автореферат диссертации по радиотехнике и связи, 05.12.14, диссертация на тему:Исследование модельно-параметрических методов обработки сигналов в кусочно-непрерывных антенных решетках

На правах рукописи

Сотников Александр Анатольевич

ИССЛЕДОВАНИЕ МОДЕЛЬНО-ПАРАМЕТРИЧЕСКИХ МЕТОДОВ ОБРАБОТКИ СИГНАЛОВ В КУСОЧНО-НЕПРЕРЫВНЫХ АНТЕННЫХ

РЕШЕТКАХ

Специальность: 05.12.14 — Радиолокация и радионавигация

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Санкт-Петербург - 2005

Работа выполнена в Санкт-Петербургском государственном электротехническом университете "ЛЭТИ" им. В.И.Ульянова (Ленина)

Научный руководитель

доктор технических наук, профессор Кутузов В.М.

1

Официальные оппоненты:

доктор технических наук, профессор Машков Г.М. кандидат технических наук, доцент Чеботарев Д.В.

Ведущая организация - АО «Радар ММС»

Защита диссертации состоится « » 2005 года в часов

на заседании диссертационного совета Д 212.238.03 Санкт-Петербургского государственного электротехнического университета "ЛЭТИ" им. В.И.Ульянова (Ленина) по адресу: 197376, С.-Петербург, ул. Проф. Попова, 5.

С диссертацией можно ознакомиться в библиотеке университета Автореферат разослан «_¥_» С&иплЪгХ 2005 года.

Ученый секретарь диссертационного совета

Баруздин С.А.

2006 - 4Г /29Г£

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы

При построении радиолокационных систем (РЛС) с антенными решетками больших габаритов на расположение элементов решетки могут накладываться ограничения, обуславливаемые геометрией носителя или рельефом местности. Характерным примером является размещение антенных решеток береговых РЛС декаметрового диапазона, предназначенных для загоризонтного контроля акваторий. Для прижатия луча к подстилающей поверхности в угломестной плоскости антенны должны располагаться у береговой черты, при этом их горизонтальные размеры достигают нескольких сотен или тысяч метров. Прямолинейное размещение таких антенн проблематично как с технической, так и с экономической точек зрения. В таких случаях приходится прибегать к разделению антенной решетки на несколько отдельных сегментов с прямолинейным расположением элементов. Наличие разрывов в апертуре антенны приводит к трансформации пространственно-временной функции неопределенности и появлению в ней интерференционных боковых лепестков большой интенсивности, что может вызывать аномальные ошибки при использовании согласованной обработки. Из-за разрывов также может нарушаться когерентность пространственного сигнала. Восстановление когерентности требует значительного усложнения алгоритмов обработки. Вынужденным выходом в данной ситуации является некогерентное суммирование отдельных фрагментов сигнала, что влечет ухудшение выходного отношения сигнал-шум (ОСШ) и разрешающей способности. Эти факторы обуславливают необходимость поиска новых методов пространственной обработки сигналов в антеннах с кусочно-непрерывным размещением элементов.

Возможной альтернативой согласованной обработке в задачах пространственной обработки сигналов в антенных решетках является применение модельно-параметрических методов (МПМ) спектрального анализа, которые обеспечивают высокую разрешающую способность при условии адекватности выбранной модели континииуму анализируемых сигналов. Однако вопросы их применения для обработки сигналов с разрывами в пространственной области недостаточно изучены. В связи с этим, актуальной является проблема синтеза и анализа алгоритмов обработки сигналов в кусочно-непрерывных антенных решетках при сохранении потенциальных качественных показателей наиболее

перспективных МПМ.

Цель работы

Разработка и исследование модельно-параметрических алгоритмов пространственной обработки радиолокационных сигналов в кусочно-непрерывных антенных решетках в задачах обнаружения и оценивания.

Основные задачи работы:

1. Сравнительный анализ модельно-параметрических алгоритмов обработки сигналов. Обоснование адекватности модели решаемым задачам.

2. Выбор и обоснование рабочих статистик обнаружения и оценивания угловых координат сигналов.

3. Построение статистических характеристик оценки качества работы алгоритмов пространственной обработки сигналов в антенных решетках.

4. Синтез и статистическое моделирование работы алгоритмов пространственной обработки сигналов в кусочно-непрерывных, в том числе, квазиконформных, антенных решетках на фоне шума и помех.

5. Экспериментальная проверка исследуемых алгоритмов в реальной помеховой обстановке, оценка возможностей их практической реализации и формирование требований к программно-аппаратным средствам.

Предмет исследования

Предметом исследования является пространственная обработка сигналов в кусочно-непрерывных антенных решетках.

Объект исследования

Объектом исследования являются модельно-параметрические алгоритмы, которые применяются для повышения разрешающей способности, помехоустойчивости и точности в задачах пространственной обработки сигналов.

Методы исследования

Решение поставленных задач осуществляется с использованием методов спектрального анализа, статистической радиотехники и статистического моделирования.

Научная новизна

1. Для методов собственных векторов (МСВ) предложены и обоснованы рабочие статистики обнаружения и оценивания параметров сигналов. Определены границы, при которых рабочие статистики являются субоптимальными в задаче обнаружения и асимптотически субоптимальными в задаче оценивания угловых координат.

2. На основе предложенных рабочих статистик получено семейство

характеристик обнаружения, статистического разрешения,

помехоустойчивости и точности, для МСВ.

' / >. . > : f

'»• '••>' «О

3. Для линейных и ступенчатых кусочно-непрерывных антенных решеток разработан вариант многосегментного алгоритма оценки корреляционной матрицы.

4. Впервые получен оригинальный модифицированный многосегментный алгоритм оценки корреляционной матрицы для квазиконформных кусочно-непрерывных антенных решеток, основанный на процедуре коррекции полюсов авторегрессионной модели.

5. Получены статистические характеристики разработанных многосегментного и модифицированного многосегментного алгоритмов.

Практическая ценность и значимость

Разработана компьютерная модель, позволяющая с заданной точностью методом статистического моделирования строить базовые статистические характеристики для методов собственных векторов.

Построенные статистические характеристики позволяют определить границы и условия применимости методов собственных векторов.

