ES2248735T3 - Sistema adaptativo y metodo para la deteccion por radar. - Google Patents

Abstract

Sistema (10) de detección adaptativa para analizar datos de distancia-doppler-azimut para la detección de blancos, comprendiendo dicho sistema: a)un dispositivo (12) de cálculo de umbrales para calcular un valor de umbral sobre la base de la desviación estándar de dichos datos de distancia-doppler-azimut y una probabilidad de detección predeterminada; y b)un módulo de detección (14) en comunicación con dicho dispositivo de cálculo de umbrales para recibir dicho valor de umbral, en el que dicho módulo de detección (14) calcula una estimación de la amplitud del blanco y una estimación de la amplitud del suelo del ruido a partir de los datos de distancia-doppler situados en una ventana de detección y detecta un blanco cuando la diferencia entre dicha estimación de la amplitud del blanco y dicha estimación de la amplitud del suelo del ruido es mayor que dicho umbral.

Description

Sistema adaptativo y método para la detección por radar.

Campo de la invención

La presente invención se refiere a la detección por radar, y más particularmente, a un sistema y a un método para la detección adaptativa de blancos de radar.

Antecedentes de la invención

El Radar de Ondas Superficiales de Alta Frecuencia (HFSWR) es eficaz para la detección y seguimiento continuos de barcos, aeronaves, icebergs y otros blancos de superficie desde una ubicación situada en la costa. Por consiguiente, el HFSWR se está usando para mejorar las actividades de búsqueda y rescate así como para monitorizar el estado de la mar, la inmigración ilegal, el tráfico de drogas, la pesca ilegal, el contrabando y la piratería en la Zona Económica Exclusiva.

Un sistema HFSWR, instalado a lo largo de una línea costera, comprende una antena transmisora direccional y una red de antenas receptoras que están dirigidas hacia el mar así como el hardware y el software necesarios para el funcionamiento del sistema. La antena transmisora genera un tren de impulsos electromagnéticos (EM) los cuales iluminan un área deseada de vigilancia. Preferentemente, la red de antenas receptoras debería tener una ganancia elevada y del mismo valor por toda el área de vigilancia. Así, los objetos situados en el área de vigilancia reflejan los impulsos EM hacia la red de antenas receptoras las cuales captan los datos de radar. Algunos de los objetos pueden ser elementos que deben ser detectados (a los que se hace referencia como "blancos") mientras que el resto de los objetos son elementos que no tienen que ser detectados (a los que se hace referencia como "ecos parásitos"). Para combatir el desbordamiento de distancia el cual se produce cuando un impulso EM reflejado (en respuesta a un impulso EM transmitido anteriormente) es recibido por la red de antenas receptoras después de que se hayan transmitido impulsos EM sucesivos se pueden usar impulsos EM más sofisticados codificados por impulsos o codificados por frecuencia.

Convencionalmente, a continuación, los datos de radar recogidos de cada elemento de antena o sensor en la red de antenas receptoras se procesan previamente haciendo pasar los datos a través de un filtro pasabanda para filtrar las señales extrañas no deseadas de los datos de radar, y a continuación a través de un receptor heterodino el cual demodula los datos de radar desde la banda RF a una banda IF en la que se produce la conversión analógica a digital. A continuación, los datos de radar se demodulan a la banda base en la que se produce el filtrado paso-bajo y el diezmado. Los datos de radar recogidos por la red de antenas receptoras son complejos (es decir, tienen componentes reales e imaginarios). Por consiguiente, los datos de radar diezmados son también complejos y cada uno de los componentes del procesado de la señal requeridos para realizar las operaciones mencionadas anteriormente se implementa de manera que puede tratar con datos complejos.

A continuación, los datos de radar diezmados son procesados por un filtro adaptado que tiene una función de transferencia o respuesta impulsional que está relacionada con el impulso EM transmitido. Seguidamente, los datos de radar filtrados por adaptación se separan en segmentos para realizar los análisis. En la técnica, cada segmento se conoce como tiempo de integración coherente (CIT) o intervalo de permanencia. Los datos de radar filtrados y seccionados en cada CIT se alinean según la distancia anotando el instante de tiempo en el que se muestreó cada punto de los datos con respecto al instante de tiempo en el que se transmitió un impulso EM precedente. A continuación, los datos alineados según la distancia se pueden someter a una combinación de un filtrado paso-bajo para realizar una reducción del ruido y un diezmado adicionales con vistas a obtener un procesado de la señal más eficaz. El resultado de este procesado es una pluralidad de series temporales de datos de distancia en las que cada serie temporal se capta para un valor determinado de la distancia. El valor máximo de la distancia para el cual se capta la pluralidad de series temporales depende del intervalo de repetición del impulso usado en la transmisión de los impulsos EM (es decir, la frecuencia con la que se transmiten los impulsos EM).

Un blanco se detecta a partir de la información de distancia, doppler y azimutal que es generada a partir de los datos de radar registrados. La información de distancia se usa para proporcionar una estimación de la distancia del blanco con respecto a la red de antenas receptoras. La información azimutal se usa para proporcionar una estimación del ángulo de la posición del blanco con respecto al centro de la red de antenas receptoras y la información doppler se usa para proporcionar una estimación de la velocidad radial del blanco midiendo el desplazamiento doppler del blanco. El desplazamiento doppler del blanco está relacionado con el cambio del contenido frecuencial del impulso EM que es reflejado por el blanco con respecto al contenido frecuencial original de dicho impulso EM.

Tal como se ha mencionado anteriormente, los datos de radar se generan anotando el instante de tiempo en el cual se muestrearon los datos con respecto al instante de tiempo en el cual se transmitió un impulso EM precedente. El procesado doppler se corresponde con la detección de una señal sinusoidal de frecuencia \Deltaf en el periodo de repetición de los impulsos (es decir, el tiempo entre impulsos transmitidos consecutivos en el tren de impulsos coherente). Por consiguiente, la información doppler se genera para un valor de distancia determinado sometiendo la serie temporal obtenida para dicho valor de distancia a un procesado de filtro peine, un procesado de banco de filtros o un procesado FFT. Los datos azimutales se obtienen convencionalmente mediante una conformación digital de haces. Más específicamente, los datos de radar en una celda de distancia determinada y una celda doppler determinada se ponderan por medio de una expresión exponencial compleja para cada elemento de antena de la red de antenas receptoras y a continuación se suman pasando por todos los elementos de antena. La fase de la expresión exponencial compleja está relacionada con un ángulo azimutal, la separación de los elementos de antena y la longitud de onda de los impulsos EM transmitidos tal como es bien sabido para aquellos expertos en la materia. La conformación del haz proporciona la idea de que la red de antenas está sintonizada con una cierta zona del área de vigilancia definida por el valor azimutal usado en las ponderaciones exponenciales complejas. De esta manera, se pueden formar muchos haces para abarcar simultáneamente el área de vigilancia total.

Para determinar la distancia, el azimut y la velocidad de un blanco, un detector procesa la información de distancia, azimutal y doppler generada para un CIT determinado. En general, el detector busca picos en una celda determinada (es decir, un valor de datos o píxel) en una representación bidimensional conocida como representación distancia-doppler. La detección del blanco comprende normalmente la comparación de la amplitud en una celda determinada con la amplitud media en las celdas vecinas. A continuación, los blancos detectados se reenvían a un extractor de datos el cual filtra los blancos detectados para rechazar todas aquellas detecciones que no se ajustan a las propiedades de distancia, doppler y azimutales que se esperan para un blanco verdadero. A continuación, estos blancos filtrados se reenvían a un seguidor el cual asocia las detecciones sucesivas de un blanco determinado para formar una trayectoria correspondiente al blanco. De esta manera, se puede realizar el seguimiento del movimiento del blanco por toda el área de vigilancia.

