Penerimaan WRC untuk publikasi di ebs spbget "leti". Phase-code-keyed pulses (PCM) Penerima pulsa radio yang optimal
Pulsa PCM adalah pulsa radio persegi panjang dalam pengisian kode fase internal (gelombang pembawa) frekuensi tinggi.
Manipulasi sama dengan modulasi dengan parameter hopping.
Pulsa FKM adalah sekumpulan pulsa radio persegi panjang yang berdekatan dengan durasi T yang sama dan amplitudo yang sama serta frekuensi pengisian yang sama.
Fase awal pengisian RF pulsa ini hanya dapat mengambil dua nilai: 0 atau π. Pergantian nilai-nilai ini dari pulsa ke pulsa mematuhi kode tertentu.
Pemilihan kode dilakukan berdasarkan kondisi mendapatkan sinyal ACF terbaik.
Pertimbangkan contoh pulsa FKM dengan volume n sinyal elementer, di mana manipulasi fase dilakukan oleh kode Barker.
Lebar spektrum pulsa PCM ditentukan oleh durasi pulsa elementer T dan
FCM adalah sinyal yang kompleks. Basisnya ditentukan oleh jumlah pulsa n (n>>1).
Mari kita lakukan sintesis filter linier yang disesuaikan dengan pulsa FKM sesuai dengan respons impuls yang diperlukan.
Respons impuls adalah bayangan cermin dari sinyal input.
Gambar bersyarat g dari (t):
Seperti yang Anda lihat, respons impuls dari filter optimal yang disintesis juga merupakan pulsa FKM, yang kodenya merupakan bayangan cermin dari kode sinyal, oleh karena itu, respons filter kami terhadap pulsa δ akan menjadi n radio persegi panjang yang berdekatan. pulsa dengan durasi, amplitudo dan frekuensi yang sama.
Fase awal pulsa pengisian RF bervariasi dari pulsa ke pulsa sesuai dengan kode cermin.
Pengujian menunjukkan bahwa filter kami optimal untuk sinyal ini.
Mari kita temukan respons dari filter optimal yang dihasilkan terhadap pulsa PCM yang diberikan. Diketahui bahwa respon filter optimal mengikuti bentuk ACF dari pulsa PCM
Gambar bersyarat pulsa FKM
Gambar bersyarat dari respons penambah (sinyal pada keluaran penambah).
Pada keluaran penambah, tujuh pulsa radio persegi panjang juga diperoleh, dipisahkan oleh interval T dan. Durasi pulsa ini sama dan sama dengan T dan.
Frekuensi pengisiannya sama. Fase pengisian awal untuk pulsa pusat adalah 0, dan untuk sisanya π. Amplitudo impuls pusat tujuh kali lebih besar dari amplitudo semua impuls lainnya.
Kesimpulan: sinyal pada keluaran filter optimal, disesuaikan dengan pulsa PCM, adalah n pulsa radio segitiga yang berdampingan dengan durasi yang sama 2T dan, dengan siklus kerja yang sama dan dengan fase awal yang sama, dan amplitudo pulsa pusat ( lobus utama) tujuh kali lebih tinggi daripada impuls lainnya (lobus samping).
Ternyata dalam penyaring optimal fase-kode penguncian telah diubah menjadi penguncian amplitudo-pergeseran.
Seperti yang Anda lihat, satu pulsa FKM berubah menjadi tujuh pulsa segitiga: satu pulsa pusat dan enam pulsa lateral.
Tidak mungkin untuk sepenuhnya mengecualikan lobus samping, tidak ada kode seperti itu. Kode Barker adalah yang terbaik dari semua kode dalam hal rasio amplitudo sidelobe ke pusat.
Sayangnya, panjang kode Barker tidak boleh lebih dari 13.
Untuk mendapatkan basis sinyal yang besar, banyak digunakan sebagai kode urutan panjang maksimum (urutan-M).
Jika kita menghitung durasi sinyal keluaran filter optimal pada level 0,5 dari maksimum, ternyata durasi ini sama dengan T dan \u003d T c / n (n-base), oleh karena itu optimal filter memampatkan sinyal input dalam waktu beberapa kali sama dengan basis.
Efek kompresi sinyal kompleks dalam filter optimal memungkinkan Anda untuk meningkatkan beberapa kali sama dengan basis sinyal, resolusi sinyal dalam waktu.
Resolusi waktu berarti kemungkinan pengamatan terpisah dari dua sinyal yang bergeser relatif satu sama lain untuk beberapa waktu.
Pada input filter optimal, sinyal dapat diamati secara terpisah jika mereka bergeser relatif satu sama lain lebih dari T s.
Setelah filter optimal, sinyal dapat diamati secara terpisah jika bergeser relatif satu sama lain lebih dari T dan.
Keuntungan dari sinyal kompleks:
1) Dengan pemfilteran optimal, diperoleh penguatan signal-to-noise yang sama dengan basis. Ini berarti bahwa sistem komunikasi dapat beroperasi pada rasio signal-to-noise yang rendah pada input. Ini memberi:
Anda dapat menerima sinyal dari jauh (dari luar angkasa);
Dimungkinkan untuk melakukan komunikasi rahasia.
2) Dengan menggunakan sinyal yang kompleks, misalnya FKM, dimungkinkan untuk melakukan pemisahan kode saluran komunikasi.
3) Berkat sinyal yang kompleks, masalah abadi komunikasi dan lokasi dapat diselesaikan, misalnya, diketahui bahwa untuk meningkatkan jangkauan komunikasi, perlu untuk meningkatkan energi dari sinyal yang ditransmisikan. Saat bekerja dengan pulsa radio persegi panjang, energi ditentukan oleh amplitudo pulsa dan durasi sinyal. Amplitudo pulsa yang ditransmisikan tidak dapat ditingkatkan hingga tak terhingga, oleh karena itu, durasi pulsa bertambah. Namun, meningkatkan durasi sinyal memperburuk resolusi sinyal pada waktunya.
Penggunaan sinyal kompleks memungkinkan untuk memisahkan kuantitas ini: energi bergantung pada durasi sinyal T s, dan resolusi sinyal bergantung pada nilai basis sinyal n=T s /T dan.
