Виявлення радіолокаційних сигналів на основі сплайн-перетворень

Размещено на http://www.allbest.ru/

МІНІСТЕРСТВО ОСВІТИ І НАУКИ,

МОЛОДІ ТА СПОРТУ УКРАЇНИ

НАЦІОНАЛЬНИЙ АВІАЦІЙНИЙ УНІВЕРСИТЕТ

АВТОРЕФЕРАТ

дисертації на здобуття наукового ступеня

кандидата технічних наук

05.22.13 -- Навігація та управління рухом

ВИЯВЛЕННЯ РАДІОЛОКАЦІЙНИХ СИГНАЛІВ НА ОСНОВІ СПЛАЙН-ПЕРЕТВОРЕНЬ

КВАСЮК Сергій Леонідович

Київ - 2011

Дисертацією є рукопис.

Робота виконана у Національному авіаційному університеті

Міністерства освіти і науки України.

Науковий керівник:	доктор технічних наук, професор Шутко Микола Олександрович Національний авіаційний університет, професор кафедри організації авіаційних робіт та послуг
Офіційні опоненти:	лауреат державної премії УССР в галузі науки та техніки, доктор технічних наук, професор Сундучков Костянтин Станіславович НТУУ “КПІ” Інститут телекомунікаційних систем, професор кафедри інформаційно-телекомунікаційних мереж доктор технiчних наук Шелевицький Iгор Володимирович Криворiзький педагогiчний унiверситет, проректор з iнформацiйних технологiй

Захист відбудеться «15» червня 2011 р. о 15³⁰ годині на засіданні спеціалізованої вченої ради Д_26.062.03 при Національному авіаційному університеті за адресою: 03680, Київ-58, просп. Космонавта Комарова, 1, корп. 1, ауд. 002.

З дисертацією можна ознайомитись в Національному авіаційному університеті за адресою: 03680, Київ-58, просп. Космонавта Комарова, 1.

Автореферат розіслано «13» травня 2011 р.

Вчений секретар спеціалізованої вченої ради, доктор технічних наук		С. Павлова

ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ

Актуальність теми. Безпека, комфорт та надійність проведення польотів завжди стояли на першому місці при авіаційних пасажирських перевезеннях, де самим головним є збереження життя людини. Тому точність та достовірність отримуваної інформації навігаційними та іншими приладами літака відіграє важливу роль в авіації. Зона грозової діяльності, яка знаходиться в небезпечній близькості з літаком може суттєво вплинути на динаміку польоту літака, особливо в режимах зльоту та посадки літака. Вона зазвичай супроводжується ефектом турбулентності в самій зоні, що може супроводжуватись небезпечним явищем зсуву вітру. Зсув вітру - приховане і важкопередбачуване явище. Збільшення частоти льотних пригод при зльоті та посадці по, здавалося б, незрозумілим причинам, змусило звернути увагу на це явище.

Створення методів покращення характеристики виявлення сигналу, які б стійко працювали при зміні ймовірностей розподілу завад, зокрема, завади в самій частоті сигналу є актуальним питанням.

Зв`язок роботи з науковими програмами, планами, темами. Дослідження, які проведені в даній роботі є складовою частиною досліджень, що проводяться на кафедрі аеронавігаційних систем ІАН НАУ згідно з КПКВ 2201020 - Фундаментальні дослідження у вищих навчальних закладах. Матеріали кваліфікаційної роботи та матеріали наукових статей автора використані при виконанні досліджень на вище названій кафедрі.

Мета і завдання дослідження. Мета роботи - покращення характеристики виявлення радіолокаційного сигналу метеонавігаційної радіолокаційної станції (МНРЛС) на фоні завад, що дасть змогу раніше виявляти та оминати небезпечні зони грозової хмарності.

Задачі дослідження:

Побудувати модель радіолокаційного сигналу на фоні білого шуму та завади в частоті.

Створити нові методи виявлення радіолокаційного сигналу для покращення характеристики виявлення радіолокаційного сигналу.

Побудувати та покращити характеристики виявлення радіолокаційного сигналу на основі створеної моделі за допомогою створених методів виявлення.

Об'єкт дослідження - виявлення радіолокаційного сигналу бортової метеонавігаційної радіолокаційної станції.

Предмет дослідження - методи виявлення радіолокаційного сигналу.

Методи дослідження - спектральний аналіз, виділення спектру за допомогою швидкого перетворення Фур'є, виявлення сигналу по критерію оптимальності Неймана-Пірсона, метод найменших квадратів, математичне моделювання.

