Алгоритм обработки сигналов в радиолокационной системе с непрерывным частотно-модулированным излучением в интересах обнаружения малозаметных воздушных объектов, оценки их дальности и скорости движения

Купряшкин И.Ф.; Соколик Н.В.

https://doi.org/10.32603/1993-8985-2019-22-1-39-47 УДК 621.396.962.2

И. Ф. Купряшкин

Военный учебно-научный центр "Военно-воздушная академия им. проф. Н. Е. Жуковского и Ю. А. Гагарина" ул. Старых Большевиков, д. 54А, Воронеж, 394064, Россия

Н. В. Соколикв

Информационно-технический центр Южного военного округа пр. Буденновский, д. 43, Ростов-на-Дону, 344011, Россия

АЛГОРИТМ ОБРАБОТКИ СИГНАЛОВ В РАДИОЛОКАЦИОННОЙ СИСТЕМЕ С НЕПРЕРЫВНЫМ ЧАСТОТНО-МОДУЛИРОВАННЫМ ИЗЛУЧЕНИЕМ В ИНТЕРЕСАХ ОБНАРУЖЕНИЯ МАЛОЗАМЕТНЫХ ВОЗДУШНЫХ ОБЪЕКТОВ, ОЦЕНКИ ИХ ДАЛЬНОСТИ И СКОРОСТИ ДВИЖЕНИЯ

Аннотация. На фоне повсеместного использования беспилотных летательных аппаратов и легкомоторной авиации растет интерес к поиску путей повышения эффективности локализации и определения параметров движения воздушных объектов с малой эффективной площадью рассеяния. В связи с этим закономерно внимание к радиолокационным системам (РЛС) с непрерывным линейно-частотно-модулированным (ЛЧМ) излучением. Использование таких зондирующих сигналов позволяет значительно снизить пиковую мощность РЛС и уменьшить ее массогабаритные и стоимостные характеристики. Статья посвящена исследованию перспективы применения маломощной наземной РЛС с непрерывным ЛЧМ-сигналом в интересах обнаружения, а также определения координат и параметров движения малозаметных воздушных объектов. Предложен алгоритм обработки радиолокационных сигналов, позволяющий упростить процедуру обнаружения таких целей, раскрыта структура и приведено описание этапов алгоритма. В основе рассматриваемого алгоритма лежит методика формирования дальностно-доплеровского портрета зоны обзора с использованием цифровой обработки сигнала. Приведены результаты применения алгоритма в маломощной РЛС С-диапазона, полученные при обработке эхосигналов квадрокоптера, зарегистрированных в ходе натурного эксперимента. Показано успешное решение практической задачи обнаружения и сопровождения малоразмерного воздушного объекта с эффективной площадью рассеяния до 0.5 м2, спектр вторичного излучения которого характеризуется выраженной многомодальностью. Результаты эксперимента подтвердили практическую значимость предлагаемого алгоритма и возможность его реализации при создании мобильных переносных радиолокационных комплексов и постов автоматического обнаружения и сопровождения малозаметных одиночных и групповых целей с выдачей информации на пульт оператора.

Ключевые слова: радиолокационная система, обработка сигналов, малоразмерная воздушная цель, эхосигнал, дальностно-доплеровский портрет

Для цитирования: Купряшкин И. Ф., Соколик Н. В. Алгоритм обработки сигналов в радиолокационной системе с непрерывным частотно-модулированным излучением в интересах обнаружения малозаметных воздушных объектов, оценки их дальности и скорости движения // Изв. вузов России. Радиоэлектроника. 2019. Т. 22, № 1. С. 39-47. doi: 10.32603/1993-8985-2019-22-1-39-47

39

Ivan F. Kupryashkin

Military Educational and Scientific Center of the Air Force "N. E. Zhukovsky and Yu. A. Gagarin Air Force Academy" 54A, Starykh Bolshevikov Str., 394064, Voronezh, Russia

Natal'ya V. Sokolik3 Information-Technical Center of the South Military Command 43, Budyonnovsky Pr., 344011, Rostov-on-Don, Russia

ALGORITHM OF SIGNAL PROCESSING IN THE RADAR SYSTEM WITH CONTINUOUS FREQUENCY MODULATED RADIATION FOR DETECTION OF SMALL-SIZED AERIAL OBJECTS, ESTIMATION OF THEIR RANGE AND VELOCITY

Abstract. Nowadays the interest in search of ways of improving the efficiency of small radar cross-section aerial objects detection and localization rises against the background of widespread use of light and unmanned aerial vehi-cles. As a result, researchers pay attention to radar systems (RS) with continuous linear frequency modulation (linear FM) signal. The use of such signals gives the measurable opportunity to reduce radar system peak-speech power and to cut the cost and weight-size parameters of the RS. The paper observes low-power ground based radar implementation prospects for purposes of detection and estimation of motion rates of small-sized aerial objects. The proposed algorithm of radar signals processing enables to simplify the detection of such tar-gets. The paper reveals the structure and defines the steps of the algorithm. The fundamental for the algorithm under consideration is the method of the range-Doppler image composition of the scanned area using digital signal processing. The paper presents the results of the algorithm operation in the low-power RS of C-band radar, obtained by processing of quadrotor echo-signals during the real experiment. The results show successful solvation of the applied problem of detection and tracking on the small-sized aerial object with the radar cross-section equal to less than 0.5 m2 and the spectrum of secondary radiation characterized by the expressed multimodality. The results of the experiment validate the application of the algorithm and demonstrate the possibility of the algorithm implementation in design of portable RS and automated target acquisition centers for detecting and tracking of the small-sized aerial targets (both, single as multi agent) with the information display on operator control panel.

Key words: radar system, signal processing, small-sized aerial objects, target return, range-Doppler image

For citation: Kupryashkin I. F., Sokolik N. V. Algorithm of Signal Processing in the Radar System with Continuous Frequency Modulated Radiation for Detection of Small-Sized Aerial Objects, Estimation of their Range and Velocity. Journal of the Russian Universities. Radioelectronics. 2019, vol. 22, no. 1, pp. 39-47. doi: 10.32603/1993-8985-2019-22-1-39-47 (In Russian)

Введение. Обнаружение малоразмерных воздушных объектов (легкомоторных самолетов, вертолетов и беспилотных летательных аппаратов) является одной из важнейших задач современных радиоэлектронных систем наблюдения [1]. Ее актуальность обусловлена значительным увеличением объемов производства малоразмерных летательных аппаратов и возрастанием степени угроз, обусловленных их широким использованием. В то же время, селекция и определение параметров движения таких целей на фоне пассивных помех представляет собой довольно сложную задачу [2].

В последнее время наблюдается значительный интерес к радиолокационным системам (РЛС) с непрерывным линейно-частотно-модулированным зондирующим сигналом [2]-[5], так как его использование позволяет существенно уменьшить пиковую мощность излучения РЛС и, как следствие, снизить энергопотребление и улучшить массогаба-ритные и стоимостные характеристики системы.

Малоразмерные воздушные объекты обычно характеризуются эффективной площадью рассея-40

2

ния порядка 0.001...0.1 м [6]-[8], что при относительно низкой средней мощности (0.01.1 Вт) РЛС с непрерывным излучением приводит к необходимости увеличения продолжительности интервала когерентного накопления эхосигналов целей для обеспечения требуемого качества их обнаружения. Однако характерной особенностью эхосигналов таких объектов, как, например, муль-тикоптеры, служит многомодальность спектра доплеровских частот [6], [7], что существенно затрудняет определение их скорости с использованием традиционных подходов, применяемых в импульсно-доплеровских РЛС.

