FR2718251A1 - Dispositif radar. - Google Patents

Abstract

Le circuit engendre un signal de sortie (L) représentatif du niveau moyen de parasites à un emplacement choisi dans le champ de vision d'un dispositif radar, en particulier quand la surface de la mer présente une configuration houleuse. Le circuit comporte des moyens de traitement (11, 12) qui engendrent des coefficients de pondération (a1, a2,... aN) des amplitudes des échos provenant d'un groupe de N emplacements discrets précédant et suivant, en distance, l'emplacement choisi. Ces coefficients de pondération, obtenus à partir de la fonction d'autocorrélation de l'amplitude des échos, sont appliqués à des circuits multiplieurs (14) reliés par ailleurs aux emplacements de mémoire respectifs d'un registre à décalage (10).

Description

L'invention concerne les systèmes radar utilisés pour détecter des objets

parmi un fond de

parasites, particulièrement de parasites marins.

Des systèmes radar sont souvent utilisés pour détecter des objets, par exemple des navires, parmi un fond de parasites, par exemple la réflexion diffuse

produite par la surface de la mer. Il est souvent né-

cessaire d'obtenir une détection fiable des cibles tout

en conservant un taux constant de fausse alarme (TCFA).

Jusqu'à présent, on a couramment utilisé une méthode employant un détecteur de moyenne mobile (DMM), de façon que le niveau moyen de parasites en une position donnée dans le champ de vision soit estimé en moyennant un

certain nombre d'échantillons de distance indépendants.

Ceci est obtenu en moyennant les échos radar engendrés en réponse à une impulsion émise, et représentatifs du niveau de parasites en un certain nombre de positions

différentes situées au voisinage d'une position donnée.

Un objet peut donc être détecté si le niveau des signaux effectivement renvoyés depuis la position donnée dépasse celui d'un signal de seuil réglé à un niveau légèrement supérieur à celui du niveau moyen estimé, et choisi de manière à correspondre à la probabilité souhaitée de* fausse alarme. Un tel système peut fonctionner en mode TCFA si le DMM donne une estimation suffisamment précise de la valeur moyenne des parasites, et si la distribution des parasites peut être décrite par le niveau moyen, comme

c'est le cas par exemple pour une distribution de Rayleigh.

La méthode précitée suppose que le niveau moyen local de parasites reste constant sur un intervalle de distance suffisamment important pour pouvoir moyenner sur un nombre suffisant d'échantillons de distance, et peut ne pas se révéler fiable si le niveau moyen de parasites varie en fonction de la distance, ce qui peut arriver par exemple lorsque le niveau de la mer présente une configuration houleuse, traduite en distance par le radar. Dans ces circonstances, il est possible que le niveau de seuil soit réglé à un niveau trop élevé ou trop faible, ce qui peut résulter en un objet resté indétecté, ou, respectivement, en un taux de fausse alarme excessivement élevé, en raison de la détection de

parasites à la place d'objets réellement intéressants.

Un des buts de l'invention est de proposer un

circuit et un appareil qui améliorent cette détection.

Selon un premier aspect, l'invention propose

un circuit pour engendrer un signal de sortie représen-

tatif du niveau de parasites en une position donnée dans le champ de vision d'un dispositif radar, comportant: - des moyens pour échantillonner une pluralité d'échos, produits en réponse à une impulsion radar émise et émanant d'une pluralité correspondante de positions discrètes régulièrement espacées les unes des autres, précédant et/ou suivant, en distance, la position donnée, - des moyens de traitement pour pondérer au moins certains de ces échos par des quantités respectives fonction de la variation spatiale des amplitudes des échos, ainsi que, - des moyens pour engendrer le signal de sortie

à partir des échos pondérés.

Dans un mode de réalisation préféré, les échos peuvent être pondérés par des quantités fonction de la

fonction d' autocorrélation de tous les échos.

Dans un second aspect, l'invention propose un dispositif radar, comprenant: des moyens pour émettre une impulsion radar et pour recevoir les échos correspondants, un circuit conforme au premier aspect précité de l'invention pour engendrer un signal de sortie représentatif du niveau de parasites en une position donnée dans le champ de vision du dispositif, 5. des moyens pour comparer l'amplitude d'un écho, effectivement obtenu à partir de la position donnée, avec une valeur de seuil fonction du signal de sortie, ainsi que 10. des moyens pour indiquer la présence d'une

cible en fonction de cette comparaison.

