МЕТОДЫ ОБРАБОТКИ РАДИОЛОКАЦИОННЫХ СИГНАЛОВ ДЛЯ ЭФФЕКТИВНОГО ОБНАРУЖЕНИЯ НИЗКОЛЕТЯЩИХ МБЛА Текст научной статьи по специальности «Электротехника, электронная техника, информационные технологии»

МЕТОДЫ ОБРАБОТКИ РАДИОЛОКАЦИОННЫХ СИГНАЛОВ ДЛЯ ЭФФЕКТИВНОГО ОБНАРУЖЕНИЯ НИЗКОЛЕТЯЩИХ МБЛА

Д.А. Везарко, магистрант

Московский технический университет связи и информатики (Россия, г. Москва)

DOI:10.24412/2500-1000-2024-5-1-199-205

Аннотация. В статье приводится описание наиболее актуальных алгоритмов первичной обработки радиолокационных сигналов для задачи обнаружения низколетящих МБЛА в условиях высокой интенсивности паразитных отражений от подстилающей поверхности: алгоритмы междуобзорной и междупериодной селекции движущихся целей, допле-ровский спектральный анализ, методы стабилизации уровня ложных тревог. Производится анализ достоинств и недостатков описанных алгоритмов.

Ключевые слова: первичная обработка, селекция движущихся целей, стабилизация уровня ложных тревог, доплеровский спектральный анализ, пассивная помеха.

При проектировании РЛС обнаружения низколетящих МБЛА никак нельзя проигнорировать введения в тракт обработки радиолокационных сигналов системы селекции движущихся целей (СДЦ), которых существует великое множество [1, 2].

Внутренняя структура такой системы определяется структурой зондирующих импульсов, поэтому задача сводится к подбору оптимального для задачи типа и параметров сигнала. Классическая система СДЦ осуществляет выделение сигналов, отражённых движущимися целями и подавление сигналов, отражённых от подстилающей поверхности, на основе различия спектральных характеристик сигналов.

Системы СДЦ сегодня вполне подробно изучены и имеют высокую степень интеграции в современных РЛС. Большое количество научных исследований направлено на подбор оптимальных параметров ЗС, таких как: частота следования импульсов, скважность, длительность.

В данном подразделе приводится описание и анализ основных алгоритмов селекции СДЦ, применяемых для задачи детектирования малоразмерных, низкоскоростных объектов, таких как МБЛА, на фоне паразитных отражений от подстилающей поверхности. Рассматривается как ряд наиболее эффективных классических алгоритмов, так и те, возможность применения которых открылась совсем недавно

в результате движения научно-технического прогресса.

Алгоритм междуобзорной селекции движущихся целей

В случае использования ЗС, обладающего высоким пространственным разрешением по дальности, систему СДЦ можно синтезировать с использованием пространственно-временного алгоритма селекции. При этом данный алгоритм можно использовать как дополнение к классическим алгоритмам СДЦ, которые применяются в РЛС высокой скважности, основанным на эффекте Доплера (фильтры ЧПК).

Из работы [2] можно подчеркнуть, что такой алгоритм обработки способен обеспечить выделение цели, скорость которой удовлетворяет следующему неравенству:

min > 5г/т

, где Т0 - время обзора пространства, c; Sr - разрешающая способность по дальности, м; Ац min - минимальная скорость обнаруживаемой цели, м/с. Таким образом, такой алгоритм можно реализовать при условии, что цель за время обзора пространства Т0, переместится в смежный дискрет дальности. При этом сигнал, отражённый от подстилающей поверхности, за время Т0 не претерпевает значительных изменений и будет скомпенсирован.

На рисунке 1 представлена структурная схема междуобзорного компенсатора пассивных помех (1111).

Рис. 1. Структурная схема междуобзорного компенсатора 1111

В представленную схему входят: устройство запоминания кадра (УЗК), устройство вычитания кадра (УВК). Размер памяти УЗК определяется количеством дискретов дальности и периодов зондирования (элементы разрешения по

азимуту), внутри которых локализуется ПП, а также разрядностью АЦП.