Наукова новизна одержаних результатів полягає в тому, що вперше:

- застосовано несиметричні спектральні віконні функції при виявленні радіолокаційного сигналу метеонавігаційної радіолокаційної станції для покращення характеристики виявлення сигналу;

- застосовано логічне вирівнювання та сплайн-апроксимацію первісної функції при виявленні радіолокаційного сигналу для покращення характеристики виявлення сигналу;

- створено математичну модель вузькосмугового сигналу метеонавігаційної радіолокаційної станції на фоні білого шуму, низькочастотних шумових складових, завади в самій частоті;

- побудовано характеристику виявлення сигналу метеонавігаційної радіолокаційної станції на основі створеної моделі на фоні білого шуму та завади в частоті сигналу.

Практичне значення одержаних результатів.

- створено два методи виявлення радіолокаційного сигналу для покращення характеристики виявлення радіолокаційного сигналу метеонавігаційної радіолокаційної станції, що дасть змогу раніше виявляти небезпечні зони грозової хмарності;

- відношення сигнал/шум при новому методі виявлення радіолокаційного сигналу на основі сплайн-апроксимації первісної функції з логічним вирівнюванням на 42% більше ніж відношення сигнал/шум при класичному методі виявлення;

- два нових методи покращення характеристики виявлення радіолокаційного сигналу можуть бути застосовані для покращення виявлення радіолокаційних сигналів на сучасних метеонавігаційної радіолокаційної станції та інших радіолокаційних пристроях, які використовують ефект Доплера (доплерівський вимірювач швидкості та зносу);

Розроблені за результатами дисертаційної роботи матеріали впроваджено в навчальний процес кафедри аеронавігаційних систем Інституту аеронавігації Національного авіаційного університету по дисципліні «Методи та засоби аеронавігаційного обслуговування польотів» в рамках КПКВ 2201020 - Фундаментальні дослідження у вищих навчальних закладах.

Особистий внесок здобувача. Дисертаційна робота є самостійно виконаною роботою. У роботах, виконаних у співавторстві, здобувачеві належать створення несиметричних віконних функцій для покращення характеристики виявлення сигналу [2] та створення математичної моделі сигналу МНРЛС на фоні завад [3].

Апробація результатів дисертації. Результати досліджень висвітлено на таких конференціях:

Всеукраїнська наукова конференція «Українська наукова думка. Випуск 1» (11 лютого 2011 р.); Міжнародна науково - практична конференція «Наука та сучасність. Випуск 1» (22 березня 2011 р.); АВІА-2011 // Х міжнародна наук.-техн. конф., 19-21 квітня 2011 р., НАУ, Київ.

Публікації. За темою дисертації видано 6 друкованих праць, з них у фахових виданнях ВАК - 3, з них одна одноосібна.

Структура та обсяг роботи. Дисертація складається з вступу, чотирьох розділів, висновків, списку літератури, що містить 90 найменувань, та додатку. Робота містить 87 ілюстрацій. Загальний обсяг роботи складає 145 сторінок, у тому числі 129 сторінок основного тексту.

ОСНОВНИЙ ЗМІСТ РОБОТИ

У вступі сформульована проблема дослідження, обгрунтована її актуальність, визначені ціль роботи і коло вирішуваних задач, вказана її практична значимість та наукова новизна.

У першому розділі дисертаційної роботи містяться загальні відомості про теорію виявлення сигналів, якісні показники та критерії оптимальності радіолокаційного виявлення , застосування спектрального аналізу, як класичного методу при радіолокаційному виявленні, основні види симетричних спектральних віконних функцій та шляхи застосування результатів нових методів виявлення в навігаційних системах.

Радіолокаційне виявлення зводиться до прийняття рішення про наявність чи відсутність корисного сигналу (цілі). При відсутності завад проблеми в прийнятті рішення практично не виникає, однак завади сильно затрудняють процес виявлення сигналу, завада може бути випадково прийнята за корисний сигнал або сам сигнал може бути подавлений завадою.

В результаті процесу виявлення повинно бути видано рішення про наявність чи відсутність цілі в довільному об'ємі зони дії локатора. Рішення може бути прийнято при двох взаємно виключаючих умовах:

умова A₁ - “ціль є”,

умова A₀ - “цілі нема”,

які при створенні рішення невідомі.