L'invention sera mieux comprise à la lecture d'un mode de réalisation décrit ci-dessous, à titre simplement indicatif, en référence aux dessins annexés sur lesquels: la figure 1 illustre schématiquement les niveaux de parasites réel et moyen existant dans une zone de la surface de la mer, la figure 2 illustre le champ de vision d'un système radar à balayage azimutal, la figure 3 montre un circuit pour identifier une cible à une position donnée dans le champ de vision du système radar, et

la figure 4 illustre le réglage d'un circuit de seuil.

Comme il a été décrit précédemment, on constate souvent en pratique que le niveau local moyen de parasites n'est pas constant, mais tend à varier selon la distance en raison de la configuration houleuse de la surface de la mer. La variation du niveau moyen y de parasites avec la distance est illustrée (avec une échelle arbitraire) par la courbe tiretée de la figure 1, la courbe continue représentant la variation du niveau de parasites x qui est effectivement observée avec les échos des impulsions individuelles. Dans ces circonstances, la distribution probabiliste p(x) de la population complète de parasites peut s'exprimer par: p(x) = f Pl (y).P2(x/y)dy y

c'est-à-dire une superposition de la distribution proba-

biliste d'amplitude Pl(y) du niveau moyen de parasites y (dû à la houle marine) et de la distribution P2(x/y) du niveau de parasites observé x, compte tenu du fait que le niveau moyen a la valeur y. Jusqu'à présent, il a souvent été difficile d'obtenir une valeur estimée fiable du niveau local moyen de parasites y, dans la mesure o sa valeur tend à n'être constante que sur un intervalle de distance trop réduit pour permettre de moyenner sur un nombre suffisant de données mesurées et, comme précédemment indiqué, ceci peut amener à régler

le niveau de seuil soit trop haut, soit trop bas.

Selon l'invention, on peut encore obtenir une estimation fiable du niveau moyen de parasites en une position donnée (à la position i de la figure 1, par exemple), même dans des conditions pour lesquelles le niveau moyen varie avec la distance, en pondérant de façon appropriée, avant de les moyenner, les niveaux de parasites observés pour des positions discrètes précédant et/ou suivant la position donnée. Par conséquent, dans l'exemple illustré, le niveau de parasites x peut être échantillonné sur N positions discrètes espacées en distance les unes des autres d'une quantité,,-les niveaux xiN à xil observés à ces positions étant utilisés pour obtenir une estimation du niveau moyen de

parasites à la position i.

Les résultats pratiques ont montrés que la fonction d' autocorrélation des échos de distance présente des fluctuations correspondant à la configuration houleuse de la surface de la mer. La méthode utilisée dans cette invention est basée sur la "Burg's Maximum Entropy method" (la méthode de l'entropie maximale de Burg; voir par exemple un article de R. Benjamin dans IEE Proc. 127F p341 - 353), qui montre qu'un échantillon de signal x(i) peut être prédit, avec une erreur e(i) par une combinaison linéaire des N échantillons précédents (et/ou suivants) x(i-1) à x(i-N), et donc que: e(i) = a(o) x(i) + a(l) x(i-1) + a(2) x(i- 2)...a(n) x(i-N),

a(o)....a(N) étant les coefficients de pondération.

Il est possible de régler a(o) à 1 et de choisir les autres coefficients a(1)....a(N) de telle sorte que l'erreur e(i) soit minimisée et, dans ces circonstances, le niveau moyen prévu de parasites x(i) est donné par une

combinaison linéaire des niveaux observés x(i-1)....

x(i-N) pondérés par des coefficients appropriés a(1)...

a(N). On peut montrer que les coefficients a(1)... a(N) sont calculés à partir des éléments r(n) de la fonction d' autocorrélation obtenue à partir des niveaux des signaux observés x(1) à x(w), qui peuvent comporter les niveaux x(i-l).... x(i-n): w - n n = 0,1. N r(n) = > x(k) x(k+n) pour (équation (1)) k =1 w-n Cette 1I eu< w/2 Cett expresion peut êtr = O,1.. fN Cette expression peut tre écrite sous forme matricielle: [r] 2a = r c'est-à-dire: r(o).........r(N- 1) a() r() r(1) r(o) r(N-2) a(2) r(2) r(N-1)...... r(o) a(N) r(N) ou encore: a = r] -1 r (équation (2)) _

I I! II

I I I g

I I I I

r (N-l).....r(o) a(N) r(N> ou encore:a = [r]-1 r (qain() en résolvant l'équation (2), il est donc possible de trouver les coefficients de pondération a(1).... a(N), qui sont alors appliqués aux niveaux des signaux observés correspondants x(i-1)... x(i-N), de manière à déterminer

le niveau local moyen de parasites à la position i.

