В этом примере показана конструкция радиолокатора индикации движущейся цели (MTI) для уменьшения загроможденности и идентификации движущихся целей. Для радиолокационной системы под загромождением понимаются полученные эхо-сигналы от рассеивателей окружающей среды, отличных от целей, таких как суша, море или дождь. Перепутанные эхо-сигналы могут быть на много порядков больше, чем целевые эхо-сигналы. Радиолокатор MTI использует относительно высокие доплеровские частоты движущихся целей для подавления загромождающих эхо-сигналов, которые обычно имеют нулевые или очень низкие доплеровские частоты.
Типичный радиолокатор MTI использует фильтр верхних частот для удаления энергии на низких доплеровских частотах. Поскольку частотная характеристика КИХ фильтра верхних частот является периодической, некоторая энергия на высоких доплеровских частотах также удаляется. Таким образом, цели на этих высоких доплеровских частотах не будут обнаруживаться РЛС. Эта проблема называется слепой проблемой скорости. В этом примере показано, как использовать метод, называемый рассредоточенными PRF, для решения проблемы слепой скорости.
Сначала определите компоненты радиолокационной системы. Основное внимание в этом примере уделяется обработке MTI, поэтому мы будем использовать радиолокационную систему, построенную в примере Имитация тестовых сигналов для радарного приемника. На этом примере читателям рекомендуется изучить детали конструкции радиолокационной системы. Измените высоту антенны на 100 метров, чтобы имитировать радар, установленный на вершине здания. Обратите внимание, что PRF в системе составляет приблизительно 30 кГц, что соответствует максимальному однозначному диапазону 5 км.
load BasicMonostaticRadarExampleData;
sensorheight = 100;
sensormotion.InitialPosition = [0 0 sensorheight]';
prf = waveform.PRF;Извлеките частоту дискретизации, рабочую частоту и скорость распространения.
fs = waveform.SampleRate; fc = radiator.OperatingFrequency; wavespeed = radiator.PropagationSpeed;
Во многих системах MTI, особенно низкодисперсных, источником питания передатчика является магнетрон. Таким образом, передатчик добавляет случайную фазу к каждому переданному импульсу. Следовательно, часто необходимо восстановить когерентность в приемнике. Такая установка называется когерентной при приеме. В этих системах приемник фиксируется на случайных фазах, добавляемых передатчиком для каждого импульса. Затем приемник удаляет фазовое воздействие из принятых выборок, принятых в пределах соответствующего интервала импульсов. Мы можем смоделировать когерентную систему приема, установив передатчик и приемник следующим образом:
transmitter.CoherentOnTransmit = false; transmitter.PhaseNoiseOutputPort = true; receiver.PhaseNoiseInputPort = true;
Затем определите две движущиеся цели.
Первая цель расположена в позиции [1600 0 1300]. Учитывая положение РЛС, показанное на предыдущих участках, она имеет дальность 2 км от РЛС. Скорость цели составляет [100 80 0], что соответствует радиальной скорости -80 м/с относительно РЛС. Цель имеет радиолокационное сечение 25 квадратных метров.
Вторая цель расположена в положении [2900 0 800], соответствующем дальности 3 км от РЛС. Установите скорость этой цели на слепую скорость, где доплеровская сигнатура цели совпадает с частотой повторения импульсов. Эта настройка предотвращает обнаружение цели радиолокатором MTI. Мы используем функцию dop2speed () для вычисления слепой скорости, которая имеет соответствующую доплеровскую частоту, равную частоте повторения импульсов.
wavelength = wavespeed/fc; blindspd = dop2speed(prf,wavelength)/2; % half to compensate round trip tgtpos = [[1600 0 1300]',[2900 0 800]']; tgtvel = [[100 80 0]',[-blindspd 0 0]']; tgtmotion = phased.Platform('InitialPosition',tgtpos,'Velocity',tgtvel); tgtrcs = [25 25]; target = phased.RadarTarget('MeanRCS',tgtrcs,'OperatingFrequency',fc);
Сигнал загромождения был сгенерирован с использованием простейшей модели загромождения, постоянной модели гамма-излучения, при этом значение гамма-излучения было установлено равным -20 дБ. Такая гамма-величина типична для плоского нагромождения. Предположим, что заплаты-захламления существуют во всех диапазонах и что ширина каждого заплаты по азимуту равна 10 градусам. Также предположим, что главный луч РЛС указывает горизонтально. Обратите внимание, что РЛС не движется.