Предложены алгоритмы, позволяющие реализовать эффективную пространственную обработку сигналов в кусочно-непрерывных антенных решетках при минимальных потерях в ОСШ по сравнению с обработкой сигналов в неразрывных эквидистантных решетках. Отсутствие требований к сохранению когерентности между отдельными фрагментами сигнала упрощает техническую реализацию алгоритмов.

Предложенный для линейных и ступенчатых кусочно-непрерывных антенных решеток многосегментный алгоритм может быть использован для обработки сигналов с разрывами во временной и частотной области.

Основные положения и выводы диссертационной работы могут быть использованы при разработке РЛС со сложной геометрией антенной решетки, в том числе с синтезированной апертурой, в проектных и научно-исследовательских организациях, а также в учебных заведениях при изучении курса радиолокации.

Достоверность

Обоснованность научных положений и выводов, содержащихся в диссертационной работе, подтверждается методами статистического моделирования и хорошим совпадением теоретических результатов с экспериментальными данными.

Использование результатов работы

Предложенные алгоритмы использовались в следующих научно-исследовательских и опытно-конструкторских работах:

1. НИР "Проработка путей создания и исследование потенциально достижимых характеристик малогабаритных транспортабельных ЗГ РЛС для контроля прибрежной морской зоны". Шифр "Квадрат". Заказчик ОАО НПК НИИДАР.

2. ОКР 5П-24, подэтап 3.3.3.3. "Разработка основных компонентов макета ЗГ РЛС и экспериментальное подтверждение выбранных принципов построения малогабаритных транспортабельных ЗГ РЛС". Заказчик в/ч 87415.

3. НИР ПТН/Р7 - 78 "Разработка многодиапазонного пространственно-разнесенного комплекса для оперативного контроля воздушного и надводного пространства на основе радиолокационных информационных сетей" в рамках подпрограммы "Прикладные исследования и разработки по приоритетным направлениям науки и техники" программы "Развитие научного потенциала высшей школы". Заказчик Министерство образования и науки Российской Федерации.

4. НИР "Исследование принципов построения и функционирования перспективного корабельного многодиапазонного пространственно-разнесенного радиолокационного комплекса освещения надводной обстановки и обнаружения НЛЦ в ближней зоне надводного корабля". Шифр "Лавочка". Заказчик в/ч 25029.

Основные научные положения и полученные в ходе исследований результаты использовались в программе курса лекций и лабораторных работ по дисциплине "Методы спектральной и корреляционной обработки сигналов".

Апробация работы

Основные положения работы докладывались и обсуждались на следующих конференциях:

1. Всероссийская научно-техническая конференция. Томск, 18-20 мая 2004.

2. 59-я научно-техническая конференция, посвященная дню радио. Санкт-Петербург, 2004.

3. Конференции профессорско-преподавательского состава СПбГЭТУ "ЛЭТИ" в 2002-2005 г.

Публикации

По теме диссертации опубликованы 4 печатные работы, из них -2 статьи, тезисы к одному докладу и материалы на всероссийских научно-технических конференциях.

Структура и объем диссертации

Диссертация состоит из введения, четырех глав, заключения, списка литературы, включающего 35 наименований, списка основных сокращений и одного приложения. Основная часть работы изложена на 90 страницах машинописного текста. Работа содержит 35 рисунков и 4 таблицы.

СОДЕРЖАНИЕ ДИССЕРТАЦИИ

Во введении проанализирована актуальность исследования возможностей применения МПМ спектрального анализа для пространственной обработки сигналов в кусочно-непрерывных антенных решетках.

В первой главе приводятся основные определения и модели пространственно-временных сигналов и помех, которые используются при анализе алгоритмов обработки, обосновывается применение спектрального оценивания в задачах пространственно-временной обработки и дается обзор литературных данных, посвященных проблеме обработки сигналов в антенных решетках.

При воздействии электромагнитной волны с плоским фронтом на линейную эквидистантную антенную решетку, состоящую из М элементов, совокупность выходных сигналов отдельных элементов решетки может быть представлена в матричном виде вектором-столбцом:

М *2(0 - *м(оГ> (О

где хт{г), те[\,М\ - сигнал в отдельном антенно-приемном канале.

При дискретном по времени описании сигналов на выходе приемных каналов антенной решетки вектор-столбец х^/) преобразуется в матрицу

ХлЛ«] =

'^[1] х,[2] | х,[и] ' х,[ЛЧ'

*т[Ц_ хт12\\ Хт[п] 1

Хм [1] хм [2] ' ХМ [и] ! хм [Л]_

(2)

где индекс т е [ 1 ,М] соответствует номеру антснно-приемного канала, п&[\,Щ- номеру отсчета во времени.

В общем случае суммарный сигнал Хм содержит полезную 8м[и], помеховую В*М и шумовую Е¡^п] составляющие:

Х4«] = 8и»]+ВлЯИ] + Е м[п]. (3)

При выполнении условия пространственно-временной узкополосности, Л « Ай, где I - габариты антенны, а АЯ - размер элемента разрешения по дальности, пространственная и временная составляющие обработки могут выполняться раздельно и в любой последовательности. При рассмотрении алгоритмов пространственной обработки предполагалось, что временная составляющая обработки выполнена.

Известно, что оптимальную обработку сигналов в рамках квазиполного статистического разрешения-обнаружения-измерения можно трактовать как процедуру многомерного в пространстве параметров спектрального анализа.

Таким образом, для реализации оптимальной или субоптимальной пространственной обработки сигналов принципиально возможно применение методов спектрального анализа.

Априорная неопределенность и нестационарность сигнально-помеховой обстановки ограничивают применение методов на основе согласованной обработки. Практическое использование для пространственной обработки адаптивных алгоритмов сдерживается относительной сложностью их технической реализации. В этой ситуации целесообразным представляется применение МПМ спектрального анализа, основанных на описании сигнала с помощью математической модели и обладающих высокой разрешающей способностью и приемлемой вычислительной сложностью.