On notera que les signaux x(i-1).... x(i-N) sont soumis à un "bruit" de fond superposé au niveau moyen de parasites (représentatif de la configuration de la houle

marine) conformément à la fonction de distribution pro-

babiliste p (x/y) décrite ci-dessus.

L'analyse précédente considère seulement les échos issus d'une impulsion unique. Si le radar modifie sa fréquence d'une impulsion à l'autre ("agilité de fréquence"), l'expérience a montré que le niveau moyen résiduel y reste constant, mais que les échos, pour une distance déterminée, sont décorrélés et représentés par

des échantillons indépendants de la distribution p (x/y).

Une estimation plus fiable de la fonction d'auto-

corrélation nécessaire peut alors être obtenue en moyennant les fonctions séparées d'autocorrélation obtenues à partir des échos de plusieurs impulsions "agiles". Dans l'exemple indiqué jusqu'à présent, les facteurs de pondération a(i).... a(n) sont choisis de manière à donner la meilleure estimation de x(i) à partir des échantillons x(i-1).... x(i-N). En général, il peut être souhaitable de laisser un intervalle entre x(i) et les échantillons utilisés pour estimer son niveau moyen, de telle sorte qu'aucune cible à la position x(i)

n'influence l'estimation.

En général, cet intervalle g sera suffisant pour s'assurer que x(i) et x(i-l-g) sont séparés par au moins unelongueur d'impulsion radar (en supposant qu'il s'agisse de la détection d'une cible de taille générale plus faible

qu'une longueur d'impulsion).

En général, pour un intervalle de g échantillons, la meilleure estimation pour les facteurs de pondération a(i) sera donnée par: r(o)...

..... r(N-l) a(1) r(l+g) r(1) r(o) r(N-2) r(N-1). r(o) a(N) r(N+g) Les méthodes décrites jusqu'à présent ont nécessité un calcul de la fonction d'autocorrélation r(n). Dans une variante, cependant, ceci peut ne pas être nécessaire, le vecteur des fonctions de pondération A(k+l) -[a(1),... a(N)] T pour la (k+l)ème position donnée étant obtenu par itération du vecteur A(k) pour la position donnée précédente k. Ceci est obtenu en minimisant l'erreur de prédiction [x(k) - x(k)]J faisant partie de l'algorithme d'itération: A(k+l) = A(k) +p [(x(k) - x(k) X (k-l) (équation(3)) X (k+l) étant le vecteur Ex(k-1), x(k-2)... x(k-N)]T des N échantillons de données observés pour des positions précédant la kème position, x(k) étant le niveau de parasites mesuré à la kème position et x(k) étant le niveau prévu de parasites à la kème position, déterminé en appliquant le vecteur A(k) aux échantillons de données..DTD: T

x(k-1)..... x(k-N) T La convergence de l'algorithme est conservée par un scalaire p. En ajustant les éléments du vecteur A(k), il est donc possible de minimiser l'erreur de prévision, de manière itérative, pour obtenir un

nouveau vecteur A(k+l) à la (k+l)ème position.

L'itération peut être commencée en donnant à toutes les variables a(1)... . a(N) la valeur 1/N. En variante, pour une convergence plus rapide, a(1).... a(N) peuvent être estimés initialement en appliquant la

technique d'autocorrélation précédemment décrite.

-25 En utilisant cette méthode, il est souhaitable que les échantillons de données restent statistiquement

stationnaires (dans le sens o la fonction d'auto-

corrélation de distance reste inchangée) pendant un intervalle de temps qui est au moins aussi long que le

temps de convergence de l'algorithme.

Un dispositif pour la mise en oeuvre de la

technique précédemment décrite va être maintenant expli-

cité en référence aux figures 2, 3 et 4 des dessins annexés. Comme représenté figure 2, le radar utilisé dans cet exemple, engendre un faisceau qui "illumine" un secteur étroit dans le champ de vision, s'étendant jusqu'à une portée Rmax (de l'ordre de plusieurs milles) et qui est exploré de façon répétée en azimut pour balayer une

piste circulaire.

On notera cependant que la présente invention pourrait être appliquée à d'autres types de systèmes radar,

comme par exemple les systèmes sans balayage.

Dans cet exemple, le niveau moyen local de parasites doit être estimé à la position i-N-g-l, et, à cette fin, le niveau réel de parasites est échantillonné en

2N positions discrètes, i... i-N et i-N-2g-2...

i-2N-2g-1, qui, respectivement, suivent et précèdent, en distance, la position donnée i-N-g-1. Les niveaux de parasites mesurés à ces positions échantillonnées sont respectivement xi.. x et X.... x

1 - Ix-N-2-2g i-2N-_-2g.