За рахунок завад та флуктуацій корисного сигналу кожній умові можуть відповідати два види рішень:

рішення A₁^* - “ціль є”,

рішення A₀^* - “цілі нема”.

При виявленні можливі чотири ситуації суміщення випадкових подій “рішення” і “умови”:

1) ситуація A₁^*A₁ - (правильне виявлення);

2) ситуація A₀^*A₁ - (пропуск цілі);

3) ситуація A₁^*A₀ - (хибна тривога);

4) ситуація A₀^*A₀ - (правильне невиявлення).

Основними якісними показниками радіолокаційного виявлення є умовні ймовірності правильного виявлення D та хибної тривоги F. В межах зони виявлення повинні забезпечуватись вимоги F ? F_доп, D ? D_доп.

З радіолокації відомий метод виявлення сигналу, який задовольняє критерій оптимальності. Згідно цього критерію раціонально використовувати вимогу максимуму ймовірності правильного виявлення сигналу при фіксованій ймовірності хибного виявлення. Цей критерій оптимальності має назву Неймана-Пірсона.

Запишемо вираз для відбитого від цілі (об'єкту) сигналу:

. (1)

Запишемо формулу (1) у іншому вигляді:

,

де f₀ - частота Доплера; ц - фаза сигналу; t - час; n_б - білий шум, описується по нормальному закону розподілу; A - амплітуда сигналу;

- завада в частоті сигналу, описується по нормальному закону розподілу випадкової величини.

Сигнал можна описати його Фур'є перетворенням (або спектром):

Виявлення із застосуванням перетворення Фур'є сигналу є класичним методом виявлення радіолокаційного виявлення. Покажемо характеристики виявлення отримані за допомогою перетворення Фур'є. Ймовірність хибної тривоги, як і ймовірність правильного виявлення, визначаються відношенням порогового рівня до пікової величини сигнал-шум.Тому при заданій величині хибної тривоги визначається рівень порогу, а знаючи його, знаходиться ймовірність правильного виявлення. Криві виявлення (характеристики виявлення) представляють собою залежність ймовірності правильного виявлення від відношення сигнал-шум при фіксованій ймовірності хибної тривоги.

Встановлюємо значення величини ймовірності хибної тривоги F=10^-3 для прикладу моделювання. Відповідно до цих значень покажемо характеристику виявлення для випадку сигналу ідеального (без завади) і на фоні завади в частоті (Рис.1).

Рис.1 Характеристики виявлення сигналу

На Рис.1 зображено: пунктиром - характеристика виявлення без завади в частоті, лінією - із завадою в частоті (0,5).

Встановимо показник покращення характеристики виявлення радіолокаційного сигналу. При вибраному значенні ймовірності хибної тривоги F=10^-3 будемо притримуватись значення ймовірності правильного виявлення D = 0,9. При цьому значенні ймовірності правильного виявлення будемо порівнювати значення сигнал/шум. Відносне значення покращення характеристики виявлення:

де A₁ та A₂ - значення сигнал/шум (амплітуд) сигналу характеристик виявлення при D=0,9.

Для порівняння в децибелах використаємо співвідношення по амплітуді:

dB_A= [дБ]

З Рис.1 бачимо, що для ситуації коли на сигнал впливає тільки білий шум відношення сигнал/шум становить 0,32. Тобто при порівняно малому значенню амплітуди сигналу досягається бажане значення ймовірності правильного виявлення сигналу. З появою завади в частоті (вибрано значення 0,5) бачимо різке погіршення характеристики. Для досягнення бажаної ймовірності правильного виявлення сигналу значення амплітуди повинно становити 0,78. Головним завданням роботи є покращення характеристики виявлення сигналу із завадою в частоті для максимального її наближення до характеристики виявлення ідеального сигналу (без завади в частоті).

Також розглянуто найбільш відомі класичні спектральні віконні функції. Вони мають симетричний вигляд. Їх застосування для методу виявлення сигналу є класичним методом виявлення. А саме, порівняння з пороговим значенням величини спектру (перетворення Фур'є) сигналу перемноженого на віконну функцію.

Покращення характеристики виявлення радіолокаційного сигналу надасть багато переваг і шляхів застосування. А саме, при отриманні відбитого сигналу доплерівської МНРЛС від зони грозової облачності попереду літака, яка має ефект турбулентності, рішення про наявність даної зони може прийматись раніше за рахунок більш раннього виявлення даної небезпечної зони. Також дане покращення матиме застосування на доплерівських вимірювачах швидкості та зносу, які в теперішній час використовуються на літаках та вертольотах військового призначення.