Среди МПМ наиболее перспективными с точки зрения разрешающей способности являются методы, основанные на анализе собственных чисел оценки корреляционной матрицы анализируемой выборки сигнала. Во всех методах данного класса используется модель сигнала в виде суммы незатухающих комплексных гармоник и аддитивного белого шума:

где Ак, /к и ф* - амплитуда, частота и начальная фаза ¿-ой комплексной гармоники, соответственно. Совокупность методов, основанных на представлении анализируемого сигнала моделью вида (4), обозначается общим термином "методы собственных векторов".

Необходимым условием применения МПМ и МСВ, в частности, является адекватность отображения используемой моделью совокупности анализируемых сигналов, причем условие адекватности в первую очередь касается полезных сигналов. Во многих радиолокационных приложениях лоцируемые объекты могут рассматриваться как узкополосные или сосредоточенные в пространственной области и для линейной эквидистантной антенной решетки модель (4) может быть переписана в виде

где X - длина волны модулирующего колебания, с? - расстояние между элементами антенной решетки, 0* - угловая координата к-ой цели.

Порядком модели (5) называется предполагаемое число комплексных гармоник, соответствующее возможному числу обнаруживаемых целей. Корреляционная матрица, Я**, такого сигнала может быть представлена в виде суммы сигнальной и шумовой составляющих, которые в свою очередь могут быть выражены через сигнальные и шумовые собственные вектора и

*М = ЁЛ ехр0'(2я/4и + <р4))+ в[п],

к

(4)

(5)

собственные числа. На основании того, что шумовые собственные вектора корреляционной матрицы ортогональны пространству сигналов для модели (5) может быть получен ряд оценок спектральной плотности мощности вида

I

1

а'е.

(6)

н.

i—K+l

дающих острые пики в точках, соответствующих положениям целей, где N0 <

М-размерность оценки корреляционной матрицы, v„ г'е[1 ,N0] - собственные

вектора оценки корреляционной матрицы Rxx,

.2жd . ^ ( .2nd■2 . ЛЛ ехр|^ j ^ smö

ее =

1 ехр

J

sin 9

ехр

X

а„ /е^+и/^о] - взвешивающие коэффициенты, Величина в показателе экспоненты представляет собой пространственную частоту и г

2nd . .

;-sin 9.

X

Высокая разрешающая способность и хорошее описание узкополосных сигналов делает МСВ перспективными для использования в задаче пространственной обработки радиолокационных сигналов.

Во второй главе проводится сравнительный анализ критериев обнаружения и оценки угловых координат и исследуются показатели качества МСВ при использовании выбранных рабочих статистик обнаружения и оценивания.

На практике истинная корреляционная матрица процесса неизвестна и доступна только ее оценка по выборке конечной длины, на основании которой необходимо принимать решение о порядке модели (разделение на сигнальное и шумовое пространства). Неправильный выбор порядка модели (5) приводит к значительным ошибкам в оценке спектра (6). Поэтому на практике задачи обнаружения и оценивания угловых координат должны производиться раздельно.

По результатам сравнительного анализа критериев выбора порядка модели в качестве рабочей статистики обнаружения выбран критерии на базе теста на сферичность вида

,...Лг0) = ,п

1 "о

к-*,1/.

No

т

,-х.

(7)

где /„ ге[1 До] - собственные числа оценки R„, Jt- предполагаемый порядок модели, - порог обнаружения для каждого предполагаемого порядка модели.

В качестве рабочей статистики оценки угловой координаты предложено использовать метод root-MUSIC, основанный на вычислении полюсов функции (6):

где - комплексные полюса, лежащие внутри единичной

комплексной окружности, модуль которых наиболее близок к единице.

Алгоритм пространственной обработки сигналов при использовании МСВ и выбранных рабочих статистик может быть представлен в виде блок-схемы, показанной на рис. 1.

Для оценки качества МСВ на основе выбранных рабочих статистик методом статистического моделирования построены характеристики обнаружения и точности измерения угловой координаты одиночного сигнала со случайными пространственной частотой и начальной фазой. Показано, что при малых длинах выборок пространственного сигнала (малом числе элементов антенной решетки, М < 64) рабочие статистики являются субоптимальными в задаче обнаружения и асимптотически субоптимальными в задаче оценивания. Потери в ОСШ для МСВ относительно оптимальной согласованной обработки по уровню вероятности правильного обнаружения, равному 0.9, при обнаружении сигнала со случайными пространственной частотой и начальной фазой не превышают 3

Для рабочей статистики обнаружения получено семейство характеристик помехоустойчивости МСВ к воздействию мощных сосредоточенных помех при различных длинах анализируемой выборки и разносах между полезным и мешающим сигналами. Показана возможность обнаружения полезного сигнала на фоне шума и сосредоточенной помехи, имеющий уровень 60 дБ относительно уровня шума, в пределах основного лепестка диаграммы направленности (ДН) антенной решетки. При воздействии помехи внутри главного лепестка и расстройке по пространственной частоте между полезным сигналом и помехой на 1/2 его ширины сдвиг характеристик обнаружения в сторону больших значений ОСШ не превышает 10 дБ. Таким образом, показана высокая помехоустойчивость МСВ к воздействию сосредоточенных помех. На рис. 2.а. показан пример характеристик помехоустойчивости для 8-элементной антенной решетки при различных расстройках по пространственной частоте между полезным и помеховым сигналами и фиксированной суммарной

(8)

дБ.

вероятности ложной тревоги (ВЛТ), равной 10"2. Пунктиром приведены исходные характеристики обнаружения в отсутствие помехи.

Рис. 1. Алгоритм работы устройства пространственной обработки сигналов на базе МСВ

Разрешающая способность МСВ оценивалась с позиций статистического разрешения в смысле раздельного обнаружения двух сигналов равной мощности. Пример характеристик разрешения-обнаружения для 8-элементной антенной решетки при различных расстройках по пространственной частоте между полезными сигналами и фиксированной суммарной ВЛТ, равной 10"2, показан на рис. 2.6. Пунктиром приведены

характеристики разрешения-обнаружения для оптимальной согласованной обработки. Исследования показали высокую разрешающую способность МСВ и возможность раздельного обнаружения двух сигналов в пределах главного лепестка ДН решетки.

1

0.8-1 06 0.4 0.2 -0

:мт8

ди=л/4 A"U=4/8" . ди=я/1б.