trgamma = surfacegamma('flatland'); clutter = constantGammaClutter('Sensor',antenna,... 'PropagationSpeed',radiator.PropagationSpeed,... 'OperatingFrequency',radiator.OperatingFrequency,... 'SampleRate',waveform.SampleRate,'TransmitSignalInputPort',true,... 'PRF',waveform.PRF,'Gamma',trgamma,'PlatformHeight',sensorheight,... 'PlatformSpeed',0,'PlatformDirection',[0;0],... 'MountingAngles',[0 0 0],'ClutterMaxRange',5000,... 'ClutterAzimuthSpan',360,'PatchAzimuthSpan',10,... 'SeedSource','Property','Seed',2011);
Теперь мы моделируем 10 полученных импульсов для РЛС и целей, определенных ранее.
pulsenum = 10; % Set the seed of the receiver to duplicate results receiver.SeedSource = 'Property'; receiver.Seed = 2010; rxPulse = helperMTISimulate(waveform,transmitter,receiver,... radiator,collector,sensormotion,... target,tgtmotion,clutter,pulsenum);
Затем мы пропускаем принятый сигнал через согласованный фильтр.
matchingcoeff = getMatchedFilter(waveform);
matchedfilter = phased.MatchedFilter('Coefficients',matchingcoeff);
mfiltOut = matchedfilter(rxPulse);
matchingdelay = size(matchingcoeff,1)-1;
mfiltOut = buffer(mfiltOut(matchingdelay+1:end),size(mfiltOut,1));Обработка MTI использует фильтры MTI для удаления низкочастотных компонентов в медленных временных последовательностях. Поскольку захламление земли обычно не движется, удаление низкочастотных компонентов может эффективно подавить его. Трехимпульсный компенсатор - популярный и простой фильтр MTI. Компенсатор представляет собой фильтр FIR с полным нулем с коэффициентами фильтра [1 -2 1].
h = [1 -2 1]; mtiseq = filter(h,1,mfiltOut,[],2);
Используйте некогерентную интеграцию импульсов для объединения последовательностей медленного времени. Исключить первые два импульса, поскольку они находятся в переходном периоде фильтра MTI.
mtiseq = pulsint(mtiseq(:,3:end));
% For comparison, also integrate the matched filter output
mfiltOut = pulsint(mfiltOut(:,3:end));% Calculate the range for each fast time sample fast_time_grid = (0:size(mfiltOut,1)-1)/fs; rangeidx = wavespeed*fast_time_grid/2; % Plot the received pulse energy again range plot(rangeidx,pow2db(mfiltOut.^2),'r--',... rangeidx,pow2db(mtiseq.^2),'b-' ); grid on; title('Fast Time Sequences Using a Uniform PRF'); xlabel('Range (m)'); ylabel('Power (dB)'); legend('Before MTI filter','After MTI filter');
Напомним, что есть две цели (на 2 км и 3 км). В случае, предшествующем фильтрации MTI, обе цели загромождаются в загромождении. Пик на 100 м - прямой путь, возвращаемый от земли прямо под РЛС. Обратите внимание, что мощность уменьшается по мере увеличения диапазона, что обусловлено потерей распространения сигнала.
После фильтрации MTI большинство возвращений загромождений удаляются, за исключением пика прямого пути. Уровень шума теперь больше не является функцией диапазона, поэтому шум теперь является шумом приемника, а не шумом загромождения. Это изменение показывает способность трехимпульсного компенсатора подавлять беспорядки. На дальности 2 км мы видим пик, представляющий первую цель. Однако не существует пика на дальности 3 км для представления второй цели. Пик исчезает, потому что трехимпульсный компенсатор подавляет вторую мишень, которая движется со слепой скоростью компенсатора.