Bagian 6
Detail Diposting pada 02.10.2019ELS "Lan" menginformasikan bahwa untuk September 2019 koleksi tematik yang tersedia untuk universitas kami di ELS "Lan" telah diperbarui:
Ilmu teknik dan teknik - Rumah penerbitan "Lan" - 20
Kami berharap koleksi literatur baru ini bermanfaat dalam proses pendidikan.
Uji akses ke koleksi "FireBook" di ELS "Lan"
Detail Dipublikasikan pada 01.10.2019Pembaca yang budiman! Dari 10/01/2019 hingga 10/31/2019, universitas kami telah diberikan akses tes gratis ke koleksi penerbitan baru di Lan ELS:
"Teknik dan ilmu teknis" dari penerbit PozhKniga.
Rumah penerbitan PozhKniga adalah subdivisi independen dari Universitas Sistem dan Teknik Keamanan Terpadu (Moskow). Spesialisasi penerbit: persiapan dan publikasi literatur pendidikan dan referensi tentang keselamatan kebakaran (keselamatan perusahaan, dukungan peraturan dan teknis untuk karyawan sistem keselamatan terintegrasi, pengawasan kebakaran, peralatan pemadam kebakaran).
Berhasil menyelesaikan penerbitan lektur!
Detail Dipublikasikan pada 09/26/2019Pembaca yang budiman! Kami dengan senang hati memberi tahu Anda tentang keberhasilan penyelesaian penerbitan literatur untuk siswa tahun pertama. Mulai 1 Oktober, Ruang Baca Akses Terbuka No. 1 akan bekerja sesuai jadwal seperti biasa dari pukul 10:00 hingga 19:00.
Mulai 1 Oktober, siswa yang belum menerima literatur bersama kelompoknya diundang ke departemen sastra pendidikan (kamar 1239, 1248) dan departemen sastra sosial ekonomi (kamar 5512) untuk menerima literatur yang diperlukan sesuai dengan aturan yang ditetapkan. untuk menggunakan perpustakaan.
Pemotretan untuk kartu perpustakaan dilakukan di ruang baca No. 1 sesuai jadwal: Selasa, Kamis pukul 13.00 s/d 18.30 (istirahat pukul 15.00 s/d 16.30).
27 September - hari sanitasi (lembar bypass ditandatangani).
Penerbitan kartu perpustakaan
Detail Diposting pada 19/09/2019Mahasiswa dan staf universitas yang terhormat! 20/09/2019 dan 23/09/2019 dari pukul 11:00 hingga 16:00 (istirahat dari pukul 14:20 hingga 14:40) kami mengundang semua orang, termasuk. mahasiswa tahun pertama yang tidak sempat berfoto bersama kelompoknya, untuk mengeluarkan kartu perpustakaan ke ruang baca nomor 1 perpustakaan (ruang 1201).
Mulai 24/09/2019, fotografi untuk kartu perpustakaan dilanjutkan sesuai jadwal biasanya: Selasa dan Kamis mulai pukul 13:00 hingga 18:30 (istirahat mulai pukul 15:00 hingga 16:30).
Untuk mengeluarkan kartu perpustakaan, Anda harus memiliki: siswa - kartu pelajar yang diperpanjang, karyawan - kartu masuk universitas atau paspor.
saat ini tetap relevan dalam radar, tugas resolusi, dan dalam sistem transmisi informasi, tugas membedakan sinyal.
Untuk mengatasi masalah ini, dimungkinkan untuk menggunakan sinyal PCM yang dikodekan oleh ansambel fungsi ortogonal, yang diketahui memiliki korelasi silang nol.
Untuk menyelesaikan sinyal di radar, sinyal burst dapat digunakan, yang masing-masing pulsanya dikodekan oleh salah satu baris matriks ortogonal, seperti matriks Vilenkin-Chrestenson atau Walsh-Hadamard. Sinyal-sinyal ini memiliki karakteristik korelasi yang baik, yang memungkinkannya digunakan untuk tugas-tugas di atas. Untuk membedakan antara sinyal dalam sistem transmisi data, Anda dapat menggunakan sinyal yang sama dengan duty cycle sama dengan satu.
Dalam hal ini, matriks Vilenkin-Chrestenson dapat digunakan untuk membentuk polifase ( P-fase) sinyal FKM, dan matriks Walsh-Hadamard, sebagai kasus khusus dari matriks Vilenkin-Chrestenson untuk jumlah fase sama dengan dua, untuk membentuk sinyal bifasik.
Sinyal polifase diketahui memiliki kekebalan kebisingan yang tinggi, kerahasiaan struktural, dan tingkat lobus samping yang relatif rendah dari fungsi autokorelasi. Namun, untuk memproses sinyal seperti itu, operasi penjumlahan dan perkalian aljabar perlu dilakukan lebih banyak karena adanya bagian nyata dan imajiner dari sampel sinyal, yang mengarah pada peningkatan waktu pemrosesan.
Tugas diskriminasi dan resolusi dapat diperburuk oleh pergeseran Doppler yang tidak diketahui secara apriori dari frekuensi pembawa karena gerakan relatif dari sumber informasi dan pelanggan atau radar dan target, yang juga mempersulit pemrosesan sinyal secara real time karena untuk kehadiran saluran pemrosesan Doppler tambahan.
Untuk memproses sinyal di atas dengan aditif frekuensi Doppler, diusulkan untuk menggunakan perangkat yang terdiri dari register input, prosesor konversi diskrit, blok tautan silang, dan satu set blok penghasil sinyal ACF identik, yang terhubung secara seri. register.
Jika kita mengambil matriks Vilenkin-Chrestenson ortogonal untuk memproses sinyal semburan polifase sebagai matriks basis, maka transformasi diskrit akan berubah menjadi transformasi Vilenkin-Chrestenson-Fourier diskrit.
Karena Jika matriks Vilenkin-Chrestenson dapat difaktorkan menggunakan algoritma Good, maka transformasi Vilenkin-Chrestenson-Fourier diskrit dapat direduksi menjadi transformasi Vilenkin-Chrestenson-Fourier cepat.
Jika kita mengambil matriks Walsh-Hadamard ortogonal sebagai matriks basis - kasus khusus dari matriks Vilenkin-Chrestenson untuk memproses sinyal ledakan bifasik, maka transformasi diskrit akan berubah menjadi transformasi Walsh-Fourier diskrit, yang dapat dikurangi dengan faktorisasi ke transformasi Walsh-Fourier cepat.
