FR2767200A1 - Procede de classification de cible pour installation radar - Google Patents

Procede de classification de cible pour installation radar Download PDF

Info

Publication number
FR2767200A1
FR2767200A1 FR8814019A FR8814019A FR2767200A1 FR 2767200 A1 FR2767200 A1 FR 2767200A1 FR 8814019 A FR8814019 A FR 8814019A FR 8814019 A FR8814019 A FR 8814019A FR 2767200 A1 FR2767200 A1 FR 2767200A1
Authority
FR
France
Prior art keywords
blades
spectrum
time
frequency
succession
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.)
Granted
Application number
FR8814019A
Other languages
English (en)
Other versions
FR2767200B1 (fr
Inventor
Hans Hommel
Franz Jehle
Martin Konig
Johannes Schmid
Dietmar Talke
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Licentia Patent Verwaltungs GmbH
Original Assignee
Licentia Patent Verwaltungs GmbH
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Priority claimed from DE3826754A external-priority patent/DE3826754C1/de
Application filed by Licentia Patent Verwaltungs GmbH filed Critical Licentia Patent Verwaltungs GmbH
Publication of FR2767200A1 publication Critical patent/FR2767200A1/fr
Application granted granted Critical
Publication of FR2767200B1 publication Critical patent/FR2767200B1/fr
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S7/00Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/415Identification of targets based on measurements of movement associated with the target
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S7/00Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/28Details of pulse systems
    • G01S7/285Receivers
    • G01S7/288Coherent receivers
    • G01S7/2883Coherent receivers using FFT processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

Pour la classification d'avions à réaction, l'invention apporte plusieurs solutions permettant de déterminer la fréquence de succession des aubes d'une turbine ou d'un rotor d'un moteur à réaction et, dans un pas suivant, déterminer le nombre d'aubes afin d'identifier ainsi le type de moteur. Pour la classification d'hélicoptères, on détermine le temps de succession des pales du rotor principal ou du rotor de queue.

Description

i L'invention concerne un procédé pour classer une cible
sur une installation radar.
Par les documents DE 29 28 907 A1 et DE 30 02 148 A1, on connaît des procédés pour classer des cibles mobiles, selon lesquels, dans une installation radar Doppler, des spectres Doppler sont formés à partir des signaux d'échos et, outre la détermination de la vitesse de la cible à partir de la fréquence Doppler de la raie cible principale du spectre, les spectres Doppler sont
examinés quant à la présence de raies secondaires dues à des chan-
gements périodiques du comportement en réflexion de la cible ou de parties de la cible. Par exemple, d'après l'espacement des raies secondaires, il est possible de fixer la fréquence de succession des aubes d'une turbine ou d'un rotor d'un moteur à réaction d'un avion ou la longueur des maillons d'une chenille de véhicule
blindé, et d'utiliser les informations ainsi obtenues pour la clas-
sification de la cible. Cependant, la fréquence de succession des aubes d'un moteur à réaction d'un avion ne convient qu'à certaines
conditions comme caractéristique de classification puisque la fré-
quence de rotation de la turbine peut varier dans une plage
étendue.
Les procédés de classifications de cibles sont particu-
lièrement importants pour l'identification ami-ennemi non coopéra-
tive, par exemple par l'utilisation exclusive des informations
fournies par le radar de bord d'un avion.
Le but de l'invention est d'indiquer de tels procédés non
coopératifs pour la classification de cibles.
L'invention apporte des solutions à ce problème par dif-
férents modes de mise en oeuvre. Selon un premier de ceux-ci, l'in-
vention procure un procédé pour la classification d'une cible par
comparaison d'information de cible extraite avec des modèles mémo-
risés pour un radar Doppler, selon lequel on forme par traitement cohérent un spectre Doppler à partir des signaux d'échos radar, et
selon lequel, pour la classification d'avions à réaction par iden-
tification du type de moteur, on détermine une valeur pour la fré-
quence de succession des aubes d'une turbine ou d'un rotor de moteur à partir du spectre Doppler, caractérisé en ce que, en plus, on analyse les fractions de la modulation du signal d'écho dont la périodicité correspond à la rotation de la turbine et on détermine à partir de cette analyse une valeur pour La fréquence de rotation de la turbine, et que, à partir de La fréquence de succession des aubes et de la fréquence de rotation, on détermine Le nombre d'aubes de La turbine ou du rotor, que l'on utilise en tant que
paramètre de classification.
