Документация

Введение

RWR является пассивной системой поддержки радиоэлектронной войны [1], который предоставляет своевременную информацию пилоту о ее среде сигнала РФ. RWR прерывает посягающий сигнал и использует методы обработки сигналов, чтобы извлечь информацию о прерванных характеристиках формы волны, а также местоположение эмиттера. Эта информация может использоваться, чтобы вызвать контрмеры, такие как затор, чтобы не обнаруживаться радаром. Взаимодействие между радаром и самолетом изображено в следующей схеме.

В этом примере мы моделируем сценарий, где наземный радар наблюдения и самолет с RWR представляют. RWR обнаруживает радарный сигнал и извлекает следующие параметры формы волны от прерванного сигнала:

Цепочка RWR состоит из поэтапной антенны массивов, канализируемого получателя, детектора конверта и сигнального процессора. Диапазон частот прерванного сигнала оценивается канализируемым получателем и детектором конверта, после которого обнаруженный подполосный сигнал питается сигнальный процессор. Регулирование луча применяется к направлению прибытия этого подполосного сигнала, и параметры формы волны оцениваются с помощью псевдо Wigner-Ville, преобразовывают в сочетании с Преобразованием Хафа. Используя угол прибытия и одно-базового подхода, также оценивается местоположение эмиттера.

Setup сценария

Примите, что наземный радар наблюдения действует в полосе L и передает сигналы щебета 3 $$\mu s$$ длительность в импульсном интервале повторения 15 $$\mu s$$. Пропускная способность переданного щебета составляет 30 МГц, и несущая частота составляет 1,8 ГГц. Радар наблюдения расположен в начале координат и стационарный, и самолет летит на постоянной скорости 200 м/с (~0.6 Маха).

% Define the transmitted waveform parameters
fs = 4e9;                     % Sampling frequency for the systems (Hz)
fc = 1.8e9;                   % Operating frequency of the surveillance radar (Hz)
T = 3e-6;                     % Chirp duration (s)
PRF = 1/(15e-6);              % Pulse repetition frequency (Hz)
BW = 30e6;                    % Chirp bandwidth (Hz)
c= physconst('LightSpeed');   % Speed of light in air (m/s)

% Assume the surveillance radar is at the origin and is stationary
radarPos= [0;0;0];          % Radar position (m)
radarVel= [0;0;0];          % Radar speed (m/s)

% Assume aircraft is moving with constant velocity
rwrPos= [-3000;1000;1000];   % Aircraft position (m)
rwrVel= [200; 0; 0];        % Aircraft speed (m/s)

% Configure objects to model ground radar and aircraft's relative motion
rwrPose = phased.Platform(rwrPos, rwrVel);
radarPose = phased.Platform(radarPos, radarVel);

Антенна передачи радара 8x8 универсальный прямоугольный поэтапный массив, имея интервал $$\lambda$$/2 между его элементами. Сигнал распространяет от радара до самолета и прерывается и анализируется RWR. Для простоты форма волны выбрана в качестве линейной формы волны FM с пиковой мощностью 100 Вт.

% Configure the LFM waveform using the waveform parameters defined above
wavGen= phased.LinearFMWaveform('SampleRate',fs,'PulseWidth',T,'SweepBandwidth',BW,'PRF',PRF);

% Configure the Uniform Rectangular Array
antennaTx = phased.URA('ElementSpacing',repmat((c/fc)/2, 1, 2), 'Size', [8,8]);

% Configure objects for transmitting and propagating the radar signal
tx = phased.Transmitter('Gain', 5, 'PeakPower',100);
radiator = phased.Radiator( 'Sensor', antennaTx, 'OperatingFrequency', fc);
envIn = phased.FreeSpace('TwoWayPropagation',false,'SampleRate', fs,'OperatingFrequency',fc);

Наземный радар наблюдения не знает о направлении цели, поэтому, это должно отсканировать целый пробел, чтобы искать самолет. В целом радар передаст серию импульсов в каждом направлении прежде, чем переместиться в следующее направление. Поэтому не теряя общность, этот пример принимает, что радар передает к нулевому азимуту степеней и повышению. Следующие данные показывают, что представление частоты времени train с 4 импульсами прибыло в самолет. Обратите внимание на то, что несмотря на то, что импульсный train прибывает в определенную задержку, задержка прибытия первого импульса не важна для RWR, потому что это не знает время передачи и должно постоянно контролировать его среду