Sinyal rak luas juga mencakup sinyal dengan frekuensi modulasi linear intra-pulsa (kicauan). Itu bisa disajikan dalam bentuk
di mana φ(t) adalah fase total.
Frekuensi di dalam pulsa berubah menurut hukum berikut
,
di mana Δf adalah deviasi frekuensi.
Fase total pada waktu t diperoleh dengan mengintegrasikan frekuensi:
Jadi, fase total sinyal berubah menurut hukum kuadrat. Mempertimbangkan fase penuh kicauan, sinyal dapat ditulis dalam bentuk berikut
basis sinyal 
. Munculnya sinyal LFM - ditunjukkan pada Gambar 4.179.
Pemrosesan sinyal kicauan yang optimal membutuhkan adanya filter yang cocok dengan karakteristik cermin dalam hubungannya dengan sinyal. Dari filter analog, ini adalah garis penundaan dispersif, di mana waktu tunda bergantung pada frekuensi.
Diagram sederhana dari filter yang cocok untuk sinyal chirp ditunjukkan pada Gambar 4.180.
Spektrum sinyal pada keluaran filter yang cocok ditemukan dengan rumus
di mana K(jω) adalah fungsi transfer dari filter yang cocok;
S(jω) adalah spektrum sinyal kicauan eksternal.
Penampakan spektrum S(jω) ditunjukkan pada Gambar 4.181
di mana saat sinyal keluaran maksimum muncul;
K adalah konstanta.
Membiarkan modulus kerapatan spektral sama dengan nilai konstan, kita peroleh
di mana B adalah amplitudo komponen spektral.
Menurut teorema Parseval
Sinyal pada keluaran filter yang cocok dalam domain waktu ditemukan menggunakan transformasi Fourier bidang spektral
Mengintegrasikan frekuensi positif dan memisahkan bagian aktif, kami memperoleh
Dengan demikian, pulsa keluaran menjadi kali kompres K lebih sempit daripada masukan, dan amplitudonya meningkat sebesar faktor.
Munculnya pulsa ditunjukkan pada Gambar.4.172
Lebar lobus utama pada nol adalah 2/Δf, dan pada level 0,64-1/Δf. Rasio kompresi untuk level ini akan sama dengan
Diagram ketidakpastian sinyal chirp ditunjukkan pada Gambar 4.183.
Dengan bandwidth yang ditempati, kicauan adalah sinyal terbaik untuk resolusi waktu.
Mekanisme kompresi sinyal pada filter optimal dapat dijelaskan sebagai berikut. Filter optimal menunda komponen spektral untuk sementara waktu:
(4.104)
dimana frekuensi rata-rata;
penyimpangan frekuensi;
Durasi pulsa;
Waktu untuk mencapai pulsa terkompresi maksimum.
Ketergantungan waktu tunda pada frekuensi (4.104) ditunjukkan pada Gambar 4.184. Waktu tunda adalah fungsi frekuensi yang menurun secara linear. Ketergantungan waktu tunda pada frekuensi disebut dispersi.
Pada waktu t, frekuensi sesaat dari sinyal pada input filter sama dengan . Osilasi frekuensi ini tiba di keluaran filter dengan penundaan , yaitu pada saat ini. Mari kita tentukan momen ini:
Akibatnya, semua komponen spektral dari sinyal (terlepas dari frekuensinya) tertunda dalam filter sedemikian rupa sehingga mereka tiba di keluarannya secara bersamaan pada waktu . Sebagai hasil dari penjumlahan aritmatika, terbentuk lonjakan sinyal puncak (Gbr. 4.185)
Bentuk pulsa radio terkompresi dengan tidak adanya ketidaksesuaian frekuensi ditentukan oleh spektrum amplitudo-frekuensi dari sinyal input. Spektrum fase, dalam hal ini, dikompensasi oleh respons fase filter dan tidak mempengaruhi bentuk sinyal input. Kompensasi spektrum fase sinyal adalah alasan utama
kompresi temporal, menghasilkan superposisi komponen harmonik yang konsisten.
Pemrosesan sinyal FKM
Sinyal yang dimanipulasi kode fase adalah sinyal berdenyut yang dipecah menjadi pulsa paralel, yang masing-masing memiliki fase awal sendiri (Gbr. 4.186)
Untuk sinyal seperti itu, relasinya
di mana N adalah jumlah pulsa parsial dalam sinyal;
Δf adalah lebar spektrum sinyal.
Kode fase biasanya biner, tetapi bisa lebih kompleks. FKM - sinyal dapat direpresentasikan sebagai paket pulsa yang koheren. Untuk paket seperti itu, detektor optimal ditunjukkan pada Gambar. 4.187
Fitur skema adalah sebagai berikut:
· Penundaan antara ketukan saluran yang berdekatan, penundaan harus sama dengan durasi pulsa parsial τ 1 ;
· Pemindah fase harus disertakan dalam beberapa ketukan pada saluran tunda untuk memastikan penjumlahan sinyal mode-umum.
Diagram blok detektor FKM optimal - sinyal ditunjukkan pada Gambar 4.188
Diagram menunjukkan: PV - pemindah fase; SF adalah filter yang cocok. Gambar 4.189 dan 4.190 menunjukkan diagram detektor optimal dan diagram voltase untuk sinyal yang terdiri dari tiga pulsa parsial.
Salah satu parameter utama yang mencirikan sistem radar adalah koefisien diskriminasi, yang didefinisikan sebagai rasio daya sinyal minimum pada input penerima P min dengan daya derau.