Коэффициент передачи междуобзорного компенсатора зависит от скорости обнаруживаемой цели [3] и может быть графически аппроксимирован следующей зависимостью, представленной на рисунке 2.

Рис. 2. Теоретическая зависимость коэффициента передачи междуобзорного компенсатора

Представленная на рисунке 2 зависимость для коэффициента передачи междуобзорного компенсатора, в первом приближении имеет форму трапеции. При длительности сигнала 10 нс и периоде обзора пространства Т0 = 1 с, минимальная скорость, при которой компенсатор оставляет цель нескомпенсированной на своём выходе, составляет дц = 1.5 м/с. Что может позволить обнаружить низкоскоростные цели на малой высоте, такие как МБЛА.

Одними из основных преимуществ такого алгоритма компенсации являются:

- возможность выделять цели с очень низкими скоростями движения, как радиальной, так и тангенциальной;

- принципиальное отсутствие «слепых» скоростей, которые обязательно возникают при учёте в компенсаторе эффекта Доплера.

Главным недостатком междуобзорного компенсатора, в сравнении с классическими алгоритмами СДЦ, является довольно невысокий коэффициент подавления ПП [2].

Доплеровский спектральный анализ

Применение квазинепрерывных сигналов (КНС) позволяет при помощи специальных алгоритмов с довольно высокой точностью оценивать радиальную скорость обнаруживаемой цели, а также радиальную составляющую скорости отдельных элементов объекта. Таким образом, удается получить спектральный портрет уникальный для определенного класса целей, что значительно упрощает задачу распознавания объектов.

Так как радиальная скорость цели неизвестна заранее, система спектральной обработки сигнала должна быть многоканальной. Структурная схема многоканальной спектральной обработки сигнала представлена на рисунке 3.

Рис. 2. Структурная схема многоканальной спектральной обработки сигнала

После фазового детектора (ФД) и процедуры оцифровки, сформированные отсчеты квадратур сигнала /j и поступают на устройство подавления нулевой скорости для предварительной компенсации отражений от местных предметов (МП) - в качестве такого устройство часто выступает однократное ЧПК. Далее, отфильтрованные квадратуры /¿' и Q{ поступают блок вычисления быстрого преобразования Фурье (БПФ), который формирует отсчеты спектра в диапазоне возможных частот Доплера. Далее, из спектрального портрета отраженного сигнала извлекается полезная информация: радиальная скорость цели, дальность, интенсивность других спектральных составляющих (винты вертолета, МБЛА и т.д.).

Минимальная доплеровская частота УД min определяется нижней частотой пропускания фильтра ЧПК, а максимальная частотой повторения зондирующих импульсов, которая рассчитывается исходя из максимального значения радиальной скорости цели: /Д тах = 2дц тах?0/с, где 0ц тах - максимальная радиальная скорость движения цели, м/с; /0 - рабочая частота РЛС, Гц.

Операция БПФ здесь аналогична фильтрации сигнала при помощи гребенки множества узкополосных фильтров, покрывающих с равным шагом весь диапазон возможных доплеровских частот от /Д до УД max. На выходе блока БПФ имеется приближенный спектр доплеровских составляющих принимаемого сигнала. Чем больше составляющих спектра рассчитывается при БПФ, тем информативнее складывается картина о спектральном портрете обнаруживаемой цели.

Описанный способ первичной обработки радиолокационного сигнала позволяет

не только выделять полезный сигнал на фоне коррелированных помех, но и непосредственным образом производить измерение радиальной скорости цели фактически за один цикл обработки, также есть возможность получить спектральный портрет цели и на этом основании организовать процедуру распознавания. Основным недостатком является сильная неоднозначность измерения дальности, а также плохая разрешающая способность по дальности.

Алгоритм междупериодной селекции движущихся целей

В классических системах СДЦ ключевую роль играет нерекурсивный ре-жекторный фильтр с гребенчатой структурой, используемый для эффективного подавления коррелированных ПП. Сигналы, подаваемые на вход такого фильтра, получаются путем задержки входящих сигналов от приемного устройства на определенное количество периодов зондирования. Далее, эти сигналы умножаются на весовые коэффициенты Л£, затем отсчеты поступают на общий сумматор. На выходе сумматора формируются остаточные сигналы ПП и сигналы от целей с отличающимся доплеровским сдвигом.

