ES2248735T3 - Sistema adaptativo y metodo para la deteccion por radar. - Google Patents
Sistema adaptativo y metodo para la deteccion por radar.Info
- Publication number
- ES2248735T3 ES2248735T3 ES03711453T ES03711453T ES2248735T3 ES 2248735 T3 ES2248735 T3 ES 2248735T3 ES 03711453 T ES03711453 T ES 03711453T ES 03711453 T ES03711453 T ES 03711453T ES 2248735 T3 ES2248735 T3 ES 2248735T3
- Authority
- ES
- Spain
- Prior art keywords
- detection
- doppler
- distance
- amplitude
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Lifetime
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/52—Discriminating between fixed and moving objects or between objects moving at different speeds
- G01S13/522—Discriminating between fixed and moving objects or between objects moving at different speeds using transmissions of interrupted pulse modulated waves
- G01S13/524—Discriminating between fixed and moving objects or between objects moving at different speeds using transmissions of interrupted pulse modulated waves based upon the phase or frequency shift resulting from movement of objects, with reference to the transmitted signals, e.g. coherent MTi
- G01S13/5244—Adaptive clutter cancellation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/52—Discriminating between fixed and moving objects or between objects moving at different speeds
- G01S13/522—Discriminating between fixed and moving objects or between objects moving at different speeds using transmissions of interrupted pulse modulated waves
- G01S13/524—Discriminating between fixed and moving objects or between objects moving at different speeds using transmissions of interrupted pulse modulated waves based upon the phase or frequency shift resulting from movement of objects, with reference to the transmitted signals, e.g. coherent MTi
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/0209—Systems with very large relative bandwidth, i.e. larger than 10 %, e.g. baseband, pulse, carrier-free, ultrawideband
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/06—Systems determining position data of a target
- G01S13/08—Systems for measuring distance only
- G01S13/10—Systems for measuring distance only using transmission of interrupted, pulse modulated waves
- G01S13/30—Systems for measuring distance only using transmission of interrupted, pulse modulated waves using more than one pulse per radar period
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/28—Details of pulse systems
- G01S7/285—Receivers
- G01S7/292—Extracting wanted echo-signals
- G01S7/2923—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods
- G01S7/2927—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods by deriving and controlling a threshold value
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/28—Details of pulse systems
- G01S7/285—Receivers
- G01S7/288—Coherent receivers
- G01S7/2883—Coherent receivers using FFT processing
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.
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.
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.
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.
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.
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.
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.
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.
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US36356902P | 2002-03-13 | 2002-03-13 | |
US363569P | 2002-03-13 | ||
US36519102P | 2002-03-19 | 2002-03-19 | |