ДО=п/32 /

Г I Г*" I 1 Г I ''I—I—I—I—h -4 -2 0 2 4 6 8 10 12 14 16 18 20

б)

Рис. 2. Характеристики помехоустойчивости и разрешения-обнаружения МСВ при использовании рабочей статистики (7)

Разработана методика оценки устойчивости МСВ к воздействию помех с гладкоокрашенным спектром. Получены характеристики помехоустойчивости для обнаружения сигналов в метровом диапазоне на фоне взволнованной морской поверхности. Показано, что при длинах выборки пространственного сигнала менее 32 МСВ обладают высокой устойчивостью к данному типу помех при незначительном волнении. При сильном волнении морской поверхности или больших длинах анализируемых выборок проигрыш статистических характеристик по сравнению с аналогичными характеристиками при белом шуме резко увеличивается. В данных условиях для обеспечения хороших показателей качества обработки на фоне окрашенных шумов необходимо знание аналитического выражения корреляционной матрицы шума и использование специальных процедур выбеливания. При неизвестной корреляционной матрице шума предпочтительнее использовать другие алгоритмы обработки.

Третья глава посвящена разработке и исследованию алгоритмов пространственной обработки сигналов в кусочно-непрерывных решетках на базе МСВ.

В первом разделе главы обсуждается обработка сигналов в ступенчатых и линейных кусочно-непрерывных антенных решетках. При разрывах в пространственном сигнале его корреляционная матрица перестает быть теплицевой, и прямое применение МСВ в данной ситуации невозможно. Для формирования оценки корреляционной матрицы в случае,

когда антенная решетка состоит из нескольких сегментов с эквидистантно прямолинейно расположенными элементами, ориентированных параллельно условной линии общей апертуры, предлагается использовать многосегментный подход, заключающийся в построении для каждого сегмента частной оценки корреляционной матрицы максимально возможной общей размерности и последующем их усреднении. Необходимым условием для применения многосегментного МСВ является сохранение пространственным сигналом плоского фронта в пределах геометрии решетки; никаких дополнительных требований к расстоянию между сегментами не предъявляется. Таким образом, многосегментный МСВ не требует сохранения когерентности между отдельными фрагментами пространственного сигнала, что значительно упрощает техническую реализацию

Для оценки качества многосегментного МСВ построено семейство статистических характеристик обнаружения, разрешения и помехоустойчивости на основании рабочих статистик (7) и (8). Показано, что проигрыш в ОСШ многосегментного алгоритма относительного исходного алгоритма обработки для неразрывных решеток при равном числе элементов не превышает 2 дБ по уровню вероятности правильного обнаружения, равному 0.9 (при длинах выборки не более 64 отсчетов, что соответствует условиям субоптимальности МСВ). Недостатком многосегментного МСВ является уменьшение числа одновременно обнаруживаемых целей по сравнению с МСВ для неразрывных решеток, вызванное уменьшением размерности оценки корреляционной матрицы.

Второй раздел главы посвящен пространственной обработке сигналов в квазиконформных кусочно-непрерывных антенных решетках, где ориентация сегментов на плоскости относительно условной линии общей апертуры произвольна в пределах некоторого допустимого диапазона углов (рис. 3). Простое усреднение частных оценок корреляционных матриц в этом случае невозможно, так как для учета изменения пространственной частоты, вызванного поворотом отдельного сегмента, необходимо априорное знание угловой координаты цели. Для формирования суммарной оценки корреляционной матрицы разработан модифицированный многосегментный алгоритм, основанный на коррекции полюсов авторегрессионной (АР) модели. Он включает в себя следующие шаги.

Для каждого из Ь сегментов антенной решетки строится АР-модель общего порядка КАР < Ыми„, где Ымш - минимальное число элементов среди всех сегментов решетки. Для построенной модели ищутся комплексные полюса г*,/, /е[1,£], ке\\^САР\. Вводится новая переменная, псевдополюс:

в которую может быть внесена поправка, учитывающая угол поворота I-го сегмента относительно условной линии общей апертуры, р;:

~аг8(г*,/)1

= ехРу

агсвт

+ Р/

(10)

Рис.3. Геометрические соотношения в квазиконформной кусочно-непрерывной антенной решетке

После обратного перехода от псевдополюсов к полюсам АР-модели:

= \2к,1 \ ехр{/'тс зт(аг£[|1'^1/ ])} (11)

возможно восстановление оценки корреляционной матрицы размерности КАРхКАр, скорректированной с учетом угла поворота сегмента, при помощи обратной рекурсии Левинсона. Дальнейшие этапы разработанного алгоритма совпадают с многосегментным МСВ.

На рис. 4 показаны оценки нормированного углового спектра для четырех сегментов антенной решетки, состоящих из восьми элементов каждый, которые получены при помощи МСВ без коррекции. Углы поворота сегментов относительно условной линии общей апертуры +10°, +5°, -5°, и -10° Суммарный сигнал, поступающий на антенную решётку, формируется двумя источниками, направления на которые составляют 0° и 7° относительно линии общей апертуры. Входное ОСШ составляет 6 дБ. На рис. 5 показана суммарная оценка углового спектра, полученная с использованием модифицированного многосегментного МСВ.

Рис.4. Угловые спектры для отдельных сегментов без коррекции

Рис.5. Суммарный угловой спектр после коррекции

Исследование статистических характеристик модифицированного многосегментного МСВ показало, что его проигрыш в ОСШ относительно исходного алгоритма обработки для неразрывных решеток при равном числе элементов составляет от 1 до 3 дБ по уровню вероятности правильного обнаружения, равному 0.9 (при условиях, соответствующих субоптимальности МСВ).

Рассмотрена возможность применения многосегментных МСВ для совместной пространственной обработки в многодиапазонных комплексах и разнесенных РЛС. В частности, если выполняется принцип частотно-пространственной эквивалентности, обеспечивающий неизменным соотношение расстояния между элементами антенной решетки и длины волны в каждой из РЛС, образующих многодиапазонный комплекс, задача совместной пространственной обработки сигналов эквивалентна обработке сигналов в кусочно-непрерывных антенных решетках.

В четвертой главе приводятся результаты экспериментального исследования работоспособности МСВ и обсуждаются вопросы их технической реализации.