El procedimiento de detección se ve obstaculizado por la adición de ruido, el cual incluye los ecos parásitos mencionados anteriormente, en cada celda. Esto puede dar como resultado la omisión de una detección de un blanco con la detección falsa del ruido como blanco. El ruido es problemático ya que existirá un nivel de ruido variable en celdas diferentes así como para datos de radar recogidos en tiempos CIT diferentes, en condiciones diferentes del estado de la mar, durante periodos de tiempo diferentes del día y la estación y en posiciones diferentes. Las fuentes principales de ruido del radar incluyen la autointerferencia, tal como los ecos parásitos oceánicos y los ecos parásitos ionosféricos, y la interferencia externa. La autointerferencia se origina por el funcionamiento del radar mientras que la interferencia externa no depende del funcionamiento del radar.

Los ecos parásitos ionosféricos, una de las causas más significativas de interferencia, incluyen impulsos EM que salen reflejados desde la ionosfera de la tierra y vuelven directamente al radar (es decir, ecos parásitos de incidencia casi vertical), e impulsos EM que salen rebotados de la ionosfera, se reflejan desde el océano y vuelven al radar a lo largo del camino inverso (es decir, autointerferencia de ondas ionosféricas o ecos parásitos con desbordamiento de distancia). En general, los ecos parásitos ionosféricos se acumulan en una banda anular que abarca varias celdas de distancia, todas las celdas azimutales y la mayoría de la banda doppler del barco. Esta banda estrecha de celdas de distancia se corresponde con la altura o las múltiples alturas de las capas ionosféricas con respecto al lugar de instalación del HFSWR. Los ecos parásitos ionosféricos de incidencia casi vertical están caracterizados asimismo porque presentan una intensidad muy elevada, estar aislados en cuanto a la distancia y estar esparcidos en la dimensión doppler por muchos mili-hercios. Durante la noche, los ecos parásitos ionosféricos se producen con su nivel más alto debido a la desaparición de la capa D y a la fusión de las capas F1 y F2. Además, las características de los ecos parásitos ionosféricos varían con la estación y otros parámetros del entorno de manera que no resulta tan sencillo introducir un método consistente para suprimir el ruido ionosférico.

La superficie del mar comprende una serie de olas que presentan longitudes de onda y amplitudes diferentes. Los ecos parásitos oceánicos se originan a partir de impulsos EM que son reflejados por las olas oceánicas que son armónicos de la longitud de onda del radar. A los dos grandes picos que dominan los ecos parásitos oceánicos se les hace referencia como líneas de Bragg las cuales aparecen como dos columnas de picos en una representación distancia-doppler a lo largo de todas las celdas de distancia en las frecuencias doppler determinadas por la frecuencia de funcionamiento del radar. Las líneas de Bragg pueden emborronar el rendimiento de la detección del radar a sus frecuencias doppler correspondientes. No obstante, se produce también una dispersión de orden superior, relacionada con el estado de la mar, que da como resultado picos adicionales y una zona continua de ecos parásitos oceánicos entre las líneas de Bragg. Esta zona continua de ecos parásitos oceánicos contiene energía que está relacionada con el estado de la mar (es decir, la velocidad y la duración del viento de superficie) y frecuentemente limita la detección de blancos pequeños, de baja velocidad, tales como barcos.

La interferencia externa incluye la interferencia cocanal, la interferencia atmosférica y el ruido impulsivo. La interferencia cocanal se origina a partir de usuarios de la banda de frecuencias HFSWR tanto locales como distantes, tales como organismos de radiodifusión televisiva. Esta interferencia no depende de la distancia y se produce en intervalos doppler específicos. Esta interferencia es además altamente directiva ya que se origina a partir de fuentes puntuales correlacionadas espacialmente. La interferencia cocanal se puede evitar seleccionando frecuencias portadoras alternativas para transmitir los impulsos EM. No obstante, la interferencia cocanal de fuentes distantes plantea un problema más serio ya que esa interferencia es más aleatoria en el tiempo y en frecuencia. Además, por la noche se produce una interferencia cocanal típicamente mayor que durante el día debido a la falta de la absorción de la capa D durante la noche.

La interferencia atmosférica es espacialmente blanca con un nivel que varía en función de la frecuencia, la hora del día, la estación y la posición geográfica. Por ejemplo, el nivel de ruido debido a la interferencia atmosférica en el extremo inferior de la banda HF, aumenta aproximadamente 20 dB durante la noche en comparación con los niveles diurnos.

El ruido impulsivo es debido a los rayos y se manifiesta en forma de una secuencia de impulsos rápidos que están distribuidos aleatoriamente en el tiempo y tienen una amplitud con un amplio intervalo dinámico. El ruido impulsivo no es espacialmente blanco y se origina por tormentas tanto locales como distantes. El ruido impulsivo se produce normalmente durante todo el periodo de funcionamiento diurno de un sistema HFSWR. El ruido impulsivo presenta una dispersión doppler de una duración relativamente breve y puede parecerse a un blanco maniobrando. El ruido impulsivo da como resultado un aumento del nivel del ruido de fondo. Las características frecuenciales del ruido impulsivo varían en función de la intensidad de la actividad tormentosa local.

La interferencia externa espacialmente no blanca y los ecos parásitos oceánicos se pueden reducir satisfactoriamente usando métodos sofisticados de procesado de la señal desarrollados por los inventores de la presente invención y descritos en las solicitudes de patente en trámite presentadas simultáneamente junto con la presente, primera solicitud WO 030 79045 y titulada "System and Method For Spectral Generation in Radar" y segunda solicitud WO 030 790 37 y titulada "A Noise Suppression System and Method for Phased-Array Based Systems". No obstante, después de aplicar estos métodos de procesado de la señal, los datos del radar siguen conteniendo ruido, siendo espacialmente blanco la mayor parte de dicho ruido debido principalmente a la interferencia atmosférica. Tal como se ha mencionado anteriormente, la interferencia atmosférica es problemática ya que da como resultado un nivel de ruido que es bastante variable.

La variabilidad en el nivel de ruido debido a la interferencia atmosférica afecta al rendimiento de la detección del sistema HFSWR de varias maneras. Este ruido puede dar como resultado la omisión de la detección de un blanco, ya que el blanco es indistinguible con respecto al ruido, o la detección falsa de ruido como blanco. Además, como el nivel de ruido varía tanto con el tiempo, el detector del sistema HFSWR dará salida a un número ampliamente variable de detecciones en cada CIT. Esta situación tiene un efecto negativo sobre los componentes del sistema HFSWR que siguen al detector (es decir, el extractor de datos y el seguidor). En particular, si el detector realiza demasiadas detecciones, en ese caso se producirá una sobrecarga en el seguidor del sistema HFSWR. De este modo, es preferible disponer de un detector que proporcione un número de detecciones relativamente constante en cada CIT con independencia del nivel de ruido variable debido a la interferencia atmosférica.

