DE60309748T2

DE60309748T2 - System und Verfahren zur Rauschunterdrückung in vorverarbeiteten Radardaten

Info

Publication number: DE60309748T2
Application number: DE60309748T
Authority: DE
Inventors: Tony Ponsford; Reza Dizaji
Original assignee: Raytheon Canada Ltd
Current assignee: Raytheon Canada Ltd
Priority date: 2002-03-13
Filing date: 2003-03-07
Publication date: 2007-10-04
Anticipated expiration: 2023-03-08
Also published as: WO2003079045A3; KR20040102039A; DE60304692T2; DE60304692D1; DE60309748D1; CA2478816A1; US20040178951A1; DK1485731T3; BR0308342A; AU2003220063B2; CA2478816C; WO2003079045A2; NO20044336L; CN1653354A; EP1485731B1; NZ535210A; JP2005520160A; RU2004130474A; ATE345511T1; PT1485731E

Description

GEBIET DER ERFINDUNG
Die vorliegende Erfindung betrifft Signalverarbeitungsverfahren mit Rauschverringerungseigenschaften für Radardaten.
HINTERGRUND DER ERFINDUNG
Hochfrequenz-Oberflächenwellenradar (High Frequency Surface Wave Radar; HFSWR) ist effektiv für die kontinuierliche Erfassung und Verfolgung von Schiffen, Flugzeugen, Eisbergen und anderen Oberflächenzielen von einer an einer Küste befindlichen Basis aus. HFSWR wird gegenwärtig sowohl verwendet, um Such- und Rettungsaktivitäten zu unterstützen, als auch, um den Zustand der See, illegale Einwanderung, Drogentransport, illegales Fischen, Schmuggeln und Piratenaktivität zu überwachen.
Ein HFSWR-System ist entlang einer Küstenlinie installiert und weist eine Sendeantenne mit Richteigenschaften auf, die auf das Meer gerichtet ist, und eine Empfangsantennengruppe mit Richteigenschaften, die auf das Meer gerichtet ist, sowie die für den Betrieb des Systems benötigte Hardware und Software. Die Sendeantenne erzeugt eine Folge von elektromagnetischen (EM) Impulsen, die einen gewünschten Überwachungsbereich bestrahlen. Die Empfangsantennengruppe ist so kalibriert, dass sie über den gesamten Überwachungsbereich eine gleiche Verstärkung und Phase besitzt. Im Überwachungsbereich befindliche Objekte reflektieren dann die EM-Impulse auf die Empfangsantennengruppe hin, welche Radardaten sammelt. Einige der Objekte können zu erfassende Elemente sein (die Radarsignaturen von diesen Elementen werden als "Ziele" bezeichnet), während der Rest der Objekte Elemente sind, die nicht erfasst zu werden brauchen (die Radarsignaturen von diesen Elementen werden als "Clutter" bezeichnet, bei dem es sich um eine Art des Rauschens in einem Radarsystem handelt). Es können kompliziertere impulscodierte oder frequenzcodierte EM-Impulse verwendet werden, um Entfernungs-Wrap entgegen zu wirken, der auftritt, wenn ein reflektierter EM-Impuls (im Ansprechen auf einen vorausgehend übertragenen EM-Impuls) von der Empfangsantennengruppe empfangen wird, nachdem darauf folgende EM-Impulse gesendet wurden.
Herkömmlicherweise werden die in der Empfangsantennengruppe gesammelten Radardaten von jedem Antennenelement oder Sensor daraufhin vorverarbeitet, indem die Daten durch ein Bandpassfilter geleitet werden, um externe ungewünschte Signale in den Radardaten auszufiltern, und daraufhin durch einen Heterodyn-Empfänger, der die Radardaten von dem RF-Band auf ein IF-Band demoduliert, wo eine analog-zu-digital-Umwandlung statfindet. Die Radardaten werden dann auf das Basisband demoduliert, wo Tiefpassfiltern und Downsampling stattfindet. Die von der Empfangsantennengruppe gesammelten Radardaten sind komplex (d.h. sie enthalten reale und imaginäre Komponenten). Daher sind auch die dem Downsampling unterzogenen Radardaten komplex, und alle Signalverarbeitungskomponenten, die für die Durchführung der genannten Operationen erforderlich sind, sind für die Behandlung komplexer Daten ausgelegt.
Die dem Downsampling unterzogenen Radardaten werden dann durch ein abgestimmtes Filter verarbeitet, das eine Transferfunktion oder Impulsantwort aufweist, die zu dem gesendeten EM-Impuls in einer Beziehung steht. Die abgestimmten gefilterten Radardaten werden daraufhin für eine Analyse in Segmente aufgeteilt. Jedes Segment ist auf diesem Fachgebiet als eine kohärente Integrationszeit (Coherent Integration Time; CIT) oder eine Verweilzeit bekannt. Die abgestimmten gefilterten Radardaten in jeder CIT werden in der Entfernung ausgerichtet durch Verzeichnen des Zeitpunktes, an dem jeder Datenpunkt abgetastet wurde, relativ zu der Zeit, an der ein vorausgegangener EM-Impuls gesendet wurde. Die in der Entfernung ausgerichteten Daten werden daraufhin einer Kombination aus Tiefpassfiltern für eine weitere Verringerung von Rauschen und einem Downsampling für eine effizientere Signalverarbeitung unterzogen. Der Ausgang von dieser Verarbeitung ist eine Mehrzahl von Entfernungsdaten, wobei jede Reihe von Zeitabtastproben einem Entfernungswert entspricht. Der maximale Entfernungswert, für den die Mehrzahl von Zeitreihen gesammelt wird, hängt von dem Impulswiederholintervall ab, das beim Senden der EM-Impulse verwendet wird (d.h. der Frequenz, mit der EM-Impulse gesendet werden).
Ein Ziel wird auf Grund von Entfernungs-, Doppler- und Azimutinformationen erfasst, die aus den vorbehandelten, aufgezeichneten Radardaten erzeugt werden. Die Entfernungsinformationen werden dazu verwendet, eine Schätzung der Distanz des Zieles von der Empfangsantennengruppe zu liefern. Die Azimutinformationen werden dazu verwendet, eine Schätzung des Winkels des Ortes des Zieles in Bezug auf den Mittelpunkt der Empfangsantennengruppe zu liefern, und die Dopplerinformationen werden dazu verwendet, eine Schätzung der radialen Geschwindigkeit des Zieles mittels Messung der Dopplerverschiebung des Zieles zu liefern. Die Dopplerverschiebung des Zieles steht in einer Beziehung zu der Änderung des Frequenzgehaltes des von dem Ziel reflektierten EM-Impulses hinsichtlich des ursprünglichen Frequenzgehaltes dieses EM-Impulses.
Wie vorausgehend erwähnt wurde, werden Entfernungsdaten erzeugt, indem die Zeit vermerkt wird, an der Daten abgetastet werden, relativ zu der Zeit, an der ein vorausgehender EM-Impuls gesendet wird. Die Dopplerverarbeitung entspricht der Erfassung eines Frequenzversatzes f mit der EM-Impuls-Signalfrequenz, die durch eine Reflexion von einem Ziel hervorgerufen wird. Somit werden Dopplerinformationen für einen gegebenen Entfernungswert erzeugt, indem die für diesen Entfernungswert erhaltene Zeitreihe einer Kammfilterverarbeitung, Filterbankverarbeitung oder FFT (Fast Fourier Transform)-Verarbeitung unterzogen wird. Die Azimutdaten werden herkömmlicherweise durch digitales Strahlformen erhalten. Genauer gesagt, die Radardaten in einer gegebenen Entfernungszelle und einer gegebenen Dopplerzelle werden durch einen komplexen Exponenten für jedes Antennenelement der Empfangsantennengruppe gewichtet und dann über sämtliche Antennenelemente summiert. Die Phase des komplexen Exponenten steht in einer Beziehung zu dem Azimutwinkel, dem Antennenelementabstand und der Wellenlänge der gesendeten EM-Impulse, wie dem Fachmann auf diesem Gebiet bekannt ist. Strahlformen ergibt die Erscheinung, dass die Antenneanordnung auf einen bestimmten Bereich des Überwachungsbereiches eingestellt ist, der durch den in den komplexen Exponentengewichtungen verwendeten Azimutwert definiert ist. Auf diese Weise können viele Strahlen geformt werden, um den gesamten Überwachungsbereich gleichzeitig abzudecken.
Um Entfernung, Azimut und Geschwindigkeit eines Zieles zu bestimmen, verarbeitet ein Detektor die erzeugten Entfernungs-, Azimut- und Dopplerinformationen für eine gegebene CIT. Im Allgemeinen sucht der Detektor nach Spitzen in einer gegebenen Zelle (d.h. einem Datenwert oder Pixel) in einer zweidimensionalen Darstellung, die als Entfernungs-Doppler-Diagramm bekannt ist. Die Zielerfassung umfasst für gewöhnlich den Vergleich der Amplitude in einer gegebenen Zelle mit der durchschnittlichen Amplitude in benachbarten Zellen. Die erfassten Ziele werden daraufhin an einen Diagrammextrahierer weitergeleitet, der die erfassten Ziele filtert, um all diejenigen Erfassungen zurückzuweisen, die nicht zu den für ein echtes Ziel erwarteten Entfernungs-, Doppler- und Azimuteigenschaften passen. Diese gefilterten Ziele werden dann an einen Verfolger weitergeleitet, der aufeinander folgende Erfassungen eines gegebenen Ziels miteinander verbindet, um eine Verfolgungsspur für das Ziel zu bilden. Auf diese Weise kann die Bewegung eines erfassten Ziels durch den gesamten Überwachungsbereich verfolgt werden.
Der Erfassungsvorgang wird durch die Hinzufügung von Rauschen behindert, das den vorausgehend erwähnten Clutter in jeder Zelle mit umfasst, was zu der erfolglosen Erfassung eines Ziels oder der Falscherfassung von Rauschen als ein Ziel führen kann. Das Rauschen ist insofern problematisch, als ein variierender Rauschpegel in verschiedenen Zellen sowie für Radardaten, die in verschiedenen ClTs gesammelt wurden, in verschiedenen Meereszustandsbedingungen während verschiedener Tageszeiten und Jahreszeiten und an verschiedenen Orten vorhanden ist. Die hauptsächlichen Quellen von Radarrauschen umfassen Eigeninterferenz wie etwa Meeres-Clutter, Ionosphären-Clutter und Meteoroiden-Clutter, und äußere Störungen wie etwa Gleichkanalstörung, atmosphärische Störung und Impulsrauschen. Eigeninterferenz resultiert aus dem Betrieb des Radars, während äußere Störungen von dem Betrieb des Radars unabhängig sind.
Ionosphären-Clutter ist eine der bedeutsamsten Ursachen für eine Störung und in Folge seiner zielähnlichen Beschaffenheit und hohen Signalamplitude schwierig zu unterdrücken. Ionosphären-Clutter umfasst EM-Impulse, die von der Ionosphäre der Erde zurückgeworfen werden und direkt zum Radar zurückkehren (d.h. nahezu vertikal eintreffender Clutter), und EM-Impulse, die von der Ionosphäre zurückgeworfen werden, vom Ozean reflektiert werden, und auf dem umgekehrten Weg zum Radar zurückkehren (d.h. Entfernungs-Wrap-Clutter). Im Allgemeinen sammelt sich Ionosphären-Clutter in einem Ringband, das schmale Bänder von Entfernungszellen, alle Azimut-Zellen und den Großteil des Schiffs-Dopplerbandes überspannt. Dieses Schmalband der Entfernungszellen entspricht der Höhe bzw. den mehreren Höhen der Ionosphärenschichten in Bezug auf den HFSWR-Aufstellungsort. Nahezu vertikal einfallender Ionosphären-Clutter ist auch dadurch gekennzeichnet, dass er sehr stark, in der Entfernung isoliert, und in der Doppler-Dimension über viele Millihertz verschmiert ist. Während der Nacht weist Ionosphären-Clutter seinen höchsten Pegel auf in Folge des Verschwindens der D-Schicht der Ionosphäre und der Verschmelzung der F1- und F2-Schichten der Ionosphäre. Ferner variieren die Characteristiken von Ionosphären-Clutter mit der Jahreszeit und anderen Umweltparametern, so dass es nicht leicht ist, ein robustes Verfahren zum Unterdrücken von Ionosphärenrauschen einzuführen.
Um Entfernungs-Wrap-Clutter entgegen zu wirken, können komplementäre Frank-Codes verwendet werden, wie dem Fachmann bekannt ist. Eine weitere bekannte Lösung ist es, das Radarsystem mit einer höheren Frequenz zu betreiben, die keine Ausbreitung von Ionosphärenwellen unterstützt. Durch Erhöhen der Trägerfrequenz der gesendeten EM-Impulse über die schichtenkritische Frequenz durchdringen die gesendeten EM-Impulse die Ionosphärenschichten. Dieser Lösungsansatz kann jedoch die Leistungsfähigkeit des Radarsystems bei der Erfassung von Schiffen auf große Entfernung in Folge der stärkeren Ausbreitungsdämpfung, die bei höheren Sendefrequenzen auftritt, herabsetzen.
Die Meeresoberfläche weist eine Anzahl von Wellen mit unterschiedlichen Wellenlängen und Amplituden auf. Meeres-Clutter resultiert aus EM-Impulsen, die von Meereswellen reflektiert werden, die Harmonische der Radar-Wellenlänge sind. Zwei große Spitzen, die Meeres-Clutter dominieren, werden als Bragg-Linien bezeichnet, welche als zwei Spalten von Spitzen in einem Entfernungs-Doppler-Diagramm entlang allen Entfernungszellen auf Dopplerfrequenzen auftreten, die von der Radarbetriebsfrequenz bestimmt werden. Die Bragg-Linien können die Radarerfassungsleistung auf ihren entsprechenden Dopplerfrequenzen verschmieren. Es gibt jedoch auch Scatter höherer Ordnung im Zusammenhang mit dem Meereszustand, der in zusätzlichen Spitzen und einem Kontinuum von Meeres-Clutter zwischen den Bragg-Linien resultiert. Dieses Kontinuum von Meeres-Clutter enthält Energie, die in einer Beziehung zu dem Meereszustand (d.h. Geschwindigkeit und Dauer von Oberflächenwind) steht und oftmals die Erfassung von kleinen, sich langsam bewegenden Zielen wie etwa Schiffen einschränkt. Darüber hinaus hat Meeres-Clutter eine sehr schlechte räumliche Korrelation gezeigt.
Meteoroiden-Clutter resultiert aus Meteoroiden, bei denen es sich um kleine Meteorpartikel handelt, welche in die Erdatmosphäre eindringen und Ionisierungsspuren erzeugen, die vorübergehende Radarechos erzeugen. Ein vorübergehendes Meteoroiden-Radarecho erscheint normalerweise als eine große Spitze in einer bestimmten Entfernung. Meteoroiden-Clutter führt zu einer Zunahme des Hintergrundrauschpegels in Entfernungs-Doppler-Diagrammen.
Eine Gleichkanalstörung resultiert sowohl aus örtlichen als auch entfernten Anwendern des HFSWR-Frequenzbandes wie etwa Fernsehsendern. Diese Störung ist gerichtet, da sie von räumlich miteinander korrelierten Quellen stammt. Aufgrund mehrfacher Reflexionen in nicht-gleichförmigen Ionosphärenschichten ist jedoch die Einfallrichtung einer Gleichkanalstörung breit, wie aus einer Probe realer Radardaten gemäß der Darstellung in 1 ersichtlich ist. Eine Gleichkanalstörung ist auch entfernungsunabhängig und tritt bei spezifischen Dopplerfrequenzen auf, wie aus einer anderen Probe realer Radardaten gemäß der Darstellung in 2 ersichtlich ist. Eine Gleichkanalstörung kann durch Auswahl alternierender Trägerfrequenzen zum Senden der EM-Impulse vermieden werden. Eine Gleichkanalstörung aus entfernten Quellen stellt jedoch eine ernsteres Problem dar, da diese Störung in Zeit und Frequenz zufällig ist. Ferner gibt es typischerweise nachts eine stärkere Gleichkanalstörung als während des Tags wegen des Fehlens einer D-Schicht-Absorption während der Nacht.
Eine atmosphärische Störung ist räumlich weiß, mit einem Pegel, der in Abhängigkeit von Frequenz, Tageszeit, Jahreszeit und geografischem Ort variiert. Beispielsweise erhöht sich der Rauschpegel in Folge von atmosphärischer Störung am unteren Ende des HF-Bandes während der Nacht gegenüber Pegeln während des Tages um ca. 20 dB.
Impulsrauschen geht auf Blitze zurück und tritt als eine Sequenz schneller Impulse auf, die zufällig über die Zeit verteilt sind und eine Amplitude mit einem breiten dynamischen Bereich besitzen. Dies ist aus 3 ersichtlich, die eine Sequenz von Radar-Impulsechos über der gesendeten EM-Impulszahl (oder Impulsindex) für einen gegebenen Entfernungswert zeigt. Das in 4 gezeigte Impulsrauschen ist nicht räumlich weiß und resultiert aus sowohl örtlichen als auch entfernten Gewittern. Impulsrauschen ereignet sich normalerweise täglich während des gesamten Betriebs eines HFSWR-Systems. Impulsrauschen führt zu einer Zunahme des Hintergrundrauschpegels. Die Frequenzcharakteristiken von Impulsrauschen ändern sich in Abhängigkeit von der Stärke des lokalen Gewittergeschehens.
Es braucht nicht erwähnt zu werden, dass die Erfassung ein sehr wichtiger Teil eines Radarsystems ist und von den verschiedenen, oben beschriebenen Arten von Rauschen kompromittiert wird. Um die Erfassung zu verbessern, müssen diese verschiedenen Formen des Rauschens folglich unterdrückt werden, bevorzugt vor oder während der Erzeugung des Entfernungs-Doppler-Diagramms (d.h. der spektralen Schätzung), mit der eine Erfassung üblicherweise durchgeführt wird.
Beispielsweise ist es im Stand der Technik bekannt, dass die Erfassung angesichts dieser verschiedenen Formen von Störungen durch das Verteilen der Störenergie über eine größere Anzahl von Zellen im Entfernungs-Doppler-Diagramm verbessert werden kann. Dies wird erzielt durch verbessern der Entfernungs-, Doppler- oder Azimutauflösung während der spektralen Abschätzung. Die Entfernungsauflösung wird jedoch durch die Bandbreite des gesendeten Signals bestimmt und ist normalerweise eingeschränkt, während die Dopplerauflösung durch die CIT bestimmt ist, die ebenfalls beschränkt ist. Ferner ist die Azimutauflösung durch die Aperturgröße der Empfangsantennengruppe (d.h. die physische Größe der Empfangsantennengruppe) beschränkt.
Eine Vorgehensweise, die eingeführt wurde, um diese Beschränkungen der Auflösung zu umgehen, ist die Verwendung von Hochauflösungs-Spektralabschätzer, um die azimutale Auflösung zu erhöhen. Es wird jedoch eine statistisch robuste Abschätzung der Covarianzmatrix der Radardaten benötigt, um gute Resultate zu erhalten. Die Abschätzung der Covarianzmatrix sollte auch die verschiedenen Typen von Radarrauschen kompensieren und gleichzeitig den Signalbeitrag zu der Covarianzmatrix-Abschätzung verstärken. Falls dies nicht erreicht wird, resultiert es in einem Entfernungs-Doppler-Diagramm, in dem Rauschen das Ziel verdunkelt und die Zielerfassung kompromittiert. Es besteht daher ein Bedarf nach einem Hochauflösungs-Spektralabschätzer, der statistisch robust ist, Rauschen unterdrücken kann, und mögliche Ziele in den Radardaten verstärken kann.
Andere Rauschunterdrückungsverfahren des Standes der Technik waren darauf Verfahren zum Aufheben von äußeren Störungen durch Ausnutzung der Richtungscharakteristiken von äußeren Störsignalen gerichtet. Diese Verfahren wenden eine Hauptantenne oder Hauptantennengruppe an, um Radardaten zu erhalten, die mögliche Ziele wie auch äußere Störungen enthalten, und eine Hilfsantenne oder eine Hilfsantennengruppe, um nur die äußeren Störungen abzuschätzen. Diese Verfahren erfordern jedoch zusätzliche Hardware. Im Besonderen erfordern diese Verfahren eine Hilfsantenne oder eine Hilfsantennengruppe. Eine Lösung des Standes der Technik für dieses Problem beinhaltet die Verwendung einer Empfangsantennengruppe, bei der einige der Elemente der Gruppe als die Hauptantennengruppe und einige der Elemente der Gruppe als die Hilfsgruppe verwendet werden. Dies resultiert jedoch in einer Hauptantennengruppe mit einer kleineren Apertur, wodurch die Azimutalauflösung verschlechtert wird. Es besteht daher ein Bedarf nach einem Verfahren zum Unterdrücken von äußeren Störungen, das nicht die zusätzliche Hardware einer Hilfsantennengruppe benötigt und die Azimutalauflösung der Hauptantennengruppe nicht verschlechtert.
Andere Herausforderungen bei der Radarerfassung umfassen Eigenschaften, die über Ziele variieren, wie etwa Zieltyp und Zielgeschwindigkeit. Beispielsweise erscheinen Oberflächenziele wie etwa Schiffe auf einem Entfernungs-Doppler-Diagramm bei einer gegebenen Entfernungs- und Dopplerauflösung größer als Luftziele wie etwa Flugzeuge. Darüber hinaus sind Luftziele für gewöhnlich viel schneller als Oberflächenziele. Dies ist wichtig, da ein Ziel, dessen radiale Geschwindigkeit sich innerhalb einer bestimmten CIT ändert, Spektralkomponenten aufweist, die über mehrere Doppler-Bins verschmiert sind. Es besteht daher ein Bedarf nach Signalverarbeitungsverfahren, die erkennen, dass Ziele veränderliche Eigenschaften besitzen und sich basierend auf diesen Eigenschaften anpassen, um das Erscheinungsbild von Zielen auf einem Entfernungs-Doppler-Diagramm zu verstärken.
ZUSAMMENFASSUNG DER ERFINDUNG
Die Erfinder der vorliegenden Erfindung haben mehrere Ausführungsformen eines Systems und eines Verfahrens zur Rauschunterdrückung zur Erzeugung von Entfernungs-Doppler-Diagrammen entwickelt, bei denen potenzielle Ziele verstärkt sind. Die Erfinder haben die Systeme und Verfahren der vorliegenden Erfindung basierend auf der Tatsache entwickelt, dass verschiedene Klassen von Zielen unterschiedliche Radarsignaturen auf einem Entfernungs-Doppler-Diagramm hinterlassen, obgleich jede Radarsignatur eine spitze Form besitzt. Ferner sind Ziele von den verschiedenen Formen von Clutter statistisch unabhängig und besitzen Radarsignaturen mit starker räumlicher Korrelation, vorausgesetzt das Signal-zu-Clutter-Verhältnis ist ausreichend. Zudem haben die Erfinder erkannt, dass verschiedene Formen von Clutter unterschiedliche Grade einer räumlichen Korrelation besitzen. So hat z.B. Meeres-Clutter (erster und höherer Ordnung) zumeist eine schlechte räumliche Korrelation, wähernd Ionosphären-Clutter eine starke räumliche Korrelation besitzt.
Eine wichtige Klasse von Störungen ist die äußere Störung. Die Erfinder der vorliegenden Erfindung haben ein Modul und eine Verfahren basierend auf einer Kombination der adaptiven Gruppenverarbeitung und des angepassten fehlangepassten Filterns entwickelt, das verwendet wird, um äußere Störungen zu unterdrücken. Das Modul kann mit einem Spektralgenerator zur Erzeugung von verbesserten Hochauflösungs-Entfernungs-Doppler-Diagrammen kombiniert werden. Die von einer Hauptsensorgruppe aufgezeichneten Daten werden an angepasste und fehlangepasste Filtermodule im Rauschunterdrückungsmodul geliefert. Das abgestimmte Filtermodul liefert angepasste Radardaten, die Radarechos von möglichen Zielen, Eigeninterferenz und äußere Störungen enthalten, während das fehlangepasste Filtermodul fehlangepasste Radardaten liefert, die nur äußere Störungen enthalten. Somit kann eine virtuelle Hilfssensorgruppe basierend auf den fehlangepasste Radardaten aufgebaut werden, um einem adaptiven Strahlformer Radardaten zur Verfügung zu stellen. Der adaptive Strahlformer erzeugt bevorzugt Wiener-basierende Gewichtungen, die auf die fehlangepassten Radardaten angewendet werden, um einen Hilfsstrahl zu erzeugen, der eine Schätzung der äußeren Störung in den angepassten Radardaten für jeden Sensor in der Hauptsensorgruppe, der Radardaten aufgezeichnet hat, zur Verfügung zu stellen. Die Aussenstörungsabschätzung wird dann aus den aufgezeichneten Radardaten für jeden der genannten Sensoren entfernt, um rauschunterdrückte Entfernungs-Doppler-Sensor-Radardaten zu erzeugen. Diese Daten können dann einem Spektralgenerator zur Verfügung gestellt werden, um Hochauflösungs-Entfernungs-Doppler-Diagramme zu erzeugen, in denen äußere Störungen unterdrückt sind.