У другому розділі містяться створений новий метод покращення характеристики виявлення радіолокаційного сигналу на основі сплайн-апроксимації первісної функції з логічним вирівнюванням та побудовані характеристики виявлення сигналу за новим методом в порівнянні з характеристиками, побудованими за класичним методом; створений алгоритм побудови первісної функції; побудову статистичних оцінок параметрів сплайну методом найменших квадратів, вибір матриці планування та необхідних перетворень.

Перетворення Фур'є функції f дійсної змінної є інтегральним перетворенням і задається наступною формулою:

Розглянемо процес інтегрування, поелементне перемноження під інтегралом. Первісна функція - функція, похідна від якої дає підінтегральну функцію. Підінтегральною функцією буде поелементне перемноження вектора-стовбця сигналу і матриці дискретного перетворення Фур'є.

Формула для визначення підінтегральної функції

,

де F_PF(f+1) - вектор-строка значень дискретного перетворення Фур'є від f+1 частоти. Наприклад, при частоті f=70 Гц, будемо виконувати ДПФ для 71 частоти.

На Рис.2 зображені дійсні складові первісних функцій. Прямою лінією показано - для сигналу без завад (ідеальний), пунктиром - для сигналу із завадою в частоті 0,1 та знаком ”о” - для сигналу із завадою в частоті 0,3.

Рис.2 Графік дійсних складових первісних функцій

Бачимо, що для ідеального сигналу без завад первісна функція має пряму лінію в дійсній та комплексній частині. В ситуації, наближеній до реальних умов, при появі завади в частоті крива має відхилення від первісної функції та зі збільшенням завади в частоті кривизна зростає.

Апроксимуємо первісну функцію сплайном з 4-ма вузлами склеювання. Використаємо сплайн-апроксимацію (наближене представлення функції або наближене відновлення функції) для згладжування первісної функції, для кращого її математичного описання та використання в подальших розрахунках.

Оцінку невідомих параметрів, які входять у апроксимуючі рівняння, проводять із застосуванням одного з гарно розроблених статистичних методів оцінок. Найбільш ефективним таким методом є метод найменших квадратів.

В якості оцінюємих параметрів сплайна вибираємо - ординати вузлів сітки які визначаються як рішення системи нормальних рівнянь у виді:

де

та

де - так звана матриця планування, яка складається з наперед заданих елементів , функціонально залежних від . Елементи матриці планування:

Ця матриця прямокутна, блочно-діагональна, складаться з r блоків. Вона має N строчок та r + 1 стовбців. Компоненти вектора характеризують кількість спостережень, потрапивших в j-й інтервал, Береться, що

Матриця C=X^Т*X має вигляд:

,

де

при

де - кількість спостережень, які попали у u-й інтервал.

Матриця C - квадратна (r+1)Ч(r+1).

Наведені вище формули отримуються шляхом безпосереднього перемноження матриць X^Т та X по правилу “строка на стовбець”.

Матриця C називається трьохдіагональною у зв'язку з тим, що відмінні від нуля елементи цієї матриці розташовані на трьох діагоналях: головній, під головною і над головною. Для обчислення визначника матриці C отримуємо наступні формули:

Елементи матриці B= X^Т*Y визначаються наступним чином:

.

Елементи матриці знаходяться по формулі:

На рис.3 зображено графік згладженої сплайном первісної функції. На рис.3 зображено: червоним кольором - первісна функція для випадку без завади в частоті, зеленим - при заваді в частоті 0,1, синім - при заваді 0,3.

Рис.3 Графік дійсних складових згладжених первісних функцій

Використаємо логічне вирівнювання первісної функції. Використовуємо вираз на прикладі згладжування часових рядів із зв'язками у вигляді нерівностей:

В ідеальному випадку без шумів первісна функція не матиме викривлень. З появою завади в частоті вона викривляється від первісної і зменшується відношення сигнал/шум (Рис.2). Дивлячись на Рис.2 можемо умовно поділити лінію первісної функції (з 256 відліків) на відрізок з 4ма точками поділений на інтервали. З логічних міркувань зрозуміло, що четверта точка (остання) лінії повинна бути вище третьої (тобто присутній зв'язок у вигляді нерівності y>x). Визначимо формулу для логічного вирівнювання первісної функції на відрізку між третьою (171) та четвертою точкою (256):

,

де y - 4й вузол сплайну , x - 3й вузол сплайну.