US365191P | 2002-03-19 |
Publications (1)
Publication Number | Publication Date |
---|---|
ES2248735T3 true ES2248735T3 (es) | 2006-03-16 |
Family
ID=28045313
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
ES03711453T Expired - Lifetime ES2248735T3 (es) | 2002-03-13 | 2003-03-07 | Sistema adaptativo y metodo para la deteccion por radar. |
Country Status (13)
Country | Link |
---|---|
US (1) | US6717545B2 (es) |
EP (1) | EP1485730B1 (es) |
JP (1) | JP2005520161A (es) |
KR (1) | KR20040091699A (es) |
CN (1) | CN1643398A (es) |
AT (1) | ATE304179T1 (es) |
AU (1) | AU2003213762A1 (es) |
BR (1) | BR0308287A (es) |
DE (1) | DE60301564T2 (es) |
ES (1) | ES2248735T3 (es) |
NO (1) | NO20044023L (es) |
RU (1) | RU2004130472A (es) |
WO (1) | WO2003079046A1 (es) |
Families Citing this family (84)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7782256B2 (en) | 1999-03-05 | 2010-08-24 | Era Systems Corporation | Enhanced passive coherent location techniques to track and identify UAVs, UCAVs, MAVs, and other objects |
US7908077B2 (en) | 2003-06-10 | 2011-03-15 | Itt Manufacturing Enterprises, Inc. | Land use compatibility planning software |
US7777675B2 (en) | 1999-03-05 | 2010-08-17 | Era Systems Corporation | Deployable passive broadband aircraft tracking |
US7889133B2 (en) | 1999-03-05 | 2011-02-15 | Itt Manufacturing Enterprises, Inc. | Multilateration enhancements for noise and operations management |
US7570214B2 (en) | 1999-03-05 | 2009-08-04 | Era Systems, Inc. | Method and apparatus for ADS-B validation, active and passive multilateration, and elliptical surviellance |
US8203486B1 (en) | 1999-03-05 | 2012-06-19 | Omnipol A.S. | Transmitter independent techniques to extend the performance of passive coherent location |
US7739167B2 (en) | 1999-03-05 | 2010-06-15 | Era Systems Corporation | Automated management of airport revenues |
US8446321B2 (en) | 1999-03-05 | 2013-05-21 | Omnipol A.S. | Deployable intelligence and tracking system for homeland security and search and rescue |
US7667647B2 (en) | 1999-03-05 | 2010-02-23 | Era Systems Corporation | Extension of aircraft tracking and positive identification from movement areas into non-movement areas |
SE519089C2 (sv) * | 2001-05-11 | 2003-01-07 | Totalfoersvarets Forskningsins | System för att med från mål spridda signaler bestämma lägen och hastigheter för målen |
US6867728B1 (en) * | 2003-11-06 | 2005-03-15 | Lockheed Martin Corporation | Methods and systems for identifying signals-of-interest |
US6897802B1 (en) * | 2003-11-10 | 2005-05-24 | Raytheon Company | Fusion of shape and multiscale features for unknown target rejection |
US7642951B2 (en) * | 2004-11-12 | 2010-01-05 | James Onorato | Dual channel spatially adaptive CFAR |
US7683827B2 (en) | 2004-12-15 | 2010-03-23 | Valeo Radar Systems, Inc. | System and method for reducing the effect of a radar interference signal |
US7646886B2 (en) * | 2005-05-11 | 2010-01-12 | Lockheed Martin Corporation | Closely-spaced multiple targets detection using a regional window as a discriminant function |
US7298316B2 (en) * | 2005-12-19 | 2007-11-20 | Chung Shan Institute Of Science And Technology, Armaments Bureau M.N.D. | Apparatus and method for instantly automatic detecting clutter blocks and interference source and for dynamically establishing clutter map |
US7336219B1 (en) * | 2005-12-30 | 2008-02-26 | Valeo Raytheon Systems, Inc. | System and method for generating a radar detection threshold |