Selon un deuxième mode de mise en oeuvre, l'invention
procure un procédé pour la classification d'une cible par compa-
raison d'information de cible extraite avec des modèles mémorisés
pour un radar Doppler, selon lequel on forme par traitement cohé-
rent un spectre Doppler à partir des signaux d'échos radar, carac-
térisé en ce que, pour la classification d'hélicoptères, on débar-
rasse le spectre Doppler de l'écho principal de la cible (écho du fuselage) et on retransforme le spectre dans le domaine du temps, et que, à partir du signal en fonction du temps ainsi obtenu, on détermine la durée ou intervalle de succession des pales du rotor principal ou du rotor de queue de l'hélicoptère et on utilise la
durée ainsi obtenue pour la classification.
Selon un troisième mode de mise en oeuvre, l'invention
procure un procédé de classification d'une cible pour une instal-
lation radar, selon lequel on compare une information de cible extraite avec des modèles mémorisés, caractérisé en ce que l'on soumet un grand nombre de valeurs mesurées du signal d'écho radar à une reconnaissance de types de modulation, consistant à extraire chaque fois une ou plusieurs grandeurs de mesure des valeurs mesurées et à déterminer, pour toutes les valeurs mesurées, les distributions statistiques pour les grandeurs de mesure, et que
l'on compare les distributions avec des modèles mémorisés.
Alors que, selon l'état de la technique, on exploite la fréquence de succession des aubes des turbines (rotors) des moteurs à réaction pour la classification d'avions à réaction, ce qui a
l'inconvénient que cette fréquence peut varier dans une plage rela-
tivement grande suivant La charge instantanée du moteur, le concept de base de l'invention est de déterminer aussi la fréquence de rotation des turbines (rotors ou éléments analogues portant des aubes, des pales, et ainsi de suite). Bien que cette fréquence varie également dans une pLage relativement étendue, le quotient de la fréquence de succession des aubes et de La fréquence de rotation est constant pour un seuL et même moteur et est égaL au nombre des aubes de la turbine. La détermination des paramètres de cible que
sont la fréquence de succession des aubes et la fréquence de rota-
tion, ainsi que leur exploitation combinée, c'est-à-dire la forma-
tion du quotient des deux paramètres et la comparaison de ce quo-
tient avec des modèLes mémorisés, permettent par conséquent une identification univoque du type de moteur, indépendamment du régime
de fonctionnement instantané - variable - du moteur.
L'invention exploite la prise de conscience du fait que
le comportement de réflexion d'un moteur est certes fortement con-
cordant dans des positions consécutives comparables des aubes de la turbine, mais ne concorde pas entièrement d'une position à l'autre,
de sorte que le signal d'écho contient aussi une modulation pério-
dique correspondant à une révolution compLète de la turbine.
En supprimant l'écho principal de la cible dans le spectre Doppler, ainsi que les fractions éventuellement présentes de clutter (échos parasites), les fractions de signal ayant la
périodicité de la durée de révolution de la turbine du moteur, res-
sortent plus nettement. De préférence, la fréquence de succession des aubes est déterminée de façon connue à partir du spectre
Doppler et les raies spectrales dues à la modulation dans la suc-
cession des aubes sont éliminées, de sorte que le spectre résiduel
est déterminé pour une partie essentielle par la modulation provo-
quée par la rotation de la turbine.
En cas d'incertitudes dans la détermination du nombre d'aubes, on peut comparer la fréquence de succession des aubes déterminée avec l'état de vol (altitude, vitesse, charge par exemple) déterminé à partir d'observations radar précédentes, ainsi qu'avec le comportement de réglage connu du moteur, à l'aide de
données mémorisées dans une bibliothèque.