Karakteristik deteksi bergantung pada energi sinyal
Bab 1 - Metode untuk memproses sinyal PCM digital
1.1 Pernyataan masalah
1.2 Klasifikasi metode penekanan sidelobe ringkas! o ssh nala
1.2.1 Metode pemrosesan primer dan sekunder
1.2.2 Metode pemrosesan dalam domain spektral dan waktu
1.2.3 Metode pemrosesan berulang dan berulang
1.2.4 Metode adaptif
1.3 Deskripsi asli! o & ritme adaptif1 o kompresi pulsa
1.4 Bab Kesimpulan
Bab 2 - Deskripsi matematis dari sistem
2.1 Representasi umum dari sistem
2.2 Deskripsi probing FKM-ssh jatuh
2.2.1 Deskripsi sinyal probing untuk PJIC podocapalp
2.2.2 Deskripsi sistem probing vektor1 untuk PJIC polarisasi
2.3 Pemodelan objek radar
2.3.1 Respon impuls objek radar untuk PJIC subcapalpal
2.3.2 Deskripsi model objek radar untuk PJIC polarisasi
2.4 Faktor-faktor yang mempengaruhi keakuratan pendugaan respons impuls suatu objek radar
2.5 Kebisingan sistem
2.6 Kriteria untuk menilai level side lobe dari sinyal pada keluaran filter ^ kompresi
2.7 Bab Kesimpulan
Bab 3 - Algoritma Penyaringan Adaptif
3.1 Menggunakan pemrosesan adaptif saat memfilter sinyal
3.2 Algoritma Adaptif untuk pod PJIC
3.2.1 Menggunakan filter yang cocok sebagai bagian dari filter adaptif untuk PJIC satu titik
3.2.2 Deskripsi tingkat adaptif untuk PJIC podocapalp
3.2.3 Deskripsi filter adaptif untuk PJIC saluran tunggal
3.3 Algoritma adaptif untuk polarisasi PJIC
3.3.1 Menggunakan filter matriks yang cocok sebagai bagian dari filter adaptif untuk PJIC polarisasi
3.3.2 Deskripsi pola adaptif untuk polarisasi PJIC
3.3.3 Deskripsi filter adaptif untuk PJIC polarisasi
3.4 Kesimpulan tentang lahar I
Bab 4 - Menjelajahi Usulan Algoritma Adaptif
4.111 Responsif Adaptif! Tentang Algoritma untuk Single Channel PJIC
4.1.1 Aplikasi Alurithm untuk berbagai model objek radar
4.2 Menerapkan pacu adaptif untuk polarisasi PJIC 96 4.2.1 Menerapkan algoritma untuk berbagai model objek radar
4.4 Kesimpulan Bab I 4 109 Kesimpulan 111 C11 dan C Sastra 113 Lampiran A 119 Lampiran B
Daftar Singkatan
LCF - fungsi autokorelasi;
ASI - kompresi pulsa adaptif;
LF - filter adaptif;
VKF - fungsi korelasi timbal balik;
DD - rentang dinamis;
IR - respons impuls;
LFM - termodulasi frekuensi linier;
MSO - kesalahan rata-rata kuadrat minimum;
PJI - radar;
PJIC - stasiun radar;
RMS - standar deviasi;
UBL - tingkat lobus samping;
FKM - didominasi kode fase;
FN - fungsi ketidakpastian;
EPR - permukaan hamburan yang efektif.
Daftar disertasi yang direkomendasikan
Studi algoritma simulasi untuk mengubah sinyal radar yang dimodulasi secara kompleks untuk mengukur parameter stasiun radar 2005 PhD Nguyen Huu Thanh
Pengembangan dan studi metode untuk meningkatkan kekebalan kebisingan radar dengan sinyal kuasi-kontinyu yang kompleks 2003, Calon Ilmu Teknik Nilov, Mikhail Aleksandrovich
Sintesis sinyal dengan hukum kunci pergeseran amplitudo-fase pseudo-acak dan metode untuk memprosesnya di stasiun radar dengan mode operasi kuasi-kontinyu 2005, Doktor Ilmu Teknik Bystrov, Nikolai Egorovich
Korelasi Noise Suppression dalam Pemrosesan Sinyal Rekayasa Radio Diskrit dengan Metode Conjugate Matched Filtering 2003, calon ilmu teknik Melnikov, Alexey Dmitrievich
Meningkatkan parameter observasi radar target di radar ATC menggunakan pemrosesan Doppler spasial adaptif digital dari sinyal gema 2000, calon ilmu teknik Savelyev, Timofey Grigorievich
Pengantar tesis (bagian dari abstrak) pada topik "Algoritma adaptif untuk mengurangi tingkat lobus samping respons pada keluaran filter kompresi sinyal radar FKM"
Sejak awal, teori radar terutama dikembangkan sebagai teori yang mempertimbangkan target tepat yang dijahit dengan cara ini. Namun, target sebenarnya seringkali merupakan objek kompleks yang terdiri dari sekumpulan elemen, dan menjadi perlu untuk menentukan jangkauannya dan intensitas elemen si yang dipantulkan dari elemen-elemen ini! uang tunai.
Banyak stasiun radar modern (PJIC) menggunakan sinyal Pendanaan yang kompleks. Penggunaan sinyal yang kompleks dibandingkan dengan yang sederhana memiliki sejumlah keunggulan, khususnya pencapaian epipotensial radar yang tinggi dengan daya radiasi yang terbatas dan peningkatan kekebalan kebisingan. Di antara beragam kebakaran ssh yang kompleks, sinyal fuzzy-domain-manipulated (FKM) telah menemukan aplikasinya. Fungsi ketidakpastian dari sinyal tersebut memiliki bentuk yang mengecualikan kesetaraan pergeseran waktu dan frekuensi, yang khas, misalnya, untuk sinyal termodulasi frekuensi linier (kicauan).
Selama pemrosesan, sinyal yang dipantulkan dilipat menjadi pulsa pendek dalam filter kompresi (terkompresi). Biasanya, filter yang cocok (SF) digunakan untuk ini. Lebar puncak utama diambil sebagai durasi sinyal yang dipetakan dengan kode fase terkompresi, tetapi di luarnya, sisi maksimum (lobus samping) diamati.
Filter penerima PJIC yang disesuaikan dapat dianggap optimal jika objek radar diwakili oleh reflektor titik tunggal dan sinyal diterima dengan latar belakang derau putih aditif. Saat mengamati kompleks yang terdiri dari sekumpulan elemen reflektif, objek radar, penggunaan SF tidak optimal.