Si l'on se réfère maintenant à la figure 3, les échos issus des positions i... i-2N-1-2g, engendrés en réponse à une impulsion émise i sont reçus successivement par un registre à décalage 10, et adressés à des emplacements successifs de mémoire de celui-ci. Les échos provenant d'un intervalle de distance plus grand, couvrant les positions 1.... w, et comprenant les positions i.... i-2N-1-2g sont également transmis à un processeur de signal 11 qui est conçu de façon à utiliser les signaux émanant de ces positions pour calculer les valeurs r(n) de la fonction d'autocorrélationr, comme décrit ci-dessus. Généralement, le processeur 11 est un micro-processeur programmé de manière à calculer les sommes correspondant à l'équation (1). Ces éléments, constituant la matrice r, sont alors transmis à un second processeur 12 programmé de manière à résoudre l'équation matricielle (2), pour fournir les coefficients de pondération a(1), a(2)... a(N) pour les appliquer à des échantillons respectifs de données

mesurées x(i).... x(i-N-1) et x(i-N-2-2g)....

x(i-2N-1-2g). Les coefficients de pondération sont alors

transmis à une mémoire 13 pour un usage ultérieur.

Dans une variante de l'invention, les processeurs 11 et 12 sont remplacés par un processeur unique, programmé de manière à calculer les coefficients de pondération a(1), a(2), a(N), c'est-à-dire A(k+l),

conformément à l'algorithme d'itération de l'équation (3).

Les emplacements de mémoire du registre à

décalage 10, utilisés pour mémoriser des échantillons de --

données obtenus à partir des positions à la fois précédant et suivant, en distance, la position donnée (i-N-l-g) ont des sorties respectives couplées chacune à un circuit multiplieur 14. Les échantillons de données situés dans ces emplacements de mémoire sont, de cette manière, pondérés par des facteurs respectifs a(1), a(2).....a(n), chacun introduit dans un circuit multiplicateur 14 relié à la mémoire 13, comme représenté figure 3. Les deux groupes d'échantillons pondérés sont alors sommés au moyen d'un circuit additionneur 15, et les sommes sont moyennées en 16 pour produire un signal L dont la valeur indique le niveau moyen de parasites à la (i-N-g-l)ème position. Ce

signal est alors multiplié en 17 par un facteur complé-

mentaire d pour régler un seuil au niveau T(= dL).

La valeur a peut être estimée à partir de la fonction de distribution p2(x/y) du niveau de parasites x

autour du niveau moyen y, c'est-à-dire L dans ce cas.

En général, on suppose que P2(x/y) suit une distribution de Rayleigh telle que: P2(x/y) - e {- Dans ces circonstances, comme illustré figure 4, le niveau de seuil T est réglé à un niveau plus élevé que le niveau moyen L, de façon que la probabilité que le

seuil soit franchi par des niveaux de parasites relative-

ment élevés reste relativement faible. Cette probabilité est représentée par l'aire hachurée en dessous de la courbe p2(x/y), et donne donc un taux constant de "fausse

alarme" relativement faible.

Le niveau de signal effectivement observé à la position i-N-l-g est alors extrait de l'emplacement SRobs du registre à décalage 10 vers un comparateur 18 pour permettre la comparaison avec le niveau de seuil T, et on supposera qu'un-objet a été identifié si des signauxsont

alors produits en sortie.

Une fois que les coefficients de pondération a(1), a(2).....a(N) ont été trouvés en appliquant l'équation (1) ci-dessus aux échos obtenus depuis les positions discrètes..... w s'étendant sur un intervalle de distance R! pour lequel la fonction d'autocorrélation r(N) est stationnaire, on peut alors utiliser ces mêmes coefficients de pondération pour estimer le niveau moyen de parasites correspondant à chaque emplacement situé dans l'intervalle Ri, au fur et à mesure que la "fenêtre" présentée par le DMM (large dans cet exemple, de 2N + 2g + 1)

se déplace en distance le long de la même position azimutale.

De nouvelles fonctions d'autocorrélation et leurs coeffi-

cients de pondération correspondants sont alors produites, en correspondance avec les différents intervalles de

distance R2, R3,...

En variante, ou en complément, les coefficients de pondération obtenus en correspondance avec un intervalle particulier de distance Rl, R2, R3.... pour une position azimutale particulière peuvent être utilisés pour d'autres positions azimutales adjacentes dans la mesure o la

fonction d'autocorrélation reste stationnaire.