Selon une autre caractéristique de l'invention, on déter-
mine les paramètres de la cible à plusieurs reprises qui se suivent dans le temps et on les soumet à une détection M de N. La classification d'avions à réaction selon le principe qui vient d'être décrit, sera explicitée ci-après par des exemples de mise en oeuvre et en référence aux figures 1 à 8 dont: - la figure 1 montre la variation d'un signal d'écho en fonction du temps;
- la figure 2 représente un spectre de puissance corres-
pondant; - la figure 3 représente une fonction temps tirée de ce spectre par retransformation et estimation selon une méthode à maximum de vraisemblance; - la figure 4 est un diagramme montrant le principe du déroulement du processus; - la figure 5 représente un spectre obtenu par conversion logarithmique; - la figure 6 montre le signal en fonction du temps obtenu par retransformation de ce spectre; - la figure 7 illustre le principe de la détermination du nombre d'aubes par la mise en corrélation de spectres; et
- la figure 8 montre le résultat de la mise en corréla-
tion selon la figure 7.
Pour mieux expliquer le principe de l'invention, on s'est basé chaque fois sur un signal d'écho à faible bruit. Bien que le signal d'écho selon la figure 1 présente une modulation de niveau évidente, ses fractions périodiques ne peuvent pas être extraites directement du signal. Ce signal d'écho est d'abord converti de façon connue en un spectre Doppler, par exemple au moyen d'une transformation de Fourier et, éventuellement, après multiplication préalable par une fonction de pondération d'amplitude (par exemple une fenêtre de temps Hamming ou Blackman). Généralement, le spectre Doppler présente une raie cible principale nettement prononcée à la fréquence Doppler correspondant à la vitesse radiale de la cible, de même que, à côté de fractions de clutter et de bruit, des raies secondaires nettes provenant de la modulation de La succession
d'aubes du signal d'écho. Après suppression de la raie cible prin-
cipale (ainsi que de fractions de clutter éventuellement présentes) et décalage du spectre à la fréquence Doppler nulle pour la cible,
on obtient, par exemple, le spectre de puissance représenté schéma-
tiquement sur la figure 2.
Un mode d'exécution préféré de l'invention prévoit de
retransformer le spectre - débarrassé de fractions de l'écho prin-
cipal et de fractions de cLutter éventuellement présentes - par transformation de Fourier inverse dans le domaine du temps et de
soumettre le signal en fonction du temps ainsi obtenu à un post-
traitement afin d'accentuer les périodicités présentes dans le signal. A cet effet, on établit des moyennes, dans le signal en fonction du temps retransformé, par les niveaux des multiples de raies. Ensemble avec les transformations de Fourier précédentes, cette façon de procéder correspond à une méthode d'estimation à maximum de vraisemblance pour la fréquence de rotation, comme décrit dans des documents antérieurs, par exemple dans "IEEE Transactions on Acoustics, Speech and Signal Processing", tome ASSP-24, n 5, octobre 1976, pages 418-423, "Maximum Likelihood
Pitch Determination".
Le spectre de puissance montré par la figure 2 est obtenu par transformation de Fourier à partir d'un signal d'écho à faible bruit d'un avion à réaction. L'écho principal de la cible ainsi que les fractions de cLutter dans le spectre, ont déjà été supprimés et l'ensemble du spectre a été décalé de façon connue de manière que la cible ait la fréquence Doppler nulle. On perçoit clairement les
raies secondaires périodiques N1, N2, N3, N4, provenant de la modu-
Lation dans la succession des aubes et correspondant à des mul-
tiples entiers de la fréquence fondamentale fB de la succession des aubes. D'autres raies secondaires attribuables à la modulation de la succession des aubes, apparaissant par des effets de convolution à d'autres fréquences Doppler, mais présentant de nouveau le même espacement fB entre elles ou par rapport à la limite du spectre, sont désignées par N'. A partir de ce spectre, on détermine de façon connue la fréquence fondamentale en tant que fréquence de succession des aubes fB' On élimine ensuite les raies provenant de la fréquence de succession des aubes (indiquées par de petits traits transversaux sur les raies en question). Si le spectre se présente sous forme numérique, on ramène simplement les valeurs
mémorisées, dans la région de ces raies, à nulle. Le spectre rési-
duel est retransformé dans le domaine du temps et soumis à l'esti-
mation mentionnée à maximum de vraisemblance en vue de la détermi-
nation de la fréquence de rotation ou de la période de rotation. Le résultat de ce traitement est représenté par la figure 5 comme une fonction temps avec une raie éminente et clairement reconnaissable (flèche). La valeur correspondante sur l'axe des temps représente la période de rotation tD, c'est-à-dire la durée d'une révolution de la roue de turbine. Pour obtenir une confirmation de la valeur ainsi déterminée pour la période de rotation tD, on peut exploiter aussi les raies restantes de la fonction temps, en appliquant de préférence un seuil de niveau PM et en exploitant seulement les raies dépassant ce seuil. Ce dernier est avantageusement rapporté
au maximum du niveau; le seuil de l'exemple représenté schémati-
quement correspond à 35 % du niveau maximal. En principe, on exami-
nera toutes les raies, dépassant ce seuil, sur leur faculté de fournir un nombre d'aubes vraisemblable, en combinaison avec la fréquence de succession des aubes déjà connue d'après le spectre,
et on tiendra seulement compte des raies répondant à ce critère.