Die Erfinder haben ferner bestimmt, dass ein Hochauflösungs-Spektralabschätzer, der die Radardaten in Signal- und Geräuschteilräume unterteilt, verwendet werden kann, um Meeres-Clutter zu unterdrücken, da Meeres-Clutter hauptsächlich im Geräuschteilraum auf Grund von schlechter räumlicher Korrelation auftritt. Wenn ferner der Azimut von Ionosphären-Clutter von dem Azimut eines möglichen Zieles verschieden ist, dann sollte der Hochauflösungs-Spektralabschätzer wegen des Fehlens von Seitenkeulen in Hochauflösungs-Spektralabschätzern in der Lage sein, zwischen dem Ionosphären-Clutter und der Radarsignatur von dem möglichen Ziel zu unterscheiden. Es wird aber eine robuste Covarianzmatrix-Abschätzung benötigt, damit der Hochauflösungs-Spektralabschätzer Radarsignaturen von Zielen verstärken kann. Die Erfinder haben die Covarianzmatrix-Abschätzung auf die Grundlage eines gewichteten Durchschnits aus Covarianzmatrizen von Entfernungs- Doppler-Zellen gestellt, die sich in einer Nachbarschaft der Entfernungs-Doppler-Zelle befinden, für die ein Hochauflösungs-Spektralvektor erzeugt wird. Der Hochauflösungs-Spektralabschätzer verwendet zumindest einen Teil des Geräuschteilraumes zum Bilden einer hochauflösen räumlichen Abschätzung.
Ein Nachteil von herkömmlichen teilraumbasierten Spektralabschätzern ist das Erhalten von guten Ergebnissen bei niedrigen Signal-zu-Clutter (SCR)-Verhältnissen. Die Erfinder haben herausgefunden, dass es eine Lösung ist, die Geräuschteilraumdimension zu verringern durch Einbeziehen nur derjenigen Eigenvektoren, die kleineren singulären Werte entsprechen und damit näher bei räumlich weißem Rauschen liegen. Ein anderer Lösungsansatz ist es, eine räumliche Glättung an der Covarianzmatrix-Abschätzung einzubeziehen, die von dem teilraumbasierten Spektralabschätzer verwendet wird, um einen Hochauflösungs-Raumvektor zu erzeugen. Die räumliche Glättung kann auf einem jeglichen von räumlicher Glättung in Vorwärtsrichtung, räumlicher Glättung in Rückwärtsrichtung oder räumliche Glättung in Vorwärts-/Rückwärtsrichtung beruhen.
Die vorliegende Erfindung stellt ein Rauschunterdrückungsmodul zum Unterdrücken äußerer Störungen in vorverarbeiteten Radardaten zur Verfügung. Das Rauschunterdrückungsmodul enthält ein erstes Verarbeitungsmodul und ein zweites Verarbeitungsmodul, die in Verbindung mit den vorverarbeiteten Radardaten sind. Das erste Verarbeitungsmodul empfängt die vorverarbeiteten Radardaten und erzeugt angepasste Radardaten, während die zweite Verarbeitungsmodul die vorverarbeiteten Radardaten empfängt und fehlangepasste Radardaten erzeugt. Das Rauschunterdrückungsmodul enthält ferner einen adaptiven Strahlformer in Verbindung mit dem ersten Verarbeitungsmodul und dem zweiten Verarbeitungsmodul. Der adaptive Strahlformer empfängt einen Teil der angepassten Radardaten und einen Teil der fehlangepassten Radardaten, und erzeugt eine Aussenstörungsabschätzung in dem Teil der angepassten Radardaten. Das Rauschunterdrückungsmodul enthält ferner einen Unterdrücker in Verbindung mit dem ersten Verarbeitungsmodul und dem adaptiven Strahlformer. Der Unterdrücker liefert einen Teil von Radardaten mit Rauschunterdrückung basierend auf dem Teil der angepassten Radardaten und der Aussenstörungsabschätzung.
Das Rauschunterdrückungsmodul kann ferner ein Modul mit statistisch geordneter Filterung in Verbindung mit dem ersten Verarbeitungsmodul enthalten. Das Modul mit statistisch geordneter Filterung erzeugt statistisch geordnet gefilterte angepasste Radardaten.
In einem weiteren Aspekt stellt die vorliegende Erfindung ein Verfahren zum Unterdrücken von äußeren Störungen in vorverarbeiteten Radardaten zur Verfügung. Das Verfahren umfasst:

a) Verarbeiten der vorverarbeiteten Radardaten zur Erzeugung angepasster Radardaten;
b) Verarbeiten der vorverarbeiteten Radardaten zur Erzeugung fehlangepasster Radardaten;
c) Auswahl eines Teils der angepassten Radardaten und eines Teils der fehlangepassten Radardaten und Durchführung einer adaptiven Strahlformung zur Erzeugung einer Aussenstörungsabschätzung in dem Teil der angepassten Radardaten; und
d) Erzeugen eines Teils von Radardaten mit Rauschunterdrückung durch Unterdrücken der Aussenstörungsabschätzung in dem Teil der angepassten Radardaten.

Das Verfahren kann ferner die Durchführung einer Filterung mit geordneter Statistik an den angepassten Radardaten zur Erzeugung statistisch geordnet gefilterter angepasste Radardaten.
Ein Spektralgenerator für Radar kann die Radardaten mit Rauschunterdrückung von dem Rauschunterdrückungsmodul empfangen und mindestens ein Hochauflösungsspektrum mit verringertem Rauschen erzeugen. Das Rauschunterdrückungsmodul schätzt die äußere Störung in den vorverarbeiteten Radardaten und unterdrückt die äußere Störung in den vorverarbeiteten Radardaten zur Erzeugung von Radardaten mit Rauschunterdrückung. Der Spektralgenerator kann einen Fenstergenerator aufweisen, der ein Fenster erzeugt, das eine Vielzahl von Entfernungs-Doppler-Zellen definiert, und einen Covarianzmatrixrechner in Verbindung mit dem Fenstergenerator. Der Covarianzmatrixrechner empfängt die Radardaten mit Rauschunterdrückung und berechnet eine Covarianzmatrix-Abschätzung für eine interessierende Entfernungs-Doppler-Zelle in dem Fenster. Die Covarianzmatrix-Abschätzung wird aus Covarianzmatrizen berechnet, die zumindest für einen Teil der Vielzahl von Entfernungs-Doppler-Zellen in dem Fenster berechnet werden, die sich um die interessierende Entfernungs-Doppler-Zelle befinden. Der Spektralgenerator kann auch einen Spektralrechner in Verbindung mit dem Covarianzmatrixrechner zum Berechnen eines Hochauflösungs-Spektralvektors auf der Grundlage einer Ortsmatrix und einer Geräuschteilraummatrix-Schätzung aufweisen.
Der Spektralgenerator kann ferner einen Covarianzmatrixglätter in Verbindung mit dem Covarianzmatrixrechner aufweisen. Der Covarianzmatrixglätter glättet die Covarianzmatrix-Abschätzung.
Das Verfahren der Spektralerzeugung für Radar kann umfassen:

a) Unterdrücken von Rauschen zur Erzeugung von Radardaten mit Rauschunterdrückung;
b) Erzeugen eines Fensters, das eine Vielzahl von Entfernungs-Doppler-Zellen definiert;
c) Errechnen einer Covarianzmatrix-Abschätzung für eine interessierende Entfernungs-Doppler-Zelle in dem Fenster aus Radardaten mit Rauschunterdrückung, wobei die Covarianzmatrix-Abschätzung aus Covarianzmatrizen erzeugt wird, die für zumindest einen Teil der Vielzahl von Entfernungs-Doppler-Zellen in dem Fenster berechnet wurden; und
d) Errechnen eines Hochauflösungs-Spektralvektors basierend auf einer Ortsmatrix und einer Geräuschteilraummatrix-Abschätzung. Die Geräuschteilraummatrix-Schätzung wird von der Covarianzmatrix-Abschätzung abgeleitet.

Der Schritt zum Unterdrücken von Rauschen wird durchgeführt durch Abschätzen der äußeren Störung in den vorverarbeiteten Radardaten und Unterdrücken der äußeren Störung in den vorverarbeiteten Radardaten, um die Radardaten mit Rauschunterdrückung zu erzeugen.
Das Spektralerzeugungsverfahren kann ferner das Glätten der Konvarianzmatrix-Abschätzung und das Errechnen der Geräuschteilraummatrix basierend auf der geglätteten Covarianzmatrix-Abschätzung umfassen.
KURZBESCHREIBUNG DER ZEICHNUNG
Für ein besseres Verständnis der vorliegenden Erfindung, und um deutlicher zu zeigen, wie sie ausgeführt werden kann, wird nun rein beispielhaft Bezug auf die beigefügten Zeichnungen genommen, die bevorzugte Ausführungsformen der vorliegenden Erfindung darstellen; es zeigt:
1 ein Diagramm der Amplitude über dem Azimut für Radardaten, die bei Vorhandensein einer äußeren Störung aufgezeichnet wurden;
2 eine Entfernungs-Doppler-Diagramm für ein Beispiel von Radardaten, die eine Gleichkanalstörung enthalten;
3 ein Diagramm der Amplitude über dem Impulsindex bei einer gegebenenen Entfernung für ein Beispiel von Radarechos mit Impulsrauschen;
4 ein Entfernungs-Doppler-Diagramm für ein Beispiel von Radardaten, die Impulsrauschen enthalten;
5 ein Blockdiagramm eines Spektralgenerators;
6a ein Diagramm, das den aktiven Bereich und Schutzbereich eines Entfernungs-Doppler-Diagramms veranschaulicht;
6b ein Diagramm zur Veranschaulichung des Azimut-Konzeptes;
7a ein gewichtetes Fenster;
7b ein Beispiel für das gewichtete Fenster mit Gewichtungen für einen Luftmodus des Radarbetriebs;
7c ein Beispiel für das gewichtete Fenster mit Gewichtungen für einen Schiffsmodus des Radarbetriebs;
7d die Organisation von Radardaten für Radardaten, die von einer Hauptsensorgruppe aufgezeichnet wurden;
7e zeigt die Radardaten, die verwendet werden, um Covarianzmatrizen für die Entfernungs-Doppler-Zellen in dem gewichteten Fenster zu erhalten;
8 ein Ablaufdiagramm eines Spektralerzeugungsverfahrens;
9a ein Entfernungs-Doppler-Diagramm, das durch herkömmliche Strahlformung als Beispiel für Radardaten erzeugt wurde;
9b eine Scheibe entlang der Doppler-Dimension des Entfernungs-Doppler-Diagramms von 9a bei der Entfernung des Zieles;
10a ein Hochauflösungs-Entfernungs-Doppler-Diagramm der in 9a gezeigten Radardaten, die von dem Spektralgenerator von 5 erzeugt wurden;
10b eine Scheibe entlang der Doppler-Dimension des Entfernungs-Doppler-Diagramms von 10a bei der Entfernung des Zieles;
11a ein Entfernungs-Doppler-Diagramm, das durch herkömmliche Strahlformung erzeugt wurde, als ein anderes Beispiel für Radardaten;
11b ein Hochauflösungs-Entfernungs-Doppler-Diagramm der in 11a gezeigten Radardaten, die von dem Spektralgenerator von 5 erzeugt wurden;
12a ein Entfernungs-Doppler-Diagramm, das durch herkömmliche Strahlformung erzeugt wurde, als Beispiel für Radardaten mit Ionosphären-Clutter;
12b ein Hochauflösungs-Entfernungs-Doppler-Diagramm der in 12a gezeigten Radardaten, die von dem Spektralgenerator von 5 erzeugt wurden;
12c eine Scheibe entlang der Doppler-Dimension des Hochauflösungs-Entfernungs-Doppler-Diagramms von 12b bei der Dopplerfrequenz des Zieles;
12d eine Scheibe entlang der Entfernungsdimension des Hochauflösungs-Entfernungs-Doppler-Diagramms von 12B bei der Dopplerfrequenz des Zieles;
12e ein Azimutdiagramm bei der Entfernung und Dopplerfrequenz des Zieles für die Hochauflösungs-Entfernungs-Doppler-Daten, die von dem Spektralgenerator von 5 für the Radardaten von 12a erzeugt wurden;
13 ein Blockdiagramm einer alternativen Ausführungsform des Spektralgenerators von 5 mit einem Rauschunterdrückungsmodul, in dem die vorliegende Erfindung ausgeführt ist;
14 ein Blockdiagramm eines Rauschunterdrückungsmoduls, in dem die vorliegende Erfindung ausgeführt ist;
15 ein Entfernungs-Doppler-Diagramm zur Veranschaulichung der Form einer Region, über welche korrelationsbasierende Berechnungen bevorzugt für die Aussenstörungsabschätzung durchgefürht werden;
16 ein detaillierteres Blockdiagramm des Rauschunterdrückungsmoduls von 14;
17a bis 17h die Radardaten an verschiedenen Knoten in dem Rauschunterdrückungsmodul von 16;
18 ein Ablaufdiagramm eines Rauschunterdrückungsverfahrens gemäß dem Rauschunterdrückungsmodul von 16;
19 eine alternative Ausführungsform des Rauschunterdrückungsmoduls der vorliegenden Erfindung;
20 ein Ablaufdiagramm eines alternativen Rauschunterdrückungsverfahrens gemäß dem Rauschunterdrückungsmodul von 19;
21a ein Entfernungs-Doppler-Diagramm eines Beispiels für Radardaten, die durch herkömmliche Strahlformung ohne Verwendung des Rauschunterdrückungsmoduls der vorliegenden Erfindung erzeugt wurden;
21b ein Hochauflösungs-Entfernungs-Doppler-Diagramm der gezeigten Radardaten in 21a unter Verwendung des Spektralgenerators von 5, aber nicht des Rauschunterdrückungsmoduls der vorliegenden Erfindung;
21c eine Scheibe entlang der Doppler-Dimension des Entfernungs-Doppler-Diagramms von 21a bei der Entfernung des Zieles;
21d eine Scheibe entlang der Doppler-Dimension des Hochauflösungs-Entfernungs-Doppler-Diagramms von 21b bei der Entfernung des Zieles;
22a ein Entfernungs-Doppler-Diagramm der Radardaten von 21a, das durch herkömmliche Strahlformung und unter Verwendung des Rauschunterdrückungsmoduls der vorliegenden Erfindung erzeugt wurde;
22b ein Hochauflösungs-Entfernungs-Doppler-Diagramm der in 21a gezeigten Radardaten unter Verwendugn des Spektralgenerators und des Rauschunterdrückungsmoduls der vorliegenden Erfindung;
22c eine Scheibe entlang der Doppler-Dimension des Entfernungs-Doppler-Diagramms von 22a bei der Entfernung des Zieles;
22d eine Scheibe entlang der Doppler-Dimension des Hochauflösungs-Entfernungs-Doppler-Diagramms von 22b bei der Entfernung des Zieles;
23a ein Entfernungs-Doppler-Diagramm, das durch herkömmliche Strahlformung erzeugt wurd, bei einem weiteren Beispiel für Radardaten;
23b eine Scheibe entlang der Doppler-Dimension des Entfernungs-Doppler-Diagramms von 23a bei der Entfernung des Zieles;
23c eine Scheibe entlang der Entfernungsdimension des Entfernungs-Doppler-Diagramms von 23a bei der Dopplerfrequenz des Zieles;
23d ein Azimutdiagramm der Radardaten von 23a bei der Entfernung und Dopplerfrequenz des Zieles;
24a ein Hochauflösungs-Entfernungs-Doppler-Diagramm der Radardaten von 23a, das von dem Spektralgenerator von 5 unter Verwendung einer Geräuschteilraumdimension 13 erzeugt wurde;
24b eine Scheibe entlang der Doppler-Dimension des Hochauflösungs-Entfernungs-Doppler-Diagramms von 24a bei der Entfernung des Zieles;
24c eine Scheibe entlang der Entfernungsdimension des Hochauflösungs-Entfernungs-Doppler-Diagramms von 24a bei der Dopplerfrequenz des Zieles;
24d ein Azimutdiagramm der Hochauflösungs-Entfernungs-Doppler-Daten von 24a bei der Entfernung und der Dopplerfrequenz des Zieles;
25a ein Hochauflösungs-Entfernungs-Doppler-Diagramm der Radardaten von 23a, das von dem Spektralgenerator von 5 unter Verwendung einer Geräuschteilraumdimension 5 erzeugt wurde;
25b eine Scheibe entlang der Doppler-Dimension des Hochauflösungs-Entfernungs-Doppler-Diagramms von 25a bei der Entfernung des Zieles;
25c eine Scheibe entlang der Entfernungsdimension des Hochauflösungs-Entfernungs-Doppler-Diagramms von 25a bei der Dopplerfrequenz des Zieles;
25d ein Azimutdiagramm der Hochauflösungs-Radardaten von 25a bei der Entfernung und Dopplerfrequenz des Zieles;
26 ein Blockdiagramm eines alternativen Spektralgenerators unter Verwendung von räumlicher Glättung;
27 ein Ablaufdiagramm einer alternativen Ausführungsform des Spektralerzeugungsverfahrens unter Verwendung von räumlicher Glättung;
28a ein Dopplerdiagramm von Radardaten und eines simulierten Zieles unter Verwendung von Radardaten von einem Sensor;
28b ein Dopplerdiagramm der Daten von 28a, das durch herkömmliche Strahlformung zusammen mit den Doppler-Daten von 28a erzeugt wurde;
29a ein Hochauflösungs-Dopplerdiagramm der Radardaten von 28a bei der Entfernung des Zieles unter Verwendung eines Geräuschteilraums 13;
29b ein Hochauflösungs-Entfernungsdiagramm der Radardaten von 28a bei der Dopplerfrequenz des Zieles unter Verwendung eines Geräuschteilraums 13;
29c ein Hochauflösungs-Azimutdiagramm der Radardaten von 28a bei der Entfernung und der Dopplerfrequenz des Zieles unter Verwendung eines Geräuschteilraums 13;
30a ein Hochauflösungs-Dopplerdiagramm der Radardaten von 28a bei der Entfernung des Zieles unter Verwendung eines räumlichen Glättungsverfahrens;
30b ein Hochauflösungs-Entfernungsdiagramm der Radardaten von 28a bei der Dopplerfrequenz des Zieles unter Verwendung des räumlichen Glättungsverfahrens der vorliegenden Erfindung;
30c ein Hochauflösungs-Azimutdiagramm der Radardaten von 28a bei der Entfernung und Dopplerfrequenz des Zieles unter Verwendung eines räumlichen Glättungsverfahrens;
31a ein Hochauflösungs-Entfernungs-Doppler-Diagramm für die Radardaten von 24a unter Verwendung des Spektralgenerators von 26 und räumlicher Glättung;
31b eine Scheibe entlang der Doppler-Dimension des Hochauflösungs-Entfernungs-Doppler-Diagramms von 31 bei der Entfernung des Zieles;
31c eine Scheibe entlang der Entfernungsdimension des Hochauflösungs-Entfernungs-Doppler-Diagramms von 31a bei der Dopplerfrequenz des Zieles;
31d ein Hochauflösungs-Azimutdiagramm der Radardaten von 31a bei der Entfernung und Dopplerfrequenz des Zieles;
32 eine Ausführungsform eines Spektralgenerators mit einem Rauschunterdrückungsmodul, in dem die vorliegende Erfindung ausgeführt ist, und einem Covarianzmatrixglätter;
33 eine alternative Ausführungsform des Spektralerzeugungsverfahrens mit einem Rauschunterdrückungsschritt gemäß der vorliegenden Erfindung und einem Covarianzmatrixglättungsschritt;
34a ein Diagramm einer linearen Gruppe;
34b ein Diagramm einer gleichförmigen kreisförmigen Gruppe; und
34c ein Diagramm einer gleichförmigen kreisförmigen Gruppe, das die physikalischen Größen durch die in dem Anordnungs-Manifold verwendeten Symbole darstellt.
DETAILLIERTE BESCHREIBUNG DER ERFINDUNG
Alle der vorliegend gezeigten experimentellen Daten stammen von dem SWR-503 HFSWR-System, das sich in Cape Race, Neufundland, Kanada befindet. Das SWR-503 HFSWR-System weist eine Empfangsantennengruppe mit 16 Antennenelementen (d.h. eine Hauptsensorgruppe mit 16 Sensoren) auf.
Gemäß der vorliegenden Verwendung bezeichnen die Begriffe "Entfernungsdaten", "Doppler-Daten", "Azimutdaten", "Sensordaten" oder "Impulsdaten" jeweils eine eindimensionale Reihe von Datenpunkten in einem gegebenen Bereich. Der Begriff "Entfernungs-Doppler-Daten" bezeichnet zweidimensionale Daten für einen gegebenen Azimut oder für einen gegebenen Sensor, und der Begriff "Entfernungs-Sensordaten" bezeichnet zweidimensionale Daten für einen gegebenen Dopplerwert oder einen gegebenen Impulsindex. Zusätzlich bezeichnen die Begriffe "Entfernungsimpuls-Sensordaten", "Entfernungs-Doppler-Sensordaten" und "Entfernungs-Doppler-Azimutdaten" dreidimensionale Daten. Des Weiteren bedeutet der Ausdruck "ein Teil" von Daten, dass der Teil von Daten eine kleinere Dimension besitzt als die Daten, aus denen er erhalten wurde. Dem entsprechend kann ein Teil von Daten eindimensional oder zweidimensional sein, wenn der Teil von Daten einer Menge von dreidimensionalen Daten entnommen ist. Darüber hinaus wird der Begriff "Spektrum" verwendet, um ein Entfernungs-Doppler-Diagramm zu bezeichnen.
Eine Rauschunterdrückung von Radardaten vor oder während der Erzeugung von Entfernungs-Doppler-Diagrammen ist nützlich, da die meisten Radarsysteme eine Erfassung an den Entfernungs-Doppler-Diagrammen vornehmen. Um die Rauschunterdrückung zu erzielen, sollten die Signalcharakteristiken von Radarechos von Zielen und der verschiedenen, in den Radardaten vorhandenen Rauscharten untersucht werden, um geeignete Verfahren für die Rauschunterdrückung zu bestimmen.
Die Ziele eines Radarsystems reflektieren die EM-Pulse, die von der Sendeantenne des Radarsystems gesendet werden. Daher sind die Radarechos von Zielen von den gesendeten EM-Impulsen abhängig. Die Ziele für eine Radarsystem, insbesondere in HFSWR-Radarsystem, umfassen diverse Objekte wie etwa Schiffe, Eisberge, Flugzeuge und Flugkörper. Jedes dieser Ziele besitzt eine eindeutige Radarsignatur, die als das Muster definiert ist, das jedes dieser Ziele auf einem Entfernungs-Doppler-Diagramm hervorruft, obgleich diese Radarsignaturen üblicherweise als Spitzen auftreten. Um die Radarsignaturen von Zielen zu verstärken, sollte eine spektrale Abschätzungstechni, die eine scharfe Spektralschätzung zur Verfügung stellen kann, zum Verstärken der spitzen Form der Radarsignaturen verwendet werden. Ferner sollten Ziele in Folge der Beobachtung einer Vielfalt von Zielen basierend auf Unterschieden in der Radarsignatur bevorzugt in zwei Klassen unterteilt werden: Oberflächenziele (d.h. Schiffe u. dgl.) und Luftziele (d.h. Flugzeuge u. dgl.). Zusätzlich sollte nicht vergessen werden, dass die Entfernungsauflösung und die Dopplerauflösung die Anzahl von Entfernungs-Doppler-Zellen beeinflussen, die in der Radarsignatur eines Zieles enthalten sind.
