Arabic.ru - арабский язык и мир изучения арабского языка
Arabic.ru - арабский язык и мир изучения арабского языка
            

МНОГОКАНАЛЬНАЯ ФИЛЬТРАЦИЯ НЕЭКВИДИСТАНТНЫХ ПОСЛЕДОВАТЕЛЬНОСТЕЙ ИМПУЛЬСОВ НА ОСНОВЕ АЛГОРИТМА БПФ

Неэквидистантная расстановка зондирующих импульсов используется в различных радиолокационных режимах как для решения задач улучшения скоростной характеристики систем селекции движущихся целей в режиме низкой частоты повторения импульсов, так и для устранения неоднозначности в измерении дальности в режиме высокой частоты повторения импульсов. При этом изменение закона следования импульсов отражается на корреляционных свойствах зондирующего сигнала.

Так, при увеличении глубины вобуля-ции происходит перетекание энергии сигнала в область дополнительных спектральных составляющих. Использование классических алгоритмов когерентного накопления при обработке неэквидистантных последовательностей импульсов может привести к энергетическим потерям и ошибкам в измерении параметров локационных объектов. Поэтому практически актуальной является задача построения достаточно быстрых алгоритмов, учитывающих параметры вобуляции зондирующего сигнала. Массив отсчетов эхо-сигнала, представляющий собой когерентную пачку импульсов с многоступенчатой вобуляцией периода повторения, можно представить в виде совокупности эквидистантных секций, сформированных с временным прореживанием по правилу: s{kT], к = 0,ц,...Ы-ц sK + V.yi ? = 1,г + 1,....г/-т + 1 slk + VYl ? = r)-l,2rj-l,...iV-l Выражение для достаточной статистики при обнаружении сигнала на фоне некоррелированных шумов можно преобразовать к следующей форме: входного процесса и по правилу ; wls...,w4 - векторы обработки для соответствующих последовательностей. Кюкдый из векторов UI,...,U4 содержит отсчеты, расположенные эквидистантно на временной оси с периодом гТ, поэтому каждую из ц секций входных данных, сформированных по правилу, можно обрабатывать с помощью алгоритма, оптимального для обработки эквидистантных импульсов, а затем результаты обработки объединяются с учетом параметров неэквидистантности расстановки импульсов. При априорно неизвестном доплеровском сдвиге фазы сигнала система обработки должна быть многоканальной по частоте. Выберем в качестве базового алгоритма многоканальной фильтрации широко используемый алгоритм быстрого преобразования Фурье (БПФ). Операция разбиения исходного массива отсчетов И на секции Ui,...,UN в соответствии с аналогична разбиению входного массива в классическом алгоритме БПФ с прореживанием по времени, а операция объединения промежуточных БПФ аналогична последовательности классических базовых операций алгоритма БПФ с прореживанием по времени, модифицированных с учетом параметров вобуляции периодов повторения зондирующих импульсов.

Структурную схему многоканального фильтра, позволяющую вычислять достаточную статистику по алгоритму, можно представить в виде . 1. Структура многоканального фильтра Входные комплексные данные запоминаются в буферном СОЗУ, затем из них формируются секции отсчетов в соответствии с правилом, над каждой секцией осуществляется классическое БПФ и затем результаты вычислений сводятся с помощью итоговой объединяющей операции. Стрелками показаны массивы комплексных отсчетов, размер массива определяется числом внутри стрелки. При использовании двухступенчатой вобуляции, т. е. при t=2 объединяющую операцию можно представить в виде так называемой модифицированной «бабочки» БПФ, которая будет учитывать параметр вобуляции v=RT2-T)l(T2+T{) в величине поворачивающего множителя, вычисляемого по формуле Методами статистического моделирования показано, что предложенный алгоритм позволяет получить выигрыш в величине порогового сигнала от 1 до 10 дБ при изменении соотношения скважностей в диапазоне Г2/Г1=1,5...3 в условиях обнаружении сигнала на фоне некоррелированного шума. К недостаткам алгоритма можно отнести некоторое возрастание числа операций и возрастание вероятности ложной-тревоги на частотах FA+F/2, где FJI - догшеровская частота цели, F- средняя частота повторения импульсов. Таким образом, предложен алгоритм многоканальной фильтрации для обработки не-эквидистантньгх последовательностей импульсов на основе алгоритма БПФ, учитывающий параметры вобуляции, который позволяет получить энергетический выигрыш по сравнению с классическим алгоритмом.