Работоспособность исходного алгоритма обнаружения и разрешения для неразрывной линейной эквидистантной антенной решетки подтверждалась путем его применения к реальным записям штатной РЛС метрового диапазона с приемопередающей антенной в виде 8-элементной антенной решетки с механическим сканированием. Полученные экспериментальным путем результаты близко согласуются с результатами статистического моделирования.

Рассмотрены вопросы практической реализации наиболее трудоемкой операции, выполняемой при решении задач обнаружения, разрешения и оценки угловых координат с использованием МСВ - операции разложения корреляционной матрицы по сингулярным числам (РСЧ) и нахождение собственных векторов. Проанализированы два подхода к выполнению РСЧ: на базе цифровых сигнальных процессоров (ЦСП) и на базе программируемых логических интегральных схем (ПЛИС). Получены оценки времени выполнения РСЧ на ЦСП Tiger Share TS101 и ПЛИС семейства Virtex2. Вариант на базе программируемой логики является более быстродействующим, но в то же время требует большей квалификации от программиста. Поэтому его целесообразно применять только в задачах, где требуется максимальное быстродействие. Вариант на базе сигнальных процессоров подходит для задач, где не требуется обработка в режиме реального времени, например, при организации режима "электронной лупы", или имеется достаточный запас по времени обработки при сравнительно небольшом числе анализируемых дальномерных и доплеровских каналов.

В заключении приведены основные результаты и выводы по работе. К основным научным и практическим результатам, полученных в ходе теоретических и экспериментальных исследований отнесено следующее: 1. На основании сравнительного анализа критериев обнаружения и оценки параметров для МСВ выбраны рабочие статистики, наиболее приемлемые по соотношению качества и вычислительных затрат.

2. Разработана компьютерная модель, которая позволяет путем статистического моделирования с заданной погрешностью строить для методов собственных векторов базовые статистические характеристики без ограничений на используемые критерии обнаружения и оценки угловых координат.

3. Показана субоптимальность рабочей статистики обнаружения и асимптотическая субоптимальность рабочей статистики оценивания в задачах обнаружения и оценивания пространственной частоты одиночного сигнала со случайными начальной фазой и пространственной частотой и фиксированной или случайной амплитудой на фоне белого шума. Определены границы субоптимальности и асимптотической субоптимальности МСВ.

4. Исследованы характеристики статистического разрешения-обнаружения и помехоустойчивости, подтверждающие высокую разрешающую способность и помехоустойчивость МСВ к сосредоточенным помехам.

5. Для линейных и ступенчатых кусочно-непрерывных антенных решеток предложен многосегментный алгоритм оценки корреляционной матрицы, не требующий сохранения когерентности между фрагментами пространственного сигнала.

6. Разработан новый модифицированный многосегментный алгоритм формирования оценки корреляционной матрицы для квазиконформных кусочно-непрерывных антенных решеток на принципе коррекции полюсов АР-модели.

7. Исследованы статистические характеристики многосегментных вариантов МСВ. Показано, что предложенные алгоритмы позволяют осуществлять пространственную обработку сигналов в кусочно-непрерывных антенных решетках с минимальными потерями в ОСШ относительно исходных алгоритмов для неразрывных решеток. Показана возможность применения многосегментных алгоритмов для пространственной обработки сигналов в многодиапазонных комплексах и разнесенных РЛС.

Публикации по теме диссертации

1. Кутузов В.М., Сотников A.A. Модельно-параметрические технологии обработки радиолокационных данных с разрывами// Известия вузов России. Радиоэлектроника. 2005. Вып. 2. С.3-10.

2. Аникин А.П., Сотников A.A. Модельно-параметрическая обработка радиолокационной информации в неэквидистантных антенных решетках// 59-я научно-техническая конференция, посвященная дню радио, материалы конференции. СПб.: Издательство СПбГЭТУ «ЛЭТИ», 2004. - С. 8-10.

3. Аникин А.П., Сотников A.A. Многосегментная модельно-параметрическая обработка неэквидистантных данных// Тезисы докладов

всероссийской научно-технической конференции. Томск, 18-20 мая 2004 г. Томск: ТУСУР, 2004 г. - С. 17 - 20.

4. Сотников A.A. Применение метода собственных векторов в задачах обнаружения сигналов// Известия СПбГЭТУ «ЛЭТИ». Серия "Радиоэлектроника и телекоммуникации". 2002. Вып. 2. С. 37-39.

Подписано в печать 29.08.05 Формат 60*84 1/16. Бумага офсетная. Печать офсетная. Печ. л. 1,0. Тираж 100 экз. Заказ 67.

Отпечатано с готового оригинал-макета в типографии Издательства СПбГЭТУ "ЛЭТИ"

Издательство СПбГЭТУ "ЛЭТИ" 197376, С.-Петербург, ул. Проф. Попова, 5

»15988

РНБ Русский фонд

2006-4 12956

ПЕРЕЧЕНЬ СОКРАЩЕНИЙ.

ВВЕДЕНИЕ.

1. СОВРЕМЕННОЕ СОСТОЯНИЕ ПРОСТРАНСТВЕННО-ВРЕМЕННОЙ ОБРАБОТКИ СИГНАЛОВ

1.1. Пространственно-временная обработка сигналов. Основные понятия и положения.

1.2. Обзор алгоритмов пространственно - временной обработки сигналов.

Выводы.

2. ИССЛЕДОВАНИЕ СТАТИСТИЧЕСКИХ ХАРАКТЕРИСТИК МСВ

2.1. Обзор существующих критериев обнаружения на основе собственных чисел оценки корреляционной матрицы.

2.2. Оценивание угловых координат с помощью МСВ.

2.3. Исследование обнаружителей одиночных гармонических сигналов на базе МСВ.

2.4. Характеристики точности оценивания пространственных частот с использованием МСВ.

2.5. Исследование характеристик обнаружения-разрешения гармонических сигналов с использованием МСВ.

2.6. Характеристики устойчивости МСВ к сосредоточенным помехам.

2.7. Исследование чувствительности МСВ к окрашенному шуму.

Выводы.

3. ПРИМЕНЕНИЕ МСВ ДЛЯ ОБРАБОТКИ ДАННЫХ В НЕЭКВИДИСТАНТНЫХ АНТЕННЫХ РЕШЕТКАХ

Введение.