Zusätzlich besitzen die verschiedenen Formen von Clutter verschiedene Grade der räumlichen Korrelation. Beispielsweise besitzt Meeres-Clutter eine schlechte räumliche Korrelation. Um Meeres-Clutter zu unterdrücken und gleichzeitig Entfernungs-Doppler-Diagramme zu erzeugen, sollte daher eine spektrale Abschätzungsmethode verwendet werden, die Zielradarechos von Meeres-Clutter trennen kann, indem sie die Unterschiede der räumlichen Korrelation nutzt. Ionosphären-Clutter besitzt jedoche eine starke räumliche Korrelation und eine Radarsignatur, die entweder in Form von verteilten Zielen oder Punktzielen auftritt. Somit wird eine spektrale Abschätzungsmethode benötigt, die eine hohe räumliche Auflösung zur Verfügung stellen kann, die ausreichend ist, um die Radarsignatur von Ionosphären-Clutter von der Radarsignatur von Zielen zu trennen, die in einer anderen Richtung vorliegen. Ein Hochauflösungs-Spektralabschätzer ist ebenfalls nützlich, da bei der Spektralschätzung keine Seitenkeulen erzeugt werden. Somit verdunkeln Radarsignaturen aus Clutter nicht die Radarsignaturen von Zielen infolge einer spektralen Spreizung, die in FFT-basierenden Spektralabschätzern auftritt, da Ionosphären-Clutter auf weniger Entfernungs-Doppler-Zellen beschränkt ist. Dies tritt auf, da die Ionosphärenschichten nicht ideal entlang der Entfernungsdimension für verschiedene Azimuts verteilt sind.
Ein solcher Spektralabschätzer, der die oben genannten Kriterien erfüllt, ist der MUSIC (MUltiple SIgnal Classification)-Spektralabschätzer (Schmidt, R.O., "Multiple Emitter Location and Signal Parameter Estimation", IEEE Transactions AP-34, No. 3, 1986). Der MUSIC-Spektralabschätzer schätzt Signal- und Geräuschteilräume, die orthogonal (d.h. statistisch unabhängig) sind. Unter der Bedingung eines ausreichenden Signal-zu-Clutter-Verhältnisses (SCR) beinhaltet der Signalteilraum die Radarechos von möglichen Zielen, und der Geräuschteilraum beinhaltet Daten mit schlechter Korrelation, einschließlich Meeres-Clutter. Die von dem MUSIC-Spektralabschätzer erzeugte Spektralschätzung weist Spitzen für Signalvektoren auf, die orthogonal zu den Geräusvektoren sind, welche den Geräuschteilraum definieren. Daher sollten Radarsignaturen von Zielen durch den MUSIC-Spektralabschätzer verstärkt werden. Ferner erzeugt das MUSIC-Spektralabschätzungsverfahren eine Hochauflösungs-Spektralschätzung. Daher sollten die Radarsignaturen von Ionosphären-Clutter die Zielerfassung nicht beeinträchtigen, wenn der Azimut des Zieles nicht in der Richtung des Ionosphären-Clutter liegt, da das Fehlen von Seitenkeulen in der Hochauflösungs-Spektralschätzung eine spektrale Ausbreitung von Ionosphären-Clutter verhindert, die andernfalls die Radarsignatur von Zielen verdunkeln würde.
Die Signal- und Geräuschteilräume werden basierend auf einer Eigenwertzerlegung oder einer Singulärwertzerlegung (die mathematisch verwandt sind, wie dem Fachmann auf diesem Gebiet allgemein bekannt ist) einer Covarianzmatrix identifiziert, die Entfernungs-Doppler-Daten für eine gegebene Entfernungs-Doppler-Zelle RDC in einem Entfernungs-Doppler-Diagramm darstellt. Die Covarianzmatrix für die Entfernungs-Doppler-Zelle RDC sollte bevorzugt unter Verwendung von möglichst vielen Radardaten geschätzt werden, um eine statistisch robuste Schätzung zu erhalten. Herkömmlicherweise kann die Covarianzmatrix für die Entfernungs-Doppler-Zelle RDC unter Verwendung von Beobachtungen über eine Anzahl von Sensoren geschätzt werden. Jede Beobachtung kann durch einen Zeilenvektor x dargestellt werden, aus dem eine Covarianzmatrix C unter Verwendung des äusseren Produktes berechnet wird, wie dem Fachmann auf diesem Gebiet allgemein bekannt ist. Folglich wird die Covarianzmatrix C berechnet gemäß: C = xH·x (1)wobei H der Hermitische Operator ist, bei dem es sich um die komplex-konjugierte Transponierte einer Matrix oder eines Vektors handelt. Falls K Sensoren in einer Hauptsensorgruppe (d.h. der Empfangsantennengruppe) vorhanden sind, besitzt die Covarianzmatrix C eine Dimension K-mal-K (d.h. K Zeilen und K Spalten). Um eine geschätzte Covarianzmatrix basierend auf einer Anzahl von Beobachtungen zu berechnen, können Covarianzmatrizen für eine Vielzahl von Beobachtungsvektoren berechnet werden. Aus allen Covarianzmatrizen kann dann ein Durchschnitt hergestellt werden, um die geschätzte Covarianzmatrix C_est zu berechnen gemäß:
wobei C_i die Covarianzmatrix für den i-ten Beobachtungsvektor ist, und es N_c Beobachtungen gibt.
Im Anschluss an die Berechnung der Covarianzmatrix-Abschätzung C_est ist es erforderlich, die Eigenvektoren zu berechnen, die den Signalteilraum überspannen, und die Eigenvektoren, die den Geräuschteilraum überspannen. Die Eigenvektoren können mit jeglichen geeigneten Mitteln berechnet werden. Bevorzugt wird dies unter Verwendung der Singular Value Decomposition (SVD) erreicht, wie dem Fachmann auf diesem Gebiet allgemein bekannt ist. Die SVD der Covarianzmatrix-Abschätzung C_est ist angegeben durch: Gest = U·Σ·V (3)wobei U und V Matrizen mit Eigenvektoren sind, welche die Signal- und Geräuschteilräume überspannen, und Σ eine diagonale Matrix mit singulären Werten (σ₁2, σ₂ ²,..., σ_K ²) entlang der Diagonale ist. Bei K Sensoren in der Hauptsensorgruppe hat die Covarianzmatrix-Abschätzung C_est K unabhängige singuläre Werte, und K unabhängige Eigenvektoren, falls die Covarianzmatrix-Abschätzung C_est vollständig ist.
Die Eigenvektoren der Covarianzmatrix-Abschätzung C_est sind die Annäherung einer orthonormal Menge von Basisvektoren, von denen einige den Signalteilraum überspannen und einige den Geräuschteilraum überspannen. Die Amplituden der singulären Werte repräsentieren den Grad der räumlichen Korrelation des Signalanteils und der räumlichen Korrelation des Rauschanteils in der Vielzahl von Beobachtungsvektoren. Die Geräuschteilraum-Eigenvektoren werden erhalten durch Trennen der singulären Werte, die dem Geräuschteilraum zugeordnet sind, von den singulären Werten, die dem Signalteilraum zugeordnet sind. Schwellwertbildung kann verwendet werden, um die singulären Geräuschwerte von den singulären Signalwerten zu trenne, da die Größe der singulären Signalwerte typischerweise größer als diejenige der singulären Geräuschwerte ist. Als Alternative können die zwei Eigenvektoren, die den zwei größten singulären Werten zugeordnet sind, verworfen werden, da in der Praxis mit höchster Wahrscheinlichkeit höchstens zwei Ziele vorhanden sind, die in der gleichen Entfernung liegen und sich mit gleichen Geschwindigkeit bewegen. Die zwei größten Eigenvektoren repräsentieren dann diese Ziele. Eine Geräuschteilraummatrix-Schätzung N_est wird dann berechnet durch Beibehalten der Geräusch-Eigenvektoren, wie in Gleichung 4 gezeigt ist. Nest = U(:,b + 1:K) (4)wobei b bevorzugt 3 ist, wie vorausgehend erläutert wurde, so dass die beiden größten Eigenvektoren nicht in der Geräuschteilraummatrix-Schätzung N_est vorliegen. Die MUSIC-Spektralschätzung wird dann berechnet gemäß:
wobei die Matrix F Vektoren enthält, entlang denen einige der Signals gerichtet sein können. Da die Signalvektoren orthogonal zu dem durch die Geräusch-Eigenvektoren definierten Geräuschteilraum sind, erzeugt die MUSIC-Spektralabschätzung eine Spitze am spektralen Ort des Signals. Ferner berücksichtigt das MUSIC-Spektralabschätzungsverfahren nicht die singulären Werte, was nützlich ist, weil die Bragg-Linien die singulären Werte korrumpieren und insofern mögliche Ziele verdunkeln. Um jedoch eine gute MUSIC-Spektralabschätzung zu erhalten, wird eine angemessene statistische Charakterisierung der Signale in der Covarianzmatrix-Abschätzung benötigt. Die Leistungsfähigkeit eines MUSIC-Spektralabschätzers hängt stark von der Menge und Art der zum Berechnen der Covarianzmatrix-Abschätzung verwendeten Daten ab.
Unter Bezugnahme auf 5 ist dort ein Spektralgenerator 10 gemäß der vorliegenden Erfindung gezeigt. Der Spektralgenerator 10 empfängt eine Vielzahl von Entfernungs-Doppler-Daten RD₁, RD₂,..., RD_K. Jedes Entfernungs-Doppler-Datensignal ist eine zweidimensionale Datenreihe, die aus Radardaten erzeugt wird, die von einem bestimmten Sensor einer Hauptsensorgruppe mit einer Anzahl von Sensoren S₁, S₂,..., S_K (in 5 nicht gezeigt) aufgezeichnet wird. Jeder Sensor kann ein dem Fachmann bekanntes Empfangsantennenelement sein, das für den Empfang von Radarsignalen geeignet ist. Für den Fachmann sollte es verständlich sein, dass die zum Erzeugen der Entfernungs-Doppler-Daten RD₁, RD₂,..., RD_K gesammelten Radardaten von vorverarbeiteten Radardaten abgeleitet sind, die herkömmlichen Signalverarbeitungsoperationen unterzogen wurden, welche Bandpassfiltern, Heterodyn-Verarbeitung, A/D-Wandlung, Demodulation und Downsampling umfassen. Die Radardaten werden auch einem angepassten Filtern unterzogen, für eine weitere Geräuschverringerung, und um Entfernungs-Wrap entgegen zu wirken. Die Radardaten werden dann einer Dopplerverarbeitung zur Erzeugung der Entfernungs-Doppler-Daten RD₁, RD₂, ..., RD_K unterzogen. Diese Operationen sind dem Fachmann auf diesem Gebiet allgemein bekannt und werden nicht weiter beschrieben. Ferner dürfte es für den Fachmann verständlich sein, dass alle Elemente der Erfindung das Verarbeiten von Daten ermöglichen, die komplex sind (d.h. die reale und imaginäre Teile aufweisen).
Wie in 5 gezeigt ist, weist der Spektralgenerator 10 einen Fenstergenerator 12, einen Covarianzmatrixrechner 14 in Verbindung mit dem Fenstergenerator 12 und den Entfernungs-Doppler-Daten RD₁, RD₂,..., RD_K, einen Teilraumrechner 16 in Verbindung mit dem Covarianzmatrixrechner 14, einen Ortsmatrixgenerator 18, und einen Spektrumrechner 20 in Verbindung mit dem Teilraumrechner 16 und dem Ortsmatrixgenerator 18 auf. Der Spektralgenerator 10 kann eine Vielzahl von Hochauflösungsspektren 22 aus den Entfernungs-Doppler-Daten RD₁, RD₂,..., RD_K erzeugen. Der Spektralgenerator 10 kann jedoch auch zumindest ein Hochauflösungsspektrum 24 erzeugen. Die Anzahl von Hochauflösungsspektren 24, die von dem Spektralgenerator 10 erzeugt werden, hängt von dem Ortsmatrixgenerator 18 ab, wie weiter unten erläutert wird.
Wie bereits erwähnt wurde, sind die Entfernungs-Doppler-Daten RD₁, RD₂,..., RD_K zweidimensionale Datensignale, die von Radardaten abgeleitet sind, die von einem bestimmten Sensor S_i in einer Hauptsensorgruppe aufgezeichnet wurden. Unter Bezugnahme auf 6a ist ein Entfernungs-Doppler-Datensignal RD_i dadurch definiert, dass es einen aktiven Bereich 26 mit einer Vielzahl von Entfernungs-Doppler-Zellen 28 sowie eine Schutzbereich 30 mit ebenfalls einer Vielzahl von Entfernungs-Doppler-Zellen (in 6a nicht gezeigt) aufweist. 6a ist nicht maßstabsgetreu und enthält eigentlich viel mehr Entfernungs-Doppler-Zellen 28 in dem aktiven Bereich 26, als gezeigt sind. Die Notwendigkeit des Schutzbereiches 30 wird im Nachfolgenden erläutert. Jede Zelle 28 in dem aktiven Bereich 26 wird von dem Spektralgenerator 10 verarbeitet, um mindestens ein Hochauflösungsspektrum 24 (d.h. mindestens ein Hochauflösungs-Entfernungs-Doppler-Diagramm) zu erzeugen. Die Entfernungs-Doppler-Zellen im Schutzbereich 30 werden nicht für eine Zielerfassung verarbeitet.
Jedes Hochauflösungsspektrum 24 wird für einen gegebenen Azimut θ erzeugt. Unter Bezugnahme auf 6b ist der Azimut θ der Winkel, den ein Hauptstrahl MB mit der Mitte der Hauptsensorgruppe 32 herstellt. Der Hauptstrahl MB wird von der Hauptsensorgruppe 32 insofern erzeugt, als die von den Sensoren der Hauptsensorgruppe 32 aufgezeichneten Radardaten gewichtet werden (d.h. eine Gewichtung pro Sensor), um den Eindruck zu erzeugen, dass die Hauptsensorgruppe 32 in der Richtung des Azimut θ gerichtet war, während sie die Radardaten aufzeichnete. Eine herkömmliche Strahlformung stimmt den Hauptstrahl MB der Hauptsensorgruppe 32 unter Verwendung von Gewichtungen ab, die denjenigen ähnlich sind, die in dem FFT-Spektralabschätzer verwendet werden. Der Spektralgenerator 10 der vorliegenden Erfindung verwendet jedoch bevorzugt das MUSIC-Spektralabschätzungsverfahren, um den Hauptstrahl MB zur Erzeugung einer höheren Winkelauflösung abzustimmen.
Um das MUSIC-Spektralabschätzungsverfahren zu implementieren, erzeugt der Fenstergenerator 12 ein gewichtetes Fenster mit einer Vielzahl von Gewichtungen. Das gewichtete Fenster definiert eine Vielzahl von Entfernungs-Doppler-Zellen, aus denen Covarianzmatrizen C zum Berechnen der Covarianzmatrix-Abschätzung C_est für eine interessierende Entfernungs-Doppler-Zelle erhalten werden, die bevorzugt in der Mitte des gewichteten Fensters liegt. Das gewichtete Fenster ist so definiert, dass es zumindest zwei Regionen aufweist, die eine erste Region und eine zweite Region umfassen. Die erste Region befindet sich in einem inneren Teil des gewichteten Fensters. Die zweite Region umgibt die erste Region und hat Gewichtungen, die bevorzugt so gewählt sind, dass sie weniger als oder gleich den Gewichtungen in der ersten Region sind. Als Alternative ist unter Bezugnahme auf 7a eine Ausführungsform eines gewichteten Fensters 34 gezeigt, mit einer ersten Region 36, einer zweiten Region 38, die die ersten Region 36 umgibt, und einer dritten Region 40, die die zweite Region 38 umgibt. Die Gewichtungen in der zweiten Region 38 sind bevorzugt so gewählt, dass sie weniger als oder gleich den Gewichtungen in der ersten Region 36 sind, und die Gewichtungen in der dritten Region 40 sind bevorzugt so gewählt, dass sie weniger als oder gleich den Gewichtungen in der zweiten Region 38 sind. Ferner braucht die Form der ersten Region 36, der zweiten Region 38 und der dritten Region 40 nicht eine rechteckige Form gemäß der Darstellung in 7a zu sein, sondern kann eine beliebige Form sein. Die Form ist jedoch bevorzugt an das Ziel angepasst, das in dem Entfernungs-Doppler-Diagramm verstärkt werden soll.
Der Fenstergenerator 12 kann unterschiedliche gewichtete Fenster erzeugen je nach dem Radarmodus des Betriebs (d.h. beispielsweise, ob Oberfläche- oder Luftziele erfasst werden sollen). Die Größe der gewichteten Fenster hängt auch von der Entfernungs- und Dopplerauflösung des Radarsystems, der Art des Geräuschs in den Entfernungs-Doppler-Daten, und der Gültigkeit der Covarianzmatrix-Abschätzung ab. Beispielsweise ist unter Annahme einer Entfernungsauflösung von 7,5 km ein Beispiel für ein gewichtetes Fenster 34', das verwendet werden kann, wenn der Radarbetriebsmodus auf den Luftmodus eingestellt ist, in 7b gezeigt. Unter Bezugnahme auf 7c ist dort ein Beispiel für ein gewichtetes Fenster 34'' gezeigt, das verwendet werden kann, wenn der Radarbetriebsmodus auf den Schiffsmodus gestellt ist.
Die Covarianzmatrix-Abschätzung C_est wird bevorzugt durch Errechnen des gewichteten Durchschnitts aller Covarianzmatrizen C für jede Entfernungs-Doppler-Zelle in dem gewichteten Fenster 34 erhalten. Unter Bezugnahme auf 7d können die Entfernungs-Doppler-Datensignale RD₁, RD₂,..., RD_K verkettet werden, um Entfernungs-Doppler-Sensor-Daten 42 zu bilden, die als ein dreidimensionaler Datenkubus gezeigt sind, wobei sich gemäß dem in 7d gezeigten x-y-z-Koordinatensystem die Entfernungsdimension entlang der z-Achse, die Dopplerdimension entlang der y-Achse, und die Sensordimension entlang der x-Achse erstreckt. Ferner sind die Radardaten 42 gemäß einer CIT in Zeitsegmente segmentiert. Die CIT is bevorzugt je nach verschiedenen Radar-Betriebsarten verschieden. Die CIT kann bei einer Flugkörper- oder Flugzeugerfassung 10 bis 40 Sekunden betragen. Als Alternative kann die CIT bei einer Schiffserfassung oder bei einer Beobachtung ozeanografischer Bedingungen auch 2 bis 5 Minuten betragen.
Unter Bezugnahme auf den Entfernungsvektor 44 gibt es eine Reihe von Entfernungszellen mit Entfernungsindexwerten R₁, R₂,..., R_N, welche die EM-Werte enthalten, die von dem Sensor S₁ im Ansprechen auf den ersten gesendeten EM-Impuls aufgezeichnet wurden. Die Distanz, welche eine gegebene Entfernungszelle darstellt, wird durch Aufzeichnen der Zeit errechnet, bei der der EM-Wert für die Entfernungszelle abgetastet wurde in Bezug auf die Zeit, an der der entsprechende EM-Impuls gesendet wurde, Multiplizeren dieser Zeit mit der Geschwindigkeit von Licht und Teilen durch Zwei. Im Hinblick auf den Dopplervektor 46 gibt es eine Reihe von Dopplerzellen mit Doppler-Indexwerten D₁, D₂,..., D_M, die EM-Werte enthalten, welche mittels Durchführung einer FFT (einer herkömmlichen Operation, die dem Fachmann geläufig ist) an Radarechos von Impulsen erhalten wurden, die bei der CIT für die von dem Sensor S₁ aufgezeichneten Radardaten an dem Entfernungswert des Entfernungsindexwertes R₁ gesendet wurden. Im Hinblick auf den Sensorvektor 48 gibt es eine Reihe von EM-Werten, die von jedem Sensor S₁, S₂,..., S_K bei dem Entfernungswert des Entfernungsindexes R₁ nach dem Senden des letzten EM-Impulss (bei diesem Beispiel) gemessen werden. Somit wurde jeder der EM-Wert, die in dem Sensorvektor 48 enthalten sind, zu einem gleichen Zeitpunkt (daher der gleiche Entfernungsindex R₁) nach dem gleichen gesendeten EM-Impuls abgetastet.
Unter Bezugnahme auf 7d und 7e wird das gewichtete Fenster 34 auf den Radardaten 44 platziert, um einen Teil der Radardaten 50 zur Verwendung bei der Covarianzmatrix-Abschätzung zu verwenden. Das gewichtete Fenster 34 ist zweidimensional, um die Umgebung von Entfernungs-Doppler-Zellen entlang der Entferungs- und Dopplerdimensionen zu identifizieren, die für die Covarianzmatrix-Abschätzung benötigt werden. Sensorvektoren für jede dieser Entfernungs-Doppler-Zellen werden daraufhin aus den Radardaten 42 erhalten, die durch den Kubus 50 dargestellt sind. Jeder Sensorvektor ist analog zu dem Vektor x in der Gleichung 1. Bevorzugt wird die Covarianzmatrix-Abschätzung C_est für die zentrale Entfernungs-Doppler-Zelle RDC in dem Teil der Radardaten 50 basierend auf den vorausgehend erwähnten Sensorvektoren erhalten, für die der Sensorvektor 48 ein Beispiel aus dem Teil der Radardaten 50 ist. Aus diesen Sensorvektoren werden Covarianzmatrizen gemäß Gleichung 1 von dem Covarianzmatrixrechner 14 erzeugt. Die Covarianzmatrix-Abschätzung C_est wird daraufhin von dem Covarianzmatrixrechner 14 berechnet gemäß:
wobei WW eine Matrix ist, welche die Gewichtungen des gewichteten Fensters 34 enthält, g und h Indices sind, welche die Zeilen und Spalten des gewichteten Fensters 34 überspannen, und C_gh die Covarianzmatrix für den Sensorvektor in demjenigen Teil der Radardaten 50 ist, der der g-ten Zeile und der h-ten Spalte des gewichteten Fensters 34 entspricht.
Erneut unter Bezugnahme auf 7b und 7c weisen die gewichteten Fenster 34' und 34'' drei Regionen auf, wobei die erste Region 36 Gewichtungen von bevorzugt gleich dem Wert 1, die zweite Region 38 Gewichtungen bevorzugt gleich dem Wert 0,5, und die dritte Region 40 Gewichtungen bevorzugt gleich dem Wert 0,1 aufweist. Ferner ist die Form der ersten Region für jedes gewichtete Fenster 34' und 34'' verschieden, da die gewichteten Fenster 34' und 34'' für verschiedene Radar-Betriebsarten erzeugt wurden. Verschiedene Gewichtungen können auch für verschiedene Radar-Betriebsarten verwendet werden. Die erste Region 36 ist bevorzugt so geformt, dass sie mit der erwarteten Radarsignatur für Luftziele in dem gewichteten Fenster 34' und für Oberflächenziele in dem gewichteten Fenster 34'' überein stimmt. Um die Leistung eines möglichen Zieles in der Covarianzmatrix-Abschätzung C_est beizubehalten, sind die Gewichtungen in der ersten Region des gewichteten Fensters 34 die größten Gewichtungen in dem gewichteten Fenster 34. Um die statistische Robustheit der Covarianzmatrix-Abschätzung C_est zu erhöhen, werden auch die Covarianzmatrizen für Entfernungs-Doppler-Zellen in der zweiten 38 und der dritten Region 40 verwendet. Diesen Covarianzmatrizen wird jedoch bevorzugt nicht so viel Gewicht bei der Berechnung der Covarianzmatrix-Abschätzung C_est gegeben, da es nicht wahrscheinlich ist, dass die Entfernungs-Doppler-Zellen in der zweiten 38 und der dritte Region 40 viel von der Radarsignatur eines möglichen Zieles enthalten, wenn das gewichtete Fenster auf ein mögliches Ziel zentriert ist. Wie dem Fachmann allgemein bekannt ist, erscheinen die möglichen Ziele als Spitzen in einem Entfernungs-Doppler-Diagramm.
Somit enthalten die zweite 38 und die dritte Region 40 die Flanken oder die Radarsignatur eines möglichen Zieles wie auch Rauschen, wenn das gewichtete Fenster 34 auf das mögliche Ziel zentriert ist. Daher erhöht sich die Amplitude des Rauschens in einer Entfernungs-Doppler-Zelle relativ zu der Amplitude der Radarsignatur des möglichen Zieles mit einer Zunahme der Distanz zwischen der Entfernungs-Doppler-Zelle und der ersten Region 36 in dem gewichteten Fenster 34. Somit ist es bevorzugt, abnehmende Gewichtungen in dem gewichteten Fenster 34 zu haben, wähernd man sich von der ersten Region 36 in die zweite Region 38 und von der zweiten Region 38 in die dritte Region 40 bewegt, um eine Schätzung des Hintergrundrauschens in der Covarianzmatrix zu erhalten, wobei die Gewichtungen skaliert sind, um die Amplitude eines möglichen Zieles in dem gewichteten Fenster 34 beizubehalten.