En la técnica, se conoce ampliamente el uso de un detector con Tasa de Falsas Alarmas Constante (CFAR) para proporcionar un rendimiento de la detección relativamente estable. En general, un detector CFAR convencional realiza una estimación del nivel de ruido local para una celda de distancia-doppler determinada y detecta un blanco en la celda de distancia-doppler determinada cuando la amplitud de los datos del radar de la celda de distancia-doppler es mayor que el nivel de ruido estimado más un umbral. En un detector CFAR convencional, normalmente el valor del umbral es constante. No obstante, como el nivel de ruido debido a la interferencia atmosférica es bastante variable y el ruido y el blanco no se suman de forma coherente, la diferencia de amplitud entre el blanco y el ruido también variará. De este modo, un detector CFAR convencional no detectará blancos que presenten una amplitud reducida si se usa un valor de umbral constante y el nivel de ruido aumenta. Por consiguiente, existe la necesidad de un detector que proporcione un nivel de umbral que se pueda variar con el nivel de ruido para proporcionar una tasa de detección constante pasando por diferentes tiempos CIT.

La patente US nº 5.465.095 da a conocer un método para procesar datos de radar en el valor de un umbral adaptativo es una función de la amplitud de las celdas circundantes.

La detección de blancos es también una tarea exigente debido a las propiedades de los blancos que varían de un blanco a otro tales como el tipo de blanco (es decir, un blanco marítimo, un blanco aéreo, etcétera) y la velocidad del blanco. Por ejemplo, en una representación de distancia-doppler los barcos proporcionan indicaciones de blanco mayores (es decir, un número mayor de celdas de distancia-doppler) que los blancos aéreos tales como los aviones. Por consiguiente, existe la necesidad de un detector que varíe los parámetros de detección sobre la base de dichas propiedades diferentes de los blancos.

Sumario de la invención

En uno de sus aspectos, la presente invención es un sistema de detección adaptativa para analizar datos de distancia-doppler-azimut con vistas a la detección de blancos. El sistema comprende un dispositivo de cálculo de umbrales que calcula un valor de umbral que se basa en la desviación estándar de los datos de distancia-doppler-azimut y una probabilidad de detección determinada. El sistema comprende también un módulo de detección en comunicación con el dispositivo de cálculo de umbrales para recibir el valor de umbral. El módulo de detección calcula una estimación de la amplitud del blanco y una estimación de la amplitud del suelo del ruido a partir de datos de distancia-doppler que están situados en una ventana de detección. El módulo de detección detecta un blanco cuando la diferencia entre la estimación de la amplitud del blanco y la estimación de la amplitud del suelo del ruido es mayor que el valor de umbral.

En un segundo aspecto, la presente invención proporciona un módulo de detección para analizar datos de distancia-doppler con vistas a la detección de blancos. El módulo de detección comprende un generador de ventanas para generar una ventana de detección que tiene una zona de blancos, una zona de guarda que rodea a la zona de blancos y una zona principal que rodea a la zona de guarda. El módulo de detección tiene también un dispositivo de cálculo de señales en comunicación con el generador de ventanas. El dispositivo de cálculo de señales calcula una estimación de la amplitud del blanco y una estimación de la amplitud del suelo del ruido. La estimación de la amplitud del blanco es preferentemente una amplitud de la celda de distancia-doppler en el centro de la zona de blancos y la estimación de la amplitud del suelo del ruido es preferentemente una amplitud media de las celdas de distancia-doppler en la zona principal. El módulo de detección incluye también un módulo de decisión en comunicación con el dispositivo de cálculo de señales. El módulo de decisión detecta un blanco cuando la diferencia entre la estimación de la amplitud del blanco y la estimación de la amplitud del suelo del ruido es mayor que un valor de umbral predeterminado.

Según otro aspecto, la presente invención proporciona un método de detección adaptativa para analizar datos de distancia-doppler-azimut con vistas a la detección de blancos. El método de detección comprende dos puntos

calcular un valor de umbral sobre la base de la desviación estándar de los datos de distancia-doppler-azimut y una probabilidad de detección predeterminada;

calcular una estimación de la amplitud del blanco y una estimación de la amplitud del suelo del ruido sobre la base de los datos de distancia-doppler contenidos en una ventana de detección; y

detectar un blanco cuando la diferencia entre la estimación de la amplitud del blanco y estimar la amplitud del suelo del ruido es mayor que el valor de umbral.

Según un aspecto adicional, la presente invención proporciona un método de detección para analizar datos de distancia-doppler con vistas a la detección de blancos. El método de detección comprende las siguientes etapas:

generar una ventana de detección que tiene una zona de blancos, una zona de guarda que rodea la zona de blancos y una zona principal que rodea la zona de guarda;

calcular una estimación de la amplitud del blanco y una estimación de la amplitud del suelo del ruido, en el que la estimación de la amplitud del blanco es preferentemente la amplitud de una celda de distancia-doppler en el centro de la zona de blancos y la estimación de la amplitud del suelo del ruido es preferentemente una amplitud media de celdas de distancia-doppler en la zona principal; y,

detectar un blanco cuando la diferencia entre la estimación de la amplitud del blanco y estimar la amplitud del suelo del ruido es mayor que un valor de umbral predeterminado.

Breve descripción de los dibujos

En aras de una mejor comprensión de la presente invención y para poner de manifiesto más claramente cómo puede llevarse a la práctica, a continuación se hará referencia, únicamente a título de ejemplo, a los dibujos adjuntos los cuales muestran una forma de realización preferida de la presente invención y en los cuales:

la Fig. 1 es un diagrama de bloques de un detector CFAR adaptativo según la presente invención;

la Fig. 2a es una representación que ilustra el área activa y el área de guarda de una representación distancia-doppler según la presente invención;

la Fig. 2b es un diagrama que ilustra el concepto del azimut;

la Fig. 3a es una parte del espectro Doppler a una distancia determinada para un nivel de ruido bajo;

la Fig. 3b es la misma parte del espectro Doppler mostrado en la Fig. 3a con un nivel de ruido superior;

la Fig. 4a es un histograma normalizado de datos HFSWR reales registrados durante el otoño;

la Fig. 4b es un histograma normalizado de datos simulados con una distribución \chi^{1,5};

la Fig. 5a es un histograma normalizado de datos HFSWR reales registrados durante el invierno;

la Fig. 5b es un histograma normalizado de datos simulados con una distribución \chi^{1,5};

la Fig. 6 es una ventana de detección adaptativa según la presente invención;

la Fig. 7 es una parte del espectro Doppler de un blanco a una distancia determinada;

la Fig. 8 es un diagrama de flujo del proceso de detección realizado por el detector;

la Fig. 9 es un diagrama de flujo de un método de detección CFAR adaptativa según la presente invención;

la Fig. 10a es una representación de alta resolución de la distancia-doppler de datos HFSWR reales registrados durante el otoño;

la Fig. 10b es una representación de los aciertos de detección obtenidos a partir del detector CFAR adaptativo de la presente invención cuando se aplica a la representación distancia-doppler de la Figura 10a;

la Fig. 11a es una segunda representación distancia-doppler de alta resolución de datos HFSWR reales registrados durante el otoño;

la Fig. 11b es una representación de aciertos de detección obtenidos a partir del detector CFAR adaptativo de la presente invención cuando se aplica a la representación distancia-doppler de la Figura 11a,

la Fig. 12a es una representación distancia-doppler de alta resolución de datos HFSWR reales registrados durante el invierno;

la Fig. 12b es una representación de aciertos de detección obtenidos a partir del detector CFAR adaptativo de la presente invención cuando se aplica a la representación distancia-doppler de la Figura 12a;

la Fig. 13a es una segunda representación distancia-doppler de alta resolución de datos HFSWR reales registrados durante el invierno; y,

la Fig. 13b es una representación de aciertos de detección obtenidos a partir del detector CFAR adaptativo de la presente invención cuando se aplica a la representación distancia-doppler de la Figura 13a.