В связи с этим цель настоящей статьи - создание алгоритма обработки сигналов в РЛС с непрерывным излучением, обеспечивающего эффективную фильтрацию эхосигналов малоразмерных объектов на фоне пассивных помех и фоновых шумов.

Описание алгоритма. Структурная схема РЛС с непрерывным излучением (рис. 1) включает передающее устройство ПдУ, приемное

Рис. 1. Структурная схема РЛС с непрерывным ЛЧМ-сигналом Fig. 1. Block diagram of a radar system with continuous linear FM-signal

устройство ПрУ, смеситель См, фильтр нижних частот ФНЧ, аналого-цифровой преобразователь АЦП и систему цифровой обработки сигнала ЦОС. Ее функционирование с использованием предлагаемого алгоритма обработки принятых сигналов включает следующие основные этапы:

- формирование и излучение зондирующего сигнала;

- прием и демодуляция эхосигнала;

- преобразование полученного сигнала в цифровую форму;

- дискретное преобразование Фурье (ДПФ) выборок отсчетов сигнала, зарегистрированных в течение заданного временного интервала коге-рентного накопления (формирование набора комплексных дальностных портретов зоны обзора);

- формирование дальностно-доплеровского портрета зоны обзора посредством выполнения ДПФ над выборками отсчетов комплексных даль-ностных портретов, соответствующих одинаковым наклонным дальностям (выборками отсчетов отдельных каналов дальности);

- фильтрация пассивных помех;

- выделение отметок эхосигналов целей на даль-ностно-доплеровском портрете с использованием адаптивного детектора локальных неоднородностей;

- межпериодное усреднение амплитуд сигналов в отдельных каналах дальности.

Рассмотрим этапы алгоритма обработки сигналов в РЛС с непрерывным излучением более подробно на примере изотропного точечного отражателя.

Формирование и излучение зондирующего сигнала. Сигнал, формируемый ПдУ РЛС с непрерывным излучением и излучаемый в течение отдельного периода зондирования T, описывается соотношением

*ПдУ (t)= Ao cos [2/ot + (Ъ/2)t2 +^o ], t e[o; T],

где Ao - амплитуда зондирующего сигнала; /o - начальная частота; Ъ = 2лД/с/T - скорость изменения частоты, причем Д/с - ширина спектра сигнала; Yo - начальная фаза.

Прием и демодуляция эхосигнала. Принятый эхосигнал перемножается с опорным в смесителе См (рис. 1), и далее в результате фильтрации ФНЧ формируется сигнал разностной частоты.

Частота среза ФНЧ определяется как

/ср = Rmax/ Cr, где Rmax - ограничение по дальней границе зоны обзора РЛС; Cr = cTj(2Д/С ) - коэффициент пересчета значений дальности до цели в соответствующие значения разностной частоты; с - скорость света.

Сигнал на выходе ФНЧ описывается выражением

5 (t) = A0 cos [2л/0т(?) + bx(t) t --(b/2)x2 (t) + ^o], t e[0; T],

где x(t) = 2R(t)/c - время задержки, причем R(t) -закон изменения расстояния между РЛС и целью.

В большинстве практических случаев изменением времени задержки эхосигнала в течение периода модуляции можно пренебречь. Тогда де-модулированный эхосигнал на n-м зондировании описывается упрощенным выражением:

sn(t ) = 4)cos (2/П + Wn ) (1)

Xе[0; Т], п = 1, ,

где /рп = Ьтп/(2л) - разностная частота демоду-лированного эхосигнала; уп = 2тс/0тп + Уо - начальная фаза, причем тп = 2ЯпТ/с - время задержки эхосигнала в начале п-го зондирования; Nf = Тн/Т (Тн - длительность интервала когерентного накопления).

Преобразование полученного сигнала в цифровую форму. Частота дискретизации демодули-рованного эхосигнала при его аналого-цифровом преобразовании выбирается согласно классическому условию [6] ^ацп = 2 Уф. После дискретизации и запоминания в памяти ЦОС (рис. 1) де-модулированный сигнал представляет собой двумерный массив отсчетов вида

^ = {'^г,п }; ,п = 8п (хг), (2)

i = o, NCT -1, n = o, N/ -1,

где ti =iAt = ^АЦП ; Ncч = -^АЦП-^.

Формирование набора комплексных даль-ностных портретов зоны обзора. Двумерный

дальностный портрет зоны обзора формируется следующей операцией:

Бг = {5; Кг}, (3)

где {-} - оператор ДПФ, выполняемый с коэффициентом частотной интерполяции Кг 1 над всеми N/

столбцами двумерного массива отсчетов дискрети-зированного эхосигнала 5" (2), зарегистрированного в течение интервала когерентного накопления Тн. Спектр эхосигнала (1), принятого в отдельном

периоде зондирования, описывается выражением

(( - /)]

Sr (f ) =

AT

( - f)

x exp

{][лТ((n - f )] + Vn}• (4)

Составляющие его отсчеты дискретных даль-ностных портретов определяются как

sr —"

'n,k

AT sin [лТ ((рп - fk)]

2 %Т ((рп - fk)

х ехр { [%Т(( - /к )) + },

где /к = к8/р = к/(КГТ), причем 8/ = 1/(КГТ) -

шаг изменения разностной частоты на дальност-ном портрете.

Формирование дальностно-доплеровского портрета зоны обзора. Из (4) следует, что положение максимума огибающей спектра соответствует разностной частоте демодулированного сигнала /рп,

причем фаза гармоники уп на этой частоте определяется временной задержкой эхосигнала на п-м зондировании. Тогда среднее значение доплеровско-го изменения частоты на интервале наблюдения [(п - 1)Т; пТ] определяется через отношение приращения фазы к периоду модуляции сигнала:

/дп = (п п-1 )(2лТ).

Дальностно-доплеровский портрет зоны обзора формируется с помощью операции

5/ = ^={5Г; К/ }, (5)

где Г= {•} - оператор ДПФ, выполняемый с коэффициентом частотной интерполяции К /1 над

1 Коэффициенты частотной интерполяции Кг и К/ определяют количество цифровых отсчетов на одну спектральную составляющую. Их значения в диапазоне 1...8 определяются производительностью устройства ЦОС и требуемой детализацией дальностно-доплеровского портрета.

всеми строками двумерного массива отсчетов дальностного портрета Бг (3), зарегистрированного в течение интервала когерентного накопления.

На основе оценки положения максимума огибающей двумерного спектра эхосигнала цели, т. е. определения номера его строки к и столбца т на дальностно-доплеровском портрете можно перейти к оценкам ее дистанции и скорости движения

К = сг ((к - /дт ))г = -/дтсI(2/0), (6)

где /дт =(т - К/Ы/12)8/д - доплеровский

сдвиг частоты эхосигнала цели, причем 8/д = у(К/Тн) - значение шага доплеровской

частоты на дальностно-доплеровском портрете.

Фильтрация пассивных помех. С целью исключения обнаружения и оценки параметров эхосигна-лов неподвижных отражателей процедуре поиска частотных пиков (определения индексов кит) должен предшествовать этап режекции спектральных составляющих, расположенных в области нулевых значений доплеровских частотных сдвигов.