US7965227B2 (en) | 2006-05-08 | 2011-06-21 | Era Systems, Inc. | Aircraft tracking using low cost tagging as a discriminator |
US8026844B2 (en) * | 2006-06-08 | 2011-09-27 | Vista Research, Inc. | Radar visibility model |
US7477181B2 (en) * | 2007-02-14 | 2009-01-13 | Delphi Technologies, Inc. | Method of adaptively adjusting the target detection sensitivity of a motor vehicle radar |
JP4356758B2 (ja) * | 2007-03-20 | 2009-11-04 | 株式会社デンソー | Fmcwレーダ |
JP2008256626A (ja) * | 2007-04-09 | 2008-10-23 | Furuno Electric Co Ltd | 自動利得制御装置 |
GB2451242A (en) * | 2007-07-23 | 2009-01-28 | Thales Holdings Uk Plc | Signal processing system for pulse doppler radar |
KR100780470B1 (ko) * | 2007-08-21 | 2007-11-28 | (주)미래시스템 | 탐색 레이더의 적응적 표적 탐지장치 |
GB2452390B (en) * | 2007-08-31 | 2011-10-05 | Furuno Electric Co | Radar device |
JP5398195B2 (ja) * | 2007-08-31 | 2014-01-29 | 古野電気株式会社 | レーダ装置 |
US7675456B2 (en) * | 2007-10-11 | 2010-03-09 | Northrop Grumman Corporation | Technique for mitigating multipath impacts on azimuth accuracy in a monopulse interrogator |
FR2931952B1 (fr) * | 2008-05-30 | 2010-06-11 | Thales Sa | Procede d'elimination des echos de sol pour un radar meteorologique |
PL2374024T3 (pl) * | 2008-12-12 | 2016-06-30 | Bae Systems Plc | Radar z falą powierzchniową wysokiej częstotliwości |
KR100998538B1 (ko) | 2009-01-05 | 2010-12-07 | 국방과학연구소 | 다중 분리 레이더 탐지 장치 및 표적 탐지 방법 |
US8004451B2 (en) * | 2009-05-27 | 2011-08-23 | Honeywell International Inc. | Adaptive microwave security sensor |
JP2011002425A (ja) * | 2009-06-22 | 2011-01-06 | Furuno Electric Co Ltd | レーダ装置 |
JP4977806B2 (ja) | 2010-08-09 | 2012-07-18 | パナソニック株式会社 | レーダイメージング装置、イメージング方法及びそのプログラム |
CN102169175B (zh) * | 2010-12-08 | 2012-12-26 | 关键 | 基于frft域非相参积累的海杂波抑制和动目标检测方法 |
KR101150259B1 (ko) | 2010-12-15 | 2012-06-12 | 한국과학기술원 | 다중분리 레이더에서의 이동 표적 위치 추적 방법 및 장치와 이동 표적 위치 추적 방법을 실행하기 위한 프로그램이 기록된 기록매체 |
US8412139B2 (en) * | 2011-01-10 | 2013-04-02 | Telefonaktiebolaget L M Ericsson (Publ) | Methods of receiving multiple carriers using different RF mixer frequencies and related communications devices and receivers |
KR101041990B1 (ko) * | 2011-03-15 | 2011-06-16 | (주)미래시스템 | 레이더 모의표적장치의 도플러 주파수 구현방법 |
CA2774377C (en) * | 2012-02-02 | 2017-05-02 | Raytheon Canada Limited | Knowledge aided detector |
WO2014080303A1 (en) * | 2012-11-05 | 2014-05-30 | Technion Research & Development Foundation Ltd. | Sub-nyquist radar processing using doppler focusing |
US9250317B1 (en) | 2012-12-20 | 2016-02-02 | Raytheon Canada Limited | Methods and apparatus for 3D radar data from 2D primary surveillance radar and passive adjunct radar |
US8976059B2 (en) * | 2012-12-21 | 2015-03-10 | Raytheon Canada Limited | Identification and removal of a false detection in a radar system |
US9638793B2 (en) | 2013-01-15 | 2017-05-02 | Raytheon Canada Limited | Virtual antenna extension for sampled aperture arrays |
RU2533659C1 (ru) * | 2013-04-09 | 2014-11-20 | Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования Самарский государственный технический университет | Автономное радиолокационное устройство селекции воздушной цели |
CN103308910B (zh) * | 2013-05-11 | 2015-02-04 | 国家海洋局第一海洋研究所 | 利用高频地波雷达检测海上非航行状态船只目标的方法 |
US9594159B2 (en) * | 2013-07-15 | 2017-03-14 | Texas Instruments Incorporated | 2-D object detection in radar applications |
GB201320369D0 (en) * | 2013-11-19 | 2014-01-01 | Secr Defence | A method of assessing sensor performance |
CN103760543B (zh) * | 2014-01-10 | 2016-09-07 | 杭州电子科技大学 | 一种基于多模式的恒虚警目标检测方法 |