% Transmit a train of pulses
numPulses = 4;
txPulseTrain = helperRWR('simulateTransmission',numPulses, wavGen, rwrPos,...
    radarPos, rwrVel, radarVel, rwrPose, radarPose, tx, radiator, envIn,fs,fc,PRF);

% Observe the signal arriving at the RWR
pspectrum(txPulseTrain,fs,'spectrogram','FrequencyLimits',[1.7e9 1.9e9], 'Leakage',0.65)
title('Transmitted pulse train spectrogram'); caxis([-110 -90]);

RWR оборудован 10x10 универсальный прямоугольный массив с интервалом $$\lambda$$/2 между его элементами. Это действует в целой L-полосе с центральной частотой 2 ГГц. RWR слушает среду, и постоянно подает собранные данные в цепочку обработки.

% Configure the receive antenna
dip = phased.IsotropicAntennaElement('BackBaffled',true);
antennaRx = phased.URA('ElementSpacing',repmat((c/2e9)/2,1,2),'Size', [10,10],'Element',dip);

% Model the radar receiver chain
collector = phased.Collector('Sensor', antennaRx,'OperatingFrequency',fc);
rx = phased.ReceiverPreamp('Gain',0,'NoiseMethod','Noise power', 'NoisePower',2.5e-6,'SeedSource','Property', 'Seed',2018);

% Collect the waves at the receiver
[~, tgtAng] = rangeangle(radarPos,rwrPos);
yr = collector(txPulseTrain,tgtAng);
yr = rx(yr);

Детектор конверта RWR

Детектор конверта в RWR ответственен за обнаружение присутствия любого сигнала. Когда RWR постоянно получает данные, цепочка получателя буферизует и обрезает полученные данные в 50 $$\mu s$$ сегменты.

% Truncate the received data
truncTime = 50e-6;
truncInd = round(truncTime*fs);
yr = yr(1:truncInd,:);

Поскольку RWR не знает о точной центральной частоте, используемой в форме волны передачи, это сначала использует банк фильтров, каждый настроенный на немного отличающуюся частоту центра РФ, чтобы разделить полученные данные на поддиапазоны. Затем детектор конверта применяется в каждой полосе, чтобы проверять, представляет ли сигнал. В этом примере сигнал разделен на поддиапазоны пропускной способности на 100 МГц. Дополнительное преимущество для такой операции - то, что вместо того, чтобы выбрать целую пропускную способность, покрытую RWR, сигнал в каждом поддиапазоне может субдискретизироваться к частоте дискретизации 100 МГц.

% Define the bandwidth of each frequency sub-band
stepFreq = 100e6;

% Calculate number of sub-bands and configure dsp.Channelizer
numChan = fs/stepFreq;
channelizer = dsp.Channelizer('NumFrequencyBands', numChan, 'StopbandAttenuation', 80);

График ниже показов первые четыре полосы создается набором фильтров.

% Visualize the first four filters created in the filter bank of the
% channelizer
freqz(channelizer, 1:4)
title('Zoomed Channelizer response for first four filters')
xlim([0 0.2])

% Pass the received data through the channelizer
subData = channelizer(yr);

Полученные данные, subData, имеют 3 размерности. Первая размерность представляет быстро-разовое, второе измерение представляет поддиапазоны, и третья размерность соответствует элементам получения массива получения. Для RWR's 10x10 настройка антенны использовала в этом примере, у нас есть 100 элементов получения. Поскольку степень передачи является низкой, и шум получателя высок, радарный сигнал неотличим от шума. Поэтому полученная степень суммирована через эти элементы, чтобы улучшить отношение сигнала к носу (SNR) и получить лучшие оценки степени в каждом поддиапазоне. Полоса, которая имеет максимальную власть, является той, используемой радаром.

