده در نمایههای برد، برای دستهبندی اهداف مورد مطالعه قرار گرفتهاند.[6] در این مطالعات وجود میزان سیگنال به نویز بالا ضروری است. همانگونه که در قبل نیز اشارهشد سیگنالهای برگشتی از هدف آمیخته با نویز میباشند و وجود این نویزها باعث اعوجاج در نمایههای برد و کاهش کارآیی الگوریتمهای دستهبندی میشوند.[7] روشهای مختلفی برای رفع این مشکل پیشنهاد شدهاست. برای تشخیص این نویزها، ویژگیهای نهفته در طیف نویزهای قوی استخراج می-شود. اصلاح پارامترهای مربوط به این مدلهای آماری، مطابق با سطح نویز نمونههای آزمایشی در مرجع [8] آورده شده است. اما مشکل اصلی در این روش بار محاسباتی بالای مورد نیاز میباشد.

تصویر کردن نویزهای قوی یک روش موثر دیگر میباشد که در [9] آورده شدهاست. در این روش پارامترهای آماری درجه بالاتر برای تصویر کردن نویز در SNRهای پایین مورد استفاده قرار گرفتهاند و به همین دلیل برخی از اطلاعات موجود در سیگنالها حذف میشوند. بتازگی از روشی با عنوان کامپرسیو سنسینگ - 10 - CS در تصویرکردن نویزهای قوی استفاده میشود[10]، .[11] در این روشها مسئله کلیدی این است که سطح نویز چگونه تخمین زدهشود. این مورد از اثرات مربوط به حساسیت نسبت به کیفیت تصویر بوده و همگی متاثر از حساسیت روش CS به میزان نویز میباشد. در مرجع [10]، سطح نویز به وسیله محاسبه انرژی نویز در هر سلول تخمین زده میشود، که این امر توسط یک سطح آستانه معینشده برای انرژی نویز صورت میگیرد. دقت تخمین در این روش وابسته به انتخاب سطح آستانه و تعداد سلولهای نویز میباشد.

در مرجع[11]، که از ویولت11 برای تخمین سطح نویز استفاده شدهاست، واریانس نویز به وسیله مقدار میانه مربوط به ضرایب یک ویولت معین، تخمین زده میشود. معمولا نمایههای برد از یک مشاهده بدست میآیند و بنابراین تعداد نمونهها محدود میشوند. این روشها نمیتوانند تخمین دقیقی از سطح نویز را تضمین کنند. ویولت آستانهای12، زمانی که مقدار سیگنال به نویز بالاتر از یک سطح آستانه معین باشد اثر خود را نشان میدهد [12]، [13] و بنابراین کارآیی این روش در حضور نویزهای قوی کاهش زیادی پیدا میکند. بعلاوه برای برخی پردازشهای معمولی نمایههای برد، امکان مشاهدات بلند مدت[14] 13 میسر نیست. به عنوان نمونه اهداف دریایی قابلیت مانور بسیار کمی داشته و مشاهدات پیدرپی اطلاعات زیادی را به رادار نمیدهد. تئوری نمایش تنک - SR - ، نشان میدهد که در سیگنال تنک و دیکشنری افزونه ای14 ، انرژی سیگنال در بخش کمی متمرکز میشود، در حالیکه انرژی نویز تقریبا بر روی تمام بخشها گسترش یافتهاست و سیگنال میتواند به صورت پایدار و مداوم، با توجه به حذف نویزهای موجود بهبودیابد[15]، .[16]

بر این اساس در این مقاله یک روش حذف نویز از نمایه های برد برای بهبود میزان SNR برگشتی، به وسیله نمایش تنک ارائه شدهاست. برای توصیف تنک سیگنال برگشتی، یک دیکشنری افزونهای فوریه ایجاد میشود و مسئله حذف نویز به صورت یک مدل نمایش تنک مطرح میشود و به وسیله حل مسئله نمایش تنک، برگشتی حذف نویزشده بهبود داده میشود. سطح نویز که یک پارامتر کلیدی برای حذف نویز به وسیله نمایش تنک میباشد، با انجام روش زیرفضا بر روی جملات ماتریس همبستگی تخمین زده میشود. سطح نویز میتواند تنها با استفاده از یک مشاهده بدست آورده شود و با این کار نه تنها کارآیی الگوریتم تضمین میشود بلکه از تداخل حساسیت شیفت زمانی نمایهها نیز اجتناب میگردد. شبیهسازیهای انجام گرفته، موثر بودن روش حذف نویز پیشنهادی را تایید میکند. بقیه این مقاله به صورت ذیل سازماندهی شدهاست. اصول مربوط به رادارهای با قدرت تفکیک بالا و نمایههای برد حاصل در بخش 2 معرفی شدهاست. حذف نویز از برگشتی رادار به وسیله نمایش تنک، در بخش 3 آورده شدهاست. شبیهسازیهای انجام گرفته برای تایید روش در بخش 4 و نتایج پیش رو در بخش 5 بیان شدهاست.

.2 نمایههای برد در رادارهای با قدرت تفکیک بالا

معمولا نمایههای برد بهوسیله سیگنالهای با پهنای باند وسیع از قبیل سیگنالهای با مدولاسیون فرکانس خطی15 یا مدولاسیون فرکانس پلهای16 بدستمیآیند. در این مقاله برای بررسی نمایههای برد در رادارهای با قدرت تفکیک بالا سیگنال با مدولاسیون فرکانس خطی با استفاده از پردازش دیچیرپینگ17 در نظر گرفته شدهاست[17]، .[18] سیگنال - LFMچیرپ - با پهنای باند وسیع ارسالی از رادار میتواند به صورت زیر نمایش داده شود

در متن اصلی مقاله به هم ریختگی وجود ندارد. برای مطالعه بیشتر مقاله آن را خریداری کنید