СТАТИСТИЧЕСКИЕ ХАРАКТЕРИСТИКИ

Исходной моделью при исследовании особенностей фазовых флуктуации является аддитивная смесь гармонического сигнала и случайного узкополосного процесса, центральная частота энергетического спектра которого в частном, но широко распространённом на практике, случае совпадает с частотой гармонического сигнала: Как следует из этого выражения, случайность параметров аддитивной смеси влияет на характер и общую оценку совместного распределения амплитуды, фазы. В общем случае анализа аддитивной смеси достаточно полное вероятностное описание характера изменения случайной фазы и частоты может быть получено на основе информации о совместной многомерной плотности распределения огибающей аддитивной смеси, фазы и их производных: V2 производных. Из приведенной известной формулы можно получить плотности распределения, позволяющие характеризовать случайную фазу и частоту статистически, определяя наиболее вероятные значения и интенсивность их разброса, а также исследовать зависимости от различных параметров. Для получения совместной плотности распределения случайной фазы аддитивной смеси и случайной частоты обычно вьшолняют двойное интегрирование по всем значениям огибающей и её производной: Совместное распределение фазы аддитивной смеси и её производной (случайной частоты) функционально связано нелинейной зависимостью с нормированными параметрами ?т и сгя. Положив в Vm=0, получим совместную плотность распределения co(<p,Q) квазигармонического шума - со(<р,П) - [l + {Cl/arH f У2, анализ которой позволяет сделать вывод о статистической независимости рассматриваемых случайных процессов квазигармонического шума. Для Vm Ф 0 эта независимость нарушается, о чём свидетельствует совместная плотность распределения случайной фазы и случайной частоты, которая при Vm=l, приведена на 1. Представленный график, получен в результате моделирования формулы при V -1 и ov- = 1: Совместная плотность распределения случайной фазы и частоты концентрируется в области нулевых значений математических ожиданий случайных процессов Р и, определяя экстремумом наиболее вероятные значения рассматриваемых случайных процессов. Интенсивность флюктуации уменьшается с возрастанием Vm, а график совместного распределения ЮР стремится в пределе к графику поверхности пространственной дельта-функции. Получив условные плотности распределения случайной частоты при различных фиксированных значениях фазы и условную плотность распределения фазы, можно сделать вывод, что плотность вероятности исследуемого случайного процесса (или 9) будет иметь различный вид и интенсивность в зависимости от выбранного уровня другого случайного процесса в рассматриваемом совместном распределении. Характерные зависимости условных вероятностных характеристик рассмотрим для случайной фазы аддитивной смеси, обратившись к условной плотности распределения фазы аддитивной смеси: Из приведенных графиков следует, что в зависи мости от заданного уровня огибающей и амплитуды сигнала уменьшается среднеквадратическое значение фазовых флуктуации при малых отношениях сиг нал/шум в области значений огибающей, когда прояв- ляется нестационарный характер фазовых флуктуации. Учёт рассмотренных вероятностных характеристик фазовых флуктуации, а также исследование и использование особенностей спектрально-корреляционных зависимостей рассматриваемых случайных процессов позволяет повысить помехоустойчивость различных систем.

КАНАЛЫ ПРИЕМА И ФОКУСЫ ПОБОЧНЫХ КАНАЛОВ ПРИЕМА РАЗЛИЧНЫХ ТИПОВ ПРЕОБРАЗОВАТЕЛЕЙ ЧАСТОТЫ

Под каналами приема преобразователей частоты (ПЧ) понимают частоты входных воздействий ©р(±г?и), дающие на выходе ПЧ колебание с частотой, близкой к промежуточной частоте <о/. Здесь предлагается формула для нахождения частот каналов приема ПЧ любого типа: 1. Типы преобразования частоты. Каналы приема ПЧ. Для упрощения записи приняты обозначения: частота сигнала (os- s; частота гетеродина ю g -» g; удвоенная частота гетеродина 2 со g - 2g; частоты каналов приема ПЧ со р(+г+„) - ? (±г + п) Знак « + » перед г в левой части соответствует положительной частоте под знаком абсолютной величины в правой части, знак «-» — отрицательной. Скобка (±г + п) характеризует номера гармоник входного воздействия и гетеродина с соответст-вующими знаками, образующими комбинационную частоту, близкую к промежуточной частоте. Отрицательный знак перед г указывает на инверсию спектра при преобразовании частоты соответствующего канала в промежуточную частоту. Фокусами побочных каналов приема называют частоты полезного сигнала, гармоники которых при взаимодействии в ПЧ с гармониками гетеродина образуют комбинационные частоты, близкие к промежуточной частоте. В общем случае частоты фокусов побочных каналов приема определяются формулой : 2. Номограмма для определения фокусов побочных каналов приема при преобразовании частоты 1-го - 5-го типов Для нахождения частот сигнала, пораженных фокусами побочных каналов приема, пользуются номограммами, которые строят на основе формулы . Приведем здесь несколько другое изображение номограмм 2, 3, 4), чем в других работах, например в . Представление номограмм в предложенном виде является более удобным при нахождении фокусов побочных каналов приема для преобразований частоты различных типов. По номограмме, изображенной на 2, можно определить фокусы побочных каналов приема до 4-го порядка комбинационной частоты в относительных полосах частот сигнала.