Erneut unter Bezugnahme auf 5 kommuniziert der Covarianzmatrixrechner 14 mit dem Teilraumrechner 16. Der Teilraumrechner 16 enthält ein SVD Modul 52, einen Dimensionswähler 54 und einen Geräuschteilraummatrix-Rechner 56. Das SVD-Modul 52 steht mit dem Covarianzmatrixrechner 14 in Verbindung, um die Covarianzmatrix-Abschätzung C_est zu empfangen und eine Singulärwertzerlegung an der Covarianzmatrix-Abschätzung C_est durchzuführen. Jedes geeignete Singulärwertzerlegungsverfahren, das dem Fachmann allgemein bekannt ist, kann von dem SVD-Modul 52 verwendet werden.
Der Dimensionswähler 54 steht mit dem SVD-Modul 52 in Verbindung, um die Matrix Σ zu empfangen, die von der Singulärwertzerlegung der Covarianzmatrix-Abschätzung C_est berechnet wird. Der Dimensionswähler 52 bestimmt die Dimension der Signal- und Geräuschteilräume. Der Dimensionswähler 52 kann eine Anzahl von verschiedenen Techniken zum Schätzen dieser Dimensionen anwenden. Eine dieser Techniken ist es, einen Schwellwert zu verwenden, um diejenigen singulären Werte einzubeziehen, die größer als der Schwellwert sind, um einen Signalteilraum zu bilden. Durch Verringern des Schwellwertes wird es Zielen mit einer schwachen räumlichen Korrelation ermöglicht, im Ausgang zu erscheinen. Mit anderen Worten, die Empfindlichkeit des Spektralgenerators 10 wird erhöht, um Ziele mit einem schlechten poor Signal-zu-Rausch-Verhältnis zu betonen. Wie jedoch. vorausgehend erwähnt wurde, ist die Möglichkeit von mehr als 2 oder 3 Zielen bei verschiedenen Azimuts mit der gleichen Entfernung und gleichen Dopplerwerten gering. Somit kann der Dimensionswähler 52 eingestellt werden, um einen Signalteilraum einer Dimension von bevorzugt gleich Zwei zu wählen.
Es sollte nicht vergessen werden, dass für Geräusch/Clutter ohne eine weisse räumliche Verteilung die geschätzte Rauschleistung in Abhängigkeit von dem Korrelationsgrad des Geräuschs/Clutters schwankt. Ferner ist bei Radarsignaturen von möglichen Zielen mit einer schlechten räumlichen Korrelation (d.h. niedriges SCR) das Ziel durch mehr als einen singulären Wert dargestellt und kann sich unter den singulären Geräuschwerten befinden. Um die Radarsignaturen von diesen Zielen in einem Entfernungs-Doppler-Diagramm zu verstärken, sollte die Geräuschteilraumdimension bevorzugt herabgesetzt werden, wie im Nachfolgenden beschrieben ist.
Der Geräuschteilraummatrix-Rechner 56 steht mit dem SVD-Modul 52 in Verbindung, um die Matrix U zu empfangen (alternativ könnte die Matrix V verwendet werden, da die Matrix V mit der Matrix U verwandt ist). Der Geräuschteilraummatrix-Rechner 56 steht auch mit dem Dimensionswähler 54 in Verbindung, um die Signalteilraumdimension zu empfangen. Der Geräuschteilraummatrix-Rechner 56 bildet eine Geräuschteilraummatrix aus Eigenvektoren, die dem Geräuschteilraum der Covarianzmatrix-Abschätzung C_est entsprechen. Die Geräuschteilraummatrix-Schätzung N_est wird dann gemäß Gleichung 4 berechnet. Die Geräuschteilraummatrix-Schätzung N_est hat eine Dimension (K-b)-mal-K.
Der Ortsmatrixgenerator 18 erzeugt eine Ortsmatrix A mit Gewichtungen, die verwendet werden, um die Vielzahl von Hochauflösungsspektrumen 22 zu erzeugen. die Ortsmatrix A ist angegeben durch die Gleichung 7. A = [Aθ1; Aθ2; Aθ3; ..., AθZ], –π ≤ θ1 ≤ π (7)
Ein Ortsvektor A_θi ist ein Vektor, der angegeben ist durch: Aθi = [1 ej2π(d/λ)sin(θi) ej4π(d/λ)sin(θi)...ej2π(K-1)d/λsin(θi)]T wobei K die Anzahl von Sensoren in der Hauptsensorgruppe 32 ist, d der Abstand zwischen jedem Sensor in der Hauptsensorgruppe 32 ist, λ die Wellenläge des gesendeten EM-Impulses ist, und θ_i der Azimutwert ist, für den das Hochauflösungs-Diagramm erzeugt wird. Für den Fachmann ist die Ortsmatrix A ist auch als der Anordnungs-Manifold bekannt, und jeder Ortsvektor A_θi ist auch als ein Anordnungs-Manifold-Vektor bekannt. Es kann für jeden möglichen Zielazimut einen anderen Ortsvektor A_θi geben. Da es eine Vielzahl von möglichem Zielazimuth gibt, gibt es bevorzugt eine Vielzahl von möglichen Anordnungs-Manifold-Vektoren A_θi in der Ortsmatrix A.
Die Ortsmatrix A hat eine Dimension von K-mal-Z. Jeder Ortsvektor A_θi wird verwendet, um ein verschiedenes Hochauflösungsspektrum 24 zu erzeugen, wie nachfolgend erörtert wird. Somit bestimmt die Anzahl von Ortsvektoren A_θi in der Ortsmatrix A die Anzahl von Hochauflösungsspektrumen 24, die von dem Spektralabschätzer 10 erzeugt werden. Wenn also die Ortsmatrix A nur eine Spalte hat, dann wird nur ein räumliches Hochauflösungsspektrum 24 erzeugt. Die Anzahl von Ortsvektoren A_θi und die Azimutauflösung (d.h. die Differenz zwischen zwei aufeinander folgenden Azimutwerten wie etwa θ₁ und θ₂, θ₂ und θ₃, usw.) kann von einem Anwender des Spektralgenerators 10 vor dem Betrieb des Spektralgenerators 10 vorherbestimmt und angegeben werden.
Der Spektrumrechner 20 steht mit dem Ortsmatrixgenerator 18 in Verbindung, um die Ortsmatrix A zu empfangen. Der Spektrumrechner 20 steht auch mit dem Teilraumrechner 16 in Verbindung, um die Geräuschteilraummatrix-Schätzung N_est zu empfangen. Der Spektrumrechner 20 berechnet einen Hochauflösungs-Spektralvektor MUS_RDC, der einen Wert für jedes der Vielzahl von Hochauflösungsspektrumen 22 an der Entfernungs-Doppler-Zelle RDC zur Verfügung stellt, für die die Covarianzmatrix-Abschätzung C_est ursprünglich berechnet wurde, gemäß Gleichung 10:
wobei der Operator diag( ) die Werte entlang der Diagonalen der Matrix A^H·N_est·N_estH·A ergibt. Gleichung 10 ist gemäß dem MUSIC-Spektralabschätzungsverfahren. Der resultierende Vektor MUS_RDC ist ein eindimensionaler Azimutvektor mit einer Dimension von 1-mal-Z. Die Hochauflösungs-Spektralabschätzung resultiert aus der Projektion der array manifold Vektoren auf den Geräuschteilraum, der durch N_est definiert ist. Falls es ein mögliches Ziel in der Richtung eines array manifold Vektors gibt, dann ist er im Wesentlichen orthogonal zu dem Geräuschteilraum, und der Denominator in Gleichung 10 wird sehr klein. Dies resultiert in einer Spitze in der Spektralabschätzung MUS_RDC bei den Raumfrequenzen des möglichen Zieles. Der Ausdruck "im Wesentlichen orthogonal" wird verwendet, um anzugeben, dass der Geräuschteilraum eine Annäherung ist, da er aus endlichen Daten abgeschätzt wird. Zu diesem Zeitpunkt wird der Hochauflösungs-Spektralvektor MUS_RDC in einem geeigneten Speichermittel gespeichert, so dass der Ort des Hochauflösungs-Spektralvektors MUS_RDC dem Ort des Sensorvektors für diese gleiche Entfernungs-Doppler-Zelle in den Entfernungs-Doppler-Sensor-Daten 42 entspricht. Das Speichermittel kann jedes geeignte Element sein, das dem Fachmann bekannt ist, wie z.B. eine Datenbank, ein Festplattenlaufwerk, eine CD-ROM u. dgl..
Die oben stehende Erörterung betrifft die Erzeugung einer Hochauflösungs-Spektralabschätzung für eine Entfernungs-Doppler-Zelle. Somit müssen der Covarianzmatrixrechner 14, der Teilraumrechner 16 und der Spektrumrechner 20 einen Hochauflösungs-Spektralvektor MUS_RDC für jede Entfernungs-Doppler-Zelle in dem aktiven Bereich 26 der Entfernungs-Doppler-Daten RD₁, RD₂,..., RD_K erzeugen, indem sie das gewichtete Fenster 34 über die Entfernungs-Doppler-Zellen verschieben und die oben aufgeführten Operationendurchführen. Jeder erzeugte Hochauflösungs-Spektralvektor wird in dem Speichermittel gespeichert, so dass ein Satz von Rauschunterdrückungs-Hochauflösungs-Entfernungs-Doppler-Azimutdaten erzeugt wird. Dieser Datensatz ist dreidimensional und umfasst eine Entfernungsdimension, eine Dopplerdimension und eine Azimutdimension. Eines der Hochauflösungsspektrums 24 wird erhalten durch Nehmen einer zweidimensionalen Scheibe des Satzes von rauschunterdrückten Hochauflösungs-Entfernungs-Doppler-Azimutdaten für einen gegebenen Azimutwert.
Unter Bezugnahme auf 8 ist dort ein Spektralerzeugungsverfahren 60 gezeigt, das von dem Spektralgenerator 10 gemäß der vorliegenden Erfindung durchgeführt wird. Die Berechnungen, die während des Spektralerzeugungsverfahrens 60 durchgeführt werden, wurden bereits vorausgehend erörtert und werden vorliegend nicht ausführlich erörtert. Das Spektralerzeugungsverfahren 60 beginnt in Schritt 62, in dem das gewichtete Fenster 34 erzeugt wird. Der nächste Schritt 64 ist die Erzeugung der Ortsmatrix A. Eine Entfernungs-Doppler-Zelle wird dann gewählt, für die ein Hochauflösungs-Spektralvektor gemäß den Schritten 68 bis 76 erzeugt wird. In Schritt 68 wird die Covarianzmatrix-Abschätzung C_est für die Entfernungs-Doppler-Zelle berechnet. Daraufhin wird eine Singulärwertzerlegung an der Covarianzmatrix-Abschätzung C_est in Schritt 70 durchgeführt. Die Signalteilraum-Dimension wird dann in Schritt 72 gewählt, und die Geräuschteilraummatrix-Schätzung N_est für die Entfernungs-Doppler-Zelle wird in Schritt 74 berechnet. Der Hochauflösungs-Spektralvektor MUS_RDC wird dann für die Entfernungs-Doppler-Zelle in Schritt 76 berechnet. Dieser Vektor wird auf die oben beschriebene Weise gespeichert. Falls in Schritt 78 bestimmt, dass es noch mehr Entfernungs-Doppler-Zellen zu verarbeiten gibt, geht das Spektralabschätzungsverfahren 60 weiter zu Schritt 66, in dem die nächste Entfernungs-Doppler-Zelle gewählt wird. Das gewichtete Fenster 34 wird so verschoben, dass die als nächste zu verarbeitende Entfernungs-Doppler-Zelle bevorzugt in der Mitte des gewichteten Fensters 34 ist. Die Operationen in den Schritten 68 bis 76 werden dann wiederholt.
Das Spektralerzeugungsverfahren 60 kann an der linken oberen Ecke des aktiven Bereichs 26 der Entfernungs-Doppler-Daten RD₁, RD₂,..., RD_K beginnen und jede Entfernungs-Doppler-Zelle in dieser Zeile verarbeiten, bis die letzte Entfernungs-Doppler-Zelle in dieser Zeile verarbeitet ist. Zu diesem Zeitpunkt kann das gewichtete Fenster 34 um eine 1 Zeile nach unten verschoben und auf die Entfernungs-Doppler-Zelle ganz links in dem aktiven Bereich 26 platziert werden, so dass alle Entfernungs-Doppler-Zellen in dieser Zeile (d.h. Entfernung) verarbeitet werden können. Auf diese Weise werden alle Entfernungs-Doppler-Zellen für die Entfernungs-Doppler-Daten RD₁, RD₂, ..., RD_K von dem Spektralerzeugungsverfahren 60 verarbeitet. Dies kann als eine zeilenweise Verarbeitung der Entfernungs-Doppler-Zellen bezeichnet werden. Als Alternative können andere Verfahren zum Verschieben entlang der Entfernungs-Doppler-Zellen der Entfernungs-Doppler-Daten RD₁, RD₂,..., RD_K zum Erzeugen von mindestens einem Hochauflösungsspektrum 24 verwendet werden. Beispielsweise können die Entfernungs-Doppler-Zellen spaltenweise verarbeitet werden.
Wenn das Spektralerzeugungsverfahren 60 an Entfernungs-Doppler-Zellen nahe oder auf den Kanten des aktiven Bereichs 26 arbeitet, werden die Entfernungs-Doppler-Zellen in dem Schutzbereich 28, die innerhalb des gewichteten Fensters 34 fallen, zum Berechnen der Covarianzmatrix-Abschätzung C_est verwendet. Dies ist der Grund für die Einbeziehung des Schutzbereichs 30 um den aktiven Bereich 26 der Entfernungs-Doppler-Daten RD₁, RD₂,..., RD_K. Somit wird eine spektrale Abschätzung nur für solche Entfernungs-Doppler-Zellen durchgeführt, die in dem aktiven Bereich 26 liegen.
Bestimmte Variationen des MUSIC-Spektralabschätzungsverfahrens können in dem Spektralabschätzer 10 und dem Spektralabschätzungsverfahren 60 der vorliegenden Erfindung verwendet werden. Alternative spektrale Abschätzverfahren umfassen das Root-MUSIC Spektralabschätzungsverfahren (Barabell, A.J., 1983, "Improving the resolution performance of eigenstructure based direction finding algorithms", in ICASSP Proceedings, Boston, MA, 1983, S. 336-339), das Eigenvektor-Verfahren (verwendet eine gewichtete Version des MUSIC-Spektralabschätzungsverfahrens) und das Root-Eigenvektorverfahren. Eine andere Alternative kann das Delta-MUSIC- oder Derivative-MUSIC-Spektralabschätzungsverfahren sein, das nicht nur die Signalrauminformation der Korrelationsmatrix benutzt, sondern auch die räumliche Ableitung der Korrelationsmatrix. Das Delta-MUSIC Spektralabschätzungsverfahren kann als ein Beispiel für einen hochauflösenden Summen-/Differenz-Strahlformer angesehen werden. Ferner besitzt das Delta-MUSIC-Verfahren einen Auflösungsschwellwert, der demjenigen des MUSIC-Spektralabschätzungsverfahrens weit überlegen und gegen das Problem der Quellkorrelation oder von eng benachbarten Quellen relativ unempfindlich ist. Es können auch andere teilraumbasierte Spektralabschätzungsverfahren wie etwa das ESPRIT-Verfahren angewendet werden.
Unter Bezugnahme auf 9a ist dort ein Entfernungs-Doppler-Diagramm gezeigt, das für ein Beispiel von Radardaten unter Verwendung einer FFT-basierten Strahlformung erhalten wurde, die dem Fachmann allgemein bekannt ist. Die Radardaten wurden während der Wintermonate aufgezeichnet. Die Radardaten enthalten ein Ziel 80 (in 9a nicht sichtbar) in einer Entfernung von 109 km mit einem Azimutwinkel von 8,6°. Die Bragg-Linien erster und höherer Ordnung sind in 9a zu sehen. Das Ziel 80 ist jedoch nicht zu sehen. Unter Bezugnahme auf 9b zeigt eine Scheibe des Entfernungs-Doppler-Diagramms von 9a entlang der Dopplerdimension bei der Entfernung des Zieles 80 das Vorhandensein von starkem Meeres-Clutter, das die Erfassung des Zieles 80 angesichts eines niedrigen SCR von weniger als 10 dB verhindert.
Unter Bezugnahme auf 10a und 10b zeigt 10a ein Hochauflösungs-Entfernungs-Doppler-Diagramm der Radardaten von 9a, während 10b eine Scheibe entlang der Doppler-Dimension des Hochauflösungs-Entfernungs-Doppler-Diagramms von 10a zeigt. Sowohl 10a als auch 10b zeigen, dass das Ziel 80 nach Anwendung des Spektralabschätzungsverfahrens 60 der vorliegenden Erfindung sichtbar wird. Der Meeres-Clutter wurde auf Grund seiner schlechten räumlichen Korrelation unterdrückt. Das Ziel weist ein SSCR (d.h. eine Signal-zu-Signal plus Clutter-Verhältnis) von 20 dB auf.
Unter Bezugnahme auf 11a ist dort ein Entfernungs-Doppler-Diagramm gezeigt, das für ein anderes Beispiel von Radardaten unter Verwendung einer FFTbasierenden Strahlformung erhalten wurde. Die Radardaten enthalten ein Ziel 82 (in 11a nicht sichtbar) in einer Entfernung von 127,7 km mit einem Azimut von 50°. Die Bragg-Linien erster und höherer Ordnung in 11 verhindern eine Zielerfassung. Unter Bezugnahme auf 11b ist dort ein Hochauflösungs-Entfernungs-Doppler-Diagramm der Radardaten von 11a gezeigt, das von dem im Luftmodus arbeitenden Spektralgenerator 10 erzeugt wurde. Das Ziel 82 ist nun dank der Unterdrückung von Clutter sichtbar. Das Ziel 82 weist ein SSCR von ca. 20 dB auf.
Unter Bezugnahme auf 12a ist dort ein Entfernungs-Doppler-Diagramm gezeigt, das mittels herkömmlicher Strahlformung eines anderen Beispiels für Radardaten erzeugt wurde, die während der Sommermonate aufgezeichnet wurden. Die Radardaten weisen ein Ziel 84 in einer Entfernung von 110 km und mit einem Azimut von –39° auf. Auf Grund des spektralen Ausbreitungseffektes (d.h. des Seitenkeuleneffektes) bei der Durchführug der FFT-basierenden spektralen Abschätzung verschmiert starker Ionosphären-Clutter in der gleichen Entfernung wie das Ziel 84, aber mit einem geringfügig anderen Azimutwinkel, die Radarsignatur des Zieles 84, indem er den Clutterpegel um das Ziel 84 erhöht. Daher ist das Ziel 84 nicht sichtbar.
Unter Bezugnahme auf 12b ist dort ein Hochauflösungs-Entfernungs-Doppler-Diagramm der Radardaten von 12a gezeigt, das von dem Spektralgenerator 10 der vorliegenden Erfindung erzeugt wurde. Das Hochauflösungs-Entfernungs-Doppler-Diagramm liefert das Aussehen eines stärkeren Zieles im Vergleich mit dem Entfernungs-Doppler-Diagramm von 12a. Dieses Beispiel zeigt, dass der Hochauflösungs-Spektralabschätzer aus der hohen Winkelauflösung und dem Fehlen des Seitenkeuleneffektes Nutzen zieht. Das Ziel 84 weist nun ein SSCR von 25 dB auf.
Unter Bezugnahme auf 12c bis 12e zeigt 12c eine Scheibe entlang der Doppler-Dimension des Hochauflösungs-Entfernungs-Doppler-Diagramms von 12b bei der Entfernung des Zieles 84. Das Ziel 84 besitzt eine große Spitze im Vergleich mit dem umgebenden Hintergrundrauschen. 12d zeigt eine Scheibe entlang der Entfernungsdimension des Hochauflösungs-Entfernungs-Doppler-Diagramms von 12b bei der Dopplerfrequenz des Zieles 84. 12d zeigt auch, dass das Ziel 84 eine große Spitze im Vergleich mit dem umgebenden Hintergrundrauschen aufweist. 12e zeigt ein Hochauflösungs-Azimutdiagramm der Radardaten von 12a bei der Entfernung und Dopplerfrequenz des Zieles 84. 12e gibt eine relativ scharfe Schätzung des Azimut des Zieles 84.
Wie vorausgehend erörtert wurde, ist eine weitere wichtige Klasse von Störungen bei HFSWR die äußere Störung, die Gleichkanalstörung, Atmosphärenrauschen und Impulsrauschen umfasst. In der ebenfalls anhängigen Patentanmeldung mit dem amtlichen Aktenzeichen und der Bezeichnung "A Noise Suppression System and Method for Phased-Array Based Systems" haben die Erfinder der vorliegenden Erfindung gezeigt, dass eine Gleichkanalstörung unter Verwendung einer Adaptive Array-Verarbeitungstechnik in Verbindung mit einer angepasste-fehlangepasste Filtern scheme unterdrückt werden kann. Angepasste Filter empfangen die vorverarbeiteten Radardaten, die von Radardaten abgeleitet sind, die von jedem Sensor in der Hauptsensorgruppe 32 aufgezeichnet wurden, um angepasste Radardaten zu erzeugen, die zur Erzeugung des Hauptstrahls verwendet werden. Fehlabgestimmte Filter empfangen die vorverarbeiteten Radardaten aus mindestens einem Teil von den Sensoren der Hauptsensorgruppe zur Erzeugung fehlangepassten Radars, das als der Ausgang einer virtuellen Hilfssensorgruppe genommen wird. Der Ausgang der virtuellen Hilfssensorgruppe wird zur Erzeugung eines Hilfsstrahls verwendet, der eine Schätzung der äußeren Störung in dem Hauptstrahl zur Verfügung stellt. Somit wird für einen gegebenen Hauptstrahlazimut ein Hilfsstrahl adaptiv auf die Energiequellen der äußeren Störung in dem Hauptstrahl gerichtet, um die äußere Störung in dem Hauptstrahl zu unterdrücken. Zusätzlich wird die azimutale Auflösung der Hauptsensorgruppe nicht kompromittiert, da jeder Sensor in der Hauptsensorgruppe zur Erzeugung des Hauptstrahls verwendet wird, während eine fehlangepasste Filterung zur Erzeugung einer unabhängigen Schätzung der äußeren Störung in dem Hauptstrahl verwendet wird, wodurch kein Bedarf nach einer physische separaten Hilfssensorgruppe mehr besteht.
Es ist wünschenswert, das oben erwähnte Rauschunterdrückungsverfahren mit dem Hochauflösungs-Spektralabschätzer der vorliegenden Erfindung zu integrieren, um eine äußere Störung zu unterdürcken. Das Verfahren zur Unterdrückung einer äußeren Störung kann jedoch nicht unmittelbar für Hochauflösungs-Spektralabschätzer allgemein implementiert werden, da diese Schätzer Sensordaten erzeugen, und das Rauschunterdrückungsverfahren gemäß der ursprünglichen Formulierung strahlgeformte Daten erzeugt. Um dieses Problem zu überwinden, werden vorliegend ein Rauschunterdrückungsmodul und -verfahren beschrieben, die dem oben erörterten Rauschunterdrückungsverfahren ähnlich sind, das rauschunterdrückte Daten liefert, die von dem Spektralabschätzer 10 verwendet werden können. Bei diesem Verfahren wird die äußere Störung in den von einem bestimmten Sensor aufgezeichneten Radardaten auf der Grundlage einer Schätzung der äußeren Störung, die von einem Hilfsstrahl zur Verfügung gestellt wird, unterdrückt.
Unter Bezugnahme auf 13 ist dort eine alternative Ausführungsform eines Spektralgenerators 100 gezeigt, der ein Rauschunterdrückungsmodul 102 aufweist. Das Rauschunterdrückungsmodul 102 empfängt die vorverarbeiteten Radardaten, die von Radardaten abgeleitet sind, die von einer Anzahl von Sensoren S₁, S₂,..., S_K von der Hauptsensorgruppe 32 erhalten wurden, und liefert eine Vielzahl von Entfernungs-Doppler-Signalen RD₁', R_D2',..., R_DK', in denen die äußere Störung unterdrückt wurde. Der Rest des Spektralgenerators 100 ist mit dem Spektralgenerator 10 identisch und wird nicht erörtert. Ausführungsdetails für das Rauschunterdrückungsmodul 102 sind im Nachfolgenden angegeben.