Tingkat lobus samping (Sh1) dari sishala terkompresi dapat secara signifikan melebihi tidak hanya tingkat kebisingan, tetapi juga tingkat sinyal yang berguna. Pengaruh interferensi dari lobus samping dimanifestasikan dalam penyamaran puncak informasi dari sinyal lemah. Dalam praktiknya, seringkali penting untuk tidak melewatkan sinyal radio lemah yang berguna dari reflektor dengan permukaan hamburan efektif kecil (ESR) dengan latar belakang gangguan pantulan dari objek dengan ESR besar. Misalnya, pulsa yang dipantulkan dari target sering kali hilang dalam pantulan yang lebih kuat dari benda asing yang dekat dengan target. Fenomena ini secara signifikan membatasi rentang dinamis amplitudo sinyal berguna yang diproses oleh PJIC, dan kemampuan untuk memperluasnya melalui satu penerapan yang diadopsi sangat menarik.
Masalah menurunkan level lobus samping dengan sishala terkompresi relevan untuk PJIC single-capal dan polarisasi (mpo-jucapal). Dalam PJIC polarisasi, situasinya diperburuk oleh fakta bahwa dua sinyal ortogonal secara bersamaan dipancarkan selama polarisasi penuh terdengar, dan tingkat lobus samping ditentukan oleh korelasi otomatis dan timbal balik (silang).
Mempertimbangkan bahwa lokasi reflektor dalam komposisi objek radar dan intensitas sinyal yang dipantulkan darinya bersifat acak, muncul masalah mensintesis taji adaptif (adaptif) dan filter yang sesuai, parameter dan strukturnya berubah seiring waktu. Agar karakteristik sistem menjadi variabel dan mampu beradaptasi dengan perubahan kondisi pengawasan radar (ke objek yang berbeda), perlu menggunakan filter adaptif.
Dengan demikian, penelitian bekerja pada sintesis algoritme adaptif untuk mengurangi lobus samping respons pada keluaran filter kompresi FKM sistem radar! Hasil yang tersebar oleh objek radar yang kompleks dapat dianggap relevan.
Tujuan dari disertasi ini adalah untuk mengembangkan algoritma adaptif untuk mengurangi tingkat respon lobus samping pada output filter kompresi sinyal FKM untuk PJIC kapasitas tunggal dan PJIC polarisasi, yang memungkinkan untuk meningkatkan pengamatan radar kecil target dengan latar belakang objek dengan RCS besar, dan untuk mempelajari keefektifannya.
Sesuai dengan ini, tugas utama berikut ditetapkan dan diselesaikan.
1. Penentuan model matematis sinyal probing untuk PJIC kapasitas tunggal dan polarisasi.
2. Penentuan model objek radar untuk PJIC single capillary dan polarized.
3. Perluasan jangkauan dinamis dari amplitudo sinyal PJIC yang diterima yang berguna sesuai dengan salah satu penerapan yang diadopsi dengan mengurangi level lobus samping dari sinyal terkompresi.
4. Melakukan simulasi numerik dari algoritma adaptif untuk PJIC kapiler tunggal dan pengembangan berdasarkan algoritma adaptif untuk PJIC polarisasi.
5. Kajian efisiensi algoritma adaptive filtering yang dikembangkan.
Relevansi penelitian
Solusi dari kumpulan tugas relevan pada tahap pengembangan radar saat ini, karena perluasan rentang dinamis amplitudo sinyal yang berguna memungkinkan untuk menghindari komplikasi yang terkait dengan keberadaan lobus samping besar dari sinyal kompleks terkompresi dan relevan [1].
Tugas-tugas ini sangat relevan untuk radar polarisasi, karena memungkinkan pengurangan kesalahan dalam menentukan elemen matriks hamburan target baik dalam pengukuran berurutan maupun simultan.
Metode penelitian. Penelitian yang sedang berlangsung didasarkan pada metode pemrosesan sinyal adaptif, teori sinyal kompleks, metode penerimaan radio yang optimal dan teori statistik radar. Dalam proses penelitian, metode pemodelan matematika digunakan.
Pemodelan matematika dilakukan dengan menggunakan paket perangkat lunak aplikasi MatLAB 7.0.
Signifikansi praktis dari pekerjaan ini ditentukan oleh fokusnya pada peningkatan efisiensi sistem radar.
Hasil yang diperoleh dalam pekerjaan diizinkan:
1. Optimalkan pemrosesan saluran radar menggunakan satu implementasi yang diterima menggunakan metode profesional.
2. Kembangkan algoritme adaptif untuk PJIC satu tetes yang memungkinkan Anda mengurangi level lobus samping dari bantalan tidur terkompresi yang diterima. Rentang dinamis PJIC saluran tunggal untuk model objek radar yang dijelaskan dalam makalah ini meningkat sebesar 7–23 dB, dan rata-rata kesalahan kuadrat estimasi respons impuls objek radar berkurang sebesar 8–32 dB. Perbandingan dibuat dengan sinyal pada keluaran filter yang cocok, semua hal lainnya dianggap sama.
3. Kembangkan algoritma adaptif untuk polarisasi PJIC, yang memungkinkan untuk mengurangi level lobus samping dari sinyal terkompresi yang diterima. Kisaran dinamis PJIC polarisasi untuk model objek radar yang dijelaskan dalam makalah ini meningkat sebesar 8 - 19 dB, dan kesalahan kuadrat rata-rata dalam perkiraan respons impuls objek radar berkurang sebesar 8 - 17 dB. Perbandingan dibuat dengan sinyal pada output coi dari penskalaan filter matriks, semua hal lain dianggap sama.
Struktur dan ruang lingkup disertasi
Disertasi terdiri dari pengantar, 4 bab, kesimpulan dan daftar referensi, termasuk 72 judul, dan 2 lampiran. Karya tersebut berisi 122 halaman, 36 gambar dan 7 tabel.