В [9], [10] отмечается, что огибающая спектральной плотности мощности пассивных помех довольно точно аппроксимируется экспоненциальной моделью:

Sn.n (f) —

1

f

V2<

exp

ст

f

fl

A

ст

f

где ст/ = 2сту/X, причем стv - среднеквадратиче-

ское значение скорости движения пассивных отражателей (от 0.12 м/с при легком ветре до 0.37 м/с при штормовом); X = с/ /0.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

С учетом (6) пассивные помехи можно режек-тировать, поочередно построчно перемножая элементы массива Б/ (5) с вектором отсчетов и, элементы которого определяются как

Um — 1 -,

(

exp

/дт |

|Л

ст

f

Выделение отметок эхосигналов целей на дальностно-доплеровском портрете. Адаптивное обнаружение частотных пиков можно осуществить при помощи детектора типа CFAR (Constant False Alarm Rate) [11]—[13], принцип функционирования которого в самом общем виде состоит в анализе отсчетов, локализованных в пределах прямоугольной скользящей области (рис. 2).

Рис. 2. Рабочая область алгоритма CFAR Fig. 2. CFAR algorithm operating space

Определение порога обнаружения осуществляется на основе оценки плотности распределения отсчетов в зоне фоновых отражений (рис. 2, 3). В случае, если значение достаточной статистики, определяемое по отсчетам тестируемой зоны (рис. 2, 1), превышает значение этого порога, принимается решение об обнаружении цели.

Размеры тестируемой зоны задаются исходя из ожидаемого диапазона скоростей воздушных объектов. Ее минимальная протяженность по ко -ординате дальности обычно определяется как

nr =(l.3...1.5)ARmax/(Cr f ), а по координате доплеровского сдвига - как Пд =(1.3...1.5)(2 foAVmax )/( f ),

где ARmax = vmaxT^ - изменение расстояния между РЛС и объектом, движущимся с максимальной скоростью vmax, за интервал когерентного накопления Tti; Avmax - максимальное изменение радиальной скорости движения объекта, движущегося с максимальной скоростью vmax, за тот же интервал когерентного накопления Хн.

Размеры критической зоны (рис. 2, 2) выбираются такими, чтобы исключить влияние отсчетов отметки цели на результат оценки параметров плотности распределения отсчетов в зоне фоновых отражений [13].

Межпериодное усреднение амплитуд сигналов в отдельных каналах дальности. Характерной особенностью дальностно-доплеровских портретов малоразмерных воздушных объектов, в первую очередь таких, как мультикоптеры, является многомодальность спектра доплеровских частот [6], [7]. В результате точное определение скорости движения цели становится затруднительным вследствие значительной неоднозначности до-плеровского сдвига частоты ее эхосигнала.

В такой ситуации целесообразно использовать СЕАЯ-детектор не для точной локализации отметки цели, а для подавления областей дальностно-допле-ровского портрета, уровень сигнала в которых не превышает пороговый. Последующее некогерентное суммирование его столбцов, т. е. огибающих дальностных портретов в отдельных доплеровских каналах, позволяет сформировать усредненный одномерный дальностный портрет зоны обзора:

Sk =-

1

NfKf

NfKf -1 I

m=0

\S

fk ,i

- массив отсчетов дальностно-

где Sf = {%и }

доплеровского портрета зоны обзора после выполнения процедур подавления пассивных помех и фоновых шумов.

Результаты экспериментов. Описанный алгоритм обработки сигналов использовался в эксперименте по обнаружению квадрокоптера (рис. 3) с помощью РЛС, разработанной коллективом сотрудников ВУНЦ ВВС "ВВА" совместно с АО "НИИ СТТ" (г. Смоленск) (рис. 4). Параметры РЛС приведены в таблице.

Рис. 3. Внешний вид квадрокоптера, задействованного в эксперименте Fig. 3. Appearance of the quadrotor used in the experiment

Рис. 4. Внешний вид РЛС, использовавшейся в эксперименте по обнаружению квадрокоптера Fig. 4. Appearance of the radar used in the quadrotor detecting experiment

Основные характеристики РЛС

Параметр Parameter Характеристики Specifications

Длина волны, см Wavelength, cm 5.47 (C-диапазон) (C-band)

Мощность излучаемого сигнала, Вт Radiated signal power, W 1

Ширина спектра сигнала Afc, МГц Signal spectrum width, MHz 475

Период модуляции T, мкс Modulation period Т, ^s 1200

Максимальная дальность действия, км Maximum range, km 4

Масса комплекта, кг Weight, kg 4

Поляризация Polarization ГГ, ВВ, ВГ, ГВ

На рис. 5 приведен пример дальностно-доп-леровского портрета зоны обзора РЛС (результат формирования дальностно-доплеровского портрета зоны обзора). Яркая вертикальная полоса обусловлена пассивными помехами. На рис. 6 показан соответствующий этому портрету

дальностный профиль, усредненный за интервал наблюдения Тн = 0.24 с.

На рис. 7 показан дальностно-доплеровский портрет сектора наблюдения после режекции пассивных помех (результат фильтрации при сту = 0.2 м/с), а на рис. 8 - соответствующий этому портрету дальностный профиль, также усредненный за интервал наблюдения Тн = 0.24 с. На рис. 7 штриховыми линиями выделены моды отметки квадрокоптера. В отличие от рис. 6, на рис. 8 отчетливо наблюдается отдельный пик на дальности около 260 м, соответствующий эхосиг-налу квадрокоптера.

На всех дальностно-доплеровских портретах зоны обзора РЛС (рис. 5 и 7) присутствует горизонтальная полоса различной интенсивности на фиксированной дальности, порожденная допле-ровскими составляющими эхосигналов от вращающихся винтов квадрокоптера. Наличие подобной отметки можно считать информативным признаком воздушного объекта типа мультикоптера.

-200 -150

/, Гц

200

240

280

320

360

R, м

0 0.5 1.0

200

1.5 2.0 s, В

Г

240

280 —

320

360

R, м

Рис. 5. Дальностно-доплеровский портрет зоны обзора до режекции пассивных помех Fig. 5. Range-Doppler image of scanned area before clutter rejecting

-200 -150 -100 -50 0

100 150 /, Гц

200 240

280

320

360

R, м

Рис. 6. Усредненный дальностный портрет до режекции пассивных помех Fig. 6. Averaged range image before clutter rejecting

0 0.5 1.0 1.5 2.0 2.5 3.0 s, В

Рис. 7. Дальностно-доплеровский портрет зоны обзора после режекции пассивных помех Fig. 7. Range-Doppler image of scanned area after clutter rejecting

R, м

Рис. 8. Усредненный дальностный портрет после режекции пассивных помех и выделения отметки квадрокоптера Fig. 8. Averaged range image after clutter rejecting and quadrotor discrimination

Дальнейшая обработка усредненного даль-ностного портрета может включать обнаружение и оценку дальности до целей. Определение скорости при этом обеспечивается за счет оценки смещения отметки цели по дальности за промежуток времени между соседними интервалами когерентного накопления, т. е. с использованием традиционных методов вторичной обработки радиолокационных сигналов [14], [15]. Недостаток такого подхода представляет невозможность разрешения целей, находящихся на одной дальности, по их доплеровским сдвигам. Однако если учесть, что полоса частот в современных РЛС с непрерывным излучением составляет десятки и сотни мегагерц, т. е. что разрешение по наклонной дальности составляет около метра или лучше, такую ситуацию можно считать маловероятной и, в любом случае, весьма непродолжительной.

Заключение. Таким образом, в целях снижения мощности излучения и, как следствие, повышения мобильности, энергоэффективности и скрытности работы наземной РЛС предложено использовать непрерывные линейно-частотно-модулированные сигналы. В настоящей статье достаточно подробно рассмотрен алгоритм обработки таких сигналов, базирующийся на создании набо-

ра комплексных дальностных портретов зоны обзора РЛС на интервале когерентного накопления информации с дальнейшим формированием на этой основе дальностно-доплеровского портрета наблюдаемого сектора пространства. Последующая режекция стабильных спектральных составляющих пассивных отражателей и выделение спектра эхо -сигнала цели алгоритмом типа СЕАЯ служат основой формирования усредненного дальностного портрета зоны ответственности РЛС с однозначным выделением на нем отметок реальных целей.

