Фактор улучшения MTI для наземной радиолокационной системы

Этот пример обсуждает фактор улучшения перемещения целевой индикации (MTI) и исследует эффекты следующего эффективность MTI:

  • Частота

  • Импульсная частота повторения (PRF)

  • Количество импульсов

  • Когерентный по сравнению с некогерентной обработкой

Этот пример также вводит источники ошибки тот предел отмена MTI. Наконец, пример демонстрирует улучшение отношения помехи к шуму (CNR) для наземной, радиолокационной системы MTI.

Фактор улучшения MTI

На высоком уровне существует два типа обработки перемещения целевой индикации (MTI), когерентной и некогерентной. Когерентный MTI относится к случаю, в котором передатчик является когерентным по количеству импульсов, используемых в компенсаторе MTI или когда когерентный генератор приемника системы заблокирован к импульсу передатчика, который также известен как coherent-receive систему. Некогерентная система MTI использует выборки помехи, чтобы установить ссылочную фазу, против которой обнаруживаются цель и помеха.

Фактор улучшения MTI Im задан как

Im=CiCo,

где Ciстепень помехи в приемник и Coстепень помехи после обработки MTI.

Воздействие частоты

Исследуйте воздействие частоты на эффективности MTI с помощью mtifactor функция. Используйте импульсную частоту повторения (PRF) 500 Гц и анализируйте для 1-через компенсаторов MTI с 3 задержками и для когерентных и для некогерентных случаев.

% Setup parameters
m    = 2:4;                     % Number of pulses in (m-1) delay canceler
freq = linspace(1e9,10e9,1000); % Frequency (Hz)
prf  = 500;                     % Pulse repetition frequency (Hz)

% Initialize outputs
numM          = numel(m);
numFreq       = numel(freq);
ImCoherent    = zeros(numFreq,numM);
ImNoncoherent = zeros(numFreq,numM);

% Calculate MTI improvement factor versus frequency
for im = 1:numM
    % Coherent MTI 
    ImCoherent(:,im) = mtifactor(m(im),freq,prf,'IsCoherent',true);
    
    % Noncoherent MTI 
    ImNoncoherent(:,im) = mtifactor(m(im),freq,prf,'IsCoherent',false);
end

% Plot results
helperPlotLogMTI(m,freq,ImCoherent,ImNoncoherent);

Figure contains an axes. The axes with title Frequency versus MTI Improvement contains 6 objects of type line. These objects represent Coherent, m = 2, Noncoherent, m = 2, Coherent, m = 3, Noncoherent, m = 3, Coherent, m = 4, Noncoherent, m = 4.

От результатов существует несколько еды на дом. Во-первых, различие между когерентными и некогерентными результатами уменьшается с увеличивающейся частотой для того же m для m = 3 и 4 случая. Результаты для m = 2 случая показывают, что фактор улучшения очень похож на более низких частотах, но эффективность отличается на более высоких частотах. Во-вторых, увеличение m улучшает отмену помехи и для когерентного и для некогерентного MTI. В-третьих, когда PRF считается постоянный, уменьшения фактора улучшения MTI с увеличивающейся частотой. Наконец, для m = 3 и 4, когерентная эффективность лучше, чем некогерентная эффективность.

Эффект PRF

Затем рассмотрите эффект PRF на эффективности фильтра MTI. Вычислите результаты для частоты L-полосы на уровне 1,5 ГГц.

% Set parameters
m    = 2:4;                     % Number of pulses in (m-1) delay canceler
freq = 1.5e9;                   % Frequency (Hz)
prf  = linspace(100,1000,1000); % Pulse repetition frequency (Hz)

% Calculate MTI improvement factor versus PRF
for im = 1:numM
    ImCoherent(:,im) = mtifactor(m(im),freq,prf,'IsCoherent',true); 
    ImNoncoherent(:,im) = mtifactor(m(im),freq,prf,'IsCoherent',false); 
end

% Plot results
helperPlotMTI(m,prf,ImCoherent,ImNoncoherent,'Pulse Repetition Frequency (Hz)','PRF versus MTI Improvement');

Figure contains an axes. The axes with title PRF versus MTI Improvement contains 6 objects of type line. These objects represent Coherent, m = 2, Noncoherent, m = 2, Coherent, m = 3, Noncoherent, m = 3, Coherent, m = 4, Noncoherent, m = 4.