Descripción detallada de la invención

Todos los datos experimentales descritos en la presente memoria se han tomado a partir del sistema HFSWR SWR-503^{TM} ubicado en Cape Race, Newfoundland, Canadá. El sistema HFSWR SWR-530^{TM} fue desarrollado por Raytheon Canada Limited.

Tal como se usan en la presente memoria, la expresión datos de distancia-doppler-azimut significa todos los datos de distancia-doppler generados para todos los azimuts en un CIT determinado y la expresión distancia-doppler significa todos los datos de distancia-doppler para un azimut determinado (es decir, una representación distancia-doppler).

En primer lugar se hace referencia a la Figura 1, la cual muestra una forma de realización preferida de un sistema 10 de detección adaptativa según la presente invención. El sistema 10 de detección adaptativa comprende un dispositivo 12 de cálculo de umbrales y un módulo de detección 14. El sistema 10 de detección adaptativa detecta blancos para una representación distancia-doppler 16 determinada seleccionada de entre una pluralidad de representaciones distancia-doppler 18 (generadas durante un CIT determinado) y puede producir una representación 20 de aciertos la cual muestra las posiciones de los blancos detectados. Las Figuras 10a y 10b son ejemplos, respectivamente, de una representación distancia-doppler y una representación de aciertos. El sistema 10 de detección adaptativa se puede usar para generar una representación 20 de aciertos por cada representación distancia-doppler 16. Como alternativa, el sistema 10 de detección adaptativa puede generar una pluralidad de representaciones 22 de aciertos cuando se procesa una pluralidad de representaciones distancia-doppler 18.

Haciendo referencia a continuación a la Figura 2a, cada representación distancia-doppler 16 se define de manera que presenta un área activa 24 que tiene una pluralidad de celdas 26 y un área de guarda 28 que tiene también una pluralidad de celdas (no mostradas). La Figura 2a no se representa a escala y contendrá muchas más celdas 26 que las mostradas. La necesidad de un área de guarda 28 se explicará posteriormente de forma detallada. Cada celda 26 del área activa 24 es procesada por el sistema 10 de detección adaptativa para determinar si cada celda 26 tiene un blanco. Las celdas del área de guarda 28 no son procesadas para la detección de blancos. Además, cada representación distancia-doppler 16 se genera para un azimut determinado. Tal como es sabido por los expertos en la materia, los datos de radar de cada representación distancia-doppler 16 se han sometido a operaciones convencionales de tratamiento de señales para realizar el pretratamiento el cual incluye el filtrado pasabanda, la heterodinación, la conversión A/D, la demodulación, el diezmado, y el filtrado adaptado. Haciendo referencia a la Figura 2b, el azimut es el ángulo horizontal \theta que el haz principal 30 de la red 32 de antenas receptoras forma con respecto al punto medio de la red 32 de antenas receptoras tal como es sabido comúnmente por aquellos expertos en la materia.

Haciendo referencia nuevamente a la Figura 1, el dispositivo 12 de cálculo de umbrales calcula un valor de umbral sobre la base de las propiedades estadísticas de los datos de distancia-doppler-azimut obtenidos durante un CIT determinado y una probabilidad de detección determinada. Esta información se obtiene a partir de la pluralidad de representaciones distancia-doppler 18. El valor de umbral permanece constante para cada celda 26 que es procesada por el sistema 10 de detección adaptativa en una representación distancia-doppler 16 determinada para un CIT determinado. Cuando se procesan datos de distancia-doppler-azimut de un CIT nuevo, se calcula un valor de umbral nuevo.

El módulo de detección 14 incluye un generador de ventanas 34, un dispositivo 36 de cálculo de señales, un módulo de decisión 38 y un módulo 40 de almacenamiento, conectados tal como se muestra en la Figura 1. Para un modo de detección determinado, el generador de ventanas 34 genera una ventana de detección tal como se describe posteriormente de forma más detallada. Para una representación distancia-doppler 16 determinada, la ventana de detección se centra en una celda 26 para proporcionar valores de distancia-doppler que son usados por el dispositivo 36 de cálculo de señales para calcular una estimación del nivel del blanco y una estimación del nivel de ruido local para la celda 26. A continuación, el módulo de decisión 38 declara una detección (es decir, un acierto) si la diferencia entre la estimación del nivel del blanco y la estimación del nivel de ruido es mayor que el valor de umbral. De esta forma, se realiza la detección de blancos para cada celda 26 en la representación distancia-doppler 16 determinada. Las posiciones distancia-doppler de todos los blancos detectados son almacenadas por el módulo de almacenamiento 40. Las posiciones de los blancos detectados se pueden mostrar en la representación 20 de aciertos que se corresponde con la representación distancia-doppler 16 determinada. La representación 20 de aciertos puede ser una máscara binaria que presente un valor de 1 en las celdas en las que existen blancos detectados y un valor de 0 en la totalidad del resto de celdas.

Los elementos de la presente invención se pueden implementar con cualquier medio conocido en la técnica por ejemplo mediante el uso de un hardware especializado tal como un procesador digital de la señal, o con componentes discretos tales como comparadores, multiplicadores, registros de desplazamientos, memorias y similares. Los elementos de la presente invención también se pueden implementar a través de un programa de ordenador el cual se puede escribir en Matlab, C, C^{++}, Labview^{TM} o cualquier otro lenguaje de programación adecuado incorporado en un medio legible por ordenador en una plataforma informática que disponga de un sistema operativo y del hardware y software asociados que sean necesarios para implementar el sistema 10 de detección adaptativa. El programa de ordenador comprendería instrucciones de ordenador que están adaptadas para realizar las etapas del método de detección adaptativa que se describe a continuación de forma más detallada. Los programas de ordenador pueden comprender módulos o clases, como es bien conocido por los expertos en la programación orientada a objetos, que estén implementados y estructurados según el sistema 10 de detección adaptativa mostrado en la Figura 1. Por consiguiente, se pueden diseñar módulos de software independientes para implementar el dispositivo 12 de cálculo de umbrales, el generador de ventanas 34, el dispositivo 36 de cálculo de señales y el módulo de decisión 38. Como alternativa, la funcionalidad de estas estructuras se puede combinar en uno o dos módulos de software. Además, el módulo 40 de almacenamiento puede ser cualquier dispositivo adecuado de almacenamiento por ordenador o un sistema de
base de datos.

A continuación se hace referencia a las Figuras 3a y 3b las cuales representan la interacción entre el nivel de ruido y la amplitud del blanco en una parte de un segmento de una representación distancia-doppler (es decir, una parte del espectro Doppler para una distancia determinada). Tal como se ha mencionado en la sección de antecedentes, el nivel de ruido debido a la interferencia atmosférica varía con la hora del día, el momento de la estación y la posición geográfica. Esta variación del nivel de ruido se puede interpretar como un cambio en el nivel de los suelos 50 y 52 de ruido de las Figuras 3a y 3b respectivamente. El nivel superior 52 del suelo de ruido de la Figura 3b da como resultado una distancia menor entre los picos de los blancos 54, 56, 58 y 60 y el nivel 52 del suelo de ruido en comparación con la distancia entre los picos de los blancos 54, 56, 58 y 60 y el nivel 50 del suelo de ruido mostrado en la Figura 3a. Como consecuencia, cuando se usa un detector CFAR convencional, el cual usa el mismo umbral T para datos de radar obtenidos durante tiempos CIT diferentes, los blancos 54, 56 58 y 60 serán detectados cuando el ruido de fondo presente el nivel 50 de suelo de ruido pero solo serán detectados los blancos 54 y 60 cuando el ruido de fondo presente el nivel 52 del suelo de ruido. Por esta razón, un detector CFAR convencional proporcionará un rendimiento de la detección variable. Para evitar este problema, el nivel del umbral se debería calcular de forma adaptativa de tal manera que cuando el nivel de ruido aumente, el nivel del umbral se reduzca y cuando el nivel de ruido se reduzca, el nivel de umbral aumente. Para conseguir esta situación, deben conocerse las propiedades estadísticas de los datos de distancia-doppler-azimut para los CIT representativos.