В ходе натурного эксперимента с использованием РЛС С-диапазона средней мощностью излучения 1 Вт достигнута точность определения наклонной дальности наблюдаемой сложной цели с мультимодальным вторичным излучением (квадро-коптера) до 1 м, радиальной скорости до 1 м/с, установлена возможность определения типа цели.

Проведенный натурный эксперимент показал возможность практической реализации описанного алгоритма обработки непрерывных линейно-частотно-модулированных сигналов в целях эффективного обнаружения и определения параметров движения малоразмерных низковысотных воздушных объектов, характеризующихся невысокой радиолокационной заметностью.

СПИСОК ЛИТЕРАТУРЫ

1. Павлушенко М. И., Евстафьев Г. М., Макаренко И. К. Беспилотные летательные аппараты: история, применение, угроза распространения и перспективы развития // Науч. зап. ПИР-центра: Национальная и глобальная безопасность. 2004. № 2 (26). 612 с.

2. Zaugg E. C., Edwards M. C., Margulis A. The slim-sar: a small, multi-frequency, synthetic aperture radar for uas operation // 9th IEEE Intern. Radar Conf. 2010. Washington, DC. 10-14 May 2010, Piscataway: IEEE, 2010. doi: 10.1109/RADAR.2010.5494612

3. Duersch M. I. BYU MICRO-SAR: A very small, low-power lfm-cw sar: master's thesis. Brigham Young University. Provo, UT. URL: https://scholarsarchive.byu.edu/cgi /viewcontent.cgi?article=1727&context=etd/ (дата обращения 01.02.2019) doi: 10.1109 /IGARSS.2006.110

4. Zaugg E. C. Theory and application of motion compensation for LFM-CW SAR // IEEE Trans. on Geoscience and Remote Sensing. 2008. Vol. GRS-46, № 10. P. 2990-2998.

5. Малогабаритная двухдиапазонная РСА для беспилотного авиационного комплекса / А. В. Богомолов, И. Ф. Купряшкин, В. П. Лихачев, Л. Б. Рязанцев // Тр. XXIX Всерос. симпозиума "Радиолокационное исследование природных сред", Санкт-Петербург, 25-26 марта 2015 г. / ВКА им. А. Ф. Можайского. СПб.: 2015. Вып. 11. С. 235-240.

6. A system for measurement of electromagnetic wave scattered by small UAVs / A. V., Khristenko, M. O. Ko-

novalenko, M. E. Rovkin, V. A. Khlusov, A. V. Marchenko,

A. A. Sutulin, N. D. Malyutin // 2017 Intern. Siberian Conf. on Control and Communications (SIBC0N-2017). Astana, Kazakhstan, 29-30 June, 2017. doi: 10.1109 /SIBC0N.2017.7998472

7. The radar cross section of small propellers on unmanned aerial vehicles / T. Peto, S. Bilicz, L. Szucs, S. Gyimothy, J. Pavo // EuCAP 2016, Davos, Switzerland, 10-15 April, 2016. doi: 10.1109/EuCAP.2016.7481645

8. Pieraccini M., Miccinesi L., Rojhani N. RCS Measurements and ISAR images of small UAVs // IEEE A&E Systems Magazine. 2017. Vol. 32, iss. 9. P. 28-32. doi: 10.1109/MAES.2017.160167

9. Справочник по радиолокации: в 2 кн. Кн. 1 / под ред. М. И. Сколника; пер. с англ. под общ. ред.

B. С. Вербы. М.: Техносфера, 2015. 672 с.

10. Billingsley J. B. Low-angle radar land clutter // Measurements and Empirical Models. Norwich, NY: William Andrew Publishing, 2002. 307 p.

11. Sniekers T. Design of a constant false alarm rate (CFAR) detection scheme: master's thesis. University of Twenty, August 14, 2015. 117 p. URL: https://utwente.nl /en/eemcs/sacs/teaching/Thesis/sniekers.pdf (дата обращения 01.02.2019)

12. A new detection method based on CFAR and DE for OFPS / Zenzheng Qiu, Tong Zheng, Hongquan Qu, Liping

Pang // Photonic Sensors. 2016. Vol. 6, № 3. P. 261-267. doi 10.1007/s13320-016-0342-8

13. Купряшкин И. Ф, Лихачев В. П. Космическая радиолокационная съемка земной поверхности в условиях помех. Воронеж: Научная книга, 2014. 460 с.

Статья поступила в редакцию 14 ноября 2018 г. Статья принята к публикации 11 февраля 2019 г.

14. Кузьмин С. З. Цифровая радиолокация. Введение в теорию. Киев: Изд-во КВЩ, 2000. 428 с.

15. Кристаль В. С. Оптимальная обработка радиолокационных сигналов. М.: Новое время, 2014. 208 с.

Купряшкин Иван Федорович - доктор технических наук (2017), доцент (2011) кафедры боевого применения средств РЭБ (с воздушно-космическими системами управления и наводящимся оружием) военного учебно-научного центра "Военно-воздушная академия им. проф. Н. Е. Жуковского и Ю. А. Гагарина". Автор более 100 научных работ. Сфера научных интересов - радиолокационные системы, системы радиоэлектронного противодействия радиолокационным системам. E-mail: ifk78@mail.ru

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

Соколик Наталья Валентиновна - инженер по специальности "Сети связи и системы коммутации" (2001, Новочеркасский военный институт связи), начальник отделения Информационно-технического центра Южного военного округа (г. Ростов-на-Дону). Автор 27 научных работ. Сфера научных интересов - радиолокационные системы, радиоэлектронные системы, обработка сигналов. E-mail: sokolik777@mail.ru

REFERENCES

1. Pavlushenko M. I., Evstafev G. M., Makarenko I. K. Unmanned Aerial Vehicles: History, Application, Threat of Proliferation and Development Prospects. PIR Center Study Papers: Russia and Global Security. 2004, no. 2 (26), 612 p. (In Russian)

2. Zaugg E. C., Edwards M. C., Margulis A. The Slim-SAR: a Small, Multi-Frequency, Synthetic Aperture Radar for UAS Operation. 9th IEEE Intern. Radar Conf. 2010. 10-14 May 2010, Washington, DC. Piscataway, IEEE, 2010. doi: 10.1109/RADAR.2010.5494612

3. Duersch M. I. BYU MICRO-SAR: A Very Small, Low-Power LFM-CW SAR: Master's Thesis. Brigham Young University. Provo, UT. Available at: https://scholarsarchive. byu.edu/cgi/viewcontent.cgi?article=1727&context=etd/ (accessed 01.02.2019) doi: 10.1109 /IGARSS.2006.110

4. Zaugg E. C. Theory and Application of Motion Compensation for LFM-CW SAR. IEEE Trans. on Geoscience and Remote Sensing. 2008, vol. GRS-46, no. 10, pp. 2990-2998.