Когда частота считается постоянная, существует несколько результатов отметить. Во-первых, различие между когерентными и некогерентными факторами улучшения увеличиваются для увеличения частоты для того же m для m = 3 и 4 случая. Результаты для m = 2 случая показывают, что фактор улучшения очень похож по большинству исследованных PRFs. Во-вторых, эффективность MTI улучшается с увеличением PRF. Наконец, для m = 3 и 4, когерентная эффективность лучше, чем некогерентная эффективность.

Совместное воздействие частоты и PRF

Затем рассмотрите совместное воздействие частоты и PRF на факторе улучшения MTI. Это позволит системному аналитику получать лучший смысл целого аналитического пробела. Выполните вычисление для когерентной системы MTI с помощью компенсатора с 3 задержками.

% Set parameters
m    = 4;                      % Number of pulses in (m-1) delay canceler
freq = linspace(1e9,10e9,100); % Frequency (Hz)
prf  = linspace(100,1000,100); % Pulse repetition frequency (Hz)

% Initialize 
numFreq          = numel(freq); 
numPRF           = numel(prf); 
ImCoherentMatrix = zeros(numPRF,numFreq); 

% Calculate coherent MTI improvement factor over a range of PRFs and
% frequencies
for ip = 1:numPRF
    ImCoherentMatrix(ip,:) = mtifactor(m,freq,prf(ip),'IsCoherent',true); 
end

% Plot results
helpPlotMTImatrix(m,freq,prf,ImCoherentMatrix);

Figure contains an axes. The axes with title Coherent MTI Improvement, m = 4 contains an object of type surface.

Обратите внимание на то, что те же поведения, как ранее отмечено продемонстрированы здесь.

  • Эффективность MTI улучшается с увеличением PRF

  • Снижения производительности MTI с увеличивающейся частотой

Ограничения эффективности MTI

Обработка MTI основана на требовании цели и стационарности помехи в получить окне. Когда последовательные возвраты получены и вычтены друг от друга, помеха отменяется. Любой эффект, или внутренний или внешний к радару, который запрещает стационарность в получить окне, приведет к несовершенной отмене.

Большое разнообразие эффектов может уменьшить эффективность отмены MTI. Примеры включают, но не ограничиваются:

  • Нестабильность частоты передатчика

  • Дрожание импульсного интервала повторения (PRI)

  • Дрожание ширины импульса

  • Шум квантования

  • Некомпенсированное движение или в радарной платформе или в помехе

Следующие два раздела обсудят эффекты пустых ошибок скорости и создадут помехи распространению спектра.

Пустые ошибки скорости

Эффективность MTI уменьшается, когда скорость помехи не сосредоточена на пустой скорости. Эффект этих пустых скоростных ошибочных результатов в уменьшенном факторе улучшения MTI начиная с большего количества энергии помехи существует за пределами пустого указателя фильтра MTI.

Рассмотрите случай радара, действующего в среде с дождем. Лейтесь дождем помеха имеет ненулевое среднее значение Доплер, когда помеха приближается или отступает от радиолокационной системы. Если движение помехи дождя не будет обнаружено и компенсируется, отмена фильтрации MTI будет хуже.

В этом примере примите пустую скорость, сосредоточенную в 0 Доплерах. Исследуйте эффекты на факторе улучшения, данном скорости помехи в области значений-20 к 20 м/с для когерентного MTI обработка случая.

% Setup parameters
m        = 2:4;                     % Number of pulses in (m-1) delay canceler                      
clutterVels = linspace(-20,20,100); % MTI null velocity (m/s)
nullVel  = 0;                       % True clutter velocity (m/s)
freq     = 1.5e9;                   % Frequency (Hz)
prf      = 500;                     % Pulse repetition frequency (Hz)

% Initialize
numM          = numel(m);
numVels       = numel(clutterVels); 
ImCoherent    = zeros(numVels,numM); 
ImNoncoherent = nan(numVels,numM); 

% Compute MTI improvement factor 
for im = 1:numM
    for iv = 1:numVels
        ImCoherent(iv,im) = mtifactor(m(im),freq,prf,'IsCoherent',true,'ClutterVelocity',clutterVels(iv),'NullVelocity',nullVel);
    end
end

% Plot results
nullError = (clutterVels - nullVel).'; 
helperPlotMTI(m,nullError,ImCoherent,ImNoncoherent,'Null Error (m/s)','MTI Improvement with Null Velocity Errors');

Figure contains an axes. The axes with title MTI Improvement with Null Velocity Errors contains 3 objects of type line. These objects represent Coherent, m = 2, Coherent, m = 3, Coherent, m = 4.