CN103901395B (zh) * | 2014-03-28 | 2016-08-17 | 哈尔滨工程大学 | 一种冲击噪声环境下相干信号波达方向动态跟踪方法 |
KR101598208B1 (ko) * | 2014-05-20 | 2016-02-26 | 현대모비스 주식회사 | 레이더를 이용한 타겟 검출 장치 및 방법 |
US9746549B1 (en) * | 2014-07-11 | 2017-08-29 | Altera Corporation | Constant false alarm rate circuitry in adaptive target detection of radar systems |
JP6392152B2 (ja) * | 2015-03-24 | 2018-09-19 | パナソニック株式会社 | レーダ装置および走行車両検知方法 |
CN105353358B (zh) * | 2015-10-28 | 2017-09-12 | 北京理工大学 | 一种基于索引差分的通用雷达脉冲信号提取方法 |
CN105425230A (zh) * | 2015-11-11 | 2016-03-23 | 西安电子科技大学 | 逆高斯纹理复合高斯杂波下距离扩展目标自适应检测方法 |
RU2609144C1 (ru) * | 2015-12-29 | 2017-01-30 | Акционерное общество "Научно-исследовательский институт Приборостроения имени В.В. Тихомирова" | Радиолокационная станция |
RU2610304C1 (ru) * | 2016-03-01 | 2017-02-09 | Акционерное общество "НИИ измерительных приборов - Новосибирский завод имени Коминтерна" (АО "НПО НИИИП-НЗиК") | Способ обнаружения радиолокационных сигналов и радиолокационная станция для его осуществления |
FR3051611B1 (fr) * | 2016-05-20 | 2018-06-29 | Thales | Procede de traitement d'un signal forme d'une sequence d'impulsions |
US10302740B2 (en) * | 2016-08-17 | 2019-05-28 | Raytheon Company | System and method for fast adaptive range doppler compression |
WO2018063162A1 (en) * | 2016-09-27 | 2018-04-05 | Halliburton Energy Services, Inc. | Calibration of electromagnetic ranging tools |
RU2757549C2 (ru) * | 2017-01-06 | 2021-10-18 | Аурора Флайт Сайенсиз Корпорейшн | Система и способ для предупреждения столкновений беспилотного летательного аппарата |
US10705202B2 (en) * | 2017-01-19 | 2020-07-07 | GM Global Technology Operations LLC | Iterative approach to achieve angular ambiguity resolution |
JP6839549B2 (ja) * | 2017-01-27 | 2021-03-10 | 古河電気工業株式会社 | レーダ装置およびレーダ装置の制御方法 |
WO2019009344A1 (ja) * | 2017-07-04 | 2019-01-10 | 日本電気株式会社 | 物体検知装置、物体検知方法及びコンピュータ読み取り可能な記録媒体 |
US10845475B2 (en) * | 2018-07-30 | 2020-11-24 | National Chung Shan Institute Of Science And Technology | Method of measuring azimuth of radar target |
MX2021002151A (es) * | 2018-08-24 | 2021-04-28 | Velodyne Lidar Usa Inc | Sistemas y metodos para mitigar la interferencia optica en un sistema de deteccion y medicion de alcance de luz. |
WO2020070792A1 (ja) * | 2018-10-02 | 2020-04-09 | 日本電気株式会社 | 船舶検出システム、方法およびプログラム |
CN109471072B (zh) * | 2018-11-07 | 2020-11-06 | 中国人民解放军国防科技大学 | 基于fpga的单脉冲雷达二维cfar检测方法及系统 |
CN109799488B (zh) * | 2019-01-10 | 2022-07-15 | 中国人民解放军海军航空大学 | 一种非参数搜索的雷达机动目标长时间相参积累方法 |
CN109581318B (zh) * | 2019-01-10 | 2022-07-15 | 中国人民解放军海军航空大学 | 基于时间反转非均匀采样的雷达高机动目标相参积累检测方法 |
JP7134886B2 (ja) * | 2019-01-17 | 2022-09-12 | 株式会社東芝 | 表面波レーダ装置 |
CN110109067B (zh) * | 2019-05-06 | 2022-11-04 | 西安思丹德信息技术有限公司 | 一种陆基fmcw区域监控雷达数据处理方法 |
US11143747B2 (en) * | 2019-07-11 | 2021-10-12 | GM Global Technology Operations LLC | Methods and systems for classifying received signals from radar system |
CN113015922B (zh) * | 2019-10-22 | 2022-05-31 | 华为技术有限公司 | 一种检测方法、检测装置以及存储介质 |
CN111157954B (zh) * | 2019-12-18 | 2023-07-18 | 南京理工大学 | 地面雷达目标检测门限系数自适应调整方法 |
CN111610515A (zh) * | 2020-03-31 | 2020-09-01 | 宁波锐眼电子科技有限公司 | 检测方法、装置、毫米波雷达和计算机可读存储介质 |
US11874394B2 (en) * | 2020-04-02 | 2024-01-16 | Rockwell Collins, Inc. | System and method for improving signal qualification |
CN111522010B (zh) * | 2020-06-04 | 2022-02-11 | 四川九洲电器集团有限责任公司 | 汽车防撞雷达信号处理方法和系统 |
CN111830481B (zh) * | 2020-07-09 | 2023-03-07 | 中国人民解放军海军航空大学 | 雷达回波单分量幅度分布模型参数估计方法及装置 |
CN111983595B (zh) * | 2020-07-14 | 2023-11-10 | 北京航空航天大学杭州创新研究院 | 一种室内定位的方法及装置 |