5. Bogomolov A. V., Kupryashkin I. F., Likhachev V. P., Ryazantsev L. B. Malogabaritnaya dvukhdiapazonnaya RSA dlya bespilotnogo aviatsionnogo kompleksa [Compact Dual-Band SAR for Unmanned Aircraft Complex]. Trudy XXIX Vseross. simpoziuma "Radiolokatsionnoe issledovanie prirod-nykh sred" [Proc. of the XXIX All-Rus. Symp. "Radar Survey of Natural Media"], 25-26 March 2015, SPb, VKA im. A. F. Mozhaiskogo, 2015, vol. 11, pp. 235-240. (In Russian)

6. Khristenko A. V., Konovalenko M. O., Rovkin M. E., Khlusov V. A., Marchenko A. V., Sutulin A. A., Malyutin N. D. A System for Measurement of Electromagnetic Wave Scattered by Small UAVs. 2017 Intern. Siberian Conf. on Control and Communications (SIBC0N-2017). 29-30 June, 2017, Astana, Kazakhstan. doi: 10.1109 /SIBC0N.2017. 7998472

7. Peto T., Bilicz S., Szucs L., Gyimothy S., Pavo J. The Radar Cross Section of Small Propellers on Unmanned Aerial Vehi-

Received November, 14, 2018 Accepted February, 11, 2019

cles. EuCAP 2016. 10-15 April, 2016, Davos, Switzerland, 2016. doi: 10.1109/EuCAP.2016.7481645

8. Pieraccini M., Miccinesi L., Rojhani N. RCS Measurements and ISAR Images of Small UAVs. IEEE A&E Systems Magazine. 2017, vol. 32, iss. 9, pp. 28-32. doi: 10.1109/MAES.2017.160167

9. Spravochnik po radiolokatsii [Radar Reference Guide]. Ed. by M. I. Skolnik. Vol. 1. Moscow, Tekhnosfera, 2015, 672 p. (In Russian)

10. Billingsley J. B. Low-angle Radar Land Clutter. Measurements and Empirical Models. Norwich, NY, William Andrew Publishing, 2002, 307 p.

11. Sniekers T. Design of a Constant False Alarm Rate (CFAR) detection scheme: Master's Thesis. University of Twenty, August 14, 2015. 117 p. Available at: https://utwente.nl/en/eemcs/sacs/teaching/Thesis/sniekers. pdf (accessed 01.02.2019)

12. Zenzheng Qiu, Tong Zheng, Hongquan Qu, Liping Pang. A New Detection Method Based on CFAR and DE for OFPS. Photonic Sensors. 2016, vol. 6, no. 3, pp. 261-267. doi 10.1007/s13320-016-0342-8

13. Kupryashkin I. F, Likhachev V. P. Kosmicheskaya radiolokatsionnaya s"emka zemnoi poverkhnosti v uslo-viyakh pomekh [Space Radar Survey of the Earth's Surface under Noise Conditions]. Voronezh, Nauchnaya kni-ga, 2014, 460 p. (In Russian)

14. Kuz'min S. Z. Tsifrovaya radiolokatsiya. Vvedenie v teoriyu [Digital Radar. Introduction to the Theory]. Kiev, Izd-vo KViTs, 2000, 428 p. (In Russian)

15. Kristal' V. S. Optimal'naya obrabotka radiolo-katsionnykh signalov [Optimum Processing of Radar Signals]. Moscow, Novoe vremya, 2014, 208 p. (In Russian)

Ivan F. Kupryashkin - Dr. of Sci. (Engineering) (2017), Assosiate Professor (2011) of the Departament of Combat Use of Electronic Warfare Systems (with Aerospace Control Systems and Guided Weapons) of Military Educational and Scientific Center of the Air Force "N. E. Zhukovsky and Yu. A. Gagarin Air Force Academy". The author of more than 100 publications. Area of expertise: radar systems; systems of radioelectronic counteraction to radar. E-mail: ifk78@mail.ru

Natal'ya V. Sokolik - Dipl.-engineering (2001), Engineer in "Communication Networks and Switching Systems" of Novocherkassk Military Signal Institute. Head of the Department of the Information-Technical Center of the South Military Command (Rostov-on-Don). The author of 27 publications. Area of expertise: radar systems; radioelectronic systems; signal processing. E-mail: sokolik777@mail.ru

https://doi.org/10.32603/1993-8985-2019-22-1-39-47 УДК 621.396.962.2

Ivan F. Kupryashkin

Military Educational and Scientific Center of the Air Force "N. E. Zhukovsky and Yu. A. Gagarin Air Force Academy" 54A, Starykh Bolshevikov Str., 394064, Voronezh, Russia

Natal'ya V. Sokolik3 Information-Technical Center of the South Military Command 43, Budyonnovsky Pr., 344011, Rostov-on-Don, Russia

ALGORITHM OF SIGNAL PROCESSING IN THE RADAR SYSTEM WITH CONTINUOUS FREQUENCY MODULATED RADIATION FOR DETECTION OF SMALL-SIZED AERIAL OBJECTS, ESTIMATION OF THEIR RANGE AND VELOCITY

Abstract. Nowadays the interest in search of ways of improving the efficiency of small radar cross-section aerial objects detection and localization rises against the background of widespread use of light and unmanned aerial vehicles. As a result, researchers pay attention to radar systems (RS) with continuous linear frequency modulation (linear FM) signal. The use of such signals gives the measurable opportunity to reduce radar system peak-speech power and to cut the cost and weight-size parameters of the RS. The paper observes low-power ground based radar implementation prospects for purposes of detection and estimation of motion rates of small-sized aerial objects. The proposed algorithm of radar signals processing enables to simplify the detection of such tar-gets. The paper reveals the structure and defines the steps of the algorithm. The fundamental for the algorithm under consideration is the method of the range-Doppler image composition of the scanned area using digital signal processing. The paper presents the results of the algorithm operation in the low-power RS of C-band radar, obtained by processing of quadrotor echo-signals during the real experiment. The results show successful solvation of the applied problem of detection and tracking on the small-sized aerial object with the radar cross-section equal to less than 0.5 m2 and the spectrum of secondary radiation characterized by the expressed multimodality. The results of the experiment validate the application of the algorithm and demonstrate the possibility of the algorithm implementation in design of portable RS and automated target acquisition centers for detecting and tracking of the small-sized aerial targets (both, single as multi agent) with the information display on operator control panel.

Key words: radar system, signal processing, small-sized aerial objects, target return, range-Doppler image

For citation: Kupryashkin I. F., Sokolik N. V. Algorithm of Signal Processing in the Radar System with Continuous Frequency Modulated Radiation for Detection of Small-Sized Aerial Objects, Estimation of their Range and Velocity. Journal of the Russian Universities. Radioelectronics. 2019, vol. 22, no. 1, pp. 48-55. doi: 10.32603/1993-8985-2019-22-1-39-47

И. Ф. Купряшкин

Военный учебно-научный центр "Военно-воздушная академия им. проф. Н. Е. Жуковского и Ю. А. Гагарина" ул. Старых Большевиков, д. 54А, Воронеж, 394064, Россия

Н. В. Соколикв

Информационно-технический центр Южного военного округа пр. Буденновский, д. 43, Ростов-на-Дону, 344011, Россия

48

АЛГОРИТМ ОБРАБОТКИ СИГНАЛОВ В РАДИОЛОКАЦИОННОЙ СИСТЕМЕ С НЕПРЕРЫВНЫМ ЧАСТОТНО-МОДУЛИРОВАННЫМ ИЗЛУЧЕНИЕМ В ИНТЕРЕСАХ ОБНАРУЖЕНИЯ МАЛОЗАМЕТНЫХ ВОЗДУШНЫХ ОБЪЕКТОВ, ОЦЕНКИ ИХ ДАЛЬНОСТИ И СКОРОСТИ ДВИЖЕНИЯ