Le nombre des aubes de la roue de turbine peut être
déterminé avec une grande précision d'après la durée d'une révolu-
tion tD ou de la fréquence de rotation fD = 1/tD et de la fréquence de succession des aubes, de sorte qu'on dispose d'un paramètre de
cible à haute valeur de classification.
En règle générale, le nombre des aubes peut être déter-
miné si exactement, avec le procédé décrit selon l'invention, que
des valeurs intermédiaires éventuellement obtenues et ne correspon-
dant pas à des nombres entiers, peuvent être éliminées comme inclassifiables ou peuvent être aussi considérées comme des signes d'un brouillage volontaire (ECM). Ceci peut être indiqué à un observateur et/ou être utilisé pour le déclenchement automatique de contre-mesures (ECCM) pour la suppression ou le contournement du brouillage.
La représentation schématique de la figure 4 montre gros-
sièrement le déroulement du processus. A partir d'un signal d'écho de radar, on produit un spectre Doppler au moyen d'une transformée de Fourier rapide (FFT). Dans ce spectre, on détermine, à côté de la raie cible principale, les raies secondaires périodiques, d'o
l'on tire une ou plusieurs valeurs pour les fréquences de succes-
sion des aubes. Plusieurs valeurs peuvent être obtenues, par exemple en présence de plusieurs cibles ou s'il s'agit de moteurs comportant plusieurs turbines. Le spectre est décalé à la fréquence Doppler nulle de la raie cible principale puis le spectre est débarrassé de la raie cible principale et de clutter. De plus, en utilisant la fréquence de succession des aubes qui vient d'être déterminée, on élimine les raies du spectre dues à la succession des aubes et on retransforme le spectre résiduel dans le domaine du temps par transformation de Fourier inverse (IFFT). Dans le domaine
du temps, on établit ensuite des moyennes par les niveaux des mul-
tiples des raies (estimations à maximum de vraisemblance). De la fonction temps à maximum de vraisemblance (voir figure 3), on extrait des valeurs possibles pour les fréquences de rotation ou
les périodes de rotation tD, représentant leurs valeurs réci-
proques. Ces valeurs sont combinées par paires, selon une méthode de calcul, avec les fréquences de succession des aubes déterminées à partir du spectre, de manière à obtenir des valeurs pour le nombre des aubes. Parmi ces valeurs, on exclut dès le départ, par exemple, celles situées en dehors de la plage du nombre d'aubes vraisemblable. Les valeurs ne correspondant pas à des nombres entiers, peuvent également être exclues immédiatement, mais peuvent
aussi être considérées comme des signes d'un brouillage volontaire.
A partir des valeurs possibles restantes, on détermine, par compa-
raison avec des nombres d'aubes mémorisés (bibliothèque), les
nombres concordants, représentant dès lors des paramètres de clas-
sification, et qui sont délivrés en tant que nombre des aubes de la cible ou, éventuellement, en présence de plusieurs cibles et dans
des situations analogues, comme plusieurs nombres d'aubes.
Conformément à un autre mode d'exécution, le spectre Doppler est converti en une représentation logarithmique avant la retransformation. La figure 5 montre un tel spectre logarithmique, lequel est de nouveau normé à la fréquence Doppler nulle de la raie principale et dans lequel l'écho principal de la cible ainsi que
les fractions de cLutter ont déjà été supprimés.