Когерентный MTI испытывает быстрое уменьшение в улучшении, когда пустая ошибка увеличивается. Уровень, на котором улучшение переносит увеличения с растущим числом импульсов в (m-1), задерживает компенсатора. В случае, где m = 4, только небольшое смещение результатов на 1,1 м/с в потере в факторе улучшения 3 дБ.

Распространение помехи

Более широкая помеха распространила результаты в большем количестве энергии помехи за пределами пустого указателя фильтра MTI, и таким образом приводит к меньшему количеству отмены помехи. В то время как распространение помехи должно частично к свойственному движению рассеивателей помехи, другие источники распространения помехи могут произойти из-за

  • Дрожание фазы из-за выборки

  • Дрейф фазы, который может произойти из-за нестабильности в когерентных локальных генераторах

  • Некомпенсированное радарное движение платформы

Рассмотрите эффект распространения помехи на факторе улучшения MTI.

% Setup parameters
m        = 2:4;                  % Number of pulses in (m-1) delay canceler
sigmav   = linspace(0.1,10,100); % Standard Deviation of Clutter Spread (m/s)
freq     = 1.5e9;                % Frequency (Hz)
prf      = 500;                  % Pulse repetition frequency (Hz)

% Calculate MTI improvement
numSigma = numel(sigmav);
for im = 1:numM
    for is = 1:numSigma
        ImCoherent(is,im) = mtifactor(m(im),freq,prf,'IsCoherent',true,'ClutterStandardDeviation',sigmav(is));
        ImNoncoherent(is,im) = mtifactor(m(im),freq,prf,'IsCoherent',false,'ClutterStandardDeviation',sigmav(is));
    end
end

% Plot results
helperPlotMTI(m,sigmav,ImCoherent,ImNoncoherent,'Standard Deviation of Clutter Spread (m/s)','MTI Improvement versus Clutter Spread');

Figure contains an axes. The axes with title MTI Improvement versus Clutter Spread contains 6 objects of type line. These objects represent Coherent, m = 2, Noncoherent, m = 2, Coherent, m = 3, Noncoherent, m = 3, Coherent, m = 4, Noncoherent, m = 4.

Как видно из фигуры стандартное отклонение распространения помехи является большим ограничивающим фактором фактора улучшения MTI независимо от того, является ли MTI когерентным или некогерентным. Когда стандартное отклонение помехи распространило увеличения, фактор улучшения MTI значительно уменьшается, пока улучшение не падает ниже 5 дБ для всех значений m и в когерентных и в некогерентных случаях.

Создайте помехи анализу для наземного, радара MTI

Рассмотрите наземную радиолокационную систему MTI. Вычислите отношение помехи к шуму с и без обработки MTI.

Сначала установите радар и MTI обработка параметров.

% Radar properties
freq    = 1.5e9;   % L-band frequency (Hz) 
anht    = 15;      % Height (m) 
ppow    = 100e3;   % Peak power (W)
tau     = 1.5e-6;  % Pulse width (sec)
prf     = 500;     % PRF (Hz)
Gtxrx   = 45;      % Tx/Rx gain (dB) 
Ts      = 450;     % Noise figure (dB)
Ntx     = 20;      % Number of transmitted pulses

% MTI settings 
nullVel = 0;       % Null velocity (m/s)
m       = 4;       % Number of pulses in the (m-1) delay canceler
N       = Ntx - m; % Number of coherently integrated pulses 

Рассмотрите операционную среду покрытых лесом холмов с распространением помехи 1 м/с и средней скоростью помехи 0 м/с. Вычислите и постройте отражающую способность поверхности земли для углов падения заданной геометрии. Используйте landroughness и landreflectivity функции для физических поверхностных свойств и вычисления отражающей способности, соответственно.