Se estudiaron las propiedades estadísticas de los datos de distancia-doppler-azimut para varios CIT usando datos de las representaciones distancia-doppler que se produjeron por medio de un estimador espectral de alta resolución tal como el estimador espectral MUSIC (Clasificación de Múltiples Señales) o el estimador espectral root-MUSIC. El análisis comprendía la construcción de histogramas sobre la base de los valores de amplitud (en dB) de todos los datos de distancia-doppler-azimut que se obtuvieron para un CIT determinado. Por consiguiente, el número de representaciones distancia-doppler generadas dependía del número de azimuts que se examinaron por medio del sistema HFSWR en un CIT.

Haciendo referencia a continuación a la Figura 4a, en la misma se muestra un histograma normalizado de los datos reales de distancia-doppler-azimut obtenidos durante el otoño. El eje x es la amplitud en dB y el eje y es la frecuencia normalizada (es decir, el número de valores de los datos de distancia-doppler-azimut que tienen una cierta amplitud divido por el número total de valores de los datos de distancia-doppler-azimut usados para producir el histograma). Este escalado dio como resultado un área de histograma de 1 para realizar una estimación de la función de distribución de probabilidad (pdf) para los valores de distancia-doppler-azimut.

Haciendo referencia a continuación a la Figura 4b, en la misma se muestra un histograma normalizado de datos simulados que presentan una distribución X^{1,5}. El eje x y el eje y del histograma se han escalado de forma similar a los ejes mostrados en la Figura 4a. Al comparar las Figuras 4b y 4a, se pone de manifiesto que los datos de distancia-doppler-azimut en dB, con una media igual al nivel de ruido de la interferencia atmosférica más las amplitudes de los blancos, se aproximan bastante bien a la distribución X^{1,5}. El histograma muestra además que los blancos se comportan como ruido aditivo ya que la cola de la distribución de X^{1,5} se estira cuando hay más blancos en los datos de distancia-doppler-azimut. Además, la variación de los datos de distancia-doppler-azimut es producida principalmente por los blancos que existen en los datos de radar debido a que la amplitud de los blancos es mucho mayor que el ruido debido a la interferencia atmosférica. Esto es así porque el ruido resultante de la interferencia atmosférica ha llegado a reducirse debido al promediado que implica la estimación del espectro de amplitud de los datos de distancia-doppler-azimut tal como es bien sabido para aquellos expertos en la materia.

Haciendo referencia a continuación a las Figuras 5a y 5b, en las mismas se muestran histogramas normalizados de datos reales de distancia-doppler-azimut obtenidos durante el invierno y datos simulados que presentan una distribución X^{1,5}. Al comparar las Figuras 5a y 5b, se pone de manifiesto que los datos de distancia-doppler-azimut en dB, con una media igual al nivel de ruido de la interferencia atmosférica más la amplitud de los blancos, se aproxima bastante bien a la distribución X^{1,5} tal como se observaba en la comparación de los histogramas de las Figuras 4a y 4b.

Como en este momento se conoce la pdf de los datos de distancia-doppler-azimut, la siguiente etapa consiste en calcular un valor de umbral para obtener una probabilidad de detección (PD) deseada o predeterminada. La PD viene representada en este caso por el área situada debajo de la curva pdf y a la izquierda de un valor de umbral 72 tomado a lo largo del eje x de la representación pdf tal como la mostrada en la Figura 4b. Como los blancos permanecen en la cola superior de la distribución X^{1,5}, la fijación de un valor de umbral para el cual el 95% de la distribución X^{1,5} quede situado a la izquierda del valor de umbral proporcionará una probabilidad de detección del 95% en el sentido de que se puede garantizar al 95% que un blanco con una amplitud que sea mayor que el valor de umbral es verdaderamente un blanco en lugar de ruido ya que el 95% de la distribución del ruido se sitúa por debajo de este valor de umbral en amplitud. Interpretándolo desde una perspectiva estadística, la fijación de un valor de umbral de tal manera que el 95% de la distribución se sitúe a la izquierda del valor de umbral da como resultado que como mucho el 5% de los puntos de distancia-doppler-azimut para un CIT determinado se registren como una detección. De hecho, los resultados experimentales que se muestran a continuación indican que menos del 1% de los puntos de los datos de distancia-doppler-azimut en un CIT se detectan como blancos cuando el umbral se fija según este criterio del 95% debido al procesado CFAR que usa el sistema 10 de detección adaptativa.

Para determinar un valor de umbral sobre la base de una PD deseada o predeterminada, se puede hacer referencia a una tabla estadística para una distribución \chi^{1,5} y determinar el valor de \lambda/\sigma, designado en este caso como X, el cual proporciona un percentil que sea igual a la PD deseada. El valor de umbral se representa por medio de \lambda y la desviación estándar de los datos que tiene una distribución X^{1,5} se representa por medio de \sigma. Por ejemplo, una PD del 90% da como resultado \chi=1,7 y una PD del 95% da como resultado \chi=1,8.

A partir de la descripción anterior, la fijación de un valor de umbral adecuado para los datos de distancia-doppler-azimut obtenidos para un CIT determinado debería proporcionar un límite superior sobre el número de detecciones obtenidas para ese CIT. No obstante, para mantener la detección de blancos falsos (es decir, alarmas falsas) a un nivel razonable, debería usarse un esquema de detección CFAR. Los blancos falsos provienen principalmente de la dispersión espectral de las líneas de Bragg y de los ecos parásitos ionosféricos cuando se usan técnicas de estimación espectral de alta resolución para producir representaciones distancia-doppler.

Para obtener una buena estimación del nivel del ruido de fondo, para el módulo de detección 14 se usa un método de umbrales basado en una ventana de detección 80 que utiliza un diseño CFAR adaptativo con vistas a obtener estimaciones robustas de la señal y el ruido. Haciendo referencia a la Figura 6, se muestra la ventana de detección 80 junto con las celdas de una parte de una representación distancia-doppler. La ventana de detección 80 está diseñada de tal manera que las celdas situadas alrededor de un blanco potencial en una representación distancia-doppler se dividen en tres zonas que comprenden una zona de blancos 82, una zona de guarda 84 y una zona principal 86. En el ejemplo mostrado en la Figura 6, la zona de blancos 82 es un cuadrado que tiene preferentemente una altura de 9 celdas en la dimensión de la distancia y una anchura de 5 celdas en la dimensión doppler, la zona de guarda 84 es un anillo que presenta preferentemente una altura de 5 celdas de distancia por encima y por debajo de la zona 82 de guarda y una anchura de 2 celdas doppler a cada lado de la zona de blancos 82 y la zona principal 86 es un anillo que presenta preferentemente una altura de 7 celdas de distancia por encima y por debajo de la zona de guarda 84 y una anchura de 3 celdas doppler a cada lado de la zona de guarda 84. Estas dimensiones se proporcionan como ejemplo. Por consiguiente, se pueden usar otras dimensiones.