Побудовано характеристику виявлення сигналу із завадою в частоті (значення p=0.5) за новим методом сплайн-апроксимації первісної функції з логічним вирівнюванням (Рис.4), зображено лінією. Для порівняння побудовано характеристику виявлення сигналу за класичним методом, засосувавши швидке перетворення Фур'є сигналу (функція fft), зображено пунктиром.

Рис. 4 Характеристики виявлення сигналу

Порівняємо дві характеристики виявлення використовуючи логарифмічне співвідношення:

dB_A= [дБ],

де A₁ та A₂ - значення амплітуд сигналу, відповідно, по класичному методу та новому, взяті при імовірності правильного виявлення D=0.9 та при фіксованій ймовірності хибної тривоги F_хт =10^-3 .

При значеннях A₁=0.78 та A₂=0.55, значення dB_A? 3 дБ.

Значення =1,42=42%. Тобто відношення сигнал/шум при виявленні сигналу за новим методом на 42% більше ніж сигнал/шум при виявленні за класичним методом. радіолокаційний сигнал виявлення метеонавігація

У третьому розділі міститься: створена математичну модель вузькосмугового сигналу доплерівської МНРЛС, та побудовані спектри сигналу отримані для різних випадків із шумами (білий шум, низькочастотні шумові складові, завада в частоті); отримані характеристики виявлення радіолокаційного сигналу, побудовані за математичною моделлю; створені несиметричні віконні функції та отримані їхні спектри порівняно зі спектрами отриманими за класичним методом (перетворення Фур'є), побудовані характеристики виявлення сигналу за новим методом виявлення в порівнянні з характеристиками, побудованими за класичним методом.

Математична модель радіолокаційного сигналу на фоні білого шуму, низькочастотних шумових складових та завади в частоті:

де ; ;; A₁, A₂,

A₃ - амплітуди НЧШ складових; ц_d1, ц_d2, ц_d3 - випадкові початкові фази шумових складових; f_d1, f_d2, f_d3 - частоти шумових складових; randn(1,N) + iЧrandn (1,N) - математична модель білого шуму; f₀ + p Ч randn(1,N) - шум всередині частоти, p - значення множника шуму в частоті.

Із збільшенням значення завади в частоті характеристика виявлення сигналу погіршується. Тобто ймовірність правильного виявлення сигналу при одних і тих же значеннях амплітуд при збільшенні завади в частоті зменшується. Найкраща характеристика виявлення для сигнала без завади в частоті і без НЧШ складових (ідеальний сигнал).

Всі відомі на теперішній час спектральні віконні функції мають симетричний вигляд. Наприклад, вікно Ханна, вікно Кайзера, вікно Чебишева і т.д. Створимо функції спектральних вікон, які матимуть несиметричний вигляд. Створимо їх для покращення виявлення доплерівського сигналу, який використовується у сучасних бортових метеолокаторах для виявлення метеоутвореннь навколо повітряного судна, здвиг вітру та ін. Для алгоритму виявлення сигналу будемо застосовувати критерій Неймана-Пірсона.

Створені наступні несиметричні віконні функції: функція несиметричного косинуса, фрагмент функції перевернутої параболи, перевернута степенева функція 3-го порядку, перевернута степенева функція 4-го порядку, експонента від'ємного числа.

Визначимо формулу для несиметричної віконної функції:

,

де 0,5 - значення частоти (половина).

В якості віконної функції емпірично створено функцію несиметричного косинуса.

Графік несиметричного косинуса зображений на Рис.5

Рис.5. Графік функції несиметричного косинуса

KL = Швидке перетворення Фур'є (Сигнал) - спектр сигналу за класичним методом.

NOV = ШПФ (Сигнал.ЧНесиметрична віконна функція) - спектр сигналу за новим методом.

Отримуємо характеристики виявлення для сигналу із завадою в частоті за двома методами (Рис.6). На рисунку зображено: лінією - характеристика виявлення, побудована за новим методом; пунктиром - характеристика виявлення, побудована за класичним методом.

Рис.6. Характеристики виявлення сигналу із завадою в частоті, p = 0.5

Порівняємо дві характеристики виявлення використовуючи логарифмічне співвідношення:

dB_A= [дБ],

де A₁ та A₂ - значення амплітуд сигналу, відповідно, по класичному методу та новому, взяті при імовірності правильного виявлення D=0.9 та при фіксованій ймовірності хибної тривоги F_хт =10^-3 .