On reconnaît encore clairement les raies secondaires pro-
venant de la fréquence de succession des aubes, aux fréquences Doppler fB, 2 fB,' 3 fB. Des raies spectrales à attribuer d'évidence à la rotation de la roue de turbine, ne peuvent pas être décelées dans ce spectre logarithmique. Celui-ci est retransformé dans le domaine du temps, par exemple par transformée de Fourier inverse, ce qui donne un signal en fonction du temps dont le principe de la constitution est illustré par la représentation schématique de la figure 5. Ce signal en fonction du temps est formé pour l'essentiel de quelques raies étroites dont les positions dans le signal sont caractéristiques pour les modulations périodiques du signal d'écho du radar. Comme ces modulations sont à leur tour attribuables à des
parties tournantes et/ou oscillantes de la cible et comme les gran-
deurs caractéristiques de la rotation ou de l'oscillation diffèrent pour les cibles à distinguer, il devient possible de classer les cibles, d'après le signal en fonction du temps retransformé, par
une comparaison avec des modèles mémorisés (bibliothèque).
Un procédé comportant des opérations semblables est connu dans l'analyse de la parole sous l'appellation procédé Cepstrum, décrit par exemple dans "The Journal of Acoustical Society of America", tome 41 (1967), pages 293-309 sous le titre "Cepstrum
Pitch Determination".
Les différentes raies éminentes du signal en fonction du temps de la figure 6, peuvent être séparées de façon simple et
avantageuse par un seuil de niveau S pour utiliser, dans l'exploi-
tation consécutive, les seules fractions du signal en fonction du temps dépassant ce seuil. Dans l'exemple représenté schématiquement sur la figure 6, il s'agit des raies A, B, C et D. La raie A au
début de l'axe des temps constitue une sorte de composante de ten-
sion continue de l'écho et ne contient pas d'information sur la modulation par des parties mobiles de la cible. Il n'est donc pas tenu compte de cette raie dans l'exploitation. La première raie, B, provenant de la roue de turbine tournante du moteur, indique, par sa position tB sur l'axe des temps, la différence de temps entre des positions consécutives équivalentes d'aubes de turbine (aubes de rotor, pales d'hélice, et ainsi de suite) qui se suivent. La raie C se trouve à une valeur de temps 2 tB double de celle de B et
représente une sorte d'harmonique de B. Par rapport à B, C ne con-
tient pas d'information supplémentaire notable, mais elle peut être exploitée également afin d'améliorer la valeur mesurée tB' Il est possible aussi, comme cela est connu dans l'état de la technique, de déterminer la fréquence de succession des aubes fB' dont la valeur est l'inverse de celle de la période de succession des aubes tB, à partir de l'espacement des raies secondaires du spectre (figure 2). Enfin, la raie D du signal en fonction du temps est due à la rotation de la roue de turbine et sa position tD sur l'axe des temps indique la durée nécessaire à une révolution de la roue portant les aubes. La classification d'une cible au moyen du signal en fonction du temps selon la figure 6 peut s'effectuer, par exemple, à l'aide de fenêtres de temps pour les fractions de signal
B et D, qui sont établies sur la base de ce que l'on sait des para-
mètres de fonctionnement et des caractéristiques de construction de turbines entrant en ligne de compte en tant qu'éléments de cibles, lesquelles fenêtres sont préfixées et comparées avec les valeurs mesurées pour tB et tD. Cependant, comme la fréquence de rotation
et la fréquence de succession des aubes peuvent varier considéra-
blement d'une situation de vol à l'autre, en vue de l'obtention d'un rendement optimal du moteur, il faut tenir compte de telles
variations pour les modèles de fenêtres de temps préfixés.
Par contre, une grandeur qui reste constante et qui possède une haute valeur de classification est le nombre des aubes d'une roue de turbine (des pales d'une héLice ou analogue). Cette grandeur est tirée des valeurs mesurées pour tB et tD du signal en fonction du temps selon la figure 6, par la formation du quotient tD/tB, lequel indique directement le nombre des aubes de la roue de turbine. Lorsque, comme déjà indiqué, on détermine, à la place de la valeur mesurée tB du signal en fonction du temps retransformé, la grandeur équivalente de la fréquence de succession des aubes fB'
tirée du spectre, on peut éliminer dans le spectre, avant la trans-
formée de Fourier inverse, les fractions dues à la modulation de la succession des aubes, de sorte que le signal en fonction du temps
devient plus facile à exploiter.