El tamaño de las zonas influirá en la solidez estadística de la unidad de detección 14. Si las zonas son demasiado grandes, en ese caso las celdas de cada zona no serán representativas de la información que sea local con respecto a un blanco potencial. En general, el número de celdas en cada zona depende de la dependencia de celda-a-celda (es decir, qué nivel de correlación tienen los datos de radar en cada celda entre ellos) la cual, a su vez depende de los parámetros de procesado de la señal usados mientras se crea la representación distancia-doppler tales como la resolución de la distancia, la resolución doppler y el método de estimación espectral. El tamaño de la zona de blancos 82, la zona de guarda 84 y la zona principal 86 también variará dependiendo de la configuración del radar y del tipo de blancos que se van a detectar. Por consiguiente, el sistema 10 de detección adaptativa puede funcionar en diferentes modos de detección tales como un modo aéreo para detectar blancos aéreos y un modo marítimo para detectar blancos marítimos. Otro de los modos puede ser el modo de icebergs. El sistema 10 de detección adaptativa puede usar una ventana de detección 80 tal como se muestra en la Figura 6. Cuando el modo de detección se fija a modo marítimo, una ventana de detección 80 típica puede tener una zona de blancos con un tamaño de 7 celdas de distancia por 3 celdas doppler y las zonas 84 y 86 de guarda y principal con los tamaños mostrados en la Figura 6. Como alternativa, para las zonas 84 y 86 de guarda y principal se pueden usar tamaños diferentes.

Con independencia de si el sistema 10 de detección adaptativa está funcionando en el modo aéreo o el modo marítimo, la zona de blancos 82 está diseñada para incluir el número de celdas de distancia-doppler que ocuparía normalmente un blanco según los parámetros de funcionamiento del radar descritos anteriormente. Además, la amplitud máxima del blanco debería situarse preferentemente en el centro de la zona de blancos 82 cuando la ventana de detección 80 está centrada en el blanco. La zona de guarda 84 está diseñada para incluir las partes laterales del blanco las cuales tendrán una amplitud menor que la amplitud máxima (es decir, la parte central) del blanco que está contenido en la zona de blancos 82. Este es un resultado de la estimación espectral, en el cual, debido a los datos finitos en el tiempo o espacio, la estimación espectral de un blanco no será un pico afilado en el dominio de la frecuencia o espacial sino que tenderá a extenderse y a disminuir suavemente en amplitud alejándose del pico principal del blanco. La zona principal 86 está diseñada para incluir el ruido de fondo. Esta situación se muestra gráficamente en la Figura 7 en la cual, para una distancia determinada, se muestra un segmento de la zona de blancos 82, la zona de guarda 84 y la zona principal 86, centrado con respecto a un blanco 88 en la dimensión Doppler.

Haciendo referencia a continuación a la Figura 8, en la misma se muestra un diagrama de flujo de un método de detección 90 realizado por el módulo de detección 14 para una celda de distancia-doppler determinada. El método de detección 90 se inicia en la etapa 92 en la que se calcula la amplitud media de los datos del radar (ravg_{m}) para la zona principal 86 la cual es la suma de las amplitudes de los datos de distancia-doppler de cada celda en la zona principal 86 dividida por el número de celdas de la zona principal 86. Esto proporciona una estimación de la amplitud del nivel de ruido. El nivel de ruido es una "estimación" en el sentido estadístico, ya que para realizar una estimación de la amplitud del nivel de ruido se usan unos pocos valores de los datos de radar en una observación muestral de entre una población de muestras. La siguiente etapa 94 consiste en obtener una estimación de la amplitud del blanco (r_{t}) la cual es la amplitud de los datos del radar en el centro de la zona de blancos 82. Preferentemente, la zona de blancos 82 comprende un número impar de celdas de distancia y doppler de manera que el centro de la zona de blancos 82 se produce en una celda de distancia-doppler individual. Los cálculos mencionados anteriormente los realiza el dispositivo 36 de cálculo de señales.

La siguiente etapa 96 del método de detección 90 consiste en calcular la diferencia blanco-ruido-amplitud (TNAD) entre la estimación de la amplitud del blanco y la estimación de la amplitud del ruido según la ecuación 1:

(1)TNAD = r_{t} - ravg_{m}

La siguiente etapa 98 consiste en determinar si la TNAD es mayor que el valor de umbral \lambda. Estas operaciones las realiza la unidad de decisión 38. Si esta comparación es falsa, en ese caso no existe ningún blanco detectado y el método de detección 90 prosigue hacia la etapa 100. No obstante, si esta comparación es verdadera, en ese caso el método de detección 90 prosigue hacia la etapa 102 en la que se declara que la celda central de la zona de blancos 82 es un blanco y la amplitud media de los datos de radar en toda la zona de blancos 82 se devuelve como la amplitud del blanco. Esto se realiza para evitar la detección de múltiples blancos debido a la división de blancos la cual se produce cuando un blanco ha sido dividido en dos o más picos por la estimación espectral de alta resolución. Si se produce este caso, un detector CFAR convencional detectaría dos blancos independientes cuando únicamente existe un blanco verdadero. En la etapa 102, se pueden almacenar los valores de distancia, doppler y azimut de la zona de blancos 82. Esta operación la realiza el módulo de almacenamiento 40. A continuación, el método de detección 90 se traslada a la etapa 100 en la que se determina si se ha procesado la última celda en la representación distancia-doppler actual. En caso negativo, el método de detección 90 se traslada a la etapa 104 en la que la ventana de detección 80 se desplaza a la siguiente celda de la representación distancia-doppler y se repite el método de
detección 90.

El método de detección 90 puede comenzar en la esquina izquierda superior del área activa 24 de una representación distancia-doppler y procesar cada celda doppler en esa fila (es decir, con un valor de distancia determinado) hasta que se haya procesado la última celda doppler de la fila. A continuación, la ventana de detección 80 se puede mover hacia abajo 1 celda de distancia y situarse en la celda doppler ubicada más a la izquierda en el área activa 24 y se pueden procesar todas las celdas doppler de esa fila (es decir, distancia). De esta manera, el módulo de detección 14 procesa todas las celdas de distancia-doppler correspondientes a una representación distancia-doppler. Como alternativa, se pueden usar otros métodos para mover la ventana de detección 80 sobre las celdas de una representación distancia-doppler.

Cuando la ventana de detección 80 está actuando sobre celdas próximas a los bordes o en los mismos bordes del área activa 24, las celdas del área de guarda 28 se usan para calcular el valor ravg_{m} necesario en la ecuación 1. Esta es la razón para la incorporación del área de guarda 28 alrededor del área activa 24 de una representación distancia-doppler. Por consiguiente, la detección se realiza únicamente para aquellas celdas que están en el área activa 24 de una representación distancia-doppler 16.

La ecuación 1 usa la amplitud en el centro de la zona de blancos 82 como la estimación de la amplitud del blanco para reducir la probabilidad de omitir la detección de un blanco que tenga una amplitud pequeña (es decir, si para la estimación de la amplitud del blanco se usara el promediado, la amplitud del blanco se alisaría sobre las celdas de la zona de blancos 52). Adicionalmente, para eliminar la parte del blanco que está en la zona principal 56 con vistas a obtener una estimación más precisa del ruido de fondo se usa la diferencia entre el r_{t} y ravg_{m} en la ecuación 1 (por ejemplo, ver Figura 7). Además, la elección del tamaño de la zona de blancos 82 sobre la base de la resolución de la distancia y doppler del sistema HFSWR y el modo de detección (es decir, el tipo de blanco que se está detectando) resulta beneficiosa para garantizar que la ventana de detección 80 está dimensionada de manera que coincida con la forma del blanco. En este sentido, la ventana de detección 80 es el realidad una ventana de detección adaptativa que se varía dependiendo de los parámetros de funcionamiento del sistema de radar y del modo de detección.