Wie bereits erwähnt wurde, entsteht eine selbsterzeugte Interferenz als Reaktion auf die gesendeten EM-Impulse. Wenn die von der Empfangsantennengruppe 32 aufgezeichneten Radardaten durch ein abgestimmtes Filter geleitet werden, das auf die gesendeten EM-Impulse abgestimmt ist, erscheinen daher die selbsterzeugte Interferenz wie auch die Radarechos von möglichen Zielen am Ausgang des abgestimmten Filters. Wenn die von der Hauptsensorgruppe 32 aufgezeichneten Daten durch ein zweites Filter geleitet würden, das eine zu den gesendeten EM-Impulsen orthogonale Impulsantwort besitzt, würden die selbsterzeugte Interferenz und die Radarechos von möglichen Zielen nicht im Ausgang des zweiten Filters erscheinen. Eine äußere Störung ist jedoch vom Betrieb des Radars unabhängig und ist am Ausgang sowohl des abgestimmten Filters als auch des zweiten Filters vorhanden.
Das zweite Filter ist ein nicht abgestimmtes Filter. Ein abgestimmtes Filter besitzt eine Transferfunktion, welche nur die gleichen Frequenzkomponenten besitzt wie das Signal, auf das das abgestimmte Filter abgestimmt ist. Ein fehlangepasstes Filter besitzt eine Transferfunktion, die zu derjenigen des abgestimmten Filters entgegengesetzt ist. Somit sind angepasste und fehlangepasste Filters als orthogonal zu einander oder als eine Kreuzkorrelation null aufweisend definiert. Somit liefert das fehlangepasste Filter einen Ausgang, der als eine Beobachtung der äußeren Störung verwendet werden kann, die im Ausgang des abgestimmten Filters vorhanden ist. Es sit daher möglich, eine einzelne Empfangsantennengruppe zur Erzeugung von Radardaten für die Erfassung von Radarechos von möglichen Zielen als auch von Radardaten zum Schätzen einer äußeren Störung zu verwenden, ohne auf die eingangs erwähnten Nachteile von Rauschunterdrückungsverfahen zu treffen(d.h. Erfordernis einer zusätzlichen Empfangsantennengruppe oder Verwendung einiger Elemente der Empfangsantennengruppe nur für die Abschätzung der äußeren Störung, wodurch auf azimutale Auflösung verzichtet wird).
Unter Bezugnahme auf 14 ist dort ein Blockdiagramm des Rauschunterdrückungsmoduls 102 gemäß der vorliegenden Erfindung gezeigt. Das Rauschunterdrückungsmodul 102 steht in Verbindung mit der Hauptsensorgruppe 32, die eine Anzahl von Sensoren S₁, S₂,..., S_K zur Erzeugung von Entfernungs-Impuls-Sensordaten aufweist, was weiter unten ausführlicher erläutert ist. Wie bereits erwähnt wurde, kann jeder Sensor ein jegliches Empfangsantennenelement sein, das dem Fachmann bekannt ist und zum Empfangen von Radarsignalen geeignet ist. Ferner dürfte es für den Fachmann verständlich sein, dass die von der Hauptsensorgruppe 32 gesammelten Radardaten herkömmlichen Signalverarbeitungsoperationen zur Erzeugung vorverarbeiteter Radardaten 104 unterzogen werden. Die herkömmlichen Signalverarbeitungsverfahren umfassen Bandpassfiltern, Heterodyn-Verarbeitung, A/D-Wandlung, Demodulation und Downsampling. Die Bauteile zum Durchführen dieser Signalverarbeitungsoperationen sind auf diesem Fachgebiet allgemein bekannt und und in 14 nicht gezeigt. Des Weiteren dürfte es verständlich sein, dass alle Elemente der Erfindung die Verarbeitung von Daten ermöglichen, die komplex sind (d.h. die reale und imaginäre Teile aufweisen).
Das Rauschunterdrückungsmodul 102 enthält ein erstes Verarbeitungsmodul 106 mit einem abgestimmten Filtermodul 108, das in Verbindung mit den vorverarbeiteten Radardaten 104 steht, und ein erstes Dopplerverarbeitungsmodul 110, das in Verbindung mit dem abgestimmten Filtermodul 108 steht. Das abgestimmte Filtermodul 110 empfängt die vorverarbeiteten Radardaten 104 und führt ein angepasstes Filtern an den Radardaten durch, um angepasste Radardaten zu erzeugen. Das erste Dopplerverarbeitungsmodul 110 empfängt dann die angepassten Radardaten und führt eine Dopplerverarbeitung an den Daten durch, um angepasste Entfernungs-Doppler-Sensordaten zu erzeugen.
Das erste Verarbeitungsmodul 106 enthält ferner einen Sensorwähler 112, der in Verbindung mit dem ersten Dopplerverarbeitungsmodul 110 steht, um die angepassten Entfernungs-Doppler-Sensordaten zu empfangen. Der Sensorwähler 112 wählt die Entfernungs-Doppler-Daten für einen bestimmten Sensor S_i und liefert einen Teil B der angepassten Entfernungs-Doppler-Sensordaten für eine weitere Verarbeitung durch das Rauschunterdrückungsmodul 102, wie im Nachfolgenden beschrieben ist. Die Position des Sensorwählers 112 ist mit dem angepassten Filtermodul 108 oder dem ersten Dopplerverarbeitungsmodul 110 austauschbar, so lange das letzte Modul in dem ersten Verarbeitungsmodul 106 den Teil B von angepassten Entfernungs-Doppler-Sensordaten für einen bestimmten Sensor S_i liefert.
Das Rauschunterdrückungsmodul 102 enthält auch ein zweites Verarbeitungsmodul 114 mit einem fehlangepassten Filtermodul 116, das in Verbindung mit den vorverarbeiteten Radardaten 104 steht, ein zweites Dopplerverarbeitungsmodul 118, das in Verbindung mit dem fehlangepassten Filtermodul 116 steht, und einen Hilfsgruppenwähler 120 in Verbindung mit dem zweiten Dopplerverarbeitungsmodul 118. Das fehlangepasste Filtermodul 116 empfängt die vorverarbeiteten Radardaten 104 und führt eine fehlangepasste Filterung zur Erzeugung fehlangepasster Radardaten durch. Das zweite Dopplerverarbeitungsmodul 118 empfängt dann die fehlangepassten Radardaten und führt eine Dopplerverarbeitung zur Erzeugung fehlangepasster Entfernungs-Doppler-Sensordaten durch. Der Hilfsgruppenwähler 120 empfängt dann die fehlangepassten Entfernungs-Doppler-Sensordaten und erstellt eine virtuelle Hilfssensorgruppe mit Sensoren A₁, A₂,..., A_L, die aus mindestens einem Teil der Anzahl von Sensoren S₁, S₂,..., S_K ausgewählt sind, die zu den Radardaten 104 beigetragen haben. Ein Teil der fehlangepassten Entfernungs-Doppler-Sensordaten Y wird für die Erzeugung einer Störungsschätzung vorgesehen, wie im Nachfolgenden beschrieben ist.
Die virtuelle Hilfssensorgruppe kann entweder alle oder einen Teil der Anzahl von Sensoren S₁, S₂,..., S_K aus der Hauptsensorgruppe 32 umfassen, die zu den Radardaten 104 beigetragen haben. Somit tragen einige Sensoren aus der Hauptsensorgruppe 12 sowohl zu den Radardaten 104 bei als auch zu einem Hilfsstrahl AB, der durch die virtuelle Hilfssensorgruppe erzeugt wird, wie im Nachfolgenden beschrieben ist. Es sollte daher keinen Verlust der azimutale Auflösung für die Hochauflösungs-Entfernungs-Doppler-Diagramme 24 geben, die von dem Spektralgenerator 100 erzeugt werden. Der Aufbau der virtuellen Hilfssensorgruppe ist weiter unten erläutert.
Das Rauschunterdrückungsmodul 102 enthält ferner einen adaptiven Strahlformer 122 in Verbindung mit dem ersten Verarbeitungsmodul 106 und dem zweiten Verarbeitungsmodul 114. Der adaptive Strahlformer 122 empfängt den Teil von angepassten Radardaten B für einen bestimmten Sensor S_i sowie den Teil von fehlangepassten Entfernungs-Doppler-Sensordaten Y. Aus diesen Eingängen erzeugt der adaptive Strahlformer 122 einen adaptiven Gewichtungsvektor W = [W₁ W₂ ... W_L] der auf den Teil von fehlangepassten Entfernungs-Doppler-Sensordaten Y angewendet wird, um eine Schätzung I des Teiles von angepassten Radardaten B zu erzeugen. Die Schätzung I wird für die gleiche Entfernung und die gleichen Dopplerzellen berechnet, aus denen der Teil von angepassten Radardaten B genommen wurde. Daher erzeugt der adaptive Strahlformer 122 Gewichtungen, die einen Hilfsstrahl AB basierend auf den fehlangepassten Entfernungs-Doppler-Sensordaten abstimmen.
Der adaptive Gewichtungsvektor W wird so erzeugt, dass die Differenz zwischen dem Teil von angepassten Radardaten B und der Abschätzung I minimiert ist. Da der Teil von angepassten Radardaten B mögliche Radarzielechos zusammen mit selbsterzeugter Interferenz und äußerer Störung enthält, während die Abschätzung I nur eine äußere Störung enthält, wird die Differenz zwischen dem Teil von Radardaten B und der Abschätzung I minimiert, wenn der adaptive Gewichtungsvektor W so gewählt wird, dass die äußere Störung in der Abschätzung I die äußere Störung in dem Teil von Radardaten B annähert. Daher wird die Abschätzung I als eine Abschätzung der äußeren Störung in dem Teil von angepassten Radardaten B angenommen. Somit stimmt der adaptive Strahlformer 122 für einen bestimmten Sensor S; den Hilfsstrahl AB so ab, dass die äußere Störung in dem Hilfsstrahl AB die äußere Störung in dem Teil von Radardaten B für den Sensor S_i annähert.
Das Rauschunterdrückungsmodul 102 enthält ferner einen Unterdrücker 124 und ein Speichermittel 126. Der Unterdrücker 124 steht in Verbindung mit dem ersten Verarbeitungsmodul 106 und dem adaptiven Strahlformer 122, um den Teil von Radardaten B und the Aussenstörungsabschätzung I zu empfangen. Der Unterdrücker 32 entfernt die Aussenstörungsabschätzung I aus dem Teil von Radardaten B, um einen Teil von rauschunterdrückten angepasste Radardaten B_r zu erzeugen. Der Teil von Radardaten mit Rauschunterdrückung B_r wird verwendet, um einen Satz von Radardaten mit Rauschunterdrückung (dargestellt durch Entfernungs-Doppler-Signale RD₁, RD₂, ..., RD_K) zu erstellen, die dann von den übrigen Komponenten des Spektralgenerators 100 zur Erzeugung von mindestens einem Hochauflösungsspektrum 24 verarbeitet werden können. Allgemeiner ausgedrückt, die Radardaten mit Rauschunterdrückung können von den Komponenten eines herkömmlichen Radarsystems wie ewta einem Erfassungsmodul und einem Verfolger verarbeitet werden. Das Speichermittel 126 empfängt den Teil von Radardaten BR und speichert ihn an dem richtigen Ort des Satzes von Radardaten mit Rauschunterdrückung. Bei dem Speichermittel 126 kann es sich um den RAM eines Computers, eine Datenbank in einem Computersystem, oder ein Speichermedium wie etwa ein Festplattenlaufwerk, eine CD-ROM, ein Zip-Laufwerk oder dergleichen handeln.
Eine Vorgehensweise auf der Basis der Wiener-Theorie wird bevorzugt angewendet, um den adaptiven Gewichtungsvektor W so zu wählen, dass die Aussenstörungsabschätzung I die äußere Störung in dem Teil von angepassten Radardaten B annähert. Daher wird der Hilfsstrahl AB für die virtuelle Hilfssensorgruppe so errechnet, dass der Unterschied zwischen der Aussenstörungsabschätzung I und dem Teil von Radardaten B im Sinne eines mittleren quadratischen Fehlers (MSE) minimiert ist, wie durch die Wiener-Theorie gelehrt wird.
Die Formulierung des adaptiven Gewichtungsvektors W auf der Basis der Wiener-Theorie ist wie folgt. Der Teil von nicht abgestimmten Entfernungs-Doppler-Sensordaten in einer Momentaufnahme n (d.h. einer zeitbezogenen Beobachtung) ist dargestellt durch Y(n), und der Teil von angepassten Radardaten bei der Momentaufnahme n ist dargestellt durch B(n). Der Ausgang des adaptiven Strahlformers 122 bei der Momentaufnahme n ist angegeben durch Gleichung 11: Ȋ(n|Y(n)) = WHY(n) (11) wobei Ȋ(n|Y(n)) die Aussenstörungsabschätzung I(n) angesichts der Momentaufnahme der fehlangepassten Radardaten Y(n) bezeichnet. Wie vorausgehend erörtert wurde, ist es wünschenswert, wenn die Störungsschätzung Ȋ(n|Y(n)) eine Annäherung an B(n) ist. Der Fehler in der Abschätzung von Ȋ(n|Y(n)) wird somit durch die Gleichung 12 angegeben. e(n) = B(n) – WHY(n) (12)
Daher wird der mittlere quadratische Fehler Jn(W) angegeben durch Gleichung 13. Jn(W) = E[e(n)e·(n)] = E[B(n)B·(n)] – WHE[Y(n)B·(n)] – E[B(n)YH(n)]W + WHE[Y(n)YH(n)]W (13)
Unter der Annahme, dass der Teil von angepassten Radardaten B(n) und der Teil von fehlangepassten Entfernungs-Doppler-Sensordaten Y(n) für eine gegebene Momentaufnahme n gemeinsam stationär sind, lässt sich Gleichung 13 vereinfachen zu Gleichung 14. Jn(W) = σ2 d(n) – p(n)HW – WHp(n) + WHR(n)W (14)wobei σ_d ²(n) die Varianz von B(n) ist unter der Annahme, dass sie ein Mittel von null besitzt, und p(n) die Erwartung für expectation E[Y(n)^H·B(n)] ist, die der N-mal-1-Vektor ist, welcher aus der Kreuzkorrelation des Teiles von fehlangepassten Entfernungs-Doppler-Sensordaten Y(n) und des Teiles von angepassten Radardaten B(n) resultiert. Das Symbol R(n) bezeichnet die Erwartung E[Y^H(n)·Y(n)], welche die N-mal-N-Autokorrelationsmatrix des Teiles von fehlangepassten Entfernungs-Doppler-Sensordaten Y(n) ist. Die Kreuzkorrelation p(n) gibt den Grad der Ähnlichkeit zwischen dem Teil von angepassten Radardaten B(n) und dem Teil von fehlangepassten Entfernungs-Doppler-Sensordaten Y(n) an, während die Autokorrelation R(n) den Grad der Ähnlichkeit zwischen den Daten der virtuellen Hilfssensorgruppe angibt.
Die mittlere quadratische Fehlerfunktion J_n(W) ist eine Funktion zweiter Ordnung des adaptiven Gewichtungsvektors W, wenn man annimmt, dass der Teil von nicht abgestimmten Entfernungs-Doppler-Sensordaten Y(n) und der Teil von angepassten Radardaten B(n) gemeinsam stationär sind. Das Ziel ist es, die mittlere quadratische Fehlerfunktion J_n(W) durch Auswahl eines optimalen adaptiven Gewichtungsvektors W_0,n zu minimieren. Dem zufolge, wie dem Fachmann auf diesem Gebiet bekannt ist, wird der mittlere quadratische Fehler Jn(W) hinsichtlich des adaptiven Gewichtungsvektors W differenziert, und die Ableitung wird gleich Null gesetzt, wie in Gleichung 15 gezeigt ist.
Die Auflösung der Gleichung 15 ergibt die optimale Menge von adaptiven Gewichtungen W_0,n, die von Gleichung 16. angegeben wird. R(n)W0,n= p(n)⇒W0,n = R(n)–1 p(n) (16)
Um das Rauschunterdrückungsmodul 102 auszuführen, wird eine Schätzung der Autokorrelationsmatrix R(n) und des Kreuzkorrelationsvektors p(n) benötigt. Der Erwartungswertoperator E[ ], der bei der Berechnung von R(n) und p(n) verwendet wird, kann mit dem Durchschnittbildungsoperator ersetzt werden, wie dem Fachmann auf diesem Gebiet allgemein bekannt ist. Die Durchschnittbildung sollte jedoch über einen Teil von Daten ausgeführt werden, in dem der maximale Betrag der äußeren Störung vorliegt. Des Weiteren müssen R(n) und p(n) auf eine solche Weise abgeschätzt werden, dass die Energie möglicher Ziele in den Radardaten eine unbeträchtliche Rolle spielt. Dies ist bevorzugt, weil sich sowohl die Hauptsensorgruppe 32 als auch die virtuelle Hilfssensorgruppe die gleichen Sensoren teilen.
Unter Bezugnahme auf 2 liegt eine Gleichkanalstörung über den gesamten Entfernungsraum für spezifische Dopplerfrequenzen vor, wie aus den Kämmen ersichtlich ist, die bei Dopplerfrequenzen zwischen –2 und 4 Hz auftreten. Umgekehrt verteilt sich bei Bezugnahme auf 4 das Impulsrauschen über den gesamten Entfernungs-Doppler-Raum. Eine gute Schätzung der äußeren Störung, die sowohl Gleichkanalstörung und Impulsrauschen umfasst, kann durch Bilden des Durchschnitts von Entfernungs-Doppler-Daten über Bereiche mit einer beträchtlichen Überdeckung sowohl mit Gleichkanalstörung als auch Impulsrauschen erhalten werden. Mit anderen Worten, die Form des Bereichs, über den eine Durchschnittbildung durchgeführt wird, wird bevorzugt so gewählt, dass er den Großteil der Störung enthält. Dies bedeutet eine Durchschnittbildung der Entfernungs-Doppler Daten entlang der Entfernungsdimension für eine gegebene Doppler-Frequenz, wie durch den in 15 gezeigten Streifen dargestellt ist. Als Alternative kann dieser Streifen 128 eine andere Form besitzen (dies wird durch die Form der Interferenz vorgegeben). Daher kann der Kreuzkorrelationsvektor p(n) bei der Momentaufnahme n entlang der Entfernungsdimension für eine gegebene Doppler-Frequenz D_i gemäß der Gleichung 17 abgeschätzt werden:
wobei r für den Entfernungs-Index steht, und N_r die Anzahl von Entfernungszellen in dem Durchschnittbildungsprozess ist. Auf ähnliche Weise kann die Autokorrelationsmatrix R(n) bei der Momentaufnahme n entlang der Entfernungsdimension für eine gegebene Doppler-Frequenz D_i gemäß Gleichung 18 abgeschätzt werden.
Um den Rest der Beschreibung zu vereinfachen, wird auf den Momentaufnahme-Index (n) verzichtet.
Unter Bezugnahme auf 16 ist dort ein detaillierteres Blockdiagramm des Rauschunterdrückungsmoduls 102 der vorliegenden Erfindung gezeigt. Bezug wird auch auf die 17a bis 17h genommen, welche die Radardaten an verschiedenen Knoten in dem Rauschunterdrückungsmodul 102 zeigen, um die Erläuterung des Betriebs des Moduls 102 gemäß der vorliegenden Erfindung zu erleichtern. Vorverarbeitete Radardaten 104 werden aus der Operation des Vorverarbeitens von Elementen an den Radardaten erhalten, die durch die Anzahl von Sensoren S₁, S₂,..., S_K der Hauptsensorgruppe 32 aufgezeichnet wurden, wie vorausgehend erwähnt wurde. Die Module, welche diese Vorverarbeitungsoperationen durchführen, sind in dem Blockdiagramm von 16 nicht gezeigt. Die vorverarbeiteten Radardaten 104 können durch eine dreidimensionale Matrix von Entfernungs-Impuls-Sensordaten dargestellt werden (dargestellt durch die dicken Blocklinien in 16). Ferner wurden die Radardaten 104 bevorzugt so kalibriert, dass bekannte Phasen- und Amplitudenfehler in jedem Sensor korrigiert werden. Die Kalibrierung wird bevorzugt vorgenommen, indem ein Sender an verschiedene bekannte Orte in dem Überwachungsbereich verbracht wird und EM-Impulse gesendet werden, die von der Hauptsensorgruppe 32 aufgezeichnet werden. Die Orte des Senders werden dann aus den aufgezeichneten Radardaten abgeleitet und mit den bekannten Orten des Senders verglichen, um einen Kalibrierungsvektor mit einer Vielzahl von Gewichtungen zu erzeugen, die zum Kalibrieren der Radardaten verwendet werden, die von der Hauptsensorgruppe 32 aufgezeichnet wurden. Kalibrierungsvektoren können für verschiedene Sendefrequenzen erzeugt werden.
Die Organisation der Entfernungs-Impuls-Sensordaten 104 ist in 17a gezeigt, wobei sich gemäß dem dort gezeigten x-y-z-Koordinatensystem die Entfernungsdimension entlang der z-Achse erstreckt, die Impulsdimension entlang der y-Achse erstreckt, und die Sensordimension entlang der x-Achse erstreckt. Bevorzugt werden die Radardaten gemäß einer CIT in Zeitsegmente segmentiert. Die CIT kann je nach verschiedenen Radar-Betriebsarten wie dem Schiffsmodus oder Luftmodus verschieden sein, wie vorausgehend erörtert wurde.
Der Entfernungsvektor 44 und der Sensorvektor 48 wurden vorausgehend beschrieben und sollen hier nicht näher behandelt werden. Der Impulsvektor 130 umfasst eine Reihe von Impulszellen mit Impulsindexwerten P₁, P₂,..., P_M, die EM-Werte enthalten, welche von dem Sensor S₁ an dem Entfernungswert für den Entfernungs-Index-Wert R₁ für jeden Impuls aufgezeichnet wurden, der in der CIT gesendet wurde. Daher stellt der Impulsindex P₁ den ersten gesendeten Impuls dar, der Impulsindex P₂ stellt den zweiten gesendeten Impuls dar, usw. Die abgetasteten EM-Werte in dem Impulsvektor 130 wurden alle zu der gleichen Zeit nach dem Senden jedes EM-Impulses abgetastet (weshalb sie alle dem Entfernungswert entsprechen, der durch den Entfernungs-Index R₁ dargestellt ist). 17a zeigt auch Teile der zweidimensionalen Entfernungsimpuls-Daten für einen gegebenen Sensor, um zu zeigen, wie die Radardaten 104 organisiert sind. Wie aus 17a hervor geht, gibt es eine Mehrzahl von Entfernungsvektoren 44, Impulsvektoren 130 und Sensorvektoren 48, aus denen die Entfernungs-Impuls-Sensor-Radardaten 104 bestehen.
Die vorverarbeiteten Entfernungs-Impuls-Sensordaten 104 werden an das angepasste Filtermodul 108 geliefert, das eine abgestimmte Filterung an den Daten 104 vornimmt, um angepasste Entfernungs-Impuls-Sensordaten 132 zu erzeugen. Das angepasste Filtermodul 108 ist bevorzugt ein digitales Filter mit einer Transferfunktion, die auf die gesendeten EM-Impulse abgestimmt ist. Das angepasste Filtermodul 108 kann ein einzelnes digitales Filter umfassen, das gemäß der Entfernungsdimension für einen gegebenen Impulsindex P_i und einen gegebenen Sensor S_i arbeitet (d.h. das angepasste Filter arbeitet mit Entfernungsvektoren wie etwa dem Entfernungsvektor 44 aus den Radardaten 104). Diese angepasste Filterungsoperation wird für jeden Impulsindex P_i und jeden Sensor S_i vorgenommen. Das angepasste Filtern kann sequentiell durchgeführt werden, so dass sich die Transferfunktion des abgestimmten Filters in Abhängigkeit von dem zu verarbeitenden Impulsecho ändert (d.h. auf den EM-Impuls abgestimmt ist, der das aktuelle Impulsecho hervorgerufen hat). Als Alternative kann das angepasste Filtermodul 16 eine Bank von digitalen Filtern aufweisen, deren Transferfunktion jeweils auf einen der gesendeten EM-Impulse abgestimmt ist. Das System legt dann die eintreffenden Impulsechos auf das entsprechende angepasste Filter.