Чтобы лучше понять проблему слепой скорости, рассмотрим частотную характеристику трехимпульсного компенсатора.
f = linspace(0,prf*9,1000); hresp = freqz(h,1,f,prf); plot(f/1000,20*log10(abs(hresp))); grid on; xlabel('Doppler Frequency (kHz)'); ylabel('Magnitude (dB)'); title('Frequency Response of the Three-Pulse Canceller');
Обратите внимание на повторяющиеся значения nulls в частотной характеристике. Нулевые значения соответствуют доплеровским частотам слепых скоростей. Цели с этими доплеровскими частотами отключаются трехимпульсным компенсатором. График показывает, что значения nulls встречаются при целых кратных PRF (приблизительно 30kHz, 60 кГц,...). Если мы можем удалить эти нули или оттолкнуть их от области доплеровской частоты в спецификациях радара, мы можем избежать проблемы слепой скорости.
Одним из решений проблемы слепой скорости является использование неравномерных PRF или сдвинутых PRF. Соседние импульсы передают с разными частотами повторения импульсов. Такая конфигурация толкает нижнюю границу скоростей слепых до гораздо более высокого значения. Чтобы проиллюстрировать эту идею, мы будем использовать двунаправленный PRF и построим график частотной характеристики трехимпульсного компенсатора.
Выберем второй PRF на отметке около 25kHz, что соответствует максимальной однозначной дальности 6 км.
prf = wavespeed./(2*[6000 5000]); % Calculate the magnitude frequency response for the three-pulse canceller pf1 = @(f)(1-2*exp(1j*2*pi/prf(1)*f)+exp(1j*2*pi*2/prf(1)*f)); pf2 = @(f)(1-2*exp(1j*2*pi/prf(2)*f)+exp(1j*2*pi*2/prf(2)*f)); sfq = (abs(pf1(f)).^2 + abs(pf2(f)).^2)/2; % Plot the frequency response hold on; plot(f/1000,pow2db(sfq),'r--'); ylim([-50, 30]); legend('Uniform PRF','2-staggered PRF');
Из графика сдвинутых в шахматном порядке PRF можно видеть, что первая слепая скорость соответствует доплеровской частоте 150 кГц, в пять раз превышающей равномерный PRF-случай. Таким образом, мишень с доплеровской частотой 30 кГц не будет подавлена.
Теперь смоделируйте отраженные сигналы от целей, используя сдвинутые PRF.
% Assign the new PRF release(waveform); waveform.PRF = prf; release(clutter); clutter.PRF = prf; % Reset noise seed release(receiver); receiver.Seed = 2010; % Reset platform position reset(sensormotion); reset(tgtmotion); % Simulate target return rxPulse = helperMTISimulate(waveform,transmitter,receiver,... radiator,collector,sensormotion,... target,tgtmotion,clutter,pulsenum);
Мы обрабатываем импульсы, как раньше, сначала пропуская их через согласованный фильтр, а затем интегрируя импульсы некогерентно.
mfiltOut = matchedfilter(rxPulse); % Use the same three-pulse canceller to suppress the clutter. mtiseq = filter(h,1,mfiltOut,[],2); % Noncoherent integration mtiseq = pulsint(mtiseq(:,3:end)); mfiltOut = pulsint(mfiltOut(:,3:end)); % Calculate the range for each fast time sample fast_time_grid = (0:size(mfiltOut,1)-1)/fs; rangeidx = wavespeed*fast_time_grid/2; % Plot the fast time sequences against range. clf; plot(rangeidx,pow2db(mfiltOut.^2),'r--',... rangeidx,pow2db(mtiseq.^2),'b-' ); grid on; title('Fast Time Sequences Using Staggered PRFs'); xlabel('Range (m)'); ylabel('Power (dB)'); legend('Before MTI filter','After MTI filter');
График показывает, что обе цели теперь обнаруживаются после фильтрации MTI, и загромождение также удаляется.
При очень простых операциях обработка MTI может быть эффективной для подавления низкоскоростного загромождения. Однородная форма сигнала PRF будет пропускать цели на слепых скоростях, но эта проблема может быть решена с помощью распределенных PRF. Для беспорядков, имеющих широкий спектр, обработка MTI может быть плохой. Этот тип беспорядка можно подавить с помощью пространственно-временной адаптивной обработки. Дополнительные сведения см. в примере Введение в пространственно-временную адаптивную обработку.
Справка: Марк А. Ричардс, Основы обработки радиолокационных сигналов, McGraw-Hill, 2005.