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 показывает улучшение отношения помехи к шуму (CNR) для наземной, радиолокационной системы MTI.
На высоком уровне существует два типа обработки 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 системного приемника 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 задан как
,
где степень помехи в приемник и степень помехи после обработки MTI.
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);
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.
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');
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.
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);
Обратите внимание на то, что те же поведения, как ранее отмечено показывают здесь:
Эффективность MTI улучшается с увеличением PRF
Снижения производительности MTI с увеличивающейся частотой
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.
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');
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.
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');
Как видно из фигуры стандартное отклонение распространения помехи является большим ограничивающим фактором 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.
Рассмотрите наземную радиолокационную систему MTI. Вычислите отношение помехи к шуму с и без обработки MTI.
Во-первых, 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');
Затем вычислите эффективную площадь рассеивания (RCS) помехи с помощью clutterSurfaceRCS функция. Отметьте понижение помехи ЭПР, 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);
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');
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]);
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);
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 показывает потребность правильно компенсировать движение или регулировать пустой указатель к соответствующей скорости.
Этот пример обсуждает фактор улучшения MTI и исследует множество эффектов на эффективности MTI. Используя mtifactor функция, мы видим что эффективность MTI:
Улучшается с увеличением PRF
Уменьшения с увеличивающейся частотой
Улучшается с увеличением числа импульсов в (m - 1) - задерживают компенсатора
Кроме того, мы видим, что эффективность когерентного MTI обычно лучше, чем некогерентный MTI.
Наконец, мы исследуем ограничения эффективности MTI в контексте наземной радиолокационной системы MTI, показывая потребность правильно компенсировать неожиданные скорости помехи.
Бартон, Дэвид Нокс. Основные уравнения радиолокации для современного радара. Радарный ряд дома Artech. Бостон, масса: дом Artech, 2013.
Ричардс, M. A. Джим Шир, Уильям А. Холм, и Уильям Л. Мелвин, принципы редакторов 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