% Clutter properties
sigmav     = 1;    % Standard Deviation of Clutter Spread (m/s)
clutterVel = 0;    % Clutter velocity (m/s)
landType   = 'Wooded Hills'; 

% Get the surface standard deviation of height (m), surface slope (deg),
% and vegetation type
[surfht,beta0,vegType] = landroughness(landType); 

% Calculate maximum range for simulation
Rua = time2range(1/prf); % Maximum unambiguous range (m)
Rhoriz = horizonrange(anht,'SurfaceHeight',surfht); % Horizon range (m)
RhorizKm = Rhoriz.*1e-3; % Horizon range (km)
Rmax = min(Rua,Rhoriz); % Maximum range (m)

% Generate vector of ranges for simulation
Rm  = linspace(100,Rmax,1000); % Range (m)
Rkm = Rm*1e-3;                 % Range (km) 

% Calculate land clutter reflectivity
grazAng = grazingang(anht,Rm,'TargetHeight',surfht); 
nrcs = landreflectivity(landType,grazAng,freq); 
nrcsdB = pow2db(nrcs);
helperPlot(grazAng,nrcsdB,'NRCS','NRCS (dB)','Reflectivity \sigma_0 (dB)','Land Reflectivity \sigma_0');

Figure contains an axes. The axes with title Land Reflectivity \sigma_0 contains an object of type line. This object represents NRCS.

Затем вычислите радарное сечение (RCS) помехи с помощью clutterSurfaceRCS функция. Отметьте понижение помехи RCS, когда радарная область значений горизонта достигнута.

% Calculate azimuth and elevation beamwidth
azbw = sqrt(32400 / db2pow(Gtxrx));
elbw = azbw;

% Calculate clutter RCS
rcs = clutterSurfaceRCS(nrcs,Rm,azbw,elbw,grazAng(:),tau); 

% Plot clutter RCS including horizon line
rcsdB = pow2db(rcs); % Convert to decibels for plotting
hAxes = helperPlot(Rkm,rcsdB,'RCS','Range (km)','Clutter RCS (dBsm)','Clutter Radar Cross Section (RCS)');
helperAddHorizLine(hAxes,RhorizKm);

Figure contains an axes. The axes with title Clutter Radar Cross Section (RCS) contains 2 objects of type line, constantline. These objects represent RCS, Horizon Range.

Поскольку путь к распространению отклоняется от свободного пространства, включайте распространение помехи факторные и атмосферные потери в вычисление.

Вычисление проницаемости по умолчанию, лежащее в основе radarpropfactor функция является моделью морской воды. Для того, чтобы более точно симулировать путь к распространению по земле, вычислите проницаемость для растительности с помощью earthSurfacePermittivity функция.

% Calculate land surface permittivity for vegetation
temp = 20; % Ambient temperature (C)
wc = 0.5;  % Gravimetric water contnt
epsc = earthSurfacePermittivity('vegetation',freq,temp,wc);

Вычислите фактор распространения помехи использование radarpropfactor функция. Включайте тип растительности в вычисление. На более высоких частотах присутствие растительности может вызвать дополнительные потери.

% Calculate clutter propagation factor 
Fc = radarpropfactor(Rm,freq,anht,surfht, ... 
    'SurfaceHeightStandardDeviation',surfht, ...
    'SurfaceSlope',beta0, ...
    'VegetationType',vegType, ...
    'SurfaceRelativePermittivity',epsc, ...
    'ElevationBeamwidth',elbw);
helperPlot(Rkm,Fc,'Clutter Propagation Factor','Range (km)', ...
    'Propagation Factor (dB)', ...
    'One-Way Clutter Propagation Factor F_C');

Figure contains an axes. The axes with title One-Way Clutter Propagation Factor F_C contains an object of type line. This object represents Clutter Propagation Factor.

Затем вычислите атмосферные потери в этой симуляции. Примите стандартную атмосферу по умолчанию. Выполните вычисление с помощью tropopl функция.