3.1. Пространственная обработка сигналов в линейных и ступенчатых кусочно-непрерывных антенных решётках.

3.2. Синтез алгоритмов пространственной обработки сигналов в квазиконформных кусочно-непрерывных антенных решетках.

3.3. Модельно-параметрическая пространственная обработка сигналов в многодиапазонных комплексах и разнесенных радиолокационных системах.

Выводы.

4. ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ АЛГОРИТМОВ ПРОСТРАНСТВЕННО-ВРЕМЕННОЙ ОБРАБОТКИ СИГНАЛОВ НА БАЗЕ МСВ

4.1. Экспериментальная проверка работоспособности.

4.2. Вопросы технической реализации алгоритмов пространственной обработки сигналов на базе МСВ.

4.2.1. Реализация РСЧ на базе сигнальных процессоров.

4.2.2. Реализация РСЧ на базе ПЛИС.

Выводы.

В развитии радиолокации на современном этапе можно выделить несколько характерных тенденций.

Первая тенденция заключается в повышении помехоустойчивости радиолокационных средств в различной сигнально-помеховой обстановке и улучшении их традиционных качественных характеристик при решении задач обнаружения, разрешения и оценки параметров сигналов.

Вторая тенденция связана с расширением номенклатуры задач, решаемых радиолокационными средствами. Помимо традиционных задач по обнаружению и оценки траектории движения объектов в настоящее время на них возлагают задачи распознавания объектов, радиоразведки, метеоконтроля и пр.

Третья тенденция направлена на решение задач совместной обработки и обмена информацией в многодиапазонных и пространственно разнесённых радиолокационных комплексах.

Прогресс в этих направлениях радиолокации тесно связан с развитием теории и практики пространственно-временной обработки сигналов. Прежде всего, он обусловлен появлением компонентной базы, позволяющей повысить качество технических средств формирования и приёма сигналов и реализовывать в режиме реального времени сложные математические алгоритмы.

В связи с этим важное теоретическое и практическое значение приобретает задача разработки унифицированных алгоритмов обработки радиолокационных сигналов, обеспечивающих, с одной стороны, высокую точность и разрешающую способность по информативным параметра*м, а с другой - помехоустойчивость к помехам различного происхождения. Однако, вследствие большого разнообразия решаемых радиолокационными средствами задач и различий в условиях их работы, поиск универсального алгоритма пространственно-временной обработки сигналов или пар "сигнал - алгоритм", удовлетворяющего любым радиолокационным ситуациям, представляется невыполнимым. Возможным путём разрешения этого противоречия является построение банка алгоритмов или пар "алгоритм - сигнал", каждый из которых может быть эффективно использован в определённой сигнально-помеховой обстановке.

В последние годы в задаче пространственно-временной обработки сигналов на фоне комбинированных помех широкое применение получили модельно-параметрические методы, которые основаны на описании принимаемых сигналов с помощью математических моделей. При выполнении условия адекватности описания с помощью выбранной модели континииума принимаемых сигналов правильно выбранная модель вносит априорную информацию в задачу пространственно-временной обработки. Эта априорная информация позволяет получить улучшенные характеристики разрешения, что предопределяет повышенную помехоустойчивость этих методов. В настоящее время разработано и применяется на практике большое количество модельно-пааметрических методов, которые различаются вычислительной сложностью и потенциальными возможностями разрешения. Прогресс в области цифровой обработки сигналов позволяет на сегодняшний день реализовывать более сложные алгоритмы, обладающие лучшими показателями качества. Среди таких алгоритмов выделяются методы спектрального анализа, основанные на анализе собственных чисел оценки корреляционной матрицы. Их применение может обеспечить улучшение характеристик точности, разрешающей способности и устойчивости к помехам различного происхождения при обработке сигналов в пространственной, временной и частотной областях.

Цслыо исследования в диссертационной работе является анализ потенциальных возможностей применения методов, основанных на анализе собственных чисел оценки корреляционной матрицы, в задаче обработки радиолокационных сигналов в пространственной области и построение характеристик обнаружения и характеристик точности, которые являются базовыми для алгоритмов первичной обработки сигналов в антенных решетках.

Особое внимание в работе уделяется проблеме применения данных методов при пространственной обработке сигналов в антенных решётках с нерегулярной геометрией. Это обусловлено актуальностью как упомянутой выше задачи обработки информации в пространственно разнесённых радиолокационных комплексах, так и задачи создания передислоцируемых радиолокационных станций, в которых возможности по размещению элементов антенной системы ограничены рельефом местности.

Исходя из цели работы, можно выделить следующие основные задачи исследования:

1. Анализ и обобщение практики применения алгоритмов пространственно-временной обработки сигналов, основанных на анализе собственных чисел оценки корреляционной матрицы.

2. Обоснование рабочих статистик и исследование статистических характеристик совместного обнаружения и оценивания параметров пространственно-временных сигналов.

3. Разработка и исследование методов обработки сигналов в неэквидистантных антенных системах.

4. Экспериментальная проверка исследуемых алгоритмов в реальной помеховой обстановке.

5. Оценка возможностей практической реализации исследованных и синтезированных алгоритмов и формирование требований к программно-аппаратным средствам.

Диссертационная работа имеет следующую структуру. Первая глава носит обзорный характер. В ней приводятся основные определения и модели пространственно-временных сигналов и помех, которые в дальнейшем используются при анализе алгоритмов обработки. В этой главе обосновывается

• применение спектрального оценивания в задачах пространственно-временной обработки сигналов и показывается эквивалентность задач спектрального анализа и обработки сигналов в пространственной области при использовании понятия пространственных частот. Приводится сравнительный обзор существующих методов обработки сигналов в антенных решётках.

Во второй главе производится выбор рабочих статистик и алгоритмов обнаружения, обнаружения-разрешения и оценки параметров сигналов эквидистантных антенных решёток в пространственной области. Далее для выбранной рабочей статистики даётся анализ характеристик обнаружения, обнаружения-разрешения и помехоустойчивости, а также характеристик оценивания пространственной частоты по методу root-MUSIC. Кроме того, в этой главе описывается влияние на анализируемый алгоритм пассивных помех от подстилающей поверхности с гладкоокрашенным спектром.