На практике часто исходят из предположения, что модуль коэффициента меж-периодной корреляции помех стремится к 1. Это означает, что для компенсации ПП достаточно устранить сигналы с почти неизменной фазой и амплитудой между зондированиями [1, 2].

В связи с этим широко применяются так называемые фильтры ЧПК с элементарным набором коэффициентов ^,. Простейшим представителем этого класса од-нокаскадный фильтр ЧПК. Выход со входом такого фильтра связан следующим выражением (1).

п = п-

Здесь коэффициенты Л£ имеют следующие значения: = 1, Л2 = —1.

Несмотря на свою простоту, такое устройство повсеместно используют в когерентно импульсных РЛС различного назначения. Однако здесь есть ряд существенных недостатков:

- форма зоны режекции фильтра часто не позволяет на необходимом уровне устранить сигналы ПП;

- в полосе прозрачности фильтра, особенно на ее краях, происходит значительное ослабление полезного сигнала;

- присутствует эффект «слепых скоростей», когда доплеровское смещение частоты сигнала совпадает с частотой повторения зондирующих импульсов, в результате чего отраженный сигнал от движущейся цели подавляется как стационарный сигнал.

Для расширения и улучшения формы области режекции находят применение

(1)

многокаскадные фильтры ЧПК, которые образуются путем последовательного соединения однокаскадных фильтров ЧПК.

На практике обычно не применяют ЧПК с числом каскадов больше 3-ех. Также при увеличении числа каскадов заметно растет ослабление полезного сигнала, что особенно критично для низкоскоростных целей, которыми являются МБЛА.

Поэтому оптимальным в рамках решения данной задачи будет использование двухкаскадного фильтра ЧПК, который дает весьма высокий коэффициент подавления для неподвижных объектов и сравнительно невысокий коэффициент подавления полезного сигнала (для средних значений скорости полета МБЛА 30-40 м/с) (менее 10 дБ).

На рисунке 3 изображена схема двух-каскадного фильтра ЧПК, в котором реализуется алгоритм (2):

/' = V - Vi/'_i + hi-2l'-2 Q'i = hiQ' - hf_iQ'_i + hi_2Q'_2

(2)

Здесь коэффициенты hj принимают следующие значения: hj = 1; hj_1 = -2; hj_2 = 1.

h:=1

hi=l

A.

X

Qi

-3> кг

X — -3» X —|

i-i -i

bi-i="2

i-l

1

Qi-2

HX

f

h.7=l

h-i=i —>

I

X

T

J

фильтр ОКШШВ EEOMM.

Рис. 3. Структурная схема 2-ух каскадного фильтра ЧПК

%

Qi

Структуру фильтра, представленного на работки (УПО), можно реализовать с по-рис. 4, как и всё устройство первичной об- мощью цифрового сигнального процессо-

ра (ЦСП), либо с помощью программируемой логической интегральной схемы (ПЛИС).

Для дальнейшего повышения качества режекции пассивных помех и выделения сигналов низкоскростных целей, можно воспользоваться введением обратной связи в структуру алгоритмов ЧПК, т.е. построением рекурсивных фильтров высокого порядка, это позволит достичь высокой крутизны переходной зоны между полосой пропускания и заграждения фильтра. С целью борьбы с явлением слепых скоростей часто применяют известную технологию вобуляции периода следования зондирующих импульсов.

Алгоритмы обнаружения в условиях сложной помеховой обстановки

Качественным показателем, который характеризует абсолютно любой алгоритм обнаружения, является пара условных вероятностей - вероятность правильного обнаружения Рп, а также вероятность ложного срабатывания .

Из теории [4] известно множество разнообразных критериев обнаружения сигнала, основанных на статистической обработке. Основным в радиолокации считается критерий Неймана-Пирсона, в соответствии с которым вероятность Р^а. фиксируется на определенном уровне, и выбирается такое правило решения, при котором вероятность пропуска цели имеет наименьшую величину. Таким образом,

обеспечивается максимизация вероятности правильного обнаружения PD при фиксированной вероятности ложных тревог Р^а. Как правило, вероятность ложной тревоги имеет значения порядка 10-2... 10-8.