Аннотация. На фоне повсеместного использования беспилотных летательных аппаратов и легкомоторной авиации растет интерес к поиску путей повышения эффективности локализации и определения параметров движения воздушных объектов с малой эффективной площадью рассеяния. В связи с этим закономерно внимание к радиолокационным системам (РЛС) с непрерывным линейно-частотно-модулированным (ЛЧМ) излучением. Использование таких зондирующих сигналов позволяет значительно снизить пиковую мощность РЛС и уменьшить ее массогабаритные и стоимостные характеристики. Статья посвящена исследованию перспективы применения маломощной наземной РЛС с непрерывным ЛЧМ-сигналом в интересах обнаружения, а также определения координат и параметров движения малозаметных воздушных объектов. Предложен алгоритм обработки радиолокационных сигналов, позволяющий упростить процедуру обнаружения таких целей, раскрыта структура и приведено описание этапов алгоритма. В основе рассматриваемого алгоритма лежит методика формирования дальностно-доплеровского портрета зоны обзора с использованием цифровой обработки сигнала. Приведены результаты применения алгоритма в маломощной РЛС С-диапазона, полученные при обработке эхосигналов квадрокоптера, зарегистрированных в ходе натурного эксперимента. Показано успешное решение практической задачи обнаружения и сопровождения малоразмерного воздушного объекта с эффективной площадью рассеяния до 0.5 м2, спектр вторичного излучения которого характеризуется выраженной многомодальностью. Результаты эксперимента подтвердили практическую значимость предлагаемого алгоритма и возможность его реализации при создании мобильных переносных радиолокационных комплексов и постов автоматического обнаружения и сопровождения малозаметных одиночных и групповых целей с выдачей информации на пульт оператора.

Ключевые слова: радиолокационная система, обработка сигналов, малоразмерная воздушная цель, эхосигнал, дальностно-доплеровский портрет

Для цитирования: Купряшкин И. Ф., Соколик Н. В. Алгоритм обработки сигналов в радиолокационной системе с непрерывным частотно-модулированным излучением в интересах обнаружения малозаметных воздушных объектов, оценки их дальности и скорости движения // Изв. вузов России. Радиоэлектроника. 2019. Т. 22, № 1. С. 48-55. doi: 10.32603/1993-8985-2019-22-1-39-47

Introduction. Detection of small-sized aerial objects (light-engine aircrafts, helicopters and drones) is one of the most important tasks of modern radioelec-tronic surveillance systems [1]. The significant growth in manufacturing of small-sized aerial vehicles and the increase in the degree of threats caused by their widespread determine the relevance of the problem. At the same time, selection and determination of such targets motion rates against the background of clutter is a challenging task [2].

Recently, researchers pay significant interest to the radar systems (RS) with continuous linear-frequency-modulated probing signal [2]-[5], since the use of this signal gives the opportunity to reduce the peak power of RS radiation, and, as a result, to decrease the energy consumption and improve the mass-dimensional and cost characteristics of the system.

Researchers usually characterize small-sized aerial objects by radar cross-section of the order of 0.001...0.1 m2 [6]-[8]. This characteristic in case of the continuous relatively low radar power (0.01...1 W) leads to the requirement to increase the

echo-signal coherent integration time in order to provide the quality of the target detection. However, the echo-signals of such objects, as for instance multi copters, are characterized by Doppler frequency spectrum multimodality [6], [7]. This fact significantly complicates the target velocity determination using traditional approaches applied in pulse-Doppler radars.

Consequently, the purpose of the paper is to create signal processing algorithm for the continuous radiation radar, providing an effective filtering of echo-signals of small-sized aerial objects on the background of clutter and ambient noise.

Description of the algorithm. Continuous wave RS block diagram (Fig. 1) includes the transmitting unit (TU), the receiving unit (RU), the mixing unit

Fig. 1. Block Diagram of a Radar System with Continuous Linear FM-Signal

(MU), the low-pass filter (LPF), analog-to-digit converter (ADC) and digital signal processing system (DPS). Continuous wave radar system using the proposed algorithm of processing of the received signals includes the following main steps:

- formation and radiation of the probing signal;

- echo reception and demodulation of the probing signal;

- conversion of the received signal into digital form;

- discrete Fourier transformation (DFT) of the signal samples recorded during the given coherent accumulation time interval (formation of the set of complex long-range portraits of the viewing area);

- clutter filtering;

- selection of target echo targets in the range-Doppler image using the adaptive detector of local inho-mogeneity;

- inter-period average signal amplitudes in individual range channels.

Below the steps of the signal processing algorithm on the example of the isotropic point reflector are considered.

Formation and emission of the probing signal. The signal generated by the RS transmitter with continuous radiation and emitted during a separate sensing period T can be described by the following correspondence

stu (t) = Aqcos [2f0t + (b/2)t2 + Y0 ], t e[0; T],

where A - is the probing signal amplitude; f0 - is the initial frequency; b = 2^Afs/T - is the speed of the frequency change; Afs - is the signal bandwidth; Yo - is the initial phase.

Receiving and demodulation of the echo-signal. The received echo-signal is multiplied with the reference one in MU (Fig. 1), and then, as a result of LPF filtering, the differential frequency signal is generated.

The equation below identifies the LPF cutoff frequency

fcut = Rmax / Cr , where Rmax - is the restriction on the far edge of the RS area; Cr = cT(2Afs) - is the coefficient of conversion values of the distance to the target in the corresponding values of the difference frequency; c - is the speed of light.

The LPF output signal is defined as follows:

s (t) = A0 cos [2f)x(i) + bi(t )t --(b/2)t2 (t) + v0 ], t e[0; T],

where x(t) = 2R(t)/c - time delay; R(t) - is the law of change distance between the radar and the target.

In the most practical cases, it is able to neglect the change in echo delay time during the modulation period. Then demodulated echo-signal is described on the n-th probing by the simplified expression:

sn (t) = 40cos (2%fdnt + Yn ), (1)

t e[0; T], n = 1, Nf,

where fjn = bxn/(2^) - is the demodulated return difference frequency of the echo-signal; Yn = 2nf0in + Y0 - is the initial phase, xn = 2RnT/c -the return time delay at the beginning of the n-th probing; Nf = T0IT (T0 - coherent integration time).

The conversion of the obtained signal into digital form. The sampling frequency of the demodulated return signal with its analog-to-digital conversion is chosen according to the classical relation [6] Fads = 2 fcut. After sampling and memorizing in DSP memory (Fig. 1) the demodulated signal contributes a two-dimensional array of readouts of the form

S = {si,n}; si,n = sn (ti), (2)

i = 0, Nc -1, n = 0, Nf -1,

where ti = iAt = ^FADS ; Nc = FADST.

Formation of complex set of range images of the scanned area. The following equation forms the 2D range image by the following equation:

Sr = F|| {S; Kr }, (3)

where F| {-} - is DFT operator implemented with the frequency interpolation coefficient Kr over all N f columns of the two-dimensional discretized echosignal readings S (2), registered during the coherent integration time T0 .

The ratio below describes the spectrum of the echosignal (1) received in the separate probing period

Sr (f )=-

X exp {j (fdn - f)] + Yn }. (4)

The equation determines the spectrum of the echosignal radar range images in the following form:

sin [^T (fdn - fk

AoT sin (fdn - f)]

2 (fdn - f )

Sr —

rn,k

AoT

kT (fdn - fk )

x exp [j [kT (fdn - fk +V n

where fk = kSfd = k/(KrT), and Sfd = \j(KrT) -

spacing of the difference frequency changing on the radar range image.