Die gesendeten EM-Impulse werden bevorzugt unter Verwendung von Frank-Codes entworfen, um Entfernungs-Wrap entgegen zu wirken (Frank R. L., IEEE Trans. On IT, Vol. 9, S. 43-45, 1963). Somit werden auch Frank-Codes verwendet, um die Filterkoeffizienten für das angepasste Filtermodul 108 zu erzeugen. Frank-Codes werden verwendet, um eine Phasenmodulation an jedem erzeugten EM-Impuls durchzuführen, wie dem Fachmann auf diesem Gebiet allgemein bekannt ist. Daher wird ein gegebener EM-Impuls in Unterimpulse aufgeteilt, von denen jeder eine Phase gemäß einem Frank-Code besitzt. Die erzeugten EM-Impulse sind alle orthogonal zu einander, da die Zeilen einer Frank-Codematrix orthogonal sind. Ein Beispiel für eine P4-Frank-Matrix ist P4 = [1 1 1 1; 1 j –1 j; 1 –1 1 –1; 1 –j –1 j] wobei die Zeilen der Matrix durch einen Strichpunkt getrennt sind. Daher hätte ein EM-Impuls auf der Basis der vierten Zeile der Frank P4-Matrix z.B. vier sinusförmige Subimpulse mit Phasen von 0°, 270°,180° bzw. 90°. Des Weiteren sind die Koeffizienten eines abgestimmten Filters, das auf diesen EM-Impuls abgestimmt ist, die gleichen Abtastproben wie der erzeugte EM-Impuls, die konjugiert und in der Reihenfolge umgekehrt sind. Dies kann für jede Zeile der Frank P4-Matrix wiederholt werden, so dass es 4 verschiedene EM-Impulse und 4 verschiedene angepasste Filter gibt. Daher würde das Senden dieser vier verschiedenen EM-Impulse wiederholt auf sequentielle Weise wie etwa EM1, EM2, EM3 und EM4 durchgeführt (wobei die Zahl eine Zeile in der P4-Matrix ist). Die Radarechos werden dann von dem entsprechenden abgestimmten Filter verarbeitet.
Es können auch andere Frank-Codes auf der Basis einer P8-, P16- oder P32-Matrix verwendet werden. Im Falle einer P32-Matrix müssten jedoch die für die Phasenmodulation erforderlichen Phasen präzise erzeugt werden, da sie näher bei einander liegen, was eine kostspieligere Hardware erfordert. Andere Codes, wie etwa Barker-Codes, können angesichts verschiedener Erfordernisse für die Bandbreite der erzeugten EM-Impulse verwendet werden..
Die angepassten Entfernungs-Impuls-Sensordaten 132 werden dann an das erste Dopplerverarbeitungsmodul 110 geliefert, das die Daten verarbeitet, um angepasste Entfernungs-Doppler-Sensordaten 134 zu liefern. Das erste Dopplerverarbeitungsmodul 106 führt eine Dopplerverarbeitung gemäß der Impulsdimension (bzw. Impulsdomäne) der angepassten Entfernungs-Impuls-Sensordaten 132 durch, um die angepassten Entfernungs-Doppler-Sensordaten 134 zu erzeugen. Eine Doppler-Verarbeitung umfasst bevorzugt die Durchführung einer FFT mit einer geeigneten Fensterfunktion an jedem Impulsvektor 130, um die Zeitreihendaten für jeden Entfernungs-Indexwert R_i in eine Frequenzreihe umzuwandeln. 17b veranschaulicht die Umwandlung der angepassten Entfernungs-Impuls-Sensordaten 132 in die angepassten Entfernungs-Doppler-Sensordaten 134. Als Alternative kann an Stelle der Verwendung der FFT zum Ausführen der Doppler-Verarbeitung eine Bank aus Schmalbandfiltern verwendet werden, wie dem Fachmann auf diesem Gebiet bekannt ist.
Die angepassten Entfernungs-Doppler-Sensordaten 134 werden daraufhin an den Sensorwähler 112 geliefert, der angepasste Entfernungs-Doppler-Sensordaten für einen bestimmten Sensor S_i aus den angepassten Entfernungs-Doppler-Sensordaten 134 auswählt. Diese Operation ist in 17c gezeigt. Der Sensorwähler 112 liefert auch einen Teil B der gewählten, angepassten Entfernungs-Doppler-Sensordaten für eine weitere Verarbeitung, wie im Nachfolgenden beschrieben wird.
Die vorverarbeiteten Entfernungs-Impuls-Sensordaten 104 werden auch an das fehlangepasste Filtermodul 116 geliefert, das ein "fehlangepasstes" Filtern an den Radardaten 104 durchführt, um fehlangepasste Entfernungs-Impuls-Sensordaten 136 zu erzeugen. Das fehlangepasste Filtermodul 116 ist bevorzugt ein digitales Filter mit einer Transferfunktion, die nicht an die gesendeten EM-Impulse angepasst ist. Das fehlangepasste Filtermodul 116 kann an den Entfernungs-Impuls-Sensordaten 104 auf die gleiche Weise ausgeführt und betrieben werden wie das angepasste Filtermodul 108 zur Erzeugung der fehlangepassten Entfernungs-Impuls-Sensor-Radardaten 136. In diesem Fall verwendet das fehlangepasste Filter jedoch eine Transferfunktion, die den gesendeten EM-Impuls zurückweist. Dem zufolge, wenn unter Verwendung des oben für das angepasste Filtermodul 108 gegebenen Beispiels der gesendete EM-Impuls auf der Basis der vierten Zeile der Frank P4-Matrix erzeugt wurde, dann würden die Phasen der sinusförmigen Subimpulse aus irgend einer anderen Reihe der Frank P4-Matrix als der vierten Zeile erhalten. Die resultierende sinusförmige Sequenz wäre dann in der Reihenfolge umgekehrt, um die Koeffizienten des fehlangepassten Filters in dem fehlangepassten Filtermodul 116 zu erhalten. Dem zufolge, wenn die Zeilen der P4-Matrix sequentiell verwendet werden, um wiederholt eine Reihe von EM-Impulsen zu liefern, dann würde eine Reihe von fehlangepassten Filtern in dem fehlangepassten Filtermodul 116 benötigt, um die Echos eines jeden dieser EM-Impulse so zu verarbeiten, dass der fehlangepasste Filterausgang nicht mit dem angepassten Filterausgang korreliert ist, der von dem angepassten Filtermodul 108 erzeugt wird.
Die fehlangepassten Entfernungs-Impuls-Sensordaten 136 werden dann an das zweite Dopplerverarbeitungsmodul 118 geliefert, das die Daten verarbeitet, um fehlangepasste Entfernungs-Doppler-Sensordaten 138 zu erzeugen. Das zweiten Dopplerverarbeitungsmodul 118 ist auf ähnliche Weise wie das erste Dopplerverarbeitungsmodul 110 ausgeführt und wird nicht weiter erörtert.
Das zweite Verarbeitungsmodul 114 enthält ferner den Hilfsgruppenwähler 120, der fehlangepasste Entfernungs-Doppler-Sensordaten zum Aufbauen der virtuellen Hilfssensorgruppe liefert. Unter Bezugnahme auf 17d bedeutet dies, dass die fehlangepassten Entfernungs-Doppler-Sensordaten 138 genommen werden, die Daten 138 in zweidimensionale Scheiben 140, 142,..., 144 aufgeteilt werden, und ein Untermenge dieser Scheiben (d.h. L Scheiben) ausgewählt wird, die dann verkettet werden, um fehlangepasste Entfernungs-Doppler-Sensordaten 146 zu bilden. Die Anordnung von Sensoren, die zu den Daten 164 beitragen, wird als die virtuelle Hilfssensorgruppe mit Sensoren A₁, A₂,..., A_L (nicht gezeigt) bezeichnet. Der Hilfsgruppenwähler 120 liefert ferner einen Teil Y der fehlangepassten Entfernungs-Doppler-Sensor-Daten 146 für eine weitere Verarbeitung, wie im Nachfolgenden weiter beschrieben ist.
Wie bereits erwähnt wurde, kann die virtuelle Hilfssensorgruppe aus allen oder aus einer Untergruppe der Sensoren von der Hauptsensorgruppe 32 aufgebaut sein, die zu den Radardaten 104 beitragen. Wenn die virtuelle Hilfssensorgruppe eine Untergruppe der Hauptsensorgruppe 32 aufweist, sollte bevorzugt eine Bedingung erfüllt sein. Die Aperturgröße der virtuellen Hilfssensorgruppe sollte gleich der Aperturgröße der Hauptsensorgruppe 32 sein. Mit anderen Worten, der jeweils am weitesten links und am weitesten rechts räumlich ausgerichtete Sensor in der Hauptsensorgruppe 32, die zu den Radardaten 104 beigetragen haben, sollten auch der jeweils am weitesten links bzw. am weitesten rechts räumlich ausgerichtete Sensor in der virtuellen Hilfssensorgruppe sein. Ferner kann unter Annahme einer festen Hauptsensorgruppe 32 die virtuelle Hilfssensorgruppe vor dem Betrieb des Rauschunterdrückungsmoduls 102 vorbestimmt werden. Somit können angesichts einer gewünschten Anzahl von Sensoren in der virtuellen Hilfssensorgruppe die Sensoren in der virtuellen Hilfssensorgruppe während des Betriebs des Rauschunterdrückungsmoduls 102 von einer Nachschlagetabelle versorgt werden. Die Nachschlagetabelle gibt die Position jedes Hilfsanordnungssensors A_i in the Hauptsensorgruppe 32 an.
Obgleich das Blockdiagramm in 16 zeigt, dass der Hilfsgruppenwähler 120 zwischen das zweite Dopplerverarbeitungsmodul 118 und den adaptiven Strahlformer 122 geschaltet ist, kann die Position des Hilfsgruppenwählers 120 für eine wirkungsvollere Signalverarbeitung geändert werden. Beispielsweise kann der Hilfsgruppenwähler 120 zwischen dem fehlangepassten Filtermodul 116 und dem zweiten Dopplerverarbeitungsmodul 118 angeordnet sein. Als Alternative kann der Hilfsgruppenwähler 122 vor dem fehlangepassten Filtermodul 116 angeordnet sein.
Das Rauschunterdrückungsmodul 102 enthält ferner den adaptiven Strahlformer 122, der in Verbindung mit dem zweiten Verarbeitungsmodul 114 und dem ersten Verarbeitungsmodul 106 steht. Der adaptive Strahlformer 122 weist einen Autokorrelations-Matrixrechner 148, einen Matrixinverter 150, einen Kreuzkorrelator 152, einen Gewichtungsrechner 154 und an Hilfsstrahlgenerator 156 auf, die gemäß der Darstellung in 16 verbunden sind.
Der Autokorrelations-Matrixrechner 148 empfängt den Teil der fehlangepassten Entfernungs-Doppler-Sensordaten Y von der virtuellen Hilfssensorgruppe und erzeugt die Autokorrelationsmatrix R_Y gemäß der Gleichung 18 (d.h. R_Y = Y^H·Y). Unter Bezugnahme auf 17e entspricht der Teil von Radardaten Y einer zweidimensionalen Scheibe von Entfernungs-Sensor-Daten für einen gegebenen Dopplerindex D_i. Daher ist der Teil von Radardaten Y eine Matrix mit einer Dimension N-mal-L (d.h. N Entfernungszellen und L Sensoren). Der Autokorrelations-Matrixrechner 148 erzeugt die Autokorrelationsmatrix R_Y, indem er eine Matrixmultiplikation zwischen der Matrix Y und der Matrix Y^H durchführt. Die Dimension der Autokorrelationsmatrix R_Y ist L-mal-L (d.h. L Zeilen und L Spalten).
The Matrixinverter 150 empfängt die Autokorrelationsmatrix R_Y und führt eine Matrixinvertierung durch, um die inverse Autokorrelationsmatrix P = R_Y ^–1 zu erhalten, unter Verwendung einer jeglichen Invertierungseinrichtung, die dem Fachmann allgemein bekannt ist. Falls der Teil von Radardaten Y nicht viel Rauschen enthält, kann die Autokorrelationsmatrix R_Y einen Rangfehler aufweisen. Dies kann bestimmt werden durch Errechnen der Bedingungsnummer der Autokorrelationsmatrix R_Y. In dieser Situation kann der pseudo-inverse Operator angewendet werden, um die inverse Autokorrelationsmatrix P zu erhalten. Die zum Erhalten der Bedingungsnummer und der Pseudo-Inversen von R_Y benötigten Gleichungen sind dem Fachmann vertraut.
Der Kreuzkorrelator 152 empfängt den Teil von fehlangepassten Entfernungs-Doppler-Sensordaten Y von der virtuellen Hilfssensorgruppe sowie den Teil von angepassten Entfernungs-Doppler-Sensordaten B von dem ersten Verarbeitungsmodul 106 und berechnet den Kreuzkorrelationsvektor Q, der durch die Gleichung 17 gegeben ist (d.h. Q = Y^H·B). Erneut unter Bezugnahme auf 17e ist der Teil von Radardaten B ein Entfernungsvektor für einen bestimmten Sensor S_i und den gleichen Dopplerindex D_i, die dem Teil von Daten Y entsprechen. Der Teil von Daten B besitzt eine Dimension von N-mal-1. Der Kreuzkorrelator 152 führt eine Matrixmultiplikation durch, um den Kreuzkorrelationsvektor Q mit einer Dimension von L-mal-1 (d.h. (L-mal-N)·(N-mal-1) = L-mal-1) zu erzeugen.
Der Gewichtungsrechner 154 empfängt den Kreuzkorrelationsvektor Q und die inverse Autokorrelationsmatrix P und erzeugt den adaptiven Gewichtungsvektor W, indem er eine Matrixmultiplikation gemäß Gleichung 16 durchführt. Somit ist der adaptive Gewichtungsvektor W ein Zeilenvektor mit einer Dimension von L-mal-1. Der Hilfsstrahlgenerator 156 empfängt den adaptiven Gewichtungsvektor W und den Teil von Radardaten Y und erzeugt eine Schätzung der Interferenz I in dem Teil von Radardaten B gemäß Gleichung 19. I = WH·Y (19)
Daher ist die Interferenz-Schätzung I ein Vektor mit einer Dimension 1-mal-N.
Das Rauschunterdrückungsmodul 102 enthält ferner den Unterdrücker 124, der einen Subtrahierer 158 und einen mit dem Subtrahierer 158 in Verbindung stehenden Minimierer 160 aufweist. Der Subtrahierer 158 empfängt den Teil von Radardaten B und die Aussenstörungsabschätzung I und liefert einen Vektor bzw. ein Subtraktionssignal T gemäß Gleichung 20. T = B – I (20)
Der Minimierer 160 empfängt den Vektor T und den Teil von Radardaten B und erzeugt einen Teil von rauschunterdrückten angepassten Entfernungs-Doppler-Sensordaten BR gemäß Gleichung 21: BR = min(B, T) (21)wobei der Operator min() definiert ist durch den Prozess des Anordnens der zwei Vektoren B und T, Nehmen eines Wertes aus einer Zelle in dem Vektor B, Nehmen eines Wertes aus der gleichen Zelle in dem Vektor T, und Anordnen des Minimums dieser zwei Werte in der gleichen Zelle in dem Vektor B_R, wie in 17f gezeigt ist. Diese Operation wird für alle Zellen in den Vektoren B und T wiederholt.
Unter Bezugnahme auf 17g ist dort eine Reihe von Vektoren gezeigt (die auch als Datenserien oder -signale bezeichnet werden können), welche die Erläuterung der Funktion des Unterdrückers 124 unterstützen. Für einen gegebenen Teil von Radardaten B und eine Aussenstörungsabschätzung I wird der Vektor T durch elementweise Vektorsubtraktion erzeugt. Es besteht jedoch eine Möglichkeit, dass externes Rauschen 162 in der Aussenstörungsabschätzung I auftritt. Das externe Rauschen 162, das aus dem Betrieb des fehlangepassten Filtermoduls 116 resultiert, ist auch in dem Vektor T enthalten. Daher kann der Vektor T nicht unmittelbar als der Teil von rauschunterdrückten angepassten Radardaten B_R verwendet werden. Statt dessen werden der Vektor T und der Teil von Radardaten B von dem Minimierer 160 verarbeitet, der die zwei Vektoren B und T anordnet und die minimalen Elemente dieser zwei Vektoren wählt, wenn er den Vektor B_R erstellt, wie vorausgehend erörtert wurde. Wenn externes Rauschen 162 in der Aussenstörungsabschätzung I vorhanden ist, wird sie der Minimierer 160 also entfernen.
Unter Bezugnahme auf 17h wird der Vektor B_R verwendet, um die rauschunterdrückten angepassten Radardaten 164 zu erstellen. Die Position des Vektors BR in den Radardaten mit Rauschunterdrückung 164 ist gleich der Position des Vektors B in den Radardaten, die in 17e gezeigt sein. Somit werden die Radardaten mit Rauschunterdrückung 164 Entfernungsvektor um Entfernungsvektor erstellt. Auf diese Weise kann für einen gegebenen Sensor S_i der Teil von Daten B für einen gegebenen Dopplerindex D_i und die Aussenstörungsabschätzung I erhalten werden, die für diesen gleichen Dopplerindex berechnet wurde, um einen Teil von rauschunterdrückten Daten B_R zu erzeugen, wie vorausgehend erörtert wurde. Diese Operation wird dann entlang der Dopplerdimension (d.h. für jeden Dopplerindex) für den gewählten Sensor S_i wiederholt, bis alle Doppler-Indices verarbeitet sind. Die Entfernungs-Doppler-Daten des nächsten Sensors werden dann von dem Sensorwähler 112 gewählt und auf die gleiche Weise verarbeitet. Diese Operation wird wiederholt, bis alle Entfernungs-Doppler-Daten RD₁, RD₂,..., RD_K von dem Rauschunterdrückungsmodul 102 verarbeitet wurden, um die Radardaten mit Rauschunterdrückung 164 zu erstellen (aus denen die Entfernungs-Doppler-Datensignale RD₁', RD₂',..., RD_K' entsprechend den Sensoren S₁, S₂,..., S_K erhalten werden).
Unter Bezugnahme auf 18 ist dort ein Rauschunterdrückungsverfahren 170 für die Rauschunterdrückung in Radardaten gemäß dem Rauschunterdrückungsmodul 102 der vorliegenden Erfindung gezeigt. Die Radardaten wurden von der Hauptsensorgruppe 32 während einer Zeitdauer gemäß der einen CIT abgetastet und gemäß der vorausgegangenen Erläuterung vorverarbeitet und kalibriert. Die Dauer der CIT ist gemäß dem Radarbetriebsmodus eingestellt. Das Rauschunterdrückungsverfahren 170 beginnt in Schritt 172, in dem die Entfernungs-Impuls-Sensor-Radardaten 104 einem angepassten Filtern unterzogen werden, wie vorausgehend erläutert wurde. Der nächste Schritt 174 ist die Durchführung einer Dopplerverarbeitung an den einem angepassten Filtern unterzogenen Entfernungs-Impuls-Sensordaten zur Erzeugung angepasster Entfernungs-Doppler-Sensordaten. Wie bereits erwähnt wurde, kann die Dopplerverarbeitung die Durchführung einer FFT mit einer geeigneten Fensterfunktion oder unter Anwendung einer Filterbankverarbeitung umfassen. Der nächste Schritt 176 ist die Wahl von angepassten Entfernungs-Doppler-Sensordaten für einen Sensor S_i.
In Schritt 178 wird ein fehlangepasstes Filtern an den Entfernungs-Impuls-Sensor-Radardaten 104 durchgeführt. Der nächste Schritt 180 ist die Durchführung einer Dopplerverarbeitung an den einem fehlangepassten Filtern unterzogenen Entfernungs-Impuls-Sensordaten zur Erzeugung fehlangepasster Entfernungs-Doppler-Sensordaten.
Der nächste Schritt 182 ist die Auswahl einer virtuellen Hilfssensorgruppe angesichts der Sensoren aus Hauptsensorgruppe 32, die zu den Entfernungs-Doppler-Sensor-Datensignalen 104 beigetragen haben. Somit können die Schritte 178 bis 182 als das Liefern von fehlangepassten Entfernungs-Doppler-Sensordaten für die virtuelle Hilfssensorgruppe angesichts der Entfernungs-Impuls-Sensordaten zusammengefasst werden, die von den Radardaten abgeleitet wurden, die von der Hauptsensorgruppe 32 aufgezeichnet wurden. Wie bereits erwähnt wurde, kann die Auswahl der virtuellen Hilfssensorgruppe für eine effizientere Signalverarbeitung vor dem Dopplerverarbeitungsschritt 180 oder vor dem fehlangepassten Filterschritt 178 durchgeführt werden.
In Schritt 182 werden Teile der Radardaten B und Y gewählt. Die Radardaten B werden aus den angepassten Entfernungs-Doppler-Sensordaten gewählt, die für einen bestimmten Sensor S_i gewählt wurden, und sind ein Entfernungsvektor für einen gegebenen Dopplerindex. Die Radardaten Y werden aus den fehlangepassten Entfernungs-Doppler-Sensordaten der virtuellen Hilfssensorgruppe gewählt und sind eine zweidimensional Scheibe von Entfernungs-Sensor-Daten für den gleichen Dopplerindex der Radardaten B.
Die nächste Serie von Schritten 186 bis 198 des Rauschunterdrückungsverfahrens 170 führen eine adaptive Strahlformung an dem Teil von fehlangepassten Entfernungs-Doppler-Sensordaten Y durch, um eine Schätzung I der äußeren Störung in dem Teil von angepassten Entfernungs-Doppler-Sensordaten B zu erzeugen. Die adaptive Strahlformung beginnt in Schritt 186, in dem die Autokorrelationsmatrix R_Y(R_Y = Y^H·Y) der Radardaten Y berechnet wird. In Schritt 188 wird die inverse Autokorrelationsmatrix P (P = R^–1) berechnet. Das Rauschunterdrückungsverfahren 170 geht dann weiter zu Schritt 190, in dem der Kreuzkorrelationsvektor Q (Q = Y^H –B) berechnet wird. Der adaptiven Gewichtungsvektor W wird dann in Schritt 192 basierend auf der inversen Autokorrelationsmatrix P und dem Kreuzkorrelationsvektor Q (W = P·Q) berechnet. Die Schätzung der äußeren Störung I (I = W^H·Y) in dem Teil von angepassten Entfernungs-Doppler-Sensordaten B wird dann in Schritt 194 berechnet.
Das Rauschunterdrückungsverfahren 170 geht dann weiter zu den Schritten 196 und 198, in denen die Aussenstörungsabschätzung I und der Teil von angepassten Entfernungs-Doppler-Sensordaten B verwendet wird, um einen Teil B_R von rauschunterdrückten angepassten Entfernungs-Doppler-Sensordaten zu erhalten. In Schritt 196 wird die Aussenstörungsabschätzung I von dem Teil von angepassten Entfernungs-Doppler-Sensordaten B subtrahiert, um den Vektor oder das Subtraktionssignal T zu bilden. Als nächstes wird in Schritt 198 ein gegebenes Element in dem Teil von angepassten Entfernungs-Doppler-Sensordaten B mit dem Element an der gleichen Stelle in dem Vektor T verglichen, und das Minimum dieser zwei Elemente wird an der gleichen Stelle in dem Teil von rauschunterdrückten angepassten Entfernungs-Doppler-Sensordaten B_R gespeichert. Dies wird für jedes Element in den Radardaten B wiederholt. Nach der Erstellung der rauschunterdrückten angepassten Entfernungs-Doppler-Sensordaten werden sie an der richtigen Stelle in dem Speichermittel 126 gespeichert.
Der nächste Schritt 200 des Rauschunterdrückungsverfahrens 170 ist die Bestimmung, ob mehr Radardaten zu verarbeiten sind. Falls es keine weiteren Radardaten zu verarbeiten gibt, ist das Rauschunterdrückungsverfahren 170 abgeschlossen. Zu diesem Zeitpunkt (Schritt 204) können die rauschunterdrückten Daten in dem Spektralerzeugungsverfahren 60 verwendet werden, um zumindest eines von einer Vielzahl von Hochauflösungsspektren 24 zu erzeugen. Ansonsten ist der nächste Schritt 202 die Aktualisierung des Teils von strahlgeformten Entfernungs-Doppler-Daten B und des Teils von fehlangepassten Entfernungs-Doppler-Sensordaten Y aus der virtuellen Hilfssensorgruppe. Das Aktualisieren wird gemäß der vorausgegangenen Erklärung für das Rauschunterdrückungsmodul 102 durchgeführt. Die Schritte 186 bis 200 werden dann wiederholt.