JP7170948B2 (ja) * | 2020-08-04 | 2022-11-14 | 三菱電機株式会社 | 信号処理装置、レーダ及びレーダ信号処理方法 |
KR102243132B1 (ko) * | 2020-10-30 | 2021-04-22 | 두온 시스템 (주) | 화이트 노이즈가 발생되더라도 대상을 정밀하게 탐색할 수 있는 펄스 레이더 시스템 |
US11927689B2 (en) * | 2020-11-17 | 2024-03-12 | Texas Instruments Incorporated | CFAR OS detection hardware with two sets of comparators |
CN112882018B (zh) * | 2021-01-13 | 2022-07-26 | 哈尔滨工业大学(威海) | 一种海洋和电离层一体化探测高频雷达系统及其控制方法 |
CN113504523B (zh) * | 2021-07-20 | 2023-08-01 | 成都航空职业技术学院 | 基于目标特性的自适应恒虚警方法、设备及其存储介质 |
CN114660585B (zh) * | 2022-02-18 | 2023-08-01 | 加特兰微电子科技(上海)有限公司 | 噪底估计值的确定方法、装置、电子设备和存储介质 |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4422074A (en) * | 1965-05-26 | 1983-12-20 | Hughes Aircraft Company | Signal skimming system |
US3761922A (en) * | 1971-10-12 | 1973-09-25 | Hughes Aircraft Co | Digital mean level detector |
US4031364A (en) * | 1975-11-10 | 1977-06-21 | Hughes Aircraft Company | Multiple moment video detector |
US4079376A (en) * | 1976-03-09 | 1978-03-14 | Westinghouse Electric Corporation | Target detection system in a medium PRF pulse doppler search/track radar receiver |
US4089002A (en) * | 1977-04-05 | 1978-05-09 | The Bendix Corporation | CFAR threshold adaptive target coordinate extractor |
US4104633A (en) * | 1977-04-18 | 1978-08-01 | International Telephone And Telegraph Corporation | Extended target-log CFAR processor |
US4213127A (en) * | 1979-01-31 | 1980-07-15 | The United States Of America As Represented By The Secretary Of The Air Force | Doubly adaptive CFAR apparatus |
US4542381A (en) * | 1982-10-05 | 1985-09-17 | Motorola, Inc. | Adaptive window CFAR apparatus |
US4713664A (en) * | 1985-05-24 | 1987-12-15 | Westinghouse Electric Corp. | Point clutter threshold determination for radar systems |
US4845500A (en) * | 1988-03-25 | 1989-07-04 | Sperry Marine Inc. | Radar video detector and target tracker |
US5038145A (en) * | 1989-11-20 | 1991-08-06 | Westinghouse Electric Corp. | Constant false alarm rate with low probability of false alarms |
FR2682485B1 (fr) * | 1991-10-11 | 1993-12-10 | Thomson Csf | Procede de reduction des fausses alarmes dans un radar. |
US5465095A (en) * | 1994-08-05 | 1995-11-07 | The United States Of America As Represented By The Secretary Of The Air Force | Time efficient method for processing adaptive target detection thresholds in doppler radar systems |
US5546089A (en) * | 1995-08-10 | 1996-08-13 | The United States Of America As Represented By The Secretary Of The Air Force | Optical monopulse chirp processor |
DE19738252C2 (de) * | 1997-09-02 | 2002-07-11 | Eads Deutschland Gmbh | Verfahren zur Detektion eines Radarzieles |
WO2000030264A1 (en) | 1998-11-13 | 2000-05-25 | Bitwave Private Limited | Signal processing apparatus and method |
US6259396B1 (en) * | 1999-08-26 | 2001-07-10 | Raytheon Company | Target acquisition system and radon transform based method for target azimuth aspect estimation |
US6252540B1 (en) * | 1999-12-21 | 2001-06-26 | The United States Of America As Represented By The Secretary Of The Air Force | Apparatus and method for two stage hybrid space-time adaptive processing in radar and communication systems |
-
2003
- 2003-03-07 DE DE60301564T patent/DE60301564T2/de not_active Expired - Lifetime
- 2003-03-07 AU AU2003213762A patent/AU2003213762A1/en not_active Abandoned
- 2003-03-07 KR KR10-2004-7014015A patent/KR20040091699A/ko not_active Application Discontinuation
- 2003-03-07 US US10/384,093 patent/US6717545B2/en not_active Expired - Lifetime