• В третьей главе рассматривается применение методов, основанных на анализе собственных чисел оценки корреляционной матрицы, для обработки сигналов в неэквидистантных антенных решётках. Приводится анализ многосегментного варианта алгоритмов, обоснованных в главе 2. Значительное место в третьей главе отводится синтезу и анализу алгоритмов обработки сигналов в квазиконформных кусочно-непрерывных антенных решётках и разнесённых радиолокационных комплексах.

В четвёртой главе приводятся результаты экспериментального исследования работоспособности анализируемых и синтезируемых алгоритмов в реальной помеховой обстановке. Также рассматриваются вопросы технической реализации алгоритмов пространственно-временной обработки сигналов, основанных на анализе собственных чисел оценки корреляционной матрицы. Даются рекомендации по выбору технической базы для реализации процессоров пространственно-временной обработки радиолокационных сигналов.

В заключении приводятся основные результаты, полученные в диссертационной работе, и формулируются рекомендации по практическому применению анализированных и синтезированных алгоритмов в задачах обработки радиолокационных сигналов.

Выводы

Проведенные с использованием реальных записей исследования работоспособности МСВ показали принципиальную возможность их применения для повышения угловой разрешающей способности и помехоустойчивости в РЛС с механическим сканированием антенн. Полученные результаты подтверждают общие зависимости, приведенные в главах 2 и 3.

Даны рекомендации по технической реализации наиболее трудоемкой процедуры, используемом в любом из МСВ — разложения по сингулярным числам. Проанализированы достоинства и недостатки решения этой задачи с помощью ЦСП и ПЛИС. Разумным компромиссом между простотой написания программного обеспечения и скоростью вычислений обладает подход с распределением вычислительных операций между ЦСП и ПЛИС, чему способствует наличие импортных и отечественных коммерческих плат цифровой обработки сигналов, объединяющих в себе оба типа вычислительных средств, а также аналогово-цифровой входной интерфейс (АЦП, цифровые фильтры и пр.), динамическую и флэш-память и схемы интерфейса с хост-процессором.

ЗАКЛЮЧЕНИЕ

Проблемы, связанные с применением согласованной обработки для обработки сигналов с разрывами в пространственной области, обуславливают необходимость поиска новых подходов к решению этой задачи. Проведенный анализ литературных источников показал целесообразность применения для данных целей МПМ, которые обладают высоким разрешением при условии адекватности модели анализируемым сигналам. Среди разработанных и применяемых на практике МПМ наиболее перспективными с точки зрения достижимой разрешающей способности являются МСВ, практическое внедрение которых до недавнего времени сдерживалось сложностями аппаратно-программной реализации.

На основании сравнительного анализа критериев обнаружения и оценки параметров для МСВ были выбраны рабочие статистики, наиболее приемлемые по соотношению качества и вычислительных затрат.

Потенциальная возможность применения МСВ с использованием выбранных статистик обнаружения и оценки параметров для пространственной обработки сигналов в антенных решетках была подтверждена исследованием статистических характеристик, полученных методом статистического моделирования. Показано, что выбранные рабочие статистики обнаружения и оценки являются, соответственно, субоптималыюй и асимптотически субоптимальной в задачах обнаружения и оценивания пространственной частоты одиночного сигнала со случайными начальной фазой и пространственной частотой и фиксированной или случайной амплитудой на фоне белого шума. Исследование ХРО и ХП показало, что МСВ при достаточном ОСШ обеспечивают разрешение двух сигналов, превышающее рэлеевское, и обнаружение сигналов на фоне мощной сосредоточенной помехи в пределах основного лепестка ДН антенной решетки. На основании результатов статистического моделирования можно сделать вывод о том, что ф МСВ могут использоваться в качестве самостоятельных алгоритмов первичной пространственной обработки радиолокационных сигналов в задачах обнаружения и оценивания.

Вследствие разрывов в пространственном сигнале структура корреляционной матрицы для кусочно-непрерывных антенных решеток становится отличной от теплицевой. В связи с этим непосредственное применение МСВ для обработки сигналов в таких решетках невозможно. Для линейных и ступенчатых кусочно-непрерывных антенных решеток в работе предложен многосегментный алгоритм оценки корреляционной матрицы. Задача обработки сигналов в квазиконформных кусочно-непрерывных решетках до настоящего времени решена не была. Для построения оценки корреляционной матрицы в квазиконформных решетках в диссертационной работе был разработан новый модифицированный многосегментный алгоритм * на принципе коррекции полюсов. Исследование статистических характеристик показало, что предложенные алгоритмы позволяют осуществлять пространственную обработку сигналов в кусочно-непрерывных антенных решетках с минимальными потерями в ОСШ относительно исходных алгоритмов для неразрывных решеток. Достоинством многосегментных алгоритмов является сравнительная простота их аппаратной реализации, что обусловлено отсутствием требований к сохранению когерентности между фрагментами пространственного сигнала. Предложенные алгоритмы также могут использоваться в других задачах обработки радиолокационных сигналов с разрывами в пространственной, временной или частотной областях.

Работоспособность исходных алгоритмов обнаружения и разрешения на базе выбранной рабочей статистики была экспериментально проверена с использованием реальных записей сигналов PJIC метрового диапазона. Полученные результаты подтверждают основные зависимости, полученные путем статистического моделирования.

На основании проведенных исследований можно сделать следующие выводы. МСВ могут использоваться при ПВОС в качестве альтернативы классическим и АР методам спектрального оценивания, особенно в задачах, где требуется обеспечение повышенной разрешающей способности и/или высокая помехоустойчивость к сосредоточенным помехам. Многосегментные варианты МСВ позволяют практически без потери качества производить первичную пространственную обработку сигналов в сегментированных антенных решетках с линейным и нелинейным расположением отдельных сегментов, чего невозможно достичь при использовании классических методов спектрального оценивания. Появление высокопроизводительных ПЛИС большой емкости и суперскалярных ЦСП с возможностями многопроцессорной обработки позволяет преодолеть проблемы, связанные с практической реализацией МСВ.