% Rearrange the subData to combine the antenna array channels only
incohsubData = pulsint(permute(subData,[1,3,2]),'noncoherent');
incohsubData = squeeze(incohsubData); 

% Plot power distribution
subbandPow = pow2db(rms(incohsubData,1).^2)+30;
plot(subbandPow);
xlabel('Band Index');
ylabel('Power (dBm)');

% Find the sub-band with maximum power
[~,detInd] = max(subbandPow);

Сигнальный процессор RWR

Несмотря на то, что степень в выбранной полосе выше по сравнению с соседней полосой, ОСШ в полосе является все еще низким, как показано в следующей фигуре.

subData = (subData(:,detInd,:));
subData = squeeze(subData);  %adjust the data to 2-D matrix

% Visualize the detected sub-band data
plot(mag2db(abs(sum(subData,2)))+30)
ylabel('Power (dBm)')
title('Detected sub-band from 100 channels combined incoherently')

% Find the original starting frequency of the sub-band having the detected
% signal
detfBand = fs*(detInd-1)/(fs/stepFreq);

% Update the sampling frequency to the decimated frequency
fs = stepFreq;

subData является теперь двумерной матрицей. Первая размерность представляет быстро-разовые выборки, и второе измерение является данными через 100 каналов антенны получения. Обнаруженный поддиапазон стартовая частота вычисляется, чтобы найти несущую частоту обнаруженного сигнала.

Следующий шаг для RWR должен найти направление, от которого прибывают радиоволны. Этот угол информации о прибытии использовался бы, чтобы регулировать получить луч антенны в направлении эмиттера и определить местоположение эмиттера на земле с помощью одного базового подхода. RWR оценивает направление прибытия с помощью двумерного средства оценки MUSIC. Регулирование луча сделано с помощью формирователя луча сдвига фазы, чтобы достигнуть максимального ОСШ сигнала, таким образом помочь экстракции параметра формы волны.

Примите, что наземная плоскость является плоской и параллельной xy-плоскости системы координат. такой, RWR может использовать информацию о высоте от своих показаний высотомера самолета наряду с направлением прибытия, чтобы триангулировать местоположение эмиттера.

% Configure the MUSIC Estimator to find the direction of arrival of the
% signal
doaEst = phased.MUSICEstimator2D('OperatingFrequency',fc,'PropagationSpeed',c,...
    'SensorArray',antennaRx,'DOAOutputPort',true,'AzimuthScanAngles',-50:.5:50,...
    'ElevationScanAngles',-50:.5:50, 'NumSignalsSource', 'Property','NumSignals', 1);

[mSpec,doa] = doaEst(subData);
plotSpectrum(doaEst,'Title','2-D MUSIC Spatial Spectrum Top view');
view(0,90); axis([-30 0 -30 0]);

Фигура ясно показывает местоположение эмиттера.

% Configure the beamformer object to steer the beam before combining the
% channels
beamformer = phased.PhaseShiftBeamformer('SensorArray',antennaRx,...
    'OperatingFrequency',fc,'DirectionSource','Input port');

% Apply the beamforming, and visualize the beam steered radiation
% pattern
mBeamf = beamformer(subData, doa);

% Find the location of the emitter
altimeterElev = rwrPos(3);
d = abs(altimeterElev/sind(doa(2)));

После применения регулирования луча антенна имеет максимальное усиление в азимуте и углу повышения прибытия сигнала. Это далее улучшает ОСШ прерванного сигнала. Затем, параметры сигнала извлечены в сигнальном процессоре с помощью одного из аналитических методов частоты времени, известных как псевдо Wigner-Ville, преобразовывают вместе с Преобразованием Хафа, как описано в [2].

Во-первых, выведите представление частоты времени прерванного сигнала с помощью Wigner-Ville, преобразовывают.

% Compute the pseudo Wigner-Ville transform
[tpwv,t,f] = helperRWR('pWignerVille',mBeamf,fs);

% Plot the pseudo Wigner-Ville transform
imagesc(f*1e-6,t*1e6,pow2db(abs(tpwv./max(tpwv(:)))));
xlabel('Frequency (MHz)'); ylabel('Time(\mus)');
caxis([-50 0]); clb = colorbar; clb.Label.String = 'Normalized Power (dB)';
title ('Pseudo Wigner-Ville Transform')

Используя человеческие глаза, даже при том, что получившееся представление частоты времени является шумным, не слишком трудно разделить сигнал от фона. Каждый импульс появляется как строка в плоскости частоты времени. Таким образом, с помощью начала и конца строк частоты времени, мы можем вывести ширину импульса и пропускную способность импульса. Точно так же время между строками от различных импульсов дает нам импульсный интервал повторения.