Tesis serupa dalam "Navigasi radar dan radio" khusus, kode VAK 05.12.14
Sintesis Inti Komputasi untuk Penyaringan Sinyal Radar yang Dicocokkan Digital pada Basis Elemen Modern 2005, Ph.D.Pyatkin, Alexey Konstantinovich
Meningkatkan resolusi sistem informasi pada saat kedatangan sinyal dalam kondisi interferensi bersama 2010, calon ilmu teknik Mishura, Tamara Prokhorovna
Radar ultra-wideband objek udara dengan tampilan ruang bebas inersia 2005, Doktor Ilmu Teknik Vovshin, Boris Mikhailovich
Algoritma dan perangkat untuk mengurangi level lobus samping saat mengompresi sinyal kompleks dari sistem rekayasa radio 2007, calon ilmu teknik Varlamov, Dmitry Lvovich
Pemrosesan Sinyal Digital dengan Fungsi Atom pada Aplikasi Fisika Radio 2005, Calon Ilmu Fisika dan Matematika Smirnov, Dmitry Valentinovich
Kesimpulan disertasi pada topik "Navigasi radar dan radio", Babur, Galina Petrovna
Hasil karya digunakan dalam proses pendidikan saat memberikan kuliah dan mengadakan kelas praktik bersama mahasiswa fakultas teknik radio jurusan sistem teknik radio dalam disiplin ilmu "Desain sistem teknik radio" dan "Teori komunikasi kelistrikan". Juga, hasil pekerjaan disertasi diimplementasikan selama pekerjaan penelitian "Memecahkan masalah penggunaan singal kompleks dalam masalah memperkirakan matriks hamburan objek radar dengan benar" di bawah proyek RI-111/004/006 dari Federal Center untuk Studi Teknis "Penelitian dan pengembangan di bidang prioritas ilmu pengetahuan dan teknologi" untuk tahun 2002-2006, (nomor registrasi negara bagian: nomor registrasi 01200611495, nomor inventaris 02200606700).
KESIMPULAN
Dalam pekerjaan disertasi, masalah ilmiah dan teknis yang mendesak untuk memperluas jangkauan dinamis amplitudo dari tembakan MW yang berguna yang diterima dalam saluran tunggal dan radar polarisasi dengan sinyal probing FKM diselesaikan. Perluasan rentang dinamis terjadi karena pemrosesan adaptif, yang memungkinkan untuk secara signifikan mengurangi level lobus samping dari fungsi respons pada keluaran filter kompresi sinyal yang diterima.
Hasil utama berikut diperoleh dalam pekerjaan.
1. Algoritme adaptif telah dikembangkan untuk mengurangi tingkat lobus samping dari respons pada keluaran filter kompresi sinyal FKM;ts1ya dari radar berkapasitas tunggal menurut satu implementasi yang diadopsi dengan pemrosesan tahap demi tahap sinyal masukan.
2. Diagram fungsional filter adaptif untuk radar saluran tunggal menggunakan filter yang cocok telah dikembangkan.
3. Untuk radar polarisasi, algoritme adaptif untuk mengurangi tingkat lobus samping dari respons pada keluaran filter kompresi sinyal FKM telah dikembangkan sesuai dengan satu implementasi yang diterima dengan pemrosesan tahap demi tahap dari sinyal input vektor. Algoritma ini memungkinkan untuk mengurangi level lobus samping dari sinyal terkompresi karena autokorelasi non-peluru dan korelasi silang non-nol dari sipgales yang digunakan.
4. Diagram fungsional filter adaptif untuk radar polarisasi menggunakan filter matriks yang cocok telah dikembangkan. Fitur filter adalah adanya tautan silang antara saluran pemrosesan sinyal.
Algoritme pemrosesan adaptif yang dikembangkan memungkinkan:
1. Perluas jangkauan dinamis amplitudo sss radar penerima yang berguna dengan pemrosesan adaptif sip pada output filter, konsisten dengan sinyal FKM yang kompleks. Untuk model objek PJI yang diberikan, perluasan jangkauan dinamis untuk radar saluran tunggal adalah 7-23 dB, untuk radar polarisasi - 8-19 dB.
2. Kurangi level side lobe dari sinyal terkompresi tanpa meningkatkan basis probing sinyal FKM.
3. Meningkatkan akurasi estimasi respon impuls objek radar. Penurunan mean square error estimasi IR berbagai objek radar pada keluaran filter adaptif untuk radar kanal tunggal dibandingkan dengan filter yang dicocokkan adalah 8-32 dB, untuk kasus polarisasi PJIC nilai mean square kesalahan estimasi IR berkurang 8-17 dB.
4. Algoritme adaptif untuk polarisasi PJIC memungkinkan seseorang untuk mengurangi lobus samping, yang ditentukan tidak hanya oleh autokorelasi sinyal kompleks yang termasuk dalam sipgale yang terdengar vektor, tetapi juga oleh korelasi timbal balik (silang).
Hasil teoretis dari pekerjaan memiliki fokus praktis:
1. Algoritme adaptif yang dikembangkan memungkinkan untuk memperluas jangkauan dinamis amplitudo sinyal yang diterima yang berguna dalam tutup tunggal dan PJIC polarisasi dengan sinyal PCM dengan mengurangi level lobus samping dari sinyal terkompresi. Hal ini memungkinkan untuk mengurangi efek masking target dengan RCS besar pada target terdekat dengan RCS kecil, hal ini meningkatkan pengamatan radar dan pengenalan target kecil.
2. Algoritme adaptif yang disajikan memungkinkan untuk meningkatkan akurasi perkiraan respons impuls objek radar yang diamati.
3. Ketika objek terdistribusi radar, yang dapat dijelaskan oleh sekumpulan reflektor titik, algoritma yang dikembangkan dapat meningkatkan kontras citra radar.
Analisis algoritma yang dikembangkan dan disajikan dalam makalah ini menunjukkan keuntungan dari algoritma adaptif untuk memproses sinyal radar yang kompleks dibandingkan dengan metode tradisional, yaitu dengan penyaringan yang cocok.
Daftar referensi untuk penelitian disertasi calon ilmu teknik Babur, Galina Petrovna, 2006
1.Babur G.G1. Filter adaptif untuk radar polarisasi dengan sinyal kompleks. Buletin Universitas Politeknik Tomsk, Volume 309, No. 8, 2006.
2. Babur G.P. Memperluas jangkauan dinamis PJIC terpolarisasi dengan sinyal kompleks tanpa meningkatkan basisnya. “Prosiding Lulusan Pascasarjana TUSUR”. I * d-vo TU SUR, 2005, 216 hal. dari sakit. ISBN 5-86889-256-9.