% Calculate the atmospheric loss due to water and oxygen attenuation
elAng = height2el(surfht,anht,Rm); % Elevation angle (deg) 
numEl = numel(elAng);
Latmos = zeros(numEl,1);
Llens = zeros(numEl,1);
for ie = 1:numEl
    Latmos(ie,:) = tropopl(Rm(ie),freq,anht,elAng(ie));
end
hAxes = helperPlot(Rkm,Latmos,'Atmospheric Loss','Range (km)','Loss (dB)','One-Way Atmospheric Losses');
ylim(hAxes,[0 0.1]);

Figure contains an axes. The axes with title One-Way Atmospheric Losses contains an object of type line. This object represents Atmospheric Loss.

Вычислите CNR с помощью radareqsnr функция и график заканчиваются с и без MTI. Снова, отметьте понижение CNR, когда область значений симуляции приближается к радарному горизонту.

% Calculate CNR
lambda = freq2wavelen(freq); 
cnr = radareqsnr(lambda,Rm(:),ppow,tau, ... 
        'gain',Gtxrx,'rcs',rcs,'Ts',Ts, ...
        'PropagationFactor',Fc, ...
        'AtmosphericLoss',Latmos);
coherentGain = pow2db(N);
cnr = cnr + coherentGain; 
hAxes = helperPlot(Rkm,cnr,'CNR','Range (km)','CNR (dB)','CNR Clutter-to-Noise Ratio');
helperAddHorizLine(hAxes,RhorizKm);

% Calculate CNR with MTI
Im = mtifactor(m,freq,prf,'IsCoherent',true,...
    'ClutterVelocity',clutterVel, ...
    'ClutterStandardDeviation',sigmav, ...
    'NullVelocity',nullVel)
Im = 55.3986
cnrMTI = cnr - Im; 
helperAddPlot(Rkm,cnrMTI,'CNR + MTI',hAxes);

Наконец, вычислите фактор улучшения MTI предположение, что пустая ошибка существует из-за истинной скорости помехи, являющейся 3 м/с, в то время как пустая скорость остается в центре на уровне 0 м/с.

% Calculate CNR with null velocity error
trueClutterVel = 3;                   % Clutter velocity (m/s) 
nullError = trueClutterVel - nullVel; % Null error (m/s)
ImNullError = mtifactor(m,freq,prf,'IsCoherent',true,...
    'ClutterVelocity',trueClutterVel, ...
    'ClutterStandardDeviation',sigmav, ...
    'NullVelocity',nullVel)
ImNullError = 33.6499
cnrMTINullError = cnr - ImNullError;
helperAddPlot(Rkm,cnrMTINullError, ...
    sprintf('CNR + MTI with %.1f (m/s) Null Error',nullError), ...
    hAxes);

Figure contains an axes. The axes with title CNR Clutter-to-Noise Ratio contains 4 objects of type line, constantline. These objects represent CNR, Horizon Range, CNR + MTI, CNR + MTI with 3.0 (m/s) Null Error.

ImLoss = Im - ImNullError 
ImLoss = 21.7488

Отметьте поразительное уменьшение в CNR из-за обработки MTI. Когда пустая скорость установлена в скорость помехи, улучшение составляет 55 дБ. Когда существует некомпенсированное движение, отмена уменьшается до 34 дБ. Это - потеря 21 дБ отмены. Это демонстрирует потребность правильно компенсировать движение или регулировать пустой указатель к соответствующей скорости.

Сводные данные

Этот пример обсуждает фактор улучшения перемещения целевой индикации (MTI) и исследует множество эффектов на эффективности MTI. Используя mtifactor функция, мы видели что эффективность MTI:

  • Улучшается с увеличением PRF

  • Уменьшения с увеличивающейся частотой

  • Улучшается с увеличением числа импульсов в (m - 1) - задерживают компенсатора

Дополнительно мы видели, что эффективность когерентного MTI обычно лучше, чем некогерентный MTI.

Наконец, мы исследовали ограничения эффективности MTI в контексте наземной радиолокационной системы MTI, демонстрируя потребность правильно компенсировать неожиданные скорости помехи.

Ссылки

  1. Бартон, Основные уравнения радиолокации Дэвида К. для современного Радара. 1-й выпуск. Норвуд, MA: Дом Artech, 2013.