На практике, из-за сложности реальных данных и разнообразия условий, прямое применение этого критерия затруднено. Вероятности PD и Р^а в алгоритмах обнаружения определяются величиной порога, с которым сравнивается пересчитанная реализация сигнала (часто это значение модуля огибающей сигнала) на входе порогового устройства (ПУ). В реальной ситуации невозможно адекватно установить фиксированный порог так, чтобы он всегда удовлетворял определенным PD и Р^а из-за сильной изменчивости помеховой обстановки (в таких ситуациях это приводит неопределенному уменьшению PD или увеличению Pfa ).

Поэтому для стабилизации уровня ложных тревог на практике применяют разнообразные алгоритмы с адаптивным расчетом порога обнаружения, а также крите-рийную обработку.

Наиболее известным способом стабилизации уровня ложных тревог является алгоритм CFAR (Constant False Alarm Rate), с его помощью происходит адаптивное задание порога обнаружения. Обобщенная структурная схема алгоритмов CFAR приведена на рисунке 4.

Охсчоты шдуиж огибающей

ад Х<Д> ... X, <i«K 0 ... x<N)

Запретные: ячейки

Устройство вычисления порога

ГО

значение шфшъ

Центральный элемент в выборке

Рис. 4. Обобщенная структурная схема устройства CFAR

Наиболее известным способом стабилизации уровня ложных тревог является алгоритм CFAR (Constant False Alarm Rate), с его помощью происходит адаптивное задание порога обнаружения. Обобщенная

структурная схема алгоритмов CFAR приведена на рисунке 4.

Отсчеты модуля огибающей поступают на регистр сдвига, рассчитанный на N+3 ячейки (также эти ячейки носят название

опорных ячеек дальности). N чисел, хранящихся в опорных ячейках дальности, поступают на устройство вычисления порога. Такое устройство, в самом простом виде, может быть реализовано на основе расчета скользящего среднего по всем ячейкам дальности, данная процедура носит название усреднения по элементам разрешения (Cell-Averaging CFAR, CA-CFAR). Параллельно с этим, на каждом такте работы алгоритма, происходит сравнение значения вычисленного порога с центральным элементом выборки и выносится решение об отсутствии или наличии цели на некоторой дальности. Защитные ячейки слева и справа от центрального элемента разрешения необходимы для исключения из процедуры вычисления порога смежных ячеек дальности (в случае возможного наличия в них сигнала от цели).

Устройство вычисления порога может быть реализовано с использованием процедуры усреднения (CA-CFAR) немного иначе. Существуют алгоритмы, которые предполагают разделение операции скользящего среднего на два параллельных блока (по N/2 чисел из выборки в каждом), а затем выбор наибольшего (Cell-Averaging Greatest Of-CFAR, CAGO-CFAR) или наименьшего (Cell-Averaging Smallest Of-CFAR, CAGO-CFAR) значения из двух полученных.

Помимо простой процедуры усреднения, в устройстве вычисления порога могут применяться и более сложные алгоритмы статистической обработки. Значениям опорных ячеек дальности можно сопоставить номера в соответствии с рангом (большие и малые значения амплитуд), а затем исключить из процедуры обработки ячейки с максимальными значениями. По тому что осталось производится весовая обработка или простое вычисление среднего. Среди полученных значений выбирается минимальное или максимальное, которое может быть использовано в дальнейших расчетах. Метод носит название (Ordered Statistic-CFAR, OS-CFAR).

Главным достоинством данного метода является то, что он может позволить преодолеть эффект «маскирования». Данный

алгоритм можно использовать при присутствии помех или целей, статистика которых отличается от гауссовского распределения [5]. С другой стороны, данный метод для своей реализации требует больших вычислительных затрат, также этот алгоритм должен работать в реальном времени при своей вычислительной сложности.

Наиболее простыми с вычислительной точки зрения, но дающими достаточно эффективное вычисление порога в условиях априорной неопределенности являются такие алгоритмы как: (Cell-Averaging Statistic Hofele CFAR, CASH-CFAR), (MAximum MInimum Statistic CFAR, MAMIS-CFAR), описанные в работе [6].