АЛГОРИТМ 01ТРЕДЕЛЕНИЯ КООРДИНАТ КОРАБЕЛЬНОЙ СТАНЦИИ В РАДИОНАВИГАЦИОННОЙ СИСТЕМЕ «СПРУТ» В настоящее время для определения координат корабельной станции (КС) в дально-мерных радионавигационных системах (РНС) ближней навигации (100-150км) проводят измерения дальностей Rj от N опорных станций: Пример. Найти фокусы каналов приема супергетеродинного приемника, работающего в диапазоне от /, min = 750 кГц до /, тах =1125 кГц и имеющего ПЧ 1 -го типа с промежуточной частотой // = 450 кГц. Решение. На графике 3 проводятся две горизонтальные линии, соответствующие ординатам f, / fs тах =0,4 k/,//, min =0,6. По точкам, попавшим в промежуток между этими линиями, находятся частоты фокусов каналов приема супергетеродина: третьего порядка — fs (т+п) = г (2_А} = восьмого порядка — fs (m+nJ = /, (5_3} = где i = l..N - текущий номер измерения дальности; XJ,YJ- координаты i-ой опорной станции; Х0Б,У0Б - координаты корабельной станции. В соответствии с составляется система из N уравнений с 2 неизвестными и решается итерационным методом Ньютона в прямоугольной проекции Гаусса - Крюгера. В системах навигации средней дальности действия, измеренные дальности по сигналам навигационной системы и вычисленные в соответствии с (1.) будут отличаться друг от друга вследствие сферичности Земли. В настоящее время известны несколько способов решения данной проблемы. В предложен способ перехода с плоскости на эллипсоид, путем вычисления поправки QP, учитьшающей сферичность Земли: В 1 представлены результаты расчета дальностей на плоскости (R), эллипсоиде (Rell) и поправки за сферичность Земли (QP). Из представленной таблицы видно, что метод вычисления расстояния на плоскости с поправкой за счет сферичности Земли зависит от широты и расстояния между станциями.

НЕЙРОННЫЕ СЕТИ В СИСТЕМАХ ЗАЩИТЫ ОТ ПОМЕХ

Предлагается для классификации воздушных объектов использовать искусственные нейронные сети. Математическая модель нейрона описывается выражениями В зонах обнаружения современных средств радиолокации (CPЛ) может наблюдаться большое число воздушных объектов, представляющих собой аэродинамические средства, искусственно создаваемые помехи, помехи естественного происхождения (метеообразования, стаи птиц, флюктуации плотности атмосферы и ее диэлектрических неоднородно-стей), которые можно отнести к дискретным пассивным помехам (ДПП). Сложность работы в условиях большого числа ДПП обусловлена тем, что такие объекты целеподобны и существующие системы защиты малоэффективны.

По своим статистическим характеристикам ДПП относятся к категории малозаметных, малоскоростных объектов. Применяемые в существующих системах способы и устройства позволяют снизить поток мешающих сигналов, при этом из обработки исключаются все сигналы, близкие по своим статистическим характеристикам (в том числе и полезные). Необходимы дополнительные меры, которые позволяют разобраться с различными сигналами. К числу таких мер следует отнести компенсацию, основанную на результатах классификации объектов радиолокации. Проведенные экспериментальные исследования и анализ статистических характеристик позволили определить ряд отличительных свойств сигналов ДПП. Во-первых, по своим геометрическим размерам объекты относятся к точечным с эффективной поверхностью рассеяния, заключенной в интервале 10"2—10"4 м2. Во-вторых, сигналы обладают высокой когерентностью. Спектры сигналов в большинстве случаев одномодовые с шириной до 20-30 Гц. В третьих, сигналы имеют довольно высокий коэффициент междупериодной корреляции, составляющий величину 0,95 и более.

Приведенные характеристики могут быть использованы в качестве признаков классификации воздушных объектов и на основе их анализа принято решение о наличии сигналов ДПП. Задача классификации состоит в указании принадлежности объекта, представленного наборами векторов, к одному из классов: ДПП, другой объект. Такой процесс относится к задачам четкого разделения двух классов по обучающей выборке. Разделение классов состоит в построении линейного решающего правила, заключающегося в сравнении входного вектора сигнала с порогом. Превышение порога относит сигнал к объектам первого класса, в противном случае - к объектам второго класса. Нейрон полностью описывается своими весами со t и функцией активации. Получив на входах составляющие вектора х,-, нейрон выдает определенное число (результат) на выходе. Для проверки возможности классификации и выделения сигналов ДПП были заданы следующие условия: число нейронов во входном слое - 3; число нейронов в выходном слое - 1; число скрытых слоев нейросети -1; число нейронов в слое - 10. В качестве акти-вационной функции выбрана сигмоида. На первом этапе контроля признака классификации задан коэффициент междупериодной корреляции г (для ДПП г 0,95). Обучающая выборка составлена из 50 значений. Диапазон изменения коэффициента г составляет от 0,6 до 0,99. Результат классификации представлен на 1 (А - значения разделительной функции). Анализ результатов показывает, что данный алгоритм является высокоэффективным (ошибка составила величину менее 0,05). Аналогичные результаты получены для ситуаций, когда классификация осуществлялась по двум и трем признакам, указанным выше. Вывод При наличии обучающей выборки классификация с использованием нейронных сетей имеет высокую эффективность, что позволяет использовать результаты для подавления сигналов дискретных пассивных помех.