Les fonctions de pondération obtenues pendant un balayage particulier du système radar peuvent être mémorisées en 13 et utilisées pendant de nombreux balayages successifs du système. De temps en temps, cependant, quand l'état de la mer se modifie, il peut être nécessaire de mettre à jour la valeur des coefficients de pondération. On notera que, bien que l'exemple ci-dessus décrit concerne un système bilatéral dans lequel les échantillons de données à la fois précèdent et suivent, en distance, la position choisie un système unilatéral peut être utilisé en variante, dans lequel les échantillons

soit précèdent soit suivent la position donnée.

Claims (7)

REVENDICATIONS

1. Circuit pour engendrer un signal de sortie représentatif du niveau de parasites en une position donnée dans le champ de vision d'un dispositif radar, caractérisé en ce qu'il comporte: 5. des moyens pour échantillonner une pluralité d'échos, produits en réponse à une impulsion radar émise et émanant d'une pluralité correspondante de positions discrètes régulièrement espacées les unes des autres, précédant et/ou suivant, en distance, la position donnée; des moyens de traitement pour pondérer au moins certains de ces échos par des quantités respectives fonction de la variation spatiale des amplitudes des échos; ainsi que 15. des moyens pour engendrer le signal de sortie à partir

des échos pondérés.

2. Circuit selon la revendication 1, caractérisé en ce que lesdites quantités sont liées à la fonction

d'autocorrélation des échos.

3. Circuit selon la revendication 2, caractérisé en ce que les moyens de traitement comportent: des moyens pour traiter les échos provenant de w positions discrètes, de manière à engendrer les éléments r(n) de la fonction d'autocorrélation, dans laquelle: w-n r(n) = x(k) x(k+n) k=l w-n x(k) étant l'amplitude du kième écho, x(k+n) l'amplitude du (k+n)ième écho, et n = O, 1, 2.... N, avec Nw/2; des moyens pour résoudre l'équation matricielle: r(o) r(1 r(N-1) r (N-1) r(l) r(1) r(o) r(N-2) a(2) r(2) r(N1)....... r (o) a (N) r(N) de manière à fournir des coefficients de pondération

a(), a(2)....... a(N); et des moyens pour pondérer les amplitudes x(l), x(2)....

x(N) des échos provenant de N positions discrètes, par les coefficients respectifs a(1), a(2)..... a(N).

4. Circuit selon la revendication 1, caractérisé en ce que les moyens de traitement comportent: - des moyens pour engendrer un vecteur A(k+l) des N coefficients de pondération en minimisant l'erreur de prévision [x(k) x(k)x(k)] dans l'algorithme d'itération A(k+l) = A(k) + p [x(k) - x(k)]X(k-1), X(k-1) étant un vecteur comprenant les amplitudes x(k-1), x(k-2)... x(k-N), des échos provenant des positions k-l, k-2..... k-N, P étant un scalaire x(k) étant l'amplitude d'un écho provenant de la position k, x(k) étant l'amplitude prévue d'un échQ provenant de la position k, obtenu en pondérant les composants du vecteur X(k-1) par les coefficients de pondération respectifs constituant le vecteur A(k); ainsi que

- des moyens pour pondérer les amplitudes x(k), x(k-1)...

x(k+l-N) des échos provenant respectivement des positions k, k-1... k+l- N par les coefficients de pondération

respectifs constituant ledit vecteur A(k+l).

5. Circuit selon l'une quelconque des

revendications 1 à 4, caractérisé en ce que les moyens

d'échantillonnage permettent d'échantillonner des échos provenant de positions discrètes séparées chacune de la position donnée d'une distance dépassant la largeur de

l'impulsion radar émise.

6. Dispositif radar,caractérisé en ce qu'il comprend: - des moyens pour émettre une impulsion radar et pour recevoir les échos correspondants,

- un circuit selon l'une des revendications 1 à 5 pour

engendrer un signal de sortie représentatif du niveau de parasites en une position donnée dans le champ de vision du dispositif, - des moyens pour comparer l'amplitude d'un écho, effectivement obtenu à partir de la position donnée, avec une valeur de seuil fonction du signal de sortie, ainsi que - des moyens pour indiquer la présence d'une cible en

fonction de cette comparaison.

7. Dispositif radar selon la revendication 6, caractérisé en ce qu'il comporte en outre des moyens pour régler un seuil à une valeur fonction d'une distribution de Rayleigh des niveaux de parasites autour du niveau de

parasites indiqué par le signal de sortie.