Заключение

В данной статье был проведен анализ различных методов обработки радиолокационных сигналов для эффективного обнаружения МБЛА. Рассмотрены наиболее актуальные алгоритмы первичной обработки сигналов, включая алгоритмы междуобзорной и междупериодной селекции движущихся целей, доплеровский спектральный анализ и методы стабилизации уровня ложных тревог.

Алгоритмы междуобзорной селекции показали свою эффективность в выделении целей с очень низкими скоростями движения, однако они имеют ограничение по дальности обнаружения из-за низкого коэффициента подавления пассивных помех. Доплеровский спектральный анализ, используя квазинепрерывные сигналы, позволяет точно оценивать радиальную скорость целей и получать спектральный портрет объектов, что значительно упрощает задачу их распознавания. Однако этот метод страдает от неоднозначности измерения дальности и больших потерь энергии при обработке.

Алгоритмы междупериодной селекции движущихся целей, применяющие фильтры с гребенчатой структурой, демонстрируют высокую эффективность в подавлении коррелированных пассивных помех и выделении сигналов от движущихся целей. При этом использование многокаскадных фильтров ЧПК позволяет улучшить форму зоны режекции, что критично для низкоскоростных целей, таких как МБЛА.

Кроме того, в статье рассмотрены методы адаптивного задания порога обнаружения, такие как алгоритмы CFAR, которые стабилизируют уровень ложных тревог и обеспечивают высокую вероятность правильного обнаружения целей. Эти алгоритмы позволяют эффективно работать в условиях априорной неопределенности и изменяющейся помеховой обстановки.

Таким образом, проведенное исследование показало, что комбинированное

Библиографический список

1. Бакулев П.А., Степин В.М. Методы и устройства селекции движущихся целей. - М: Радио и связь, 1986. - 79 с.

2. Плекин В.Я. Цифровые устройства селекции движущихся целей. Учебное пособие. -Москва: САЙНС-ПРЕСС, 2003. - 286 с.

3. Ананенков А.Е., Марин Д.В., Нуждин В.М., Расторгуев В.В., Скосырев В.Н. Экспериментальное исследование отражений от подстилающей поверхности и селекции в РЛС обзора летного поля // Журнал радиоэлектроники. - 2017. - №2. - [Электронный ресурс]. -Режим доступа: http://jre.cplire.ru/jre/feb17/11/text.pdf (дата обращения: 26.03.2024).

4. Тяпкин, В.Н. Основы построения радиолокационных станций радиотехнических войск: учебник / В.Н. Тяпкин, А.Н. Фомин, Е.Н. Гарин [и др.]; под общ. ред. В.Н. Тяпкина. - Красноярск: Сиб. федер. ун-т. - 2011. - 535 с.

5. Васильев О.А., Виноградов Д.А., Моисеев С.А. Концепция разработки ЛЧМ-радара для обнаружения БПЛА // Защита информации в технических каналах. - 2023. - №1. -C. 1-7.

6. Hofele F X. An innovative CFAR algorithm // in Proc. CIE Int. Conf. Radar. - 2001. -Pp. 329-333.

METHODS OF RADAR SIGNAL PROCESSING FOR EFFECTIVE DETECTION OF

LOW-FLYING UAVs

D.A. Vezarko, Graduate Student

Moscow Technical University of Communications and Informatics (Russia, Moscow)

Abstract. The paper describes the most relevant algorithms for primary radar signal processing aimed at detecting low-flying UAVs under conditions of high-intensity clutter from the underlying surface: inter-scan and inter-period moving target selection algorithms, Doppler spectral analysis, and false alarm rate stabilization methods. An analysis of the advantages and disadvantages of the described algorithms is provided.

Keywords: primary processing, moving target selection, false alarm rate stabilization, Doppler spectral analysis, passive clutter.

применение различных алгоритмов обработки радиолокационных сигналов и адаптивных методов порогового обнаружения позволяет значительно повысить эффективность обнаружения низколетящих МБЛА в сложных условиях помеховой обстановки. Это имеет важное значение для повышения надежности и точности современных радиолокационных систем.