  2. Ричардс, M. A. Джим Шир и Уильям А. Холм. Принципы современного радара. Роли, NC: паб SciTech., 2010.

function helperPlotLogMTI(m,freq,ImCoherent,ImNonCoherent)
% Used for the MTI plots that have a logarithmic x axis

hFig = figure;
hAxes = axes(hFig);
lineStyles = {'-','--','-.'};
numM = numel(m);
for im = 1:numM
    semilogx(hAxes,freq.*1e-9,ImCoherent(:,im),'LineWidth',1.5, ...
        'LineStyle',lineStyles{im}, 'Color',[0 0.4470 0.7410], ...
        'DisplayName',sprintf('Coherent, m = %d',m(im)))
    hold(hAxes,'on')
    semilogx(hAxes,freq.*1e-9,ImNonCoherent(:,im),'LineWidth',1.5, ...
        'LineStyle',lineStyles{im}, 'Color',[0.8500 0.3250 0.0980], ...
        'DisplayName',sprintf('Noncoherent, m = %d',m(im)))
end
grid(hAxes,'on');
xlabel(hAxes,'Frequency (GHz)')
ylabel(hAxes,'MTI Improvement Factor (dB)')
title('Frequency versus MTI Improvement')
legend(hAxes,'Location','Best')
end

function helperPlotMTI(m,x,ImCoherent,ImNonCoherent,xLabelStr,titleName)
% Used for the MTI plots that have an x-axis in linear units

hFig = figure;
hAxes = axes(hFig);
lineStyles = {'-','--','-.'};
numM = numel(m);
for im = 1:numM
    plot(hAxes,x,ImCoherent(:,im),'LineWidth',1.5, ...
        'LineStyle',lineStyles{im}, 'Color',[0 0.4470 0.7410], ...
        'DisplayName',sprintf('Coherent, m = %d',m(im)))
    hold(hAxes,'on')
    if any(~isnan(ImNonCoherent)) % Don't plot if NaN
        plot(hAxes,x,ImNonCoherent(:,im),'LineWidth',1.5, ...
            'LineStyle',lineStyles{im}, 'Color',[0.8500 0.3250 0.0980], ...
            'DisplayName',sprintf('Noncoherent, m = %d',m(im)))
    end
end
grid(hAxes,'on');
xlabel(hAxes,xLabelStr)
ylabel(hAxes,'MTI Improvement Factor (dB)')
title(titleName)
legend(hAxes,'Location','Best')
end

function helpPlotMTImatrix(m,freq,prf,ImMat)
% Creates image of MTI improvement factor with Frequency on the x-axis and
% PRF on the y-axis

hFig = figure;
hAxes = axes(hFig); 
hP = pcolor(hAxes,freq.*1e-9,prf,ImMat);
hP.EdgeColor = 'none'; 
xlabel(hAxes,'Frequency (GHz)')
ylabel(hAxes,'PRF (Hz)')
title(sprintf('Coherent MTI Improvement, m = %d',m))
hC = colorbar;
hC.Label.String = '(dB)'; 
end

function varargout = helperPlot(x,y,displayName,xlabelStr,ylabelStr,titleName)
% Used for CNR analysis 

% Create new figure 
hFig = figure;
hAxes = axes(hFig);

% Plot
plot(hAxes,x,y,'LineWidth',1.5,'DisplayName',displayName);
grid(hAxes,'on');
hold(hAxes,'on');
xlabel(hAxes,xlabelStr)
ylabel(hAxes,ylabelStr);
title(hAxes,titleName);
ylims = get(hAxes,'Ylim'); 
set(hAxes,'Ylim',[-100 ylims(2)]); 

% Add legend
legend(hAxes,'Location','Best')

% Output axes
if nargout ~= 0 
    varargout{1} = hAxes;
end
end

function helperAddPlot(x,y,displayName,hAxes)
% Add additional CNR plots

plot(hAxes,x,y,'LineWidth',1.5,'DisplayName',displayName);
end

function helperAddHorizLine(hAxes,val)
% Add vertical line indicating horizon range

xline(hAxes,val,'--','DisplayName','Horizon Range','LineWidth',1.5);
end
Для просмотра документации необходимо авторизоваться на сайте