CC BY
390
УДК 621.396.96
ОСОБЕННОСТИ АДАПТИВНОЙ ПРОСТРАНСТВЕННО-ВРЕМЕННОЙ ОБРАБОТКИ СИГНАЛОВ В САМОЛЕТНЫХ СТАНЦИЯХ ДАЛЬНЕГО РАДИОЛОКАЦИОННОГО ОБНАРУЖЕНИЯ
С.Н. ВАЙС
Статья представлена доктором технических наук, профессором Нечаевым Е.Е.
Рассмотрены структура и некоторые виды алгоритмов адаптивной пространственно-временной обработки радиолокационных сигналов, применяемых для подавления помех от земной поверхности, принимаемых по боковым лепесткам диаграммы направленности антенны (ДНА) в самолетных импульсно-доплеровских РЛС. Предложена блок-схема адаптивной обработки для фильтрации помех от земной поверхности, принимаемых по вертикальным лепесткам ДНА в сантиметровом диапазоне длин волн для многоканальных антенных решеток.
Ключевые слова: дальнее радиолокационное обнаружение, адаптивная пространственно-временная обработка, импульсно-доплеровская РЛС.
Введение
Для проведения адаптивной пространственно-временной обработки необходимо иметь адаптивную антенную решетку и адаптивный процессор [1]. В адаптивных антеннах в большей степени применяется пространственное разделение элементов антенны для получения параллельного набора выборок сигнала, а не частично обработанные или имеющие временную задержку версии одномерного входного сигнала. При помощи адаптивной антенной решетки происходит выделение сигналов, принимаемых с заданных направлений, с минимальными искажениями при воздействии помех. Система работает при известном спектре и направлении прихода сигнала, но при неизвестной структуре поля шумового источника. Термин «адаптивная антенна» относится к методам создания в пространстве нулей диаграммы направленности, снижающим влияние непреднамеренных помех по соседнему каналу или умышленного глушения. Для генерации нулей адаптивной антенной используется конфигурация процессора, очень похожая на адаптивный фильтр. В наипростейшей форме у него имеются два выхода для подключения главной и вспомогательной антенн. Если сигналы являются сверхвысокочастотными, то они обычно преобразуются на промежуточную частоту, но перед суммированием с сигналом основного канала сигнал вспомогательного канала умножается на соответствующие весовые коэффициенты с помощью комплексной взвешивающей схемы. Для подавления помех комбинированный выходной сигнал поступает в цепь обратной связи и вычисляется его корреляция с сигналом вспомогательного канала для получения адаптивных весовых коэффициентов, минимизирующих сигнал, присутствующий в обоих каналах.
Целью работы является анализ некоторых видов алгоритмов адаптивной пространственно-временной обработки сигналов для подавления помех от подстилающей поверхности, принимаемых по боковым лепесткам ДНА в самолетных импульсно-доплеровских РЛС, а также внесение и обоснование предложений по фильтрации помех в сантиметровом диапазоне длин волн для многоканальных антенных решеток.
Основные виды алгоритмов для подавления помех в РЛС ДРЛО
Для адаптивных антенн, основанных на полностью фазируемых антенных решетках с цепью адаптивного управления каждым отдельным элементом, необходимо, чтобы отдельный импульс искомого сигнала вычитался из комбинированного выходного сигнала, прежде чем он в виде сигнала ошибки поступит в цепь обратной связи. Подобные К-элементные адаптивные
антенные решетки могут обрабатывать сигнал на фоне совокупности источников помех, число которых равно N-1.
Применение адаптивной решетки целесообразно в тех случаях, когда помехи имеют некоторую степень пространственной корреляции. Обработка сигналов происходит в адаптивном процессоре, который автоматически настраивается в соответствии с заложенным в него алгоритмом. Вся обработка происходит в реальном масштабе времени. В связи с тем, что тип, а также связь процессора с антенной решеткой известна, то следующим этапом является разработка алгоритма адаптации, который обеспечит получение заданного коэффициента усиления решетки в определенном направлении наблюдения и одновременно установку направления нулевого приема на мешающие источники шумов. Этап выбора и построения оптимального алгоритма адаптации переменных коэффициентов является достаточно сложной задачей, которая связана с большими затратами вычислительных ресурсов и обеспечением работы устройства в реальном времени. Данный этап неразрывно связан с процедурой конструирования адаптивного фильтра, где необходимо выбрать его класс (одномерный, двумерный, КИХ, БИХ). Основной задачей адаптивного фильтра является повышение качества приема и обработки сигнала. При этом в связи с тем, что характеристики фильтра изменяются во времени, требования к амплитудно-частотным характеристикам (АЧХ) фильтра не предъявляются.
На рис. 1 показан принцип работы адаптивного фильтра.