Для этого автоматически не полагаясь на человеческие глаза, мы используем Преобразование Хафа, чтобы идентифицировать те строки от изображения. Преобразование Хафа может выполнить хорошо в присутствии шума и является улучшением к методу анализа сигнала частоты времени.

Чтобы использовать Преобразование Хафа, необходимо преобразовать изображение частоты времени в двухуровневое изображение. Следующий фрагмент кода выполняет некоторое усреднение данных на изображении, и затем используйте imbinarize, чтобы сделать преобразование. Порог преобразования может быть изменен на основе характеристик сигнала шумовых получателя и операционной среды.

% Normalize the pseudo Wigner-Ville image
twvNorm = abs(tpwv)./max(abs(tpwv(:)));

% Implement a median filter to clear the noise
filImag = medfilt2(twvNorm,[7 7]);

% Use threshold to convert filtered image into binary image
BW = imbinarize(filImag./max(filImag(:)), 0.15);
imagesc(f*1e-6,t*1e6,BW); colormap('gray');
xlabel('Frequency (MHz)'); ylabel('Time(\mus)');
title ('Pseudo Wigner-Ville Transform - BW')

Используя Преобразование Хафа, бинарное псевдо изображение Wigner-Ville сначала преобразовывается к peaks. Таким образом, вместо того, чтобы обнаружить строку в изображении, мы только должны обнаружить пик в изображении.

% Compute the Hough transform of the image and plot
[H,T,R] = hough(BW);
imshow(H,[],'XData',T,'YData',R,'InitialMagnification','fit');
xlabel('\theta'), ylabel('\rho');
axis on, axis normal, hold on;
title('Hough transform of the image')

Пиковые положения извлечены с помощью houghpeaks.

% Compute peaks in the transform, up to 5 peaks
P  = houghpeaks(H,5);
x = T(P(:,2)); y = R(P(:,1));
plot(x,y,'s','color','g'); xlim([-90 -50]); ylim([-5000 0])

Используя эти положения, houghlines может восстановить строки в исходном двухуровневом изображении. Затем, как обсуждено ранее, начало и конец этих строк помогают нам оценить параметры формы волны.

lines = houghlines(BW,T,R,P,'FillGap',3e-6*fs,'MinLength',1e-6*fs);
coord = [lines(:).point1; lines(:).point2];

% Plot the detected lines superimposed on the binary image
clf;
imagesc(f*1e-6, t*1e6, BW); colormap(gray); hold on
xlabel('Frequency (MHz)')
ylabel('Time(\mus)')
title('Hough transform - detected lines')
for ii = 1:2:2*size(lines,2)
    plot(f(coord(:,ii))*1e-6, t(coord(:,ii+1))*1e6,'LineWidth',2,'Color','green');
end

% Calculate the parameters using the line co-ordinates
pulDur = t(coord(2,2)) - t(coord(1,2));         % Pulse duration
bWidth = f(coord(2,1)) - f(coord(1,1));         % Pulse Bandwidth
pulRI = abs(t(coord(1,4)) - t(coord(1,2)));     % Pulse repetition interval
detFc = detfBand + f(coord(2,1));               % Center frequency

Извлеченные характеристики формы волны описаны ниже. Они совпадают с истиной очень хорошо. Эти оценки могут затем использоваться, чтобы каталогизировать радар и подготовиться к встречным мерам при необходимости.

helperRWR('displayParameters',pulRI, pulDur, bWidth,detFc, doa,d);

Pulse repetition interval = 14.97 microseconds
Pulse duration = 2.84 microseconds
Pulse bandwidth = 27 MHz
Center frequency = 1.8286 GHz
Azimuth angle of emitter = -18.5 degrees
Elevation angle of emitter = -17.5 degrees
Distance of the emitter = 3325.5095 m

Сводные данные

Эта демонстрация показывает, как RWR может оценить параметры прерванного радарного сигнала, использующего методы обработки изображений и обработка сигналов.

Ссылки

[1] Радиоэлектронная война и руководство 2013 разработки радиолокационных систем, военно-морское воздушное деление оружия центра войны, Пойнт-Мугу, Калифорния.

[2] Дэниел Л. Стивенс, Стефани А. Шукерс, Обнаружение и Экстракция Параметра Низкой Вероятности Радарных Сигналов Прерывания с помощью Преобразования Хафа. Глобальный Журнал Исследования В Техническом выпуске 6 Vol 15, январь 2016