Создайте радиолокационную систему

Во-первых, задайте компоненты радиолокационной системы. Этот пример посвящен обработке MTI, поэтому мы будем использовать радиолокационную систему, созданную в примере Simulation Test Signals для радиолокационного приемника. Читателям рекомендуется исследовать детали разработки радарных систем в этом примере. Измените высоту антенны на 100 метров, чтобы имитировать радар, установленный на верхней части создания. Заметьте, что PRF в системе составляет приблизительно 30 кГц, что соответствует максимальной однозначной области значений 5 км.

load BasicMonostaticRadarExampleData;
sensorheight = 100;
sensormotion.InitialPosition = [0 0 sensorheight]';
prf = waveform.PRF;

Найдите частоту дискретизации, рабочую частоту и скорость распространения.

fs = waveform.SampleRate;
fc = radiator.OperatingFrequency;
wavespeed = radiator.PropagationSpeed;

Во многих системах MTI, особенно таковыми низкого уровня, источником степени передатчика является магнетрон. Таким образом, передатчик добавляет случайную фазу к каждому переданному импульсу. Следовательно, часто необходимо восстановить когерентность в приемнике. Такая настройка упоминается как когерентная при приеме. В этих системах приемник блокируется на случайных фазах, добавленных передатчиком для каждого импульса. Затем приемник удаляет фазу влияния из принятых выборок, принятых в течение соответствующего импульсного интервала. Мы можем симулировать когерентную систему на приемной системе, установив передатчик и приемник следующим образом:

transmitter.CoherentOnTransmit = false;
transmitter.PhaseNoiseOutputPort = true;
receiver.PhaseNoiseInputPort = true;

Определите цели

Далее задайте две движущиеся цели.

Первая цель расположена в положении [1600 0 1300]. Учитывая радиолокационное положение, показанное на предыдущих разделах, он имеет область значений в 2 км от радара. Скорость цели [100 80 0], соответствующая радиальной скорости -80 м/с относительно радара. Цель имеет радиолокационное сечение 25 квадратных метров.

Вторая цель расположена в положении [2900 0 800], соответствующем области значений 3 км от радара. Установите скорость этой цели в слепую скорость, где доплеровская сигнатура цели сопоставлена с частотой повторения импульса. Эта настройка препятствует обнаружению цели радаром MTI. Мы используем функцию dop2speed (), чтобы вычислить слепую скорость, которая имеет соответствующую доплеровскую частоту, равную частоте повторения импульса.

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);

Беспорядок

Сигнал загромождения был сгенерирован с помощью самой простой модели загромождения, постоянной гамма-модели, со значением гаммы, установленным на -20 дБ. Такое значение гаммы типично для плоского загромождения. Предположим, что загромождение закрашенных фигур существовать на всех областях значений, и что каждая закрашенная фигура имеет ширину азимута 10 степеней. Также примите, что основной луч радара указывает горизонтально. Обратите внимание, что радар 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);

Симулируйте полученные импульсы и согласованный фильтр

Теперь мы симулируем 10 полученных импульсов для радара 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 передаем 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));

Выполните обработку MTI, используя трехимпульсный компенсатор

Обработка MTI использует фильтры MTI, чтобы удалить низкие частотные составляющие в медленных временных последовательностях. Поскольку загромождение земли обычно не движется, удаление низких частотных составляющих может эффективно подавить его. Трехимпульсный компенсатор является популярным и простым фильтром MTI. Отмена - это фильтр с нулем конечной импульсной характеристики с коэффициентами фильтра [1 -2 1].

h = [1 -2 1];
mtiseq = filter(h,1,mfiltOut,[],2);

Используйте некогерентное интегрирование импульсов, чтобы объединить медленные временные последовательности. Исключить первые два импульса, потому что 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 перед фильтрацией MTI обе цели зарываются в возвраты загромождения. Пик на 100 м является прямым возвратом пути с земли прямо ниже радара. Заметьте, что степень уменьшается, когда область значений увеличивается, что связано с потерей распространения сигнала.

После фильтрации MTI большинство возвратов загромождения удаляются, за исключением пика прямого пути. Шумовой пол теперь уже не является функцией области значений, поэтому теперь шум - это шум приемника, а не загроможденный шум. Это изменение показывает способность подавления загромождения трехимпульсного компенсатора. На области значений 2 км мы видим пик, представляющий первую цель. Однако нет пика на области значений 3 км, чтобы представлять вторую цель. Пик исчезает, потому что трехимпульсный гашитель подавляет вторую цель, которая перемещается со слепой скоростью гашителя.

Чтобы лучше изучить проблему слепой скорости, давайте посмотрим на 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');

Заметьте повторяющиеся значения null в частотной характеристики. Нулям соответствуют доплеровские частоты слепых скоростей. Цели с этими доплеровскими частотами отменяются трехимпульсным компенсатором. График показывает, что значения null происходят в целочисленных множителях PRF (приблизительно 30kHz, 60 кГц,...). Если мы сможем удалить эти нулевые значения или отодвинуть их от доплеровской частотной области спецификаций радара, мы сможем избежать проблемы слепой скорости.

Симулируйте полученные импульсы с использованием шахматных PRF

Одним из решений проблемы слепой скорости является использование неоднородной PRF или шахматных PRF. Смежные импульсы передаются на разных частотах повторения импульсов. Такое строение толкает нижнюю границу слепых скоростей к гораздо более высокому значению. Чтобы проиллюстрировать эту идею, мы будем использовать двухступенчатый PRF и построить график частотной характеристики трехимпульсного компенсатора.

Выберем второй PRF в районе 25kHz, что соответствует максимальной однозначной области значений 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 ошеломленных PRF мы видим, что первая слепая скорость соответствует доплеровской частоте 150 кГц, в пять раз больше, чем равномерный PRF случай. Таким образом, цель с доплеровской частотой 30 кГц не будет подавлена.

Теперь симулируйте отраженные сигналы от целей с помощью шахматных 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);

Выполните обработку MTI для шагов PRF

Мы обрабатываем импульсы, как и прежде, сначала передав их через согласованный фильтр, а затем интегрировав 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 загромождитель также удаляется.

Сводные данные

При очень простых операциях обработка MTI может быть эффективной при подавлении низкоскоростного загромождения. Равномерная форма волны PRF будет пропускать цели на слепых скоростях, но эта проблема может быть решена с помощью шахматных PRF. Для мусоров, имеющих широкий спектр, обработка MTI может быть плохой. Этот тип загромождения может быть подавлен с помощью пространственно-временной адаптивной обработки. Для получения дополнительной информации см. пример Введение в пространственно-временную адаптивную обработку.

Приложение

Ссылка: Марк А. Ричардс, Основы радиолокационной обработки сигналов, McGraw-Hill, 2005.