Además, debería resultar evidente que la ventana de detección 80 y el método de detección 90 se pueden aplicar a una representación distancia-doppler producida por cualquier estimador espectral. En este caso, probablemente cambiarán las estadísticas de los datos de distancia-doppler-azimut lo cual afectará al cálculo del valor de umbral. En la presente invención, se usa el estimador espectral MUSIC lo cual ha afectado al cálculo del valor de umbral \lambda.

Haciendo referencia a continuación a la Figura 9, en la misma se muestra un diagrama de flujo para un método 110 de detección adaptativa según la presente invención. Una vez proporcionados los datos de distancia-doppler-azimut en dB para un CIT, el método 110 de detección adaptativa comienza en la etapa 112 en la que se calcula la desviación estándar (\sigma) de los datos según la ecuación 2:

(2)\sigma=\sqrt{\frac{\sum\limits^{N}_{i=1}(RDA_{i}-RDA_{m})^{2}}{N-1}}

en la que RDA_{i} es un valor de los datos de distancia-doppler-azimut, RDA_{m} es la media de los valores de los datos de distancia-doppler-azimut y N es el número de valores de los datos de distancia-doppler-azimut. La siguiente etapa 114 consiste en seleccionar una probabilidad de detección deseada (es decir, una probabilidad de detección predeterminada) y calcular un valor \chi para \lambda/\sigma a partir de una tabla estadística en correspondencia con la distribución X^{1,5} tal como se ha descrito anteriormente. Dados \chi y un valor calculado para \sigma, a continuación se calcula el valor de umbral (\lambda) según la ecuación 3:

(3)\lambda = \chi \cdot \sigma

A continuación, en la etapa 116, se selecciona una ventana de detección 80 adecuada según el modo de detección (es decir, modo aéreo, modo marítimo, etcétera) así como las propiedades de funcionamiento del sistema HFSWR tales como la resolución de distancia y la resolución doppler según se ha descrito anteriormente. En la etapa 118, se selecciona los datos de distancia-doppler para un azimut determinado (es decir, una representación distancia-doppler) y en la etapa 120 se repite el método de detección 90 para cada celda de distancia-doppler en la representación distancia-doppler actual. Cuando se ha procesado la última celda de distancia-doppler de la representación distancia-doppler actual, a continuación, el sistema 10 de detección adaptativa procesa la representación distancia-doppler correspondiente al siguiente azimut. De esta forma, el sistema 10 de detección adaptativa procesa todas las representaciones distancia-doppler generadas para un conjunto especificado de azimuts en un CIT determinado.

A continuación se describirá el rendimiento de la detección del sistema 10 de detección adaptativa para datos HFSWR reales. Haciendo referencia a la Figura 10a, en la misma se muestra una representación distancia-doppler de alta resolución con un azimut de -32º con respecto a la línea del eje (es decir, centro) de la red de antenas receptoras para el sistema HFSWR. Los datos HFSWR se registraron durante el otoño. El procesado de los datos HFSWR para un primer CIT dio como resultado 1.326.528 puntos de datos de distancia-doppler-azimut (es decir, 188 celdas de distancia x 147 celdas doppler x 48 azimuts). Los datos de distancia-doppler-azimut tenían un ó de 2,9908 lo cual dio como resultado una \lambda de 5,3835 para una PD del 95%. En la Figura 10b se muestra la representación de aciertos correspondiente. Se produjo un total de 8.321 detecciones para todo el conjunto de datos de distancia-doppler-azimut lo cual es aproximadamente el 0,6% de los puntos totales de los datos de distancia-doppler-azimut para el primer CIT. La Figura 10b, la cual es la representación de aciertos que se corresponde con la Figura 10a, muestra que el sistema 10 de detección adaptativa detectó satisfactoriamente blancos verdaderos tales como las plataformas de Hibernia a una frecuencia doppler de 0 Hz y una distancia de aproximadamente entre 320 y 350 km al mismo tiempo que minimizaba la detección de blancos falsos que eran debidos a la dispersión espectral de las líneas de Bragg.

A continuación se hace referencia a las Figuras 11a y 11b las cuales muestran resultados experimentales correspondientes a datos HFSWR obtenidos durante el otoño para un segundo CIT. En este caso, la representación distancia-doppler de la Figura 11a se muestra para un azimut de -38º con respecto a la línea del eje de la red de antenas receptoras del sistema HFSWR. Los datos de distancia-doppler-azimut para el segundo CIT presentaban un ó de 2,9255 el cual, para una PD del 95%, dio como resultado una \lambda de 5,2659. La representación correspondiente de aciertos de la Figura 11b muestra que el sistema 10 de detección adaptativa detectó 8.171 blancos para el conjunto de datos de distancia-doppler-azimut procesados para el segundo CIT lo cual es menos del 0,6% de los puntos de datos totales de distancia-datos-azimut. La Figura 11b muestra también que el sistema 10 de detección adaptativa detectó blancos verdaderos tales como la plataforma de Hibernia a una distancia de aproximadamente 328 km y una frecuencia doppler de 0 Hz al mismo tiempo que minimizaba la detección de blancos falsos que son debidos a la dispersión espectral de los ecos parásitos ionosféricos.

Haciendo referencia a continuación a la Figura 12a, en la misma se muestra una representación distancia-doppler de alta resolución a un azimut de -34º con respecto a la línea del eje de la red de antenas receptoras para el sistema HFSWR. Los datos HFSWR se registraron durante el invierno en el cual el nivel de ruido debido a la interferencia atmosférica es mayor en comparación con el otoño. El procesado de los datos HFSWR para un tercer CIT dio como resultado 231.252 puntos de datos de distancia-doppler-azimut (239 celdas de distancia x 88 celdas doppler x 11 azimuts). Los datos de distancia-doppler-azimut presentaban una ó de 1,1788. Este valor de ó se puede interpretar en referencia a las Figuras 3a y 3b, las cuales muestran que para datos con más ruido, la dispersión de amplitud entre el nivel de ruido y los blancos se hace menor. Como consecuencia, los datos de distancia-doppler-azimut para el tercer CIT tienen una desviación estándar menor que los datos de distancia-doppler-azimut para el primer y el segundo tiempo CIT. La elección de una PD del 95% dio como resultado una \lambda de 2,1219. De este modo, la ecuación 3 de umbral ha proporcionado un valor de umbral menor para datos con un nivel de ruido mayor tal como se pretendía. En la Figura 12b se muestra la representación de aciertos producida por el sistema 10 de detección adaptativa para los datos de distancia-doppler de la Figura 12a. El número de blancos detectados para el tercer CIT fue 2.304 lo cual es aproximadamente el 1% de los puntos de datos totales de distancia-doppler-azimut que se procesaron.