3. Desain penerima radar. Di bawah. ed. M.A. Sokolov. M. "Sekolah Tinggi", 1984.
4. P.Mikhailov P.F. Penelitian radiometeorologi di atas laut. L.: Gidmeteoizdat, 1990.-207 hal.
5. Metode radar untuk mempelajari Bumi./ Yu.A. Melnik, S.G. Zubkovich, V.D. Stepanepko dan lainnya Di bawah. ed. Yu.A. Melnik. M .: Radio Soviet, 1980. - 264 e., sakit.
6. A. Mudukutore, V. Chandrasekar, dan R. JelTery Keeler, "Kompresi pulsa untuk radar cuaca", Ii£I£I£Transactions on Remote Sensing, Vol. 36, tidak. 1 Januari 1998.
7. A Mudukutore, V. Chandrasekar, dan R. J. Keeler, "Range sidelobe suppression untuk radar cuaca dengan kompresi pulsa: Simulasi dan evaluasi," dalam Preprints, 27th AMS Conf. Radar Meteorol., Vail, CO, Okt. 1995, hal. 763-766.
8. A Mudukutore, V. Chandrasekar, dan R. J. Keeler, "Simulation and analysis of pulse compression for weather radar," in Proc. IGARSS, Firen/e, Italia, Juli 1995.
9. Ostrovityapipov P.V., Basalov F.A. Teori statistik radar target yang diperluas. M .: Radio dan komunikasi, 1982. - 232 hal., sakit.
10. Kanareikin D.B., Pavlov N.F., Potekhin V.A. Polarisasi sinyal radar. M.: Sov. radio, 1966. - 440 hal.
11. Karton D, Ward G. Handbook pengukuran radar. Per. dari bahasa Inggris. ed. MM. Weisbein. M.: Sov. radio, 1976. - 392 hal.
12. Feldman Yu.I., Mandurovskiy I.L. "Teori fluktuasi sinyal lokasi yang tercermin dari target yang didistribusikan. Ed. Yu.I. Feldman. M .: Radio dan komunikasi, 1988.-272 e .: sakit.
13. Varakin L.1£. Sistem komunikasi dengan chi fire yang mirip noise. M.: Radio dan komunikasi, 1985. -384s.
14.Amiantov I.N. Pertanyaan terpilih dari teori komunikasi statistik. -M.: Sov. Radio. 1971.-416s.
15. Buku Panduan Radar. Ed. M Skolnik. New York, 1970: Diterjemahkan dari Ashl. (dalam empat jilid) / Ed. K.P. Trofimova; Volume 3. Perangkat dan sistem radar / Ed. SEBAGAI. Vinnitsa. Burung hantu. radio, 1978,528 hal.
16. Tikhonov V.I., Kharisov V.P. Analisis statistik dan sintesis perangkat dan sistem rekayasa radio. M .: Radio dan komunikasi, 1991. - 608s.
17. Pemrosesan sinyal adaptif: Per. dari bahasa Inggris / Bernard Widrow, Samuel D. Stearns; Per. Yu.K. Salnikov. M: Radio dan komunikasi, 1989. - 440 hal.
18. Kirillov II.B. Transmisi pesan yang kebal-kebisingan melalui saluran linier dengan parameter yang berubah secara acak. M., Komunikasi, 1971.-256 hal.
19. Bystrov N.N., Zhukova I.N. Pemrosesan segmen sinyal kompleks dalam rentang Doppler jarak jauh yang terbatas. 2001 Buletin Universitas Negeri Novgorod No. 19.
20. Saya Ikhopov V.I. Rekayasa radio statistik: monografi. Edisi ke-2, direvisi. dan tambahan -M.: Radio dan komunikasi, 1982. - 624 hal.
21. Khlusov V.A. Teori dan metode pemrosesan sinyal vektor dalam sistem radar polarisasi: dis. dokter. teknologi. laba-laba. Tomsk, 2004.
22. Khlusov V.A. Estimasi gabungan parameter koordinat dan polarisasi objek radar // Seminar Polarisasi Siberia SIBPOL 2004. 07-09 September 2004 Surgut, Rusia.
23.V.A. Gubin, A.A. Korostelev, IO.A. Tukang giling. Pemrosesan spasial-temporal dari sinyal radar. Catatan kuliah. Leningrad Engineering Red Banner Academy dinamai A.F. Mozhaisky. Leningrad, 1970. 201s.
24. Lifecher Emmanuel S., Jsrvis Barry W. Pemrosesan digital Chi-pal: pendekatan pragmatis, edisi ke-2.: Per. dari bahasa Inggris. M .: Rumah penerbitan "William", 2004. - 992 e .: sakit. Paralel dada. Lsl.
25.S.D. Blunt, K. Gerlach, "Kompresi Pulsa Adaptif", Konferensi Radar, 2004. Prosiding IEEE 26-29 April 2004, hlm. 271 276.
26.S.D. Blunt, K. Gerlach, "Pemrosesan Perbaikan Kompresi Pulsa Adaptif", Konferensi Radar, 2005 IEEE International 9-12 Mei 2005, hlm. 519 523.
27.S.D. Blunt, K. Gerlach, "Aspek Kompresi Pulsa Adaptif Multistatis", Konferensi Radar, 2005 IEEE International 9-12 Mei 2005, hlm. 104 108.
28.S.D. Blunt, K. Gerlach, "Skema Kompresi Pulsa Baru Berdasarkan Rata-Rata Minimum
29. Pengulangan Kesalahan Persegi", Konferensi Radar, 2003. Prosiding Internasional 3-5 September 2003, hlm. 349-353.
30. Ilaykin S. Teori filter adaptif, edisi ke-2, Prentice-Hall, Englewood Cliffs, N.J.
31. Haykin S. "Filter adaptif: masa lalu, sekarang, dan masa depan," Proc. Konferensi IMA Matematika. Proses Sinyal., Warwick, Inggris.
32. Rozov A.K. Pemfilteran sinyal nonlinier. Petersburg: Politeknik. 1994.-382p.
33. Bykov V.V. Pemodelan digital dalam rekayasa radio statistik. M.: Sov. radio, 1971.-328 hal.
34. IIu Hang, "Study on weighting methods of suppressing sidelove for pulse compression of chirp signal", 2004 4" International Conference on Microwave and Millimeter Wave Technology Proceedings.
35. Savost'yanov V.Yu., Morozova C.A. Sintesis filter pesan optimal untuk pemrosesan utama sinyal radar dengan kunci pergeseran frekuensi. "Teknik radio", 2005, No. 9.