Входной сигнал Выходной сигнал
Рис. 1. Структурная схема адаптивного фильтра
Основной сигнал фильтра у(п), отличающийся от эталонного у0(п), вычитается из у0(п). Получаемая ошибка е(п) подается на устройство адаптации, которое так изменяет коэффициенты цифрового фильтра, чтобы свести е(п) к минимуму.
В более сложных системах с целью получения лучших характеристик сигнала у(п) используется иной принцип адаптации, который получил название обратной. Этот вариант показан на рис. 1 штриховыми линиями. По сигналу у(п) восстанавливается сигнал х(п), который будет отличаться от входного сигнала х(п) на величину ошибки е(п), которая управляется адаптацией. Введение линии задержки необходимо для временного согласования сигналов х(п) и х(п).
Процесс адаптации может быть как одноцикловым (одношаговым), так и итеративным, когда адаптация осуществляется шаг за шагом. Основными характеристиками адаптации являются скорость сходимости при заданной ошибке и сложность (объем вычислений). К сожалению, не существует каких-либо универсальных алгоритмов, позволяющих производить адаптивную пространственно-временную обработку, поэтому для успешного применения этой техники необходимо разрабатывать специальные алгоритмы, по которым адаптивный процессор будет обрабатывать получаемую информацию. Чаще всего применяют алгоритмы, основанные на
одном из двух критериев: минимума среднеквадратической ошибки (СКО) и метода наименьших квадратов.
Процесс адаптации основан на минимизации среднего значения квадрата ошибки. Этот алгоритм построен на методе скорейшего спуска. Изменения вектора весовых коэффициентов производятся в направлении полученной оценки градиента (вектора).
Один из методов нахождения оценки градиента функции среднего квадрата ошибки состоит в определении градиента для одиночного временного отсчета квадрата ошибки.
Для осуществления адаптации на адаптивный элемент необходимо подать «требуемый» сигнал ё(1) (в случае аналоговой системы) или ё(]) (в случае дискретной системы). Разность между требуемым выходным сигналом и действительным выходным сигналом дает сигнал ошибки.
Каждое последующее значение вектора весовых коэффициентов находится путем добавления к данному значению вектора W слагаемого в виде вектора входных сигналов, умноженного на величину ошибки. При оптимальном выборе весовых коэффициентов градиент равен нулю. Он непосредственно применим в качестве формулы адаптации весовых коэффициентов в дискретных системах. На рис. 2 приведена блок-схема, с помощью которой полученное соотношение реализуется для одной составляющей wi вектора W.
Единичная Установка
Рис. 2. Блок-схема устройства, реализующего алгоритм НСКО: а - дискретная реализация; б - аналоговая реализация; 8(1;) - сигнал ошибки
Положительной стороной данного алгоритма является, то, что метод не требует возведения в квадрат, усреднения или дифференцирования с целью нахождения градиентов функций среднего квадрата ошибки.
Помимо вышеописанного алгоритма НСКО, существуют и другие алгоритмы адаптации. Некоторые из них могут существенно уменьшить сложность аппаратуры в ряде реализаций схем адаптации. Один из методов адаптации, который может быть легко реализован с помощью электронных устройств, основан на релаксационном алгоритме Саутелла [2]. В этом алгоритме применяется такой же сигнал ошибки, что и при методе НСКО. Для определения нужных значений весовых коэффициентов используется оценка среднего квадрата ошибки, которая находится путем возведения в квадрат и усреднения на конечном интервале времени этого сигнала
ошибки. При релаксационном алгоритме в каждый данный момент времени изменяется только один весовой коэффициент, их регулировка производится в циклической последовательности. Каждый весовой коэффициент изменяется таким образом, чтобы минимизировать измеренный средний квадрат ошибки. Этот метод отличается от одновременной регулировки весовых коэффициентов в соответствии с алгоритмом скорейшего спуска НСКО. Можно показать, что релаксационная процедура дает рассогласование, которое увеличивается как квадрат числа весовых коэффициентов, в отличие от алгоритма НСКО, при котором рассогласование с увеличением числа весовых коэффициентов возрастает лишь линейно. При заданном значении рассогласования продолжительность процесса адаптации при релаксационном методе увеличивается как квадрат числа весовых коэффициентов.
Еще одним алгоритмом, основывающимся на использовании в качестве критерия оценки среднеквадратической ошибки, является алгоритм Винера.
Адаптивный фильтр Винера - это линейный оптимальный дискретный во времени фильтр, имеющий способность адаптироваться в стационарных линейных системах, но не отвечающий требованиям к нестационарным и нелинейным системам [3].
Обычно, фильтр Винера - это линейный оптимальный дискретный фильтр, основанный на минимизации целевой функции, известной как функция среднеквадратической погрешности. Она основана на комплексном стохастическом процессе, где фильтр устанавливается в зависимости от его весовой функции (передаточной функции). Схематически адаптивный алгоритм пространственно-временной обработки с фильтром Винера представлен на рис. 3.