Unter bestimmten Bedingungen kann starkes Ionosphärenrauschen in Form von horizontalen Streifen in den erzeugten Entfernungs-Doppler-Daten für einen gegebenen Sensor S_i auftreten. Dies erscheint als eine Interferenz in einer Anzahl von Entfernungs-Doppler-Zellen bei einem gegebenen Entfernungs-Index. In dieser Situation ist es bevorzugt, die Radardaten aus diesen Entfernungs-Doppler-Zellen bei der Berechnung der Autokorrelationsmatrix R_Y und der Kreuzkorrelationsmatrix Q zu vermeiden, da diese kontaminierten Entfernungs-Doppler-Zellen der Leistungsfähigkeit des adaptiven Strahlformers 122 abträglich sein können. Ein Weg zum Entfernen der kontaminierten Daten aus der Berechnung ist die Verwendung eines Medianfilters, das den Medianwert (M) für einen Entfernungsvektor B' errechnet und einen Schwellwert () gemäß Gleichung 12 erzeugt: λ = ν·M (22) wobei ν für einen Konstantwert steht. Die Daten in dem Entfernungsvektor B' können dann gemäß Gleichung 13 mediangefiltert werden. OB(i) = B'(i) wenn B'(i) < OB(i) = 0 wenn B'(i) > (13)
Daher werden alle Werte in B', die über dem Schwellwert liegen, in dem Datenteil OB auf Null gesetzt.
Unter Bezugnahme auf 19 ist dort ein Rauschunterdrückungsmodul 210 gezeigt, das ein Median-Filtermodul 212 enthält, das mit dem ersten Verarbeitungsmodul 106 und dem adaptiven Strahlformer 122 gekoppelt ist. Der Rest des Rauschunterdrückungsmoduls 210 ist ähnlich dem Rauschunterdrückungsmodul 102 und wird nicht erörtert. Das Median-Filtermodul 212 führt eine Medianfilterung an den angepasste Entfernungs-Doppler-Sensordaten 214 für einen bestimmten Sensor S_i durch. Das Median-Filtermodul 212 verwendet bevorzugt einen Wert von 1,75 für die Konstante. Dieser Wert wurde empirisch bestimmt und kann geändert werden, falls die Ergebnisse nicht zufriedenstellend sind. Beispielsweise kann es Situationen geben, in denen der Ionosphären-Clutter äußerst stark ist, wobei in diesem Fall der Wert der Konstante verringert werden muss, um mehr Ionosphären-Clutter zu entfernen. Das Median-Filtermodul 212 kann spaltenweise an jedem Entfernungsvektor operieren, der die angepassten Entfernungs-Doppler-Sensordaten 214 darstellt. Ein Vektor OB, der ein Teil der mediangefilterten strahlgerichteten abgestimmten Entfernungs-Doppler-Azimutdaten ist, wird an den adaptiven Strahlformer 122 geliefert, so dass die Aussenstörungsabschätzung gemäß der vorausgegangenen Erörterung erzeugt und von dem Teil von angepassten Radardaten subtrahiert werden kann, wie vorausgehend erörtert wurde.
Als Alternative können andere Filterverfahren geordneter Statistik an Stelle der Medianfilterung verwendet werden. Ein Beispiel dafür besteht in der Wahl einer konstanten ganzen Zahl g (d.h. z.B. g = 15), Ordnen der Werte in dem Vektor B', Entfernen der g höchsten und g niedrigsten Werte, Bilden des Durchschnitts für den Rest der Werte, um einen neuen Mittelwert zu erhalten, und dann Erzeugen eines Schwellwertes durch Multiplizieren des Mittelwertes mit einer Konstante. Werte in B', die über diesem Schwellwert liegen, werden auf Null gesetzt. Im Allgemeinen kann ein Filter entworfen werden, um unerwünschte Signale zu verhindern, durch Berücksichtigen der Störungsstatistiken, Bandbreite und anderer Merkmale. Daher kann das Median-Filtermodul 212 im Allgemeinen durch ein Modul mit statistisch geordneter Filterung dargestellt werden.
Unter Bezugnahme auf 20 ist dort ein alternatives Rauschunterdrückungsverfahren 220 gezeigt, das einen Medianfilterungsschritt 222 umfasst, um eine Medianfilterung an den angepassten Entfernungs-Doppler Radardaten für einen bestimmten Sensor S_i gemäß der obenstehenden Beschreibung durchzuführen. Der Rest des Rauschunterdrückungsverfahren 220 ist mit dem Rauschunterdrückungsverfahren 170 identisch und wird nicht beschrieben. Wie bereits beschrieben wurde, kann ein Filterverfahren geordneter Statistik an Stelle der Medianfilterung verwendet werden.
Unter Bezugnahme auf 21a ist dort ein Beispiel für ein herkömmliches strahlgeformtes Entfernungs-Doppler-Diagramm von Radardaten gezeigt, das ohne Verwendung des Rauschunterdrückungsverfahrens 170 der vorliegenden Erfindung erhalten wurde. Die Radardaten wurden während der Herbstmonate aufgezeichnet und enthalten ein Schiffsziel 230 (in 21a nicht sichtbar) in einer Entfernung von 83 km und einem Azimut von 8°. Die Radardaten sind stark mit äußerer Störung kontaminiert. Unter Bezugnahme auf 21b ist dort ein Hochauflösungs-Entfernungs-Doppler-Diagramm der Radardaten von 21a gezeigt, die von dem Spektralgenerator 10 der vorliegenden Erfindung ohne Verwendung des Rauschunterdrückungsverfahrens 170 der vorliegenden Erfindung erzeugt wurden. 21c und 21d zeigen eine Scheibe entlang der Doppler-Dimension von 21a bzw. 21b bei der Entfernung des Schiffsziels 230. Das Schiffsziel 230 ist in keiner der 21a bis 21d zu sehen.
Unter Bezugnahme auf die 22a bis 22d zeigt 22a ein Entfernungs-Doppler-Diagramm der Radardaten von 21a, die von einem herkömmlichen Strahlformer erzeugt wurden, nach Anwendung des Rauschunterdrückungsverfahrens 170 der vorliegenden Erfindung. 22b zeigt ein Hochauflösungs-Entfernungs-Doppler-Diagramm der Radardaten von 21a, die von dem Spektralgenerator 100 der vorliegenden Erfindung mit dem Rauschunterdrückungsmodul 102 erzeugt wurden. In beiden Entfernungs-Doppler-Diagrammen ist das Schiffsziel 230 sichtbar. 22c und 22d zeigen eine Scheibe entlang der Doppler-Dimension von 22a und 22b bzw. bei der Entfernung des Schiffsziels 230. Das Schiffsziel 230 ist in 22c kaum zusehen. 22d zeigt jedoch ein starkes Signal für das Schiffsziel 230. die Verwendung des Rauschunterdrückungsverfahrens 170 zusammen mit dem Spektralabschätzungsverfahren 60 der vorliegenden Erfindung hat das SSCR des Zieles 230 auf 15 dB erhöht. Diese Ergebnisse deuten auch an, dass das Rauschunterdrückungsverfahren 170 mit anderen Spektralabschätzern wie etwa einer herkömmlichen FFT-basierenden Strahlformung verwendet werden können, wie eben gezeigt wurde.
Eine weitere Schwierigkeit bei der Zielerfassung ist das niedrige SSCR, das sich bei Zielen ergibt, die von großen Mengen von Geräusch umgeben sind. Da das SSCR des Zieles niedrig ist, hat das Ziel eine niedrige räumliche Korrelation. Somit kann die Signalleistung des Zieles nicht mehr im Signalteilraum erscheinen, tritt auber im Geräuschteilraum auf. Um das Spektralabschätzungsverfahren 60 der vorliegenden Erfindung empfindlicher für Ziele mit einem niedrigen SSCR zu machen, ist ein Lösungsansatz die Bildung eines Geräuschteilraums unter Verwendung der Eigenvektoren, die den kleineren singulären Werten entsprechen (d.h. nur der Eigenvektoren, die näher zu räumlich weissem Rauschen liegen). Unter Annahme einer festen Anzahl von Sensoren, die zu den Entfernungs-Doppler-Datensignalen RD₁, RD₂, ..., RD_K beitragen, kann die Dimension des Geräuschteilraums vorbestimmt und in dem Dimensionswähler 54 eingestellt werden. Dies sollte die Empfindlichkeit des teilraumbasierten Spektralerzeugungsverfahrens erhöhen. Dadurch sollten Ziele mit einer schlechten räumlichen Korrelation in einem Hochauflösungs-Entfernungs-Doppler-Diagramm verstärkt und anschließend von einem Radardetektor erfasst werden können. Dieses Verfahren kann jedoch auch die Anzahl von Erfassungstreffern erhöhen, indem es fälschlich Clutter mit einer schlechten räumlichen Korrelation verstärkt, den der Radardetektor fälschlich für ein Ziel halten kann. Somit ermöglicht es dieser Lösungsansatz, dass Ziele aus dem Hintergrundrauschen hervor treten, erhöht jedoch auch die Falschalarmrate, indem er Interferenzen mit schlechter räumlicher Korrelation erfasst.
Unter Bezugnahme auf 23a bis 23d sind dort Radardaten gezeigt, die ein Ziel 232 mit einem niedrigen SSCR von ca. 7 dB enthalten. Die Radardaten wurden während der Sommermonate aufgezeichnet. 23a zeigt ein Entfernungs-Doppler-Diagramm für die Radardaten, die von einem herkömmlichen FFT-basierenden Strahlformer erzeugt wurden. Das Ziel 232 ist in 23a kaum sichtbar. 23b zeigt eine Scheibe entlang der Doppler-Dimension des Entfernungs-Doppler-Diagramms von 23a bei der Entfernung des Zieles 232. Das Ziel 232 ist kaum über dem Hintergrundrauschen sichtbar. 23c zeigt eine Scheibe entlang der Entfernungsdimension des Entfernungs-Doppler-Diagramms von 23a bei der Dopplerfrequenz des Zieles 232. Wiederum ist das Ziel 232 kaum über dem Hintergrundrauschen sichtbar. 23d zeigt ein Azimutdiagramm für die in 23a gezeigten Radardaten bei der Entfernung und Dopplerfrequenz des Zieles 232.
Unter Bezugnahme auf 24a bis 24d sind dort die Radardaten von 21a mit den Diagrammen gezeigt, die von dem Spektralgenerator 10 ohne das Rauschunterdrückungsmodul 102 erzeugt wurden. Die Größe des Geräuschteilraums wurde auf die 13 kleinsten singulären Werte eingestellt. 24a zeigt ein Hochauflösungs-Entfernungs-Doppler-Diagramm für die von dem Spektralgenerator 10 erzeugten Radardaten. Das Ziel 232 ist in 24a sichtbar und hat ein SSCR von 6 dB. 24b zeigt eine Scheibe entlang der Doppler-Dimension des Entfernungs-Doppler-Diagramms von 24a bei der Entfernung des Zieles 232. Das Ziel 232 ist im Vergleich mit 23b deutlicher über dem Hintergrundrauschen sichtbar. 24c zeigt eine Scheibe entlang der Entfernungsdimension des Entfernungs-Doppler-Diagramms von 24a bei der Dopplerfrequenz des Zieles 232. Wiederum ist das Ziel 232 im Vergleich mit 23c deutlicher über dem Hintergrundrauschen sichtbar. 24d zeigt ein Azimutdiagramm für die in 24a gezeigten Radardaten bei der Entfernung und Dopplerfrequenz des Zieles 232. Sowohl in 24b als auch 24c wurde die Erfassbarkeit des Zieles in Folge der Unterdrückung von Meeres-Clutter und Interferenz-Clutter verbessert.
Um die Verstärkung des Zieles 232 in den Radardaten von 22 und 23 zu verbessern, wurden die singulären Werte, die verwendet wurden, um den Geräuschteilraum zu erzeugen, auf die 5 kleinsten singulären Werte beschränkt. Unter Bezugnahme auf die 25a bis 25d sind dort die Radardaten von 22a gezeigt, mit den Diagrammen, die von dem Spektralgenerator 10 unter Verwendung der 5 kleinsten singulären Werte erzeugt wurden, um den Geräuschteilraum zu erstellen, und ohne das Rauschunterdrückungsmodul 102. 25a zeigt ein Hochauflösungs-Entfernungs-Doppler-Diagramm für die Radardaten. Das Ziel 232 ist in 25a sichtbar und hat ein SSCR von 12 dB. Die Zielverstärkung ist jedoch nicht beträchtlich verbessert auf Grund der Verstärkung vieler Falschziele, die einem räumlich schlecht korrelierten Clutter entsprechen. 25b zeigt eine Scheibe entlang der Doppler-Dimension des Entfernungs-Doppler-Diagramms von 25a bei der Entfernung des Zieles 232. 25c zeigt eine Scheibe entlang der Entfernungsdimension des Entfernungs-Doppler-Diagramms von 25a bei der Dopplerfrequenz des Zieles 232. 25d zeigt an Azimutdiagramm für die in 25a gezeigten Radardaten bei der Entfernung und Dopplerfrequenz des Zieles 232. Die Winkelgenauigkeit ist im Vergleich mit der in 24d gezeigten Winkelgenauigkeit beträchtlich verbessert.
Unter Bezugnahme auf 26 ist dort eine andere alternative Ausführungsform eines Spektralgenerators 240 mit einem Covarianzmatrixglätter 242 gezeigt, der mit dem Covarianzmatrixrechner 14 und dem Teilraumrechner 16 in Verbindung steht. Der Covarianzmatrixglätter 242 wird eingeführt, um die Radarsignatur eines möglichen Zieles (and somit die Zielerfassbarkeit) zu verbessern durch räumliches Glätten der Covarianzmatrix-Abschätzung C_est basierend auf mindestens einer von räumlicher Glättung in Vorwärtsrichtung, räumlicher Glättung in Rückwärtsrichtung oder räumlicher Glättung in Vorwärts-/Rückwärtsrichtung, wie weiter unten gezeigt ist. Ferner erzeugt der Ortsmatrixgenerator 18' in dem Spektralgenerator 240 eine geringfügig andere Ortsmatrix A', wie im Nachfolgenden beschrieben ist. Der Rest des Spektralgenerators 240 ist identisch mit dem Spektralgenerator 10 und wird nicht erörtert.
Bei HFSWR hilft die Verwendung von Frank-Komplementärcodes zum Erzeugen der EM-Impulse und der entsprechenden angepassten Filter zusammen mit dem Rauschunterdrückungsverfahren 170 der vorliegenden Erfindung dabei, das Vorhandensein von Meeres-Clutter und einer starken, räumlich korrelierten äußeren Störung in den Hochauflösungs-Entfernungs-Doppler-Diagrammen zu verringern. Die Hochauflösungs-Entfernungs-Doppler-Diagramme enthalten jedoch immer noch äußere enStörung und Atmosphärenrauschen mit schlechter räumlicher Korrelation als Resultat einer Mehrpfadausbreitung, die sich durch das Entfernungs-Doppler-Spektrum aufweitet und die Erfassbarkeit möglicher Ziele herabsetzt. Räumliches Glätten kann verwendet werden, um diese Art von Rauschen zu verringern.
Räumliches Glätten wurde ursprünglich entwickelt, um die Einfallrichtung mehrerer Signale zu schätzen (Evans et al., (1982), Application of advanced Ssgnal processing techniques to angle of arrival estimation in ATC navigation und surveillance system, Report 582, M.I.T. Lincoln Lab, Lexington, MA, 1982.). Die Erfinder haben jedoch herausgefunden, dass eine räumliche Glättung auch die Zielamplitude verstärkt und die Azimutgenauigkeit für Ziele in einer Umgebung mit niedrigem SCR erhöht, und zwar ohne eine entsprechende Erhöhung der Falschalarmrate. Räumliches Glätten ist auch nützlich bei der Befassung mit dem hauptsächlichen Nachteil von teilraumbasierten spektralen Abschätzungstechniken, nämlich deren Unfähigkeit, mit perfekt korrelierten (oder stark korrelierten) Signalen umzugehen, die ziemlich oft in der Praxis auf Grund einer Mehrwegausbreitung entsteht, wie dem Fachmann bekannt ist.
Der Covarianzmatrixglätter 242 führt eine räumliche Glättung an der Covarianzmatrix-Abschätzung C_est durch, um eine räumlich geglättete Matrix C_SMest zu erzeugen. Das Einbringen der geglätteten Covarianzmatrix-Abschätzung C_SMest in den teilraumbasierten Spektralabschätzer 10 der vorliegenden Erfindung macht es möglich, Ziele ungeachtet der korrelierten Beschaffenheit des Rauschens zu identifizieren. Das räumliche Vorwärts-Glättungsverfahren erfordert eine größere Anzahl von Sensorelementen, um zwischen einer gegebenen Anzahl von Zielen zu unterscheiden (z.B. werden 2G Sensoren benötigt, um zwischen G Zielen zu unterscheiden). Durch die gleichzeitige Anwendung von Vorwärt- und Rückwärts-Glätten ist es jedoch möglich, zwischen G Zielen zu unterscheiden, falls 3G/2 Sensorelemente in der Hauptsensorgruppe 32 vorhanden sind (Pillai et al., "Forward/Backward spatial smoothing techniques for coherent signal identification", IEEE Trans. On ASSP, 37(1), S. 8-15, 1989; Friedlander et al., "Direction finding using spatial smoothing with interpolated arrays", IEEE Trans. On AES, 28(2), S. 574-587, 1992). Es gibt eine Wechselwirkung zwischen der Größe der Unteranordnung und der Anzahl von Durchschnittbildungen, die während der räumlichen Glättung durchgeführt werden. Die Größe der Unteranordnung bestimmt die Anzahl von auflösbaren Zielen, während die Anzahl von Durchschnittbildungen den Betrag der möglichen Zielverstärkung bestimmt.
Räumliches Glätten kann durchgeführt werden mittels Bildung von gleichförmig überlappenden Unteranordnungen von Sensoren von einer Hauptsensorgruppe mit K Sensoren, wobei jede each Unteranordnung K+1-G Sensoren aufweist. Covarianz-Matrizen werden dann für jede Unteranordnung erzeugt (daher gibt es G Untermatrizen) und zur Erzeugung einer räumlich geglätteten Covarianzmatrix-Abschätzung C_SMest eine Durchschnittbildung durchgeführt. Ein alternativer Weg zum Durchführen einer räumlichen Glättung ist es, die Covarianzmatrix-Abschätzung C_est wie vorausgehend beschrieben (d.h. Gleichung 6) zu erzeugen und dann die Covarianzmatrix C_est in G Untermatrizen aufzuteilen, von denen dann der Durchschnitt gebildet wird, um die geglättete. Covarianzmatrix-Abschätzung C_SMest zu erhalten. Die Implementierung der räumlichen Glättung, die von dem Covarianzmatrixglätter 242 bevorzugt verwendet wid, ist das letztere, eben beschriebene räumliche Glättungsverfahren.
Die räumliche Glättung in Vorwärtsrichtung beinhaltet das Bilden von Vorwärts-Covarianzmatrix-Abschätzungen gemäß den Gleichungen 24 bis 26. C(K+1–G)×(K+1–G)F,1 = CK×K(1:(K + 1 – G), 1:(K + 1 – G)) (24) C(K+1–G)×(K+1–G)F,2 = CK×K(2:(K + 1 – G + 1), 2:(K + 1 – G + 1)) (25) C(K+1–G)×(K+1–G)F,G = CK×K(G:K, G:K) (26)
Die Gleichungen 24 bis 26 lassen sich allgemein darstellen durch Gleichung 27. C(K+1–G)×(K+1–G)F,1 = CK×K(i:(K + 1 – G + i – 1), i:(K + 1 – G + i – 1)) (27)wobei der hochgestellte Ausdruck (K + 1 – G)×(K + 1– G) die Dimensionen der Covarianz-Untermatrizen bezeichnet (d.h. K + 1 – G ist die Anzahl von Sensoren in jeder Unteranordnung) und die Notation C_F,L = C(G:K,G:K) bedeutet, dass die Untermatrix C_F,L aus der Untermatrix in C gebildet ist, die an der G-ten Zeile beginnt und an der K-ten Zeile endet, und die an der G-ten Spalte beginnt und an der K-ten Spalte endet. Die in Vorwärtsrichtung räumlich geglättete Covarianzmatrix-Abschätzung CFS wird dann gemäß Gleichung 28 berechnet.
Räumliche Glättung in Rückwärtsrichtung beinhaltet das Bilden von Rückwärts-Covarianzmatrix-Abschätzungen gemäß den Gleichungen 29 bis 31. C(K+1–G)×(K+1–(i)B,1 = CK×K(K:G, K:G)* (29) C(K+1–(i)×(K+1–(i)B,1 = CK×K((K – 1):(G –1), (K – 1):(G –1))* (30) C(K+1–G)×(K+1–L)B,G = CK×K((K + 1 – G):1,(K + 1 – G):1)* (31)
Die Gleichungen 29 bis 31 lassen sich allgemein durch die Gleichung 32 darstellen. C(K+1–G)×(K+1–G)B,1 = CK×K((K + 1 – i):(G + i – 1),(K + 1 – i):(G + i – 1))* (32)
Die komplex Konjugierte der in Rückwärtsrichtung räumlich geglätteten Covarianzmatrizen CB,i wird dargestellt durch das Symbol *. Die in Rückwärtsrichtung räumlich geglättete Covarianzmatrix-Abschätzung CBS wird dann gemäß Gleichung 33 berechnet.
Die räumliche Glättung in Vorwärts-/Rückwärtsrichtung wird durchgeführt, indem sowohl die Vorwärts-Covarianzmatrix-Abschätzungen als auch die Rückwärts-Covarianzmatrix-Abschätzungen verwendet werden. Somit kann eine in Vorwärts/Rückwärtsrichtung räumlich geglättete Covarianzmatrix CFBS gemäß Gleichung 34 berechnet werden:
Der Covarianzmatrixglätter 242 kann eine räumliche Glättung gemäß jedem der Glättungsverfahren in Vorwärts-, Rückwärts- und in Vorwärts-/Rückwärtsrichtung durchführen. Die räumliche Glättung in Vorwärts-/Rückwärtsrichtung ist jedoch bevorzugt. Ungeachtet dieses Verfahrens, das für die räumliche Glättung verwendet wird, sobald die räumlich geglättete Covarianzmatrix-Abschätzung C_SMest berechnet ist, operiert der Teilraumrechner 16 an der geglätteten Covarianzmatrix C_SMest um die Geräuschteilraummatrix-Schätzung N_est zu erzeugen, die bereits räumlich geglättet ist, da die Covarianzmatrix-Abschätzung C_SMest räumlich geglättet wurde. Der Rest des Spektralgenerators 240 arbeitet ähnlich wie der Spektralgenerator 10, mit der Ausnahme, dass der Ortsmatrixgenerator 18' eine Ortsmatrix A' gemäß Gleichung 35 berechnet: A' = [A'θ1, A'θ2, A'θ3,..., A'θZ] (35)wobei ein Element A'_θi ein Vektor ist, der gegeben ist durch A'θ1 = [1 ej2π(d/λ)sin(θi) ej4π(d/λ)sin(θi) ... ej2π(K-G)d/λsin(θi)]T (36)
Somit besitzt die Ortsmatrix A' eine Dimension von (K – G)-mal-Z.
Unter Bezugnahme auf 27 ist dort eine Ausführungsform eines Spektralerzeugungsverfahrens 250 gemäß dem Spektralgenerator 240 gezeigt. Das Spektralerzeugungsverfahren 250 ist ähnlich dem Spektralerzeugungsverfahren 60 mit Ausnahme von zwei Unterschieden. Das Spektralerzeugungsverfahren erzeugt die Ortsmatrix A' in Schritt 64' gemäß den Gleichungen 35 und 36 und nicht den Gleichungen 8 und 9. Zweitens umfasst das Spektralerzeugungsverfahren 250 den Schritt 252, der durch räumliche Glättung an der Covarianzmatrix-Abschätzung C_est zur Erzeugung der räumlich geglätteten Covarianzmatrix-Abschätzung C_SMest führt die dann verwendet wird, um die Geräuschteilraummatrix-Schätzung N_est zu berechnen. Der Rest des Verfahrens 250 ist mit dem Spektralabschätzungsverfahren 60 identisch und wird nicht weiter erörtert.