SeLon encore une autre forme d'exécution, on détermine le nombre d'aubes dans le domaine spectral en tirant de façon connue la fréquence de succession des aubes du spectre, on génère des spectres modèLes à la même fréquence de succession des aubes pour différents nombres d'aubes hypothétiques d'une turbine ou d'un rotor d'un moteur, que l'on soumet à une corrélation croisée avec le spectre Doppler formé à partir du signal d'écho radar. Le spectre mesuré et les spectres modèles générés sont à amener en coïncidence pour la fréquence Doppler de la raie cible principale, ce qui s'effectue de façon connue en décalant le spectre mesure autour de la fréquence Doppler de la raie principale, de sorte qu'il est ainsi normé sur la fréquence Doppler nuLLe de la raie principale. Lors de La mise en corrélation, on obtient pour chaque spectre modèle, ou pour chaque nombre d'aubes hypothétique, une
valeur de corrélation K. La figure 8 indique les valeurs de corré-
Lation (KKF) obtenues en fonction des différents nombres d'aubes sur lesquels on s'est basé dans Le cas d'un exemple. On détermine La valeur de corrélation maximale et on utilise le nombre d'aubes correspondant comme paramètre de classification. IL est avantageux, dans ce mode de mise en oeuvre, de contrôler non seulement les
nombres d'aubes prévus comme étant coordonnables dans la classifi-
cation, mais aussi des nombres d'aubes qui n'existent pas sur les moteurs connus, ceci afin de déceler d'éventuelles mesures de
brouillage électronique de l'ennemi et de pouvoir réagir en consé-
quence. Dans ce cas également, il est préférable, avant l'analyse de corrélation croisée, d'éliminer La raie cible principale, du
clutter éventuel, ainsi que les raies secondaires dues à la modula-
tion de la succession des aubes du spectre Doppler de la cible.
Dans les spectres modèles, on tient seulement compte, dès Le
départ, de modulations du signal d'écho par la rotation de La tur-
bine. La figure 7a) montre schématiquement une partie d'un spectre
Doppler SPR mesuré, c'est-à-dire d'un spectre obtenu par transfor-
mation de Fourier à partir d'un signal d'écho, le spectre ayant
déjà été décalé à la fréquence Doppler nulle pour la raie princi-
pale et des fractions de spectre de la raie principale, du clutter et de raies secondaires provenant de la succession des aubes ayant déjà été supprimées. Sur la figure 7b), deux spectres modèles SPM 1
(ligne en trait continu) et SPM 2 (ligne en tireté) sont repré-
sentés pour deux fréquences de rotation différentes fD1 et fD2' correspondant à deux nombres d'aubes différents Z1 et Z2. Les
spectres modèles sont construits pour les nombres d'aubes hypothé-
tiques Zi et la fréquence de succession des aubes fB - déterminée de façon connue à partir du spectre Doppler (voir par exemple la figure 2) - avec, par exemple, des raies équidistantes, pour ce qui
concerne la fréquence (triangles sur la figure 7b)) avec un inter-
valle de fréquence des fréquences de rotation fDi = fB/Zi. Par corrélation croisée (multiplication et totalisation) d'un spectre modèle et du spectre mesuré, on obtient chaque fois une valeur de corrélation. Différentes valeurs de corrélation sont obtenues pour différents nombres d'aubes hypothétiques et le spectre modèle avec la meilleure concordance des raies (SPM 1 sur la figure 7) fournit
la valeur de corrélation la plus élevée. Les résultats de corréla-
tion pour une série continue de nombres d'aubes hypothétiques, sont indiqués sur la figure 8, laquelle montre un maximum prononcé dont la valeur correspondante en abscisse est exploitée en tant que
nombre d'aubes de la turbine du moteur pour la classification.