36.M.II. Ackroyd dan F. Ghani, "Filter Ketidakcocokan Optimal Untuk Penekanan Sidelobe," IEEE Trans. Elektronik Dirgantara, Vol. AES-9, hlm 214-218, Maret 1973.
37. Vasilenko G.I., Taratorin A.M. Pemulihan gambar. M. "Radio dan komunikasi", 1986.304 hal.
38. R. J. Keeler dan C. A. Hwang, "Kompresi pulsa untuk radar cuaca," dalam Proc. IEEE Int. Konferensi Radar, Mei 1995, hal. 529-535.
39. Pemrosesan sinyal dalam sistem radio: Proc. tunjangan / Dalmatov A.D., Eliseev A.A., Lukoshkin A.P., Ovodepko A.P., Ustinov B.V.; Ed. A.II. Jly Koshkina.-JI.: Rumah Penerbitan Leningrad. Univ., 1987.400 hal.
40. Ilaykin S., "Cognitive Radar", Majalah Pemrosesan Sinyal IEEE, Jan 2006.
41. Rutkovsky D., Nilipsky M., Rutkovsky JI. Jaringan saraf, algoritma genetika dan sistem fuzzy: Per. dari bahasa Polandia. PENGENAL. Rudinsky. M.: Saluran panas - I elekom, 2006. - 452 hal.
42. Akulinichev 10.11. Teori dan metode diagnostik multipath untuk meningkatkan kekebalan kebisingan sistem radar dan penginderaan jauh atmosfer: disdoc. teknologi. laba-laba. 1 "Omsk, 2002.
43. Sistem rekayasa radio: Proc. khusus untuk universitas "Teknik radio" / IO.lI. Grishin, B.II. Ipatov, Yu.M. Kazarinov dan lainnya; Ed. 10.M. Kazarinov. M.: Lebih tinggi. sekolah, 1990.-496 e.: sakit.
44. Savinykh I.S. Model geometris objek radar yang didistribusikan volume, memberikan akurasi tertentu dari simulasi sinyal gema dengan jumlah reflektor minimum: Cand. jujur. teknologi. Ilmu. Novosibirsk, 2005.
45. Leontyev V.V. Model probabilistik hamburan gelombang radio sentimeter oleh objek yang terletak di dekat permukaan laut yang kasar. "Jerial fisika teknis", 1997, No. 9.
46. Bakulev P.A., Stenin V.M. Metode dan perangkat untuk pemilihan target bergerak. M.: Radio dan komunikasi, 1986. - 288 hal.
47. Vainshtein L.A., Zubakov VD. Identifikasi sinyal dengan latar belakang noise acak. M.: Radio dan komunikasi, 1970. - 447p.
48. Zubkovich S.G. Karakteristik statistik dari sinyal yang dipantulkan dari permukaan bumi. M.: Sov. radio, 1968. - 224 e.
49. Peter L., Weimer F. Radar melacak target yang kompleks. - Elektronik radio asing, 1964, No. 7, hal. 17-44.
50. Pemrosesan sinyal spatio-temporal / I.Ya. Kremer, A.I. Kremer, V.M. Petrov dan lainnya; Ed. DAN SAYA. Krnmer. M.: Radio dan komunikasi, 1984. - 224 hal.
51. Proshkip N.G., Kashcheev B.L. Studi pseudo-rock dalam struktur lapisan F ionosfer. "Teknik Radio dan Elektronika", 1957, No. 7.
52. Wentzel P.S., Ovcharov L.A. Teori Probabilitas: Buku Teks untuk Sekolah Menengah edisi ke-7, stereotip. - M.: Sekolah Tinggi, 2001. - 576 hal.
53. Bogorodsky V.V., Kanareikin D.B., Kozlov A.I. Polarisasi emisi radio yang tersebar dan sendiri dari penutup bumi Leningrad: Godromsteoizdat, 1981. -279 hal.
54. Statistik Intensitas dan Fase Citra Multilook Polarimetric dan Interferometric SAR, J-S. Lee, K.W. Iloppel, S.A. Mangga dan A.R. Tukang giling. 1PE TORS (32) 5 Sep 1994 hlm. 1017-1028.
55. Statistik Parameter Stokes dan Parameter Koherensi Kompleks dalam Bidang Speckle Satu Pandangan dan Multilook, R. Touzi dan L. Lopes. IIIHL "IGRS (34)2 Mar 1996, hlm. 519-531.
56. N. R. Goodman, "Analisis statistik berdasarkan distribusi Gaussian kompleks tertentu (pengantar)," Ann. Mathemar. Sratisr., Vol.34, hlm. 152-177, 1963.
57. Rabiper P., Gould V. Teori dan penerapan pemrosesan sinyal digital. M., 1978, 848.
58. Dasar-dasar pemrosesan sinyal digital: mata kuliah / Penulis: A.I. Solonin, D.A. Ulakhovich, S.M. Arbuzov, IV. Soloviova / Ed. putaran ke-2 dan dikerjakan ulang. Petersburg: BHV-Petersburg, 2005. - 768 e.: sakit.
59. Madisetti V.K., Williams D.B. Buku Pegangan Pemrosesan Sinyal Digital. CRC Press, 1998.
60. Fachkovich S.I. Estimasi parameter sipgal. M.: Radio dan komunikasi, 1970. - 336 hal.
61. Kassam, S.A., Deteksi Sinyal pada Kebisingan Non-Gaussian, Springer-Verlag, New York, 1988.
62. Bakut M.A., Bolshakov I.A. dan Pertanyaan lain dari teori statistik radiolokasi. -M.: Mir, 1989.- 1.2-S. 1080.
63. Kozlov A.I. Radar. Fondasi dan masalah fisik // Jurnal Pendidikan Soros, 1996, No. 5, hal. 70-78.
Harap dicatat bahwa teks ilmiah yang disajikan di atas diposting untuk ditinjau dan diperoleh melalui pengenalan teks disertasi asli (OCR). Dalam hubungan ini, mereka mungkin mengandung kesalahan yang terkait dengan ketidaksempurnaan algoritma pengenalan. Tidak ada kesalahan seperti itu dalam file PDF disertasi dan abstrak yang kami kirimkan.