1. Журавлёв А. К., Хлебников В. А., Родимов А. П. и др. Адаптивные радиотехнические системы с антенными решётками.- JI.: Издательство Ленинградского университета, 1991. 544с.

2. Обнаружение сигналов / Под ред. А. А. Колосова.- М.: Радио и связь, 1989. 192 с.

3. Ширман Я. Д., Манжос В. Н. Теория и техника обработки радиолокационной информации на фоне помех.- М.: Радио и связь, 1981. 416 с.

4. Кремер И. Я., Кремер А. И., Петров В. М. и др. Пространственно-временная обработка сигналов / Под ред. И. Я. Кремера.- М.: Радио и связь, 1984. 224 с.

5. Ипатов В. П. Периодические дискретные сигналы с оптимальными корреляционными свойствами.- М.: Радио и связь, 1992. 152 с.

6. Марпл-мл. С. Л. Цифровой спектральный анализ и его приложения: Пер. с англ.- М.: Мир, 1990. 547 с.

7. P. Stoica, A. Nehorai. MUSIC, maximum likelihood and Cramer-Rao bound: Further results and comparisons // IEEE transactions on acoustic, speech and signal processing. 1990. T. 38, № 12. C. 2140-2150.

8. В. M. Radich, K. Buckley. The effect of source number underestimation on MUSIC location estimates // IEEE transactions on signal processing. 1994. T. 42, № l.C. 233-236.

9. A. A. Shah, D. W. Tuffs. Determination of the dimension of a signal subspace from short data records // IEEE transactions on signal processing. 1994. T. 42, №9. C. 2531-2535.

10. B. Hu, R. G. Gosine. A new eigenstructure method for sinusoidal signal retrieval in white noise: estimation and pattern recognition // IEEE transactions on signal processing. 1997. T. 45, № 12. C. 3073-3083.

11. B. Ottersen, M. Viberg, T.Kailath. Performance analysis of total least squares ESPRIT algorithm // IEEE transactions on signal processing. 1991. T. 39, № 5. C.1122-1135.

12. S. Y. Kung, С. K. Lo, R. Foka. A Toeplitz approximation approach to coherent ♦ source direction finding // 1СASSP proceedings. 1986. Т. 11. С. 193-196.

13. Digital Signal Processing Handbook/ ed. V. K. Madisetti, D. B. Williams.-CLC Press, 1999.

14. S. Shamsunder, G. B. Giannakis. Detection and parameter estimation of multiple non-Gaussian sources via higher order statistics // IEEE transactions on signal processing. 1994. T. 42, № 5. С. 1145-1155.

15. M. C. Dogan, J. M. Mendel. Applications of cumulants to array processing, part I: Aperture extension and array calibration // IEEE transactions on signal processing. 1995. T. 43, № 5. C. 1200-1216.

16. M. C. Dogan, J. M. Mendel. Applications of cumulants to array processing, part II: Non-Gaussian noise suppression // IEEE transactions on signal processing. 1995. T. 43, № 7. C. 1661-1676.

17. E. E. Fishier, J. Friedman, H. Messer. Order statistics approach to estimation of the dimension of the noise subspace // Proceedings of IEEE signal processing workshop on higher order statistics. 14-16 June 1999. C. 281-284.

18. Ширман Я. Д. Разрешение и сжатие сигналов,- М.: Сов. Радио, 1974.360 с.

19. J. Friedmann, Е. Fishier, Н. Messer. General asymptotic analysis of the generalized likelihood ratio test for a gaussian point source under statistical or spatial mismodeling // IEEE transactions on signal processing. 2002. T. 50, № 11. C. 2617-2631.

20. Хайкин С., Карри Б. У., Кеслер С. Б. Спектральный анализ радиолокационных мешающих отражений методом максимальной энтропии // ТИИЭР. 1982. Т. 70, № 9. С. 51-62.

21. Кутузов В. М., Сотников А. А. Моделыю-параметрические технологии обработки радиолокационных данных с разрывами // Известия вузов России. Радиоэлектроника. 2005. Вып. 2. С. 3-10.

22. Y. I Abramovich, N. К. Spencer. Minimum-redundancy super-resolution « signal processing for stepped-frequency wideband radars // Proceedings of 2nd

23. AAS Workshop on Applications of Radio Science. 1997. C. 31-36.

24. Кутузов В. М. Авторегрессионая обработка сигналов в квазиконформных кусочно-непрерывных антенных решётках // Известия вузов России. Электроника. 2001. Вып 4. С. 93-100.

25. Безуглов А. В., Кутузов В. М., Рябухов И. Р. Многосегментная авторегрессионная обработка пространственно-временных сигналов // Известия вузов России. Радиоэлектроника. 1998. Вып 2. С. 75-88.

26. Аникин А. П., Сотников А. А. Многосегментная модельно-параметрическая обработка неэквидистантных данных // Тезисы докладов всероссийской научно-технической конференции, Томск, 18-20 мая 2004 / ТУ СУР. Томск, 2004. С. 17-20.

27. Mathematic Fortran and С packages Электронный ресурс. Режимдоступа: www.netlib.org, свободный.

28. ADSP-TS101 TigerSHARC® Processor Hardware Reference. Analog Devices Inc., 2003.

29. R. P. Brent, F. T. Luk, C. Van Loan. Computation of the singular value decomposition using mesh-connected processors // Journal of VLSI and computer systems. 1985. Т. 1. C. 242-270.

30. R. P. Brent, F. T. Luk. The solution of singular-value and symmetric eigenvalue problems on multiprocessor arrays // SIAM J. Sci Statist. Comput. 1985. T. 6. C. 69-84.

31. N. D. Hemkumar, J. R. Cavallaro. A systolic VLSI architecture for complex SVD // Proceedings of the 1992 IEEE international symposium on circuits and systems. C. 1061-1064.

32. J. R. Cavallaro, F. T. Luk. Cordic arithmetic for an SVD processor // Journal ofparallel and distributed computing. 1988. T. 5. C. 271-290.

33. N. D. Hemkumar. Efficient VLSI architectures for matrix factorizations Электронный ресурс.: PhD dissertation / Rice university. 1994.— Режим доступа: http://www-ece.rice.edu/~cavallar/theses/hemkumarphd.pdf,свободный.