При значеннях A₁=0.78 та A₂=0.59, значення dB_A? 2,4 дБ.

Значення =1,32=32%. Тобто відношення сигнал/шум при виявленні сигналу за новим методом на 32% більше ніж сигнал/шум при виявленні за класичним методом.

У четвертому розділі міститься: порівняльний аналіз методів виявлення радіолокаційного сигналу на основі застосування симетричних та несиметричних віконних функцій; порівняння методів виявлення радіолокаційного сигналу на основі сплайн-апроксимації первісної функції з логічним вирівнюванням та несиметричних віконних функцій.

Розглянуто наступні віконні функції: вікно Ханна, вікно Хеннінга, вікно Гауса, вікно Блекмана, вікно Бартлета, вікно Кайзера, вікно Чебишева. Будемо виконувати порівняння цих функцій з віконною функцією несиметричного косинуса. Показано дане порівняння на фоні виявлення за класичним методом, без застосування спектральних віконних функцій.

Віконна функція Ханна математично описується в програмному середовищі Matlab за виразом:

Okn = hann (n),

де n = 256.

Графік функції вікна Ханна зображено на Рис.7

Рис.7 Графік функції вікна Хана

Отримуємо характеристики виявлення для сигналу із завадою в частоті за класичним методом (червоним кольором), методом із застосуванням вікна Ханна (зеленим) та новим методом із застосуванням віконної функції несиметричного косинуса (пунктиром) (Рис.8).

Рис.8. Характеристики виявлення сигналу із завадою в частоті

Порівняємо характеристики виявлення віконної функції Ханна та віконної функції несиметричного косинуса:

dB_A= [дБ],

де A₁ та A₂ - значення амплітуд сигналу, відповідно, по методу із застосуванням вікна Ханна та методу із застосуванням вікна несиметричного косинуса, взяті при імовірності правильного виявлення D=0.9 та при фіксованій ймовірності хибної тривоги F_хт =10^-3 .

При значеннях A₁=1,14 та A₂=0,59, значення dB_A? 5,7 дБ.

Значення =1,932=93%. Тобто відношення сигнал/шум при виявленні сигналу за новим методом (вікно несиметричного косинуса) на 93% більше ніж сигнал/шум при виявленні за методом із застосуванням класичного вікна Ханна.

Порівнюючи два створених методи можна сказати, що метод оброблення сигналу на основі сплайн-апроксимації первісної функції з логічним вирівнюванням дає на 10% більший виграш у відношенні сигнал/шум ніж метод оброблення із застосуванням несиметричної віконної функції.

У додатку наведено підпрограми для розрахунку сплайн-функції та матриці планування.

ВИСНОВКИ

З виконаних досліджень можна зробити такі висновки:

1. Створено два нових методи виявлення радіолокаційного сигналу для покращення характеристики виявлення радіолокаційного сигналу, що дасть змогу раніше виявляти та оминати небезпечні зони грозової хмарності, які можуть супроводжуватись небезпечним для динаміки польоту літака явищем зсуву вітру.

2. Два нових методи виявлення радіолокаційного сигналу для покращення характеристики виявлення радіолокаційного сигналу можуть бути застосовані для покращення виявлення радіолокаційних сигналів на сучасних бортових МНРЛС та інших радіолокаційних пристроях, які використовують ефект Доплера (доплерівський вимірювач швидкості та зносу);

3. Радіолокаційне виявлення сигналу за новим методом, шляхом застосування створених несиметричних віконних функцій, дозволяє покращити характеристику виявлення сигналу і збільшити відношення сигнал/шум порівняно з класичним методом виявлення на 32%, на 2,4 дБ в логарифмічному співвідношенні (віконна функція несиметричного косинуса), 26%, на 2 дБ в логарифмічному співвідношенні (віконна функція фрагменту перевернутої параболи), 22%, на 1,7 дБ в логарифмічному співвідношенні (віконна функція перевернутої степеневої функції 3-го порядку), 16%, на 1,3 дБ в логарифмічному співвідношенні (віконна функція перевернутої степеневої функції 4-го порядку), 22%, на 1,7 дБ в логарифмічному співвідношенні (віконна функція експоненти від'ємного числа).

4. Новий метод виявлення радіолокаційного сигналу для покращення характеристики виявлення сигналу на основі сплайн-апроксимації первісної функції з логічним вирівнюванням дає виграш у відношенні сигнал/шум на 42% більше (на 3 дБ в логарифмічному співвідношенні) ніж відношення сигнал/шум при класичному методі виявлення.