Formation of the range-Doppler image of the scanned area. It follows from (4) that the position of the maximum of the spectrum corresponds to the difference frequency of the demodulated signal, with the harmonic phase at this frequency being determined by the time delay of the echo-signal at the n-th sounding. Then, the average value of the Doppler frequency change over the observation interval is determined by the ratio of the phase increment to the signal modulation period:

fDn = ((n -Vn-1 ).

Range-Doppler scanned area image is derived by performing

Sf = F={Sr; Kf }, (5)

where F= {-} - is the DFT operator performed with the frequency interpolation coefficient K/1 over all Nr lines of the two-dimensional array of distance image readouts Sr (3) registered during the coherent integration time.

Based on the estimation of the echo-signal of two-dimensional spectrum envelope peak position (i.e. determining of the number of its row k and m column of the range-Doppler image) it is possible to proceed to the estimation of the target distance and velocity

R = Cr (fdk - fDm); vr = - fDmcI(2f0), (6) where fDm = (m - K/Nf j2) S/D - is the Doppler

frequency shift of the target return, and S/d = y((/To ) - Doppler frequency step value on

the range-Doppler image.

Clutter filtering. Before the implementation of the frequency peaks search procedure (finding k and m indexes) the spectral components located in the area of Doppler frequency shifts zero values should be rejected to avoid detection and estimation of parameters of the echo-signal of stationary reflectors.

Works [9], [10] note that the spectral power density envelope of passive clutters accurately approximates by the exponential model:

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

V (/) =

V2<

-exp

CT

/

CT

/

where ct/ = 2ctv/X, and ctv - is the mean square

value of the passive reflectors velocity (from 0.12 m/s in case of light wind to 0.37 m/s in case of storm); X = c/f).

1 Frequency interpolation coefficients Kr and Kf determine the

number of digital readouts per spectral component. The values range from 1...8 are determined by the performance of the DSP device and the required detailing of the range-Doppler image.

Taking into account estimation (6) clutters can be rejected by alternately multiplying the array S/ elements (5) with readouts vector U. U elements can be defined as

Um = 1 -,

exp

V2| /

Dm

CT

/

Selection of echo-signal marks on the range-Doppler image. The frequency peaks adaptive detection can be carried out using a Constant False Alarm Rate (CFAR) detector [11]-[13]. CFAR operates (in general terms) to analyze the readouts localized within a rectangular moving area (Fig. 2).

Fig. 2, 3 show the detection of threshold determination based on readouts of density distribution estimation in background reflection zone. In case of sufficient statistic value determined by the readouts of the tested zone (Fig. 2, 1) exceeds the threshold value, the algorithm takes the decision to detect the target.

The expected range of air vehicles velocity determines the test zone dimensions. The algorithm determines the minimum length at the range as

nr =a.3...1.5)Mmax/ (Cr Sfd ),

and at the Doppler shift as

nD =a.3...1.5)( 2 fo Avmax )/(/ ),

where ARmax = vmaxT) - is the change of the distance between the radar and the object moving with the maximum velocity vmax, during the coherent

integration time T0 ; Avmax - is the maximum change of the object radial velocity (the object is moving at the maximum velocity vmax, at the same coherent integration time).

Fig. 2. CFAR Algorithm Operating Space

The size of the critical zone is selected (Fig. 2, 2) to exclude the influence of target marks on the result of the parameters estimation of readouts density distribution in the zone of background reflections [13].

1

Signal amplitudes period averaging in separate range channels. The main feature of the range-Doppler image of small-sized aerial objects (mainly multicopters) is Doppler frequency spectrum multi-modality [6], [7]. As a result, the precise taiget velocity determination is difficult due to significant ambiguity of Doppler frequency shift of the target echo-signal.

In this situation, it is rational to use CFAR-detector not for the precise target mark locating, but to suppress range-Doppler image areas, in which the signal level did not exceed the threshold one. Further incoherent summation of the columns (which envelope range-Doppler images in separate channels), allows forming the averaged one-dimensional scanned zone range portrait:

NfKf -1

=

Fig. 3. Appearance of the Quadrotor Used In the Experiment

I

NfKf 0

J J m=0

fk,

where Sf = {S} - is the range-Doppler image of

scanning zone of the readouts after implementation of suppression procedures of clutter and background noise.

Results of the experiment. Researchers from N. E. Zhukovsky and Y. A. Gagarin Air Force Academy together with the researchers from the Research institute of telecommunication technologies (Smolensk) carried out the described processing algorithm in the experiment (Fig. 3) to detect the quadrotor (Fig. 3). The Table shows the radar parameters.

Fig. 5 presents the example of the range-Doppler image of radar scanning zone. The bright vertical stripe is caused by the clutter. Fig. 6 shows the range profile correspondent to this portrait averaged over the observation interval T0 = 0.24 s.

Fig. 7 shows the range-Doppler image of the observation sector after the rejection of clutters (the result

Radar basic specifications

Parameter Specifications

Wavelength, cm 5.47 (C-band)

Radiated signal power, W 1

Signal spectrum width, MHz 475

Modulation period T, ^s 1200

Maximum range, km 4

Weight, kg 4

Polarization HH, VV, VH, HV

Fig. 4. Appearance of the Radar Used in the Quadrotor Detecting Experiment

-200 -150 -100 -50 0 50 100 150 fD, Hz

R, m

Fig. 5. Range-Doppler Image of Scanned Area before Clutter Rejecting

200 240

280

320

360

R, m

0 0.5 1.0 1.5 2.0 5, V

1—Г

Fig. 6. Averaged Range Image before Clutter Rejecting

-200 -150 -100

-50

50 100 150 fD, Hz

200 240

280

320

360

R, m

200 240

0 0.5 1.0 1.5 2.0 2.5 3.0 s, V

280

320

360

Fig. 7. Range-Doppler Image of Scanned Area after Clutter Rejecting

R, m

Fig. 8. Averaged Range Image after Clutter Rejecting and Quadrotor Discrimination

of filtering at ctv = 0.2 m/s), Fig. 8 shows the correspondent to this image range profile averaging during the To = 0.24 s interval.

All range-Doppler images of the radar field of view (Fig. 5 and 7) have a horizontal band of varying intensity at a fixed range, generated by the Doppler components of the echoes of the quadrocopter rotating screws. The presence of such a mark can be considered as an informative sign of as a multikopter.

Further processing of the averaged range image can include target range detection and evaluation. Determination of velocity in this case bases on the estimation of target range mark shift in time between nearby intervals of coherent integration, i.e. with the traditional methods of radar signals secondary processing [14], [15]. The disadvantage of the approach is the inability to resolve same range targets by their Doppler shifts. However, if to consider that frequency band in modern radars with the continuous radiation is equal to hundreds of megahertz, i.e. that inclined range resolution is about a meter or better, this situation can be considered improbable or of a very short time.

Conclusion. Thus, in order to reduce the radiation power and, as a result, to increase the mobility, energy efficiency and secrecy of the ground-based radar, it is proposed to use continuous linear-

frequency-modulated signals. The paper describes in detail the algorithm for processing of such signals, based on creating of the set of complex range images of the radar field on the interval of coherent accumulation of information with the further formation on this basis of the range-Doppler image of the observed sector of space. The subsequent rejection of the stable spectral components of the passive reflectors and selection of the target echo spectrum using the CFAR algorithm form the basis for the formation of the averaged range portrait of the radar area with the unique selection of the real targets on it.

During the field experiment using C-band radar with the average radiation power equal to 1 W, it was achieved the accuracy of determining the oblique range of the observed complex target with multimodal secondary radiation (quadrotor) up to 1 m, the radial velocity up to 1 m/s, and the possibility to determine the type of target was discerned.