Рис. 3. Адаптивная пространственно-временная обработка с адаптивным фильтром Винера
Главное преимущество фильтра Винера - это простота вычисления и возможность подавления шума в линейной и стационарной среде. Более того, оптимальная обработка фильтра Винера включает в себя только статистический показатель второго порядка, который, на самом деле, приводит к теории линейной фильтрации для широкого применения.
Главная цель этого алгоритма отфильтровать шум, имеющий статистический характер. Более того, алгоритм с адаптивным фильтром Винера - это оптимальный алгоритм, если допустить, что сигнал и аддитивный шум стационарны и линейные стохастические процессы и их спектральные характеристики или автокорреляция и кросскорреляция известны.
В связи с этим, можно сделать вывод, что рассмотренные алгоритмы подходят лишь для РЛС бокового обзора, для которых характерен совершенно иной вид помехи, связанный лишь с отражениями по главному лучу ДНА. Данные РЛС работают в дециметровом диапазоне длин волн и имеют однозначность в определении дальности, так как работают на низкой частоте повторения импульсов. Адаптивная пространственно-временная обработка в данных РЛС связана с подавлением больших азимутальных боковых лепестков ДНА, возникающих, вследствие конструкции антенны. Для РЛС, работающих в сантиметровом диапазоне, помеха имеет вид, показанный на рис. 4.
Рис. 4. Сечение для одного из значений частоты двумерной модели сигнала в сантиметровом диапазоне волн
Отражения по главному максимуму простираются практически во всём доплеровском диапазоне и на рис. 4 имеют вид прямой линии, характеризующей мощные отражения от земной поверхности. Помеха, которую необходимо подавить, коррелированна, является кривой линией постоянной доплеровской частоты, и при сканировании по азимуту будет смещаться в область как отрицательных, так и положительных доплеровских частот, следуя за главным максимумом. Отчетливо видно, что помеха занимает несколько частотных (по оси абсцисс) и дальност-ных (по оси ординат) каналов. Появление данной помехи связано с наличием угломестных боковых лепестков ДНА. Очевидно, что разрабатываемый фильтр должен иметь двумерную характеристику для подавления помехи в области «угол места - частота». Одним из элементов для реализации работы алгоритма является использование части полотна активной фазированной антенной решетки (АФАР) для формирования двух компенсационных лучей, работающих на прием в положительной и отрицательной областях доплеровских частот, с целью выделения помехи по углу места. Следующим элементом фильтрации является обработка принятых сигналов по частоте в соответствии с угломестными характеристиками сигналов. Упрощенная блок-схема предлагаемой обработки принимает вид, показанный на рис. 5.
АФАР ДПФ
Рис. 5. Блок-схема адаптивной пространственно-временной обработки
Здесь, после преобразования сигнала в цифровую форму происходит формирование массива цифровых данных в виде матриц радиолокационных данных (номер периода повторения по строкам и неоднозначная дальность в столбцах) для каждого элемента антенной решетки. Далее происходит частотная обработка при помощи дискретного преобразования Фурье (ДПФ) с целью разбиения на частотные каналы, устранения белого шума и дальнейшего управления ДНА. Получаем матрицы для каждого элемента антенной решетки в виде дальность по строкам - номер частоты по столбцам. Диаграммообразующий процессор формирует пространственные ха-
рактеристики по углу места в каждом частотном канале, используя полученные ранее данные в виде матриц дальность-доплеровская частота, преобразуя их в массив угол места-доплеровская частота.
Заключение
Предложенная схема обработки требует проведения математического моделирования. При этом при проведении моделирования необходимо подавать на вход обработки не только смоделированное входное воздействие в виде помехи, но и целесообразно использование банка реальных радиолокационных записей.
ЛИТЕРАТУРА
1. Уидроу, Мантей, Гриффитс, Гуд. Адаптивные антенные системы // Труды Института инженеров по электронике и радиотехнике. - 1967. - № 12. - Декабрь.
2. R.V. Southwell. Relaxation Methods in Engineering Science. - London: Oxford University Press, 1940.
3. Mark S. Schmaltz, Gerhard X. Ritter, Junior Barrera, Jaakko T. Astola. A comparison study between Wiener and adaptive state estimation (STAP-ASE) algorithms for space time adaptive radar processing, Ryerson University (Canada). - 2010.
CHARACTERISTICS PROPERTIES OF SPACE-TIME ADAPTIVE PROCESSING USES FOR AIRBORNE RADAR OF DISTANT EARLY WARNING
Vays S.N.
Structure and some algorithms forms of radar impulse STAP that are used for noise cancellation from the earth surface are examined. Block scheme of adaptive processing for noise filtration from the earth surface in centimeter wave for multichannel spatial pathway antenna is recommended.
Key words: airborne early warning, space-time adaptive processing, pulse Doppler radar.
Сведения об авторе
Вайс Станислав Николаевич, 1987 г.р., окончил МГТУ ГА (2010), аспирант МГТУ ГА, область научных интересов - радиолокация.