5. Одержано математичну модель радіолокаційного вузькосмугового сигналу на фоні білого шуму, низькочастотних шумових складових та завади в самій частоті.

6. Побудовано характеристику виявлення радіолокаційного сигналу із завадою в частоті по критерію оптимальності за власно створеною моделлю.

7. Створено програму в програмному пакеті MATLAB 6.0, за допомогою якої згладжено первісну функцію за методом сплайн-апроксимації. Статистичні оцінки параметрів сплайну знаходяться по методу найменших квадратів, розглянуті необхідні розрахункові співвідношення для вибору матриці планування та інших значень. Здійснено логічне вирівнювання первісної функції при виявленні сигналу.

8. Одержаний метод виявлення радіолокаційного сигналу для покращення характеристики виявлення сигналу шляхом застосування створених несиметричних віконних функцій дає більший виграш у відношенні сигнал/шум порівнянно із застосуванням симетричних віконних функцій. Зокрема, на 93% більше ніж з вікном Ханна, на 91% більше ніж з вікном Хеннінга, на 83% більше ніж з вікном Гауса, на 98% більше ніж з вікном Блекмана, на 76% більше ніж з вікном Бартлета, на 32% більше ніж з вікном Кайзера, на 133% більше ніж з вікном Чебишева.

9. Отриманий метод виявлення радіолокаційного сигналу для покращення характеристики виявлення сигналу шляхом застосування створених несиметричних віконних функцій не є оптимальним, але він буде стійко працювати при різних ймовірнісних розподілах завад в частоті (0,3, 0,5) та не потребуватиме великих обчислювальних ресурсів;

10. Створений метод виявлення сигналу для покращення характеристики виявлення сигналу на основі сплайн-апроксимації первісної функції з логічним вирівнюванням хоч і потребуватиме значних обчислювальних ресурсів (реалізація яких в теперішній час не є проблемою), зате буде давати виграш у відношенні сигнал/шум сигналу на 10% більший порівняно з іншим створеним методом виявлення радіолокаційного сигналу.

Таким чином поставлена мета дослідження досягнута.

СПИСОК ОПУБЛІКОВАНИХ ПРАЦЬ ЗА ТЕМОЮ ДИСЕРТАЦІЇ

1. Квасюк Сергій Леонідович. Характеристики виявлення вузькосмугового сигналу із завадою в частоті / С.Л. Квасюк // Вісник інженерної академії України. - К.: НАУ, 2011. - №1. - C. 108-110.

2. Квасюк Сергій Леонідович. Покращення характеристики виявлення вузькосмугового сигналу із завадою в частоті / С.Л. Квасюк, В.М. Шутко, Ю.М. Барабанов // Електроніка та системи управління: зб. наук. праць. - К.: НАУ, 2011. - №1 (27) - С. 51-56.

3. Квасюк Сергій Леонідович. Модель доплерівського вузькосмугового сигналу із завадою в частоті / С.Л. Квасюк, М.О. Шутко // Нові технології: зб. наук. праць. - Кр.: КУЕІТУ, 2011. - №1 (31) - С. 49-52.

4. Квасюк Сергій Леонідович. Модель допплерівського ультразвукового сигналу із завадою // Всеукраїнська наукова конференція «Українська наукова думка. Випуск 1» /Збірка наукових праць. - К.: НАІРІ, 2011. - с. 12-13.

5. Квасюк Сергій Леонідович. Покращення характеристики виявлення доплерівського сигналу із завадою // Міжнародна науково-практична конференція «Наука та сучасність. Випуск 1» /Збірка наукових праць. - К.: НАІРІ, 2011. - с. 10-11.

6. Квасюк Сергій Леонідович. Характеристики виявлення вузькосмугового сигналу із завадою / С.Л. Квасюк, О.Г. Гуйда // АВІА-2011, Х міжнародна наук.-техн. конф., 19-21 квітня 2011 р.: тези доп. - К. : Вид-во Нац. авіац. ун-ту "НАУ-друк". - 2011. - C. 7.69- 7.72.

АНОТАЦІЯ

Квасюк Сергій Леонідович. Виявлення радіолокаційних сигналів на основі сплайн-перетворень . - Рукопис.

Дисертація на здобуття наукового степеня кандидата технічних наук за спеціальністю 05.22.13 - Навігація та управління рухом - Національний авіаційний університет, Київ, 2011.