Haciendo referencia a continuación a las Figuras 13a y 13b, se muestran resultados experimentales correspondientes a los datos HFSWR obtenidos durante el invierno para un cuarto CIT. En este caso, la representación distancia-doppler de la Figura 13a se muestra para un azimut de -32º con respecto a la línea del eje de la red de antenas receptoras del sistema HFSWR. El ó de las representaciones de datos de distancia-doppler-azimut para el cuarto CIT fue 1,4113 lo cual, para una PD del 95%, dio como resultado una \lambda de 2,5404. El sistema 10 de detección adaptativa detectó 2.109 blancos para el cuarto CIT lo cual es menos del 1% de los puntos de datos totales de distancia-datos-azimut. La representación correspondiente de aciertos de la Figura 13b muestra que el sistema 10 de detección adaptativa detectó blancos pequeños con amplitudes pequeñas (es decir, señales de retorno del radar débiles) al mismo tiempo que minimizaba el número de blancos falsos que se originaban a partir de la dispersión espectral de las líneas de Bragg y los ecos parásitos ionosféricos.

Debería entenderse que en las formas de realización preferidas descritas e ilustradas en el presente documento se pueden realizar varias modificaciones, sin desviarse con respecto a la presente invención, cuyo alcance se define en las reivindicaciones adjuntas. Por ejemplo, las estadísticas se pueden generar observando datos de distancia-doppler-sensores en lugar de datos de distancia-doppler-azimut. Los datos de distancia-doppler-sensores son la concatenación a través de los sensores de datos de distancia-doppler 2-D provenientes de cada sensor en la red de antenas receptoras.

Claims (23)

1. Sistema (10) de detección adaptativa para analizar datos de distancia-doppler-azimut para la detección de blancos, comprendiendo dicho sistema:

a)

un dispositivo (12) de cálculo de umbrales para calcular un valor de umbral sobre la base de la desviación estándar de dichos datos de distancia-doppler-azimut y una probabilidad de detección predeterminada; y

b)

un módulo de detección (14) en comunicación con dicho dispositivo de cálculo de umbrales para recibir dicho valor de umbral, en el que dicho módulo de detección (14) calcula una estimación de la amplitud del blanco y una estimación de la amplitud del suelo del ruido a partir de los datos de distancia-doppler situados en una ventana de detección y detecta un blanco cuando la diferencia entre dicha estimación de la amplitud del blanco y dicha estimación de la amplitud del suelo del ruido es mayor que dicho umbral.

2. Sistema según la reivindicación 1, en el que dicho módulo de detección comprende:

i)

un generador de ventanas (34) para generar dicha ventana de detección, presentando dicha ventana de detección una zona de blancos (82), una zona de guarda (84) y una zona principal (86);

ii)

un dispositivo (36) de cálculo de señales en comunicación con dicho generador de ventanas (34), para calcular dicha estimación de la amplitud del blanco y dicha estimación de la amplitud del suelo del ruido; y

iii)

un módulo de decisión (38) en comunicación con dicho dispositivo (36) de cálculo de señales para detectar dicho blanco.

3. Sistema según la reivindicación 2, en el que dicho módulo de detección (14) comprende además un módulo de almacenamiento (40) en comunicación con dicho módulo de decisión (38), para almacenar información de posición y amplitud para un blanco detectado.

4. Sistema según la reivindicación 2, en el que dicha zona de guarda (84) rodea dicha zona de blancos (82) y dicha zona principal (86) rodea a dicha zona de guarda (84), y dicha estimación de la amplitud del blanco es una amplitud de celda de distancia-doppler en el centro de dicha zona de blancos (82) y dicha estimación de la amplitud del suelo del ruido es una amplitud media de las celdas de distancia-doppler en dicha zona principal (86).

5. Sistema según la reivindicación 2, en el que el tamaño de dicha zona de blancos (82) varía en función del modo de detección.

6. Sistema según la reivindicación 2, en el que el tamaño de dicha zona de guarda (84) varía en función del modo de detección.

7. Sistema según la reivindicación 2, en el que el tamaño de dicha zona principal (86) varía en función del modo de detección.

8. Sistema según la reivindicación 1, en el que dicho dispositivo (12) de cálculo de umbrales calcula dicha desviación estándar (\sigma) de dichos datos de distancia-doppler-azimut y calcula dicho valor (\lambda) de umbral según la ecuación \lambda = X\cdot\sigma en la que X es un valor obtenido a partir de un percentil en una tabla de percentiles para una distribución de X^{1,5} y dicho percentil es igual a dicha probabilidad de detección predeterminada.

9. Sistema según la reivindicación 3, en el que dicha información de amplitud es la media de las amplitudes de celdas de distancia-doppler en dicha zona de blancos (82).

10. Método de detección adaptativa para analizar datos de distancia-doppler-azimut para la detección de blancos, comprendiendo dicho método:

a)

calcular un valor de umbral sobre la base de la desviación estándar de dichos datos de distancia-doppler-azimut y una probabilidad de detección predeterminada;

b)

calcular una estimación de la amplitud del blanco y una estimación de la amplitud del suelo del ruido sobre la base de los datos de distancia-doppler contenidos en una ventana de detección (80); y

c)

detectar un blanco cuando la diferencia entre dicha estimación de la amplitud del blanco y dicha estimación de la amplitud del suelo del ruido es mayor que dicho valor de umbral.

11. Método según la reivindicación 10, en el que la etapa b) incluye la generación de dicha ventana de detección (80) para proporcionar datos de distancia-doppler para calcular dicha estimación de la amplitud del blanco y dicha estimación de la amplitud del suelo del ruido.

12. Método según la reivindicación 10, en el que dicho método comprende además:

d)

almacenar información de posición y amplitud para un blanco detectado.

13. Método según la reivindicación 11, en el que la generación de dicha ventana de detección (80) comprende:

a)

generar una zona de blancos (82);

b)

generar una zona de guarda (84) que rodea a dicha zona de blancos; y,

c)

generar una zona principal (86) que rodea a dicha zona de guarda.

14. Método según la reivindicación 13, en el que el cálculo de dicha estimación de la amplitud del blanco comprende la obtención de la amplitud de la celda de distancia-doppler en el centro de dicha zona de blancos.

15. Método según la reivindicación 13, en el que el cálculo de dicha estimación de la amplitud del suelo del ruido comprende el cálculo de la amplitud media de las celdas de distancia-doppler en dicha zona principal.

16. Método según la reivindicación 13, en el que la generación de dicha zona de blancos (82) comprende la selección de un tamaño sobre la base del modo de detección.

17. Método según la reivindicación 13, en el que la generación de dicha zona de guarda (84) comprende la selección de un tamaño sobre la base del modo de detección.

18. Método según la reivindicación 13, en el que la generación de dicha zona principal (86) comprende la selección de un tamaño sobre la base del modo de detección.

19. Método según la reivindicación 10, en el que cálculo de dicho valor de umbral comprende:

a)

calcular la desviación estándar (\sigma) de dichos datos de distancia-doppler-azimut;

b)

seleccionar un valor (\chi) a partir de un percentil en una tabla de percentiles para una distribución de X^{1,5} en la que dicho percentil es igual a dicha probabilidad de detección predeterminada; y

c)

calcular dicho valor (\lambda) de umbral según la ecuación \lambda = X\cdot\sigma.

20. Método según la reivindicación 13, en el que el almacenamiento de dicha información de amplitud comprende el cálculo de la media de las amplitudes de las celdas de distancia-doppler en dicha zona de blancos.

21. Método según la reivindicación 13, en el que el tamaño de dicha zona de blancos varía en función del modo de detección.

22. Método según la reivindicación 13, en el que el tamaño de dicha zona de guarda varía en función del modo de detección.

23. Método según la reivindicación 13, en el que el tamaño de dicha zona principal varía en función del modo de detección.