Unter Bezugnahme auf 28a ist dort ein Dopplerdiagramm von Radardaten dargestellt, das durch die durchgezogene Kurve dargestellt ist, und ein simuliertes Ziel 260 enthält, das durch die gestrichelte Linie dargestellt ist (die Radardaten eines einzelnen Sensors sind in 28a gezeigt). Die Radardaten wurden während der Sommermonate aufgezeichnet. Die Amplitude des Zieles 260 wurde für die Erzeugung eines SSCR von 0 dB eingestellt, und der Azimut des Zieles 260 wurde auf –34° Azimuth eingestellt.
Als nächstes wird auf 28b Bezog genommen, die das Dopplerdiagramm der Radardaten von 28a (d.h. für einen einzelnen Sensor) mit dem simulierten Ziel 260 zeigt, das durch die gestrichelte Kurve dargestellt ist, und das Dopplerdiagramm von herkömmlichen FFT-basierenden strahlgeformten Daten mit dem simulierten Ziel 260, das durch die durchgezogene Kurve dargestellt ist. Es gibt nur eine geringfügige Verbesserung des SSCR von ca. 3 dB. Die Erfassbarkeit des Zieles 260 ist jedoch weiterhin von dem umgebenden Hintergrundrauschen beeinträchtigt.
Unter Bezugnahme auf 29a bis 29c wurde das Spektralabschätzungsverfahren 60 der vorliegenden Erfindung dann auf die in 28b gezeigten Radardaten angewendet. Der Geräuschteilraum wurde unter Verwendung der 13 kleineren singulären Werte der Covarianzmatrix-Abschätzung gebildet. 29a zeigt das resultierende Hochauflösungs-Dopplerdiagramm bei der Entfernung des Zieles 260. 29b zeigt das resultierende Hochauflösungs-Entfernungsdiagramm bei der Dopplerfrequenz des Zieles 260, und 29c zeigt das Hochauflösungs-Azimutdiagramm bei der Entfernung und Dopplerfrequenz des Zieles 260. Das Ziel 260 hat nun ein SSCR von 5 dB and wurde durch die Unterdrückung von Clutter während der Berechnung des Signalteilraums verbessert.
Unter Bezugnahme auf die 30a bis 30c wurde dann das Spektralabschätzungsverfahren 250 der vorliegenden Erfindung mit räumlicher Glättung auf die in 28b gezeigten Radardaten angewendet. Das räumliche Glättungsverfahren in Vorwärt-/Rückwärtsrichtung wurde verwendet, um die Covarianzmatrix-Abschätzung zu glätten. 30a zeigt das resultierende Hochauflösungs-Dopplerdiagramm bei der Entfernung des Zieles 260. 30b zeigt das resultierende Hochauflösungs-Entfernungsdiagramm bei der Dopplerfrequenz des Zieles 260, und 30c zeigt das Hochauflösungs-Azimutdiagramm bei der Entfernung und Dopplerfrequenz des Zieles 260. Das Ziel 260 besitzt nun einen SSCR von 20 dB, und die Amplitude des Zieles 260 ist beträchtlich erhöht.
Unter Bezugnahme auf die 31a bis 31d wurde die Leistungsfähigkeit des Spektralabschätzungsverfahrens 250 unter Verwendung von räumlicher Glättung in Vorwärts-/Rückwärtsrichtung und einem Geräuschteilraum basierend auf den 13 kleinsten singulären Werte an den gleichen Radardaten bewertet, für die die Hochauflösungsdiagramme von 24a bis 24d erzeugt wurden. Die 24a bis 24d wurden unter Verwendung des Spektralabschätzungsverfahrens mit 13 singulären Werten erzeugt, die zum Bestimmen des Geräuschteilraums verwendet wurden. 31a zeigt das Hochauflösungs-Entfernungs-Doppler-Diagramm. In 31a ist nicht so viel Clutter vorhanden wie in 24a. 31b zeigt das Hochauflösungs-Dopplerdiagramm bei der Entfernung des Zieles 232. 31c zeigt das Hochauflösungs-Entfernungsdiagramm bei der Dopplerfrequenz des Zieles 232. 31d zeigt das Hochauflösungs-Azimutdiagramm bei der Entfernung und Dopplerfrequenz des Zieles 232. Bei einem Vergleich von 31b mit 24b, 31c mit 24c und 31d mit 24d hat die Verwendung der räumlichen Glättung die Amplitude des Zieles 232 im Hinblick auf das umgebende Hintergrundrauschen sowohl im Doppler-, Entfernungs- als auch Azimutdiagramm verstärkt. Das Ziel 232 hat ein SSCR von ca. 23 dB.
Die Ausführungsformen der verschiedenen, vorliegend beschriebenen Spektralgeneratoren können in einen Spektralgenerator kombiniert werden. Unter Bezugnahme auf 32 ist dort eine alternative Ausführungsform eines Spektralgenerators 270 gezeigt, bei dem der Spektralgenerator 10 mit dem Rauschunterdrückungsmodul 102 und dem Covarianzmatrixglätter 242 kombiniert ist. Der Spektralgenerator 270 beinhaltet die Rauschunterdrückungsvorteile der Hochauflösungsspektrenabschätzung, der äußeren Störungsunterdrückung und der räumlichen Glättung. Die Komponenten des Spektralgenerators 270 wurden vorausgehend beschrieben und werden nicht weiter erörtert.
Die Ausführungsformen der verschiedenen, vorliegend beschriebenen Spektralerzeugungsverfahren können auch in ein Spektralerzeugungsverfahren kombiniert werden. Unter Bezugnahme auf 33 ist dort eine alternative Ausführungsform eines Spektralerzeugungsverfahrens 280 gezeigt, bei dem das Spektralerzeugungsverfahren 10 mit dem Rauschunterdrückungsverfahren 170 und dem räumlichen Glättungsschritt 252 kombiniert ist. Alle diese Schritte wurden vorausgehend beschrieben und werden nicht weiter erörtert.
Die vorliegend beschriebenen Spektralgeneratoren 10, 100, 240 und 270 und Spektralerzeugungsverfahren 60, 170, 250 und 280 können auch auf eine gleichförmige kreisförmige Gruppe angewendet werden, bei der es sich um eine Anordnung mit kreisförmig ausgerichteten Antennenelementen handelt. Somit kann eine gleichförmige kreisförmige Gruppe Antennenelemente aufweisen, die einen Kreis oder einen Kreisbogen bilden. 34 zeigt eine lineare Anordnung (34a) und eine gleichförmige kreisförmige Gruppe (34b). Im Falle einer gleichförmigen kreisförmigen Gruppe ist jeder Ortsvektor in dem Anordnungs-Manifold oder Ortsmatrix A eine Funktion von φ und θ gemäß den Gleichungen 37 und 38: A' = [A'φ1, A'φ2, A'φ3,..., A'φZ] (37)
wobei n – 1, 2,..., N, R der Radius des Kreises ist, der von der gleichförmigen kreisförmigen Gruppe definiert wird, und N ≤ 2πR/d, wobei die verschiedenen Elemente in 34c gezeigt sind. Das Symbol θ ist die Elevation und durch 0° und 90° begrenzt. Das Symbol φ ist Azimut und ist durch 0° und 360° begrenzt. Das Symbol r ist ein Welleneinheitsvektor. Die Antennemelemente der gleichförmigen kreisförmigen Gruppe wären omnidirektional. Eine gleichförmige kreisförmige Gruppe kann auf kleinen Inseln oder auf großen Schiffen zur Erzeugung einer Azimutabdeckung von 360° und auch Abschätzungen eines Zielelevationswinkels installiert werden. Die Hochauflösungs-Techniken der vorliegenden Erfindung können mit gleichförmigen kreisförmigen Gruppen verwendet werden, um die Radarwinkelauflösung zu erhöhen und die Meeres-Clutter-Unterdrückung zu verbessern, indem die durch die Gleichungen 37 und 38 angegebene Ortsmatrix A in die geeigneten, oben gezeigten Formeln eingesetzt wird.
Die Elemente der vorliegend beschriebenen Spektralgeneratoren 10, 100, 240 und 270 können durch jegliche auf diesem Fachgebiet bekannten Mittel ausgeführt werden, obgleich die Verwendung von dedizierter Hardware wie etwa eines digitalen Signalprozessors bevorzugt sein kann. Als Alternative können auch diskrete Komponenten wie etwa Filter, Komparatoren, Multiplizierer, Schieberegister, Speicher u. dgl. verwendet werden. Ferner können bestimmte Komponenten der Spektralgeneratoren 10, 100, 240 und 270 durch den gleichen Aufbau implementiert werden. Beispielsweise können das erste Dopplerverarbeitungsmodul 106 und das zweite Dopplerverarbeitungsmodul 114 den gleichen Aufbau aufweisen.
Als Alternative können die Elemente der vorliegend beschriebenen Ausführungsformen bevorzugt mittels eines Computerprogramms ausgeführt sein, das in Matlab, C, C⁺⁺, Labview oder jeglicher anderen geeigneten Programmiersprache geschrieben sein kann, die in einem von einem Computer lesbaren Medium auf einer Rechenplattform mit einem Betriebssystem und der dazu gehörigen Hardware und Software ausgeführt ist, die nötig ist, um die Spektralgeneratoren 10, 100, 240 und 270 auszuführen. Das Computerprogramm würde dann Computeranweisungen enthalten, die dazu ausgelegt sind, die Schritte der verschiedenen Spektralerzeugungsverfahren 60, 170, 250 und 280 auszuführen. Das Computerprogramm kann Module oder Klassen aufweisen, wie dem Fachmann in objektorientierter Programmierung bekannt ist, welche gemäß dem Aufbau der Spektralgeneratoren 10, 100, 240 und 270 ausgeführt und aufgebaut sind. Daher können separate Softwaremodule für jede Komponente der Spektralgeneratoren 10, 100, 240 und 270 entworfen werden. Als Alternative kann die Funktionalität dieser Komponenten, falls geeignet, in eine kleinere Anzahl von Softwaremodulen zusammengefasst sein.
Es dürfte verständlich sein, dass verschiedene Modifikationen an den vorliegend beschriebenen und veranschaulichten, bevorzugten Ausführungsformen vorgenommen werden, ohne von der vorliegenden Erfindung abzuweichen, deren Schutzumfang in den beigefügten Ansprüchen definiert ist.

Claims

Rauschunterdrückungsmodul zum Unterdrücken äußerer Störung in vorverarbeiteten Radardaten, wobei das Rauschunterdrückungsmodul folgendes enthält: a) ein erstes Verarbeitungsmodul (108) mit Verbindung zu dem vorverarbeiteten Radardaten zur Erzeugung angepasster Radardaten; b) ein zweites Verarbeitungsmodul (116) mit Verbindung zu den vorverarbeiteten Radardaten zur Erzeugung fehlangepasster Radardaten; c) einen adaptiven Strahlformer (122) in Verbindung mit den Verarbeitungsmodulen zum Empfang eines Teiles der angepassten Radardaten und eines Teiles der fehlangepassten Radardaten und zur Erzeugung einer Abschätzung einer äußeren Störung in dem genannten Teil der angepassten Radardaten; und d) einen Unterdrücker (124) in Verbindung mit dem ersten Verarbeitungsmodul und dem adaptiven Strahlformer zur Erzeugung eines Teiles von Radardaten mit Rauschunterdrückung durch Unterdrücken der Abschätzung der äußeren Störung in dem Teil der angepassten Radardaten.
Rauschunterdrückungsmodul nach Anspruch 1, dadurch gekennzeichnet, dass es weiter Speichermittel in Verbindung mit dem Unterdrücker zur Speicherung von Radardaten enthält.
Rauschunterdrückungsmodul nach Anspruch 1, dadurch gekennzeichnet, dass das erste Verarbeitungsmodul folgendes enthält: a) ein angepassten Filtermodul in Verbindung zu den vorverarbeiteten Radardaten zur Erzeugung angepasster Entfernungs-Impuls-Sensordaten; b) ein erstes Dopplerverarbeitungsmodul in Verbindung mit dem angepassten Filtermodul zur Erzeugung angepasster Entfernungs-Doppler-Sensordaten; und c) einen Sensorwähler in Verbindung mit dem ersten Dopplerverarbeitungsmodul zur Auswahl angepasster Entfernungs-Dopplerdaten für einen bestimmten Sensor.
Rauschunterdrückungsmodul nach Anspruch 1, dadurch gekennzeichnet, dass das zweite Verarbeitungsmodul folgendes enthält: a) ein fehlangepasstes Filtermodul mit Verbindung zu den vorverarbeiteten Radardaten zur Erzeugung fehlangepasster Entfernungs-Impuls-Sensordaten; b) ein zweites Dopplerverarbeitungsmodul in Verbindung mit dem fehlangepassten Filtermodul zur Erzeugung fehlangepasster Entfernungs-Doppler-Sensordaten; und c) einen Hilfsgruppenwähler in Verbindung mit dem zweiten Dopplerverarbeitungsmodul zur Auswahl mindestens eines Teiles der genannten Anzahl von Sensoren zum Aufbau einer virtuellen Hilfssensorgruppe und zur Erzeugung fehlangepasster Entfernungs-Doppler-Sensordaten für die genannten virtuelle Hilfssensorgruppe.
Rauschunterdrückungsmodul nach Anspruch 1, dadurch gekennzeichnet, dass das zweite Verarbeitungsmodul folgendes enthält: a) ein fehlangepasstes Filtermodul in Verbindung zu den vorverarbeiteten Radardaten zur Erzeugung fehlangepasster Entfernungs-Impuls-Sensordaten; b) einen Hilfsgruppenwähler in Verbindung mit dem fehlangepassten Filtermodul zur Auswahl mindestens eines Teiles der Mehrzahl von Sensoren zum Aufbau einer virtuellen Hilfssensorgruppe und zur Erzeugung fehlangepasster Entfernungs-Impuls-Sensordaten für die virtuelle Hilfssensorgruppe; und c) ein zweites Dopplerverarbeitungsmodul in Verbindung mit dem Hilfsgruppenwähler zur Erzeugung fehlangepasster Entfernungs-Doppler-Sensordaten für die virtuelle Hilfssensorgruppe.
Rauschunterdrückungsmodul nach Anspruch 1, dadurch gekennzeichnet, dass das zweite Verarbeitungsmodul folgendes enthält: a) einen Hilfsgruppenwähler mit Verbindung zu den vorverarbeiteten Radardaten zur Auswahl mindestens eines Teiles der Anzahl von Sensoren zum Aufbau einer virtuellen Hilfssensorgruppe und zur Erzeugung vorverarbeiteter Radardaten für die virtuelle Hilfssensorgruppe; b) ein fehlangepasstes Filtermodul in Verbindung mit dem Hilfsgruppenwähler zur Erzeugung fehlangepasster Entfernungs-Impuls-Sensordaten für die Hilfssensorgruppe; und c) ein zweites Dopplerverarbeitungsmodul in Verbindung mit dem fehlangepassten Filtermodul zur Erzeugung fehlangepasster Entfernungs-Doppler-Sensordaten für die Hilfssensorgruppe.
Rauschunterdrückungsmodul nach Anspruch 1, dadurch gekennzeichnet, dass der adaptive Strahlformer folgendes enthält: a) einen Autokorrelations-Matrixrechner in Verbindung mit dem zweiten Verarbeitungsmodul zur Errechnung der Autokorrelationsmatrix des Teiles fehlangepasster Radardaten; b) einen Matrixinverter in Verbindung mit dem Autokorrelations-Matrixrechner zur Lieferung einer inversen Autokorrelationsmatrix; c) einen Kreuzkorrelator in Verbindung mit den Verarbeitungsmodulen zur Erzeugung der Kreuzkorrelation des Teiles der fehlangepassten Radardaten und des Teiles der angepassten Radardaten; d) einen Gewichtungsrechner in Verbindung mit dem Matrixinverter und dem Kreuzkorrelator zur Errechnung eines adaptiven Gewichtungsvektors basierend auf der inversen Autokorrelationsmatrix und der Kreuzkorrelation; und e) einen Hilfsstrahlgenerator in Verbindung mit dem zweiten Verarbeitungsmodul und dem Gewichtungsrechner zur Lieferung einer Abschätzung der äußeren Störung basierend auf dem adaptiven Gewichtungsvektor und dem Teil der fehlangepassten Radardaten.
Rauschunterdrückungsmodul nach Anspruch 1, dadurch gekennzeichnet, dass der Unterdrücker folgendes enthält: a) einen Subtrahierer in Verbindung mit dem ersten Verarbeitungsmodul und dem adaptiven Strahlformer zum Subtrahieren der Abschätzung der äußeren Störung von dem Teil der angepassten Radardaten zur Lieferung eines Subtraktionssignals; und b) einen Minimierer in Verbindung mit dem Subtrahierer und dem ersten Verarbeitungsmodul zur Erzeugung eines Teiles des Radarsignals mit Rauschunterdrückung basierend auf dem Subtraktionssignal und dem Teil der angepassten Radardaten.
Rauschunterdrückungsmodul nach Anspruch 1, dadurch gekennzeichnet, dass das Rauschunterdrückungsmodul weiter ein Modul mit statistisch geordneter Filterung in Verbindung mit dem ersten Verarbeitungsmodul zur Erzeugung geordnet statistisch gefilterter angepasster Radardaten enthält.
Rauschunterdrückungsmodul nach Anspruch 9, dadurch gekennzeichnet, dass das Modul mit statistisch geordneter Filterung eine Mittelwertfilterung vornimmt.
Rauschunterdrückungsmodul nach Anspruch 9, dadurch gekennzeichnet, dass der adaptive Strahlformer folgendes enthält: a) einen Autokorrelationsmatrixrechner in Verbindung mit dem zweiten Verarbeitungsmodul zur Errechnung der Autokorrelationsmatrix des Teiles der fehlangepassten Radardaten; b) einen Matrixinverter in Verbindung mit dem Autorkorrelationsmatrixrechner zur Erzeugung einer inversen Autokorrelationsmatrix; c) einen Kreuzkorrelator in Verbindung mit dem Modul mit statistisch geordneter Filterung und dem zweiten Verarbeitungsmodul zur Erzeugung der Kreuzkorrelation des Teiles der fehlangepassten Radardaten und eines Teiles der statistisch geordnet gefilterten angepassten Radardaten; d) einen Gewichtungsrechner in Verbindung mit dem Matrixinverter und dem Kreuzkorrelator zur Errechnung eines adaptiven Gewichtungsvektors auf der Basis der inversen Autokorrelationsmatrix und der Kreuzkorrelation; und e) einen Hilfsstrahlgenerator in Verbindung mit dem zweiten Verarbeitungsmodul und dem Gewichtungsrechner zur Erzeugung der Abschätzung der äußeren Störung basierend auf dem adaptiven Gewichtungsvektor und dem Teil der fehlangepassten Radardaten.
Verfahren zur Unterdrückung einer äußeren Störung in vorverarbeiteten Radardaten, wobei das Verfahren folgendes umfasst: a) Verarbeiten der vorverarbeiteten Radardaten zur Erzeugung angepasster Radardaten; b) Verarbeiten der vorverarbeiteten Radardaten zur Erzeugung fehlangepasster Radardaten; c) Auswahl eines Teiles der angepassten Radardaten und eines Teiles der fehlangepassten Radardaten und Durchführung einer adaptiven Strahl formung zur Erzeugung einer Abschätzung der äußeren Störung in dem Teil der angepassten Radardaten; und d) Erzeugen eines Teiles von Radardaten mit Rauschunterdrückung durch Unterdrücken der Abschätzung der äußeren Störung in dem Teil der angepassten Radardaten.
Verfahren nach Anspruch 12, dadurch gekennzeichnet, dass es weiter folgendes umfasst: e) Speichern des Teiles der Radardaten mit Rauschunterdrückung.
Verfahren nach Anspruch 12, dadurch gekennzeichnet, dass der Schritt a) folgendes umfasst: i) angepasste Filterung der Radardaten zur Erzeugung angepasster Entfernungs-Impuls-Sensordaten; ii) Dopplerverarbeitung der angepassten Entfernungs-Impuls-Sensordaten zur Erzeugung angepasster Entfernungs-Doppler-Sensordaten; und iii) Auswahl eines Teiles der angepassten Entfernungs-Doppler-Daten für einen bestimmten Sensor.
Verfahren nach Anspruch 12, dadurch gekennzeichnet, dass der Schritt b) folgendes umfasst: i) fehlangepasste Filterung der vorverarbeiteten Radardaten zur Erzeugung fehlangepasster Entfernungs-Impuls-Sensordaten; ii) Dopplerverarbeitung der fehlangepassten Entfernungs-Impuls-Sensordaten zur Erzeugung fehlangepasster Entfernungs-Doppler-Sensordaten; und iii) Aufbau einer virtuellen Hilfssensorgruppe aus mindestens einem Teil der Anzahl von Sensoren zur Erzeugung von fehlangepassten Entfernungs-Doppler-Sensordaten für die virtuelle Hilfssensorgruppe.
Verfahren nach Anspruch 12, dadurch gekennzeichnet, dass der Schritt b) folgendes umfasst: i) fehlangepasste Filterung der vorverarbeiteten Radardaten zur Erzeugung fehlangepasster Entfernungs-Impuls-Sensordaten; ii) Aufbau einer virtuellen Hilfssensorgruppe aus mindestens einem Teil der Anzahl von Sensoren zur Erzeugung fehlangepasster Entfernungs-Impuls-Sensordaten von der virtuellen Hilfssensorgruppe; und iii) Dopplerverarbeitung der fehlangepassten Entfernungs-Impuls-Sensordaten von der virtuellen Hilfssensorgruppe zur Erzeugung fehlangepasster Entfernungs-Doppler-Sensordaten für die virtuelle Hilfssensorgruppe.
Verfahren nach Anspruch 12, dadurch gekennzeichnet, dass der Schritt b) folgendes umfasst: i) Aufbau einer virtuellen Hilfssensorgruppe aus mindestens einem Teil der Mehrzahl von Sensoren zur Erzeugung vorverarbeiteter Radardaten für die virtuelle Hilfssensorgruppe; ii) fehlangepasste Filterung der vorverarbeiteten Radardaten von der virtuellen Hilfssensorgruppe zur Erzeugung fehlangepasster Entfernungs-Impuls-Sensordaten für die Hilfssensorgruppe; und iii) Dopplerverarbeitung der fehlangepassten Entfernungs-Impuls-Sensordaten zur Erzeugung fehlangepasster Entfernungs-Doppler-Sensordaten für die virtuelle Hilfssensorgruppe.
Verfahren nach Anspruch 12, dadurch gekennzeichnet, dass der Schritt c) folgendes umfasst: i) Autokorrelieren des Teiles fehlangepasster Radardaten zur Erzeugung einer Autorkorrelationsmatrix; ii) Invertieren der Autokorrelationsmatrix zur Erzeugung einer inversen Autokorrelationsmatrix; iii) Kreuzkorrelieren des Teiles fehlangepasster Radardaten und des Teiles angepasster Radardaten zur Erzeugung eines Kreuzkorrelationsvektors; iv) Errechnen eines adaptiven Gewichtungsvektors; und v) Erzeugen eines Hilfsstrahls zur Erzeugung einer Abschätzung der äußeren Störung.
Verfahren nach Anspruch 12, dadurch gekennzeichnet, dass der Schritt d) folgendes umfasst: i) Subtrahieren der Abschätzung der äußeren Störung von dem Teil der angepassten Radardaten zur Erzeugung eines Subtraktionssignales; und ii) Erzeugen des Teiles von Radardaten mit Rauschunterdrückung basierend auf dem Subtraktionssignal und dem Teil angepasster Radardaten.
Verfahren nach Anspruch 12, dadurch gekennzeichnet, dass das Verfahren weiter die Durchführung einer Filterung mit geordneter Statistik an den angepassten Radardaten zur Erzeugung statistisch geordnet gefilterter angepasster Radardaten umfasst.
Verfahren nach Anspruch 20, dadurch gekennzeichnet, dass die statistisch geordnete Filterung eine Mittelwertfilterung umfasst.
Verfahren nach Anspruch 20, dadurch gekennzeichnet, dass der Schritt c) folgendes umfasst: i) Autokorrelieren des Teiles fehlangepasster Radardaten zur Erzeugung einer Autokorrelationsmatrix; ii) Invertieren der Autokorrelationsmatrix zur Erzeugung einer inversen Autokorrelationsmatrix; iii) Kreuzkorrelieren des Teiles fehlangepasster Radardaten und eines Teiles der statistisch geordnet gefilterten angepassten Radardaten zur Erzegung eines Kreuzkorrelationsvektors; iv) Errechnen eines adaptiven Gewichtungsvektors; und v) Erzeugen eines Hilfsstrahls zur Erzeugung einer Abschätzung der äußeren Störung.