Дисертація присвячена створенню нових методів виявлення радіолокаційних сигналів для покращення характеристик виявлення радіолокаційних сигналів. Існуючі класичні методи виявлення сигналів на фоні різноманітних завад, зокрема, завади в частоті не дають стійких результатів при різних імовірнісних розподілах завади. З появою завади в частоті сигналу характеристика виявлення сигналу погіршується.

В роботі створено математичну модель сигналу доплерівської МНРЛС на фоні білого шуму, низькочастотних шумових складових, завади в самій частоті. Побудовано характеристику виявлення радіолокаційного сигналу МНРЛС на основі створеної моделі на фоні білого шуму та завади в частоті сигналу.

Створено два нових методи виявлення радіолокаційного сигналу МНРЛС для покращення характеристики виявлення сигналу на основі сплайн-апроксимації первісної функції з логічним вирівнюванням та застосування створених несиметричних спектральних віконних функцій.

Ключові слова: виявлення радіолокаційних сигналів, характеристика виявлення, сплайн-функція, спектральний аналіз, перетворення Фур'є.

SUMMARY

Kvasyuk Sergiy Leonidovich. Finding out radio-location signals on the basis of spline-transformations. - Manuscript.

The thesis on competition for scientific degree of Cand. Tech. Sci. on speciality 05.12.13 - Navigation and Traffic control. - National Aviation University. - Kyiv, 2011.

Dissertation is devoted creation of new methods of finding out radio-location signals and improvement of descriptions of finding out radio-location signals. Existent classic methods of finding out signals on a background various hindrances, in particular, hindrances in frequency do not give proof results at the different probabilistic distributing of hindrance. With appearance of hindrance in frequency of signal description of finding out a signal gets worse.

The mathematical model of signal of Doppler MNRLS is in-process created on a background white noise, nizkochastotnykh noise constituents, hindrance in frequency. Description of finding out the radio-location signal of MNRLS is built on the basis of the created model on a background white noise and hindrance in frequency of signal.

Two new methods of finding out the radio-location signal of MNRLS are created for the improvement of description of finding out a signal on the basis of spline-approximation of prototypal function with the logical smoothing and uses of created asymmetrical spectral window functions.

Keywords: finding out radio-location signals, description of discovery, spline-function, spectrology, transformation of Fur'e. .

АНОТАЦИЯ

Квасюк Сергей Леонидович. Обнаружение радиолокационных сигналов на основе сплайн-преобразований . - Рукопись.

Диссертация на соискание учёной степени кандидата технических наук по специальности 05.12.13 - Навигация и управление движением. - Национальный авиационный университет, Киев, 2011.

Диссертация посвящена созданию новых методов обнаружения радиолокационных сигналов для улучшения характеристик обнаружения радиолокационных сигналов, что даст возможность раньше обнаруживать и огибать опасные зоны грозовой облачности, какие могут сопровождаться опасным для динамики полета самолета явлением сдвига ветра. Существующие классические методы обнаружения сигналов на фоне разнообразных помех, в частности, помехи в частоте не дают стойкие результаты при разных вероятностных распределениях помехи. С появлением помехи в частоте сигнала характеристика обнаружения сигнала ухудшается. В качестве классического метода обнаружения показано применение, при обнаружении, преобразование Фурье сигнала.

В работе создана математическая модель отраженного от зоны грозовой облачности сигнала допплеровской МНРЛС на фоне белого шума, низкочастотных шумовых составляющих, помехи в самой частоте. Построена характеристика обнаружения радиолокационного сигнала МНРЛС на основе созданной модели на фоне белого шума и помехи в частоте сигнала.

Получено два новых метода обнаружения радиолокационного сигнала МНРЛС для улучшения характеристики обнаружения сигнала. В основе первого метода лежит сплайн-аппроксимация первообразной функции с логическим выравниванием. Рассмотрен процесс интегрирования (накапливания) первообразной функции в преобразовании Фурье и использовано логическое выравнивание первообразной между последними точками сплайна, с помощью которого выполнено сглаживание первообразной. В основе второго - применение созданных несимметричных спектральных оконных функций. Создано пять спектральных оконных функций, которые имеют несимметрический вид по сравнению со всеми известными классическими оконными функциями и показано их использование для улучшения характеристики обнаружения сигнала.

Ключевые слова: обнаружение радиолокационных сигналов, характеристика обнаружения, сплайн-функция, спектральный анализ, преобразование Фурье.

Размещено на Allbest.ru

...