The conducted field experiment showed the possibility of practical implementation of the described algorithm for processing continuous linear-frequency-modulated signals in order to effectively detect and determine the motion parameters of small-sized low-altitude aerial objects characterized by low radar visibility.

REFERENCES

1. Pavlushenko M. I., Evstafev G. M., Makarenko I. K. Unmanned Aerial Vehicles: History, Application, Threat of Proliferation and Development Prospects. PIR Center Study Papers: Russia and Global Security. 2004, no. 2 (26), 612 p. (In Russian)

2. Zaugg E. C., Edwards M. C., Margulis A. The Slim-SAR: a Small, Multi-Frequency, Synthetic Aperture Radar for UAS Operation. 9th IEEE Intern. Radar Conf. 2010. 10-14 May 2010, Washington, DC. Piscataway, IEEE, 2010. doi: 10.1109/RADAR.2010.5494612

3. Duersch M. I. BYU MICRO-SAR: A Very Small, Low-Power LFM-CW SAR: Master's Thesis. Brigham Young Univer-

sity. Provo, UT. Available at: https://scholarsarchive. byu.edu/cgi/viewcontent.cgi?article=1727&context=etd/ (accessed 01.02.2019) doi: 10.1109 /IGARSS.2006.110

4. Zaugg E. C. Theory and Application of Motion Compensation for LFM-CW SAR. IEEE Trans. on Geoscience and Remote Sensing. 2008, vol. GRS-46, no. 10, pp. 2990-2998.

5. Bogomolov A. V., Kupryashkin I. F., Likhachev V. P., Ryazantsev L. B. Malogabaritnaya dvukhdiapazonnaya RSA dlya bespilotnogo aviatsionnogo kompleksa [Compact Dual-Band SAR for Unmanned Aircraft Complex]. Trudy XXIX Vseross. simpoziuma "Radiolokatsionnoe issledovanie prirod-nykh sred" [Proc. of the XXIX All-Rus. Symp. "Radar Survey

0

of Natural Media"], 25-26 March 2015, SPb, VKA im. A. F. Mozhaiskogo, 2015, vol. 11, pp. 235-240. (In Russian)

6. Khristenko A. V., Konovalenko M. O., Rovkin M. E., Khlusov V. A., Marchenko A. V., Sutulin A. A., Malyutin N. D. A System for Measurement of Electromagnetic Wave Scattered by Small UAVs. 2017 Intern. Siberian Conf. on Control and Communications (SIBC0N-2017). 29-30 June, 2017, Astana, Kazakhstan. doi: 10.1109 /SIBC0N.2017. 7998472

7. Peto T., Bilicz S., Szucs L., Gyimothy S., Pavo J. The Radar Cross Section of Small Propellers on Unmanned Aerial Vehicles. EuCAP 2016. 10-15 April, 2016, Davos, Switzerland, 2016. doi: 10.1109/EuCAP.2016.7481645

8. Pieraccini M., Miccinesi L., Rojhani N. RCS Measurements and ISAR Images of Small UAVs. IEEE A&E Systems Magazine. 2017, vol. 32, iss. 9, pp. 28-32. doi: 10.1109/MAES.2017.160167

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

9. Spravochnik po radiolokatsii [Radar Reference Guide]. Ed. by M. I. Skolnik. Vol. 1. Moscow, Tekhnosfera, 2015, 672 p. (In Russian)

10. Billingsley J. B. Low-angle Radar Land Clutter. Measurements and Empirical Models. Norwich, NY, William Andrew Publishing, 2002, 307 p.

Received November, 14, 2018 Accepted February, 11, 2019

11. Sniekers T. Design of a Constant False Alarm Rate (CFAR) detection scheme: Master's Thesis. University of Twenty, August 14, 2015. 117 p. Available at: https://utwente.nl/en/eemcs/sacs/teaching/Thesis/sniekers. pdf (accessed 01.02.2019)

12. Zenzheng Qiu, Tong Zheng, Hongquan Qu, Liping Pang. A New Detection Method Based on CFAR and DE for OFPS. Photonic Sensors. 2016, vol. 6, no. 3, pp. 261-267. doi 10.1007/s13320-016-0342-8

13. Kupryashkin I. F, Likhachev V. P. Kosmicheskaya radiolokatsionnaya s"emka zemnoi poverkhnosti v uslo-viyakh pomekh [Space Radar Survey of the Earth's Surface under Noise Conditions]. Voronezh, Nauchnaya kni-ga, 2014, 460 p. (In Russian)

14. Kuz'min S. Z. Tsifrovaya radiolokatsiya. Vvedenie v teoriyu [Digital Radar. Introduction to the Theory]. Kiev, Izd-vo KViTs, 2000, 428 p. (In Russian)

15. Kristal' V. S. Optimal'naya obrabotka radiolo-katsionnykh signalov [Optimum Processing of Radar Signals]. Moscow, Novoe vremya, 2014, 208 p. (In Russian)

Ivan F. Kupryashkin - Dr. of Sci. (Engineering) (2017), Assosiate Professor (2011) of the Departament of Combat Use of Electronic Warfare Systems (with Aerospace Control Systems and Guided Weapons) of Military Educational and Scientific Center of the Air Force "N. E. Zhukovsky and Yu. A. Gagarin Air Force Academy". The author of more than 100 publications. Area of expertise: radar systems; systems of radioelectronic counteraction to radar. E-mail: ifk78@mail.ru

Natal'ya V. Sokolik - Dipl.-engineering (2001), Engineer in "Communication Networks and Switching Systems" of Novocherkassk Military Signal Institute. Head of the Department of the Information-Technical Center of the South Military Command (Rostov-on-Don). The author of 27 publications. Area of expertise: radar systems; radioelectronic systems; signal processing. E-mail: sokolik777@mail.ru

СПИСОК ЛИТЕРАТУРЫ

1. Павлушенко М. И., Евстафьев Г. М., Макаренко И. К. Беспилотные летательные аппараты: история, применение, угроза распространения и перспективы развития // Науч. зап. ПИР-центра: Национальная и глобальная безопасность. 2004. № 2 (26). 612 с.

2. Zaugg E. C., Edwards M. C., Margulis A. The slim-sar: a small, multi-frequency, synthetic aperture radar for uas operation // 9th IEEE Intern. Radar Conf. 2010. 10-14 May 2010, Washington, DC. Piscataway: IEEE, 2010. doi: 10.1109/RADAR.2010.5494612

3. Duersch M. I. BYU MICRO-SAR: A very small, low-power lfm-cw sar: master's thesis. Brigham Young University. Provo, UT. URL: https://scholarsarchive.byu.edu/cgi /viewcontent.cgi?article=1727&context=etd/ (дата обращения 01.02.2019) doi: 10.1109 /IGARSS.2006.110

4. Zaugg E. C. Theory and application of motion compensation for LFM-CW SAR // IEEE Trans. on Geoscience and Remote Sensing. 2008. Vol. GRS-46, № 10. P. 2990-2998.

5. Малогабаритная двухдиапазонная РСА для беспилотного авиационного комплекса / А. В. Богомолов, И. Ф. Купряшкин, В. П. Лихачев, Л. Б. Рязанцев // Тр. XXIX

Всерос. симпозиума "Радиолокационное исследование природных сред", Санкт-Петербург, 25-26 марта 2015 г. СПб.: ВКА им. А. Ф. Можайского. 2015. Вып. 11. С. 235-240.

6. A system for measurement of electromagnetic wave scattered by small UAVs / A. V., Khristenko, M. O. Konovalenko, M. E. Rovkin, V. A. Khlusov, A. V. Marchenko,