- 2003-03-07 ES ES03711453T patent/ES2248735T3/es not_active Expired - Lifetime
- 2003-03-07 RU RU2004130472/09A patent/RU2004130472A/ru not_active Application Discontinuation
- 2003-03-07 WO PCT/US2003/006958 patent/WO2003079046A1/en active IP Right Grant
- 2003-03-07 CN CNA038058715A patent/CN1643398A/zh active Pending
- 2003-03-07 AT AT03711453T patent/ATE304179T1/de active
- 2003-03-07 JP JP2003576999A patent/JP2005520161A/ja active Pending
- 2003-03-07 BR BR0308287-3A patent/BR0308287A/pt not_active Application Discontinuation
- 2003-03-07 EP EP03711453A patent/EP1485730B1/en not_active Expired - Lifetime
-
2004
- 2004-09-24 NO NO20044023A patent/NO20044023L/no not_active Application Discontinuation
Also Published As
Publication number | Publication date |
---|---|
BR0308287A (pt) | 2005-01-11 |
CN1643398A (zh) | 2005-07-20 |
EP1485730A1 (en) | 2004-12-15 |
EP1485730B1 (en) | 2005-09-07 |
NO20044023L (no) | 2004-12-09 |
WO2003079046A1 (en) | 2003-09-25 |
AU2003213762A1 (en) | 2003-09-29 |
DE60301564T2 (de) | 2006-06-14 |
US20030174088A1 (en) | 2003-09-18 |
KR20040091699A (ko) | 2004-10-28 |
ATE304179T1 (de) | 2005-09-15 |
RU2004130472A (ru) | 2005-05-27 |
DE60301564D1 (de) | 2005-10-13 |
WO2003079046A9 (en) | 2004-09-30 |
US6717545B2 (en) | 2004-04-06 |
JP2005520161A (ja) | 2005-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
ES2248735T3 (es) | Sistema adaptativo y metodo para la deteccion por radar. | |
ES2261927T3 (es) | Sistema y procedimiento para la generacion de espectros en un radar. | |
CN110161474B (zh) | 一种基于数字波束形成技术的低慢小目标探测方法 | |
US9157992B2 (en) | Knowledge aided detector | |
US6867731B2 (en) | Noise suppression system and method for phased-array based systems | |
US9268008B1 (en) | Detection of low observable objects in clutter using non-coherent radars | |
Maresca et al. | Vessel detection and classification: An integrated maritime surveillance system in the Tyrrhenian sea | |
De Maio et al. | Design and experimental validation of knowledge-based constant false alarm rate detectors | |
Stehwien | Statistics and correlation properties of high resolution X-band sea clutter | |
EP1580573B1 (en) | System and method for noise suppression in pre-processed radar data | |
US20220229152A1 (en) | Multi-timescale doppler processing and associated systems and methods | |
US20080122678A1 (en) | Multi Purpose Radar Surveillance System | |
Gierull et al. | Potential marine moving target indication (MMTI) performance of the RADARSAT constellation mission (RCM) | |
Nohara | Detection of growlers in sea clutter using an X-band pulse-Doppler radar | |
Hinz et al. | Scan-by-scan averaging and adjacent detection merging to improve ship detection in HFSWR | |
Conte et al. | Design and analysis of a knowledge-based radar detector | |
Reuillon et al. | Scan-to-scan sea-spikes filtering for radar | |
Marino et al. | Concept and performance analysis of Melissa MIMO GMTI | |
Won et al. | Comparison of ship detection algorithms using ALOS-PALSAR, ground-based maritime radar, and AIS | |
Detector | Performance Requirements for Airport Primary Radars | |
Ouchi et al. | Application of ALOS–PALSAR to coastal waters with examples of ship detection, and information extraction on ocean waves and underwater marine cultivation | |
Stehwien | Sea clutter measurements using an airborne X-band radar | |
Ruoskanen et al. | Pulse width considerations for a short range millimeter wave radar | |
Kollias et al. | Scanning ARM Cloud Radars (SACR’s) 2 Part I: Operational Sampling Strategies 3 |