Alors que le nombre d'aubes d'une turbine de turbo-
réacteur d'avion constitue une grandeur très distinctive, il n'en est pas de même pour les hélicoptères. Par contre, les hélicoptères
peuvent être distingués convenablement d'après la fréquence de suc-
cession des pales ou d'après la fréquence de rotation du rotor
principal ou du rotor de queue. Par conséquent, en vue de la clas-
sification d'hélicoptères sur la base de la fraction d'écho d'un
rotor, une solution selon l'invention du problème à résoudre con-
siste à déterminer et à utiliser pour la classification la fré-
quence de succession des pales ou la durée (intervalle) de succes-
sion des pales du rotor principal ou du rotor de queue d'un héli-
coptère. De façon analogue à ce qui a déjà été décrit, pour la
détermination de la fréquence de rotation ou de la période de rota-
tion d'une roue à aubes, on débarrasse le spectre DoppLer de l'écho principal de la cible (écho du fuselage) et on le retransforme dans le domaine du temps. A partir du signal en fonction du temps, on détermine ensuite une valeur pour le temps de succession des pales du rotor, lequel sert de caractéristique pour la classification. De façon analogue à ce qui a été décrit en détail pour Le traitement
de l'écho radar d'un moteur à réaction, il est avantageux de sou-
mettre le signal en fonction du temps à une méthode d'estimation à
maximum de vraisemblance afin d'accentuer la présence de périodi-
cités dans le signal et de déterminer le temps de succession des pales d'après la raie ayant le niveau d'intensité le plus fort de la fonction de maximum de vraisemblance. Il est possible aussi, en variante, de soumettre le spectre, avant la retransformation, à une conversion logarithmique. Il est préférable que le signal d'écho radar soit soumis, avant la formation du spectre, à un traitement préalable afin de supprimer la structure fine de la modulation, de sorte que les périodes de signal contenues dans cette structure fine ne gênent pas la suite du traitement. La détermination du temps de succession des pales pour la classification d'hélicoptères sera ci-après décrite plus en détail par un exemple et en référence aux figures 9, 10 et 11 dont: - la figure 9 représente un signal d'écho radar, sans bruit, d'un rotor d'hélicoptère; - la figure 10 montre le spectre Doppler correspondant; et - la figure 11 représente la fonction de maximum de
vraisemblance du signal en fonction du temps obtenu par retransfor-
mation. Dans le signal d'écho selon la figure 9, on perçoit nettement, par les excursions régulières du niveau, les positions consécutives et équivalentes du rotor, lesquelles se suivent avec la durée (temps) de succession des pales du rotor. Le signal, se présentant en forme de quadrature (canaux I et Q), montre en plus une structure fine de la modulation, mais qui ne fournit pas d'in-
formation sur le temps de succession des pales. Dans la réalité, du bruit et du clutter sont superposés au signal, de sorte qu'il n'est
pas possible de déterminer directement, avec une fiabilité satis-
faisante, le temps de succession des pales à partir du signal d'écho. Pour éliminer la structure fine, on forme la valeur absolue du signal d'écho. A partir du signal de valeur absolue, on forme un spectre Doppler par transformation de Fourier. La vitesse radiale de la cible peut être déterminée d'après la raie cible principale du spectre Doppler. Après décalage de ce spectre à la position
nulle de la raie principale et après suppression de la raie prin-
cipale et de fractions de clutter éventuellement présentes, on
obtient le spectre résiduel représenté sur la figure 10. Contraire-
ment au spectre de l'écho de propulseur selon la figure 2, le spectre de la figure 10 ne possède pas une structure exploitable simplement pour déterminer la fréquence de succession des pales. Le spectre est retransformé dans le domaine du temps par transformée de Fourier inverse et le signal en fonction du temps, ainsi obtenu, est soumis à une méthode d'estimation à maximum de vraisemblance (établissement de moyennes par des multiples des raies) ce qui donne la fonction temps représentée schématiquement sur la figure 11. Celle-ci montre une raie qui ressort de façon nette, au temps de succession des pales tR sur l'axe des temps. En comparant ce temps tR avec des valeurs mémorisées dans une bibliothèque, on peut
fixer le type de l'héLicoptère.
En raison de la large concordance de la façon de procéder pour déterminer la durée d'une révolution d'une turbine de moteur et pour déterminer le temps de succession des pales d'un rotor d'hélicoptère, il est avantageux d'utiliser sensiblement les mêmes dispositifs de traitement de signal pour les deux cas et de prendre une décision préalable quant à la nature de l'écho, en provenance d'un avion à réaction ou d'un hélicoptère, par exemple d'après la vitesse de vol, le comportement en vol, la constitution de base du
spectre, et ainsi de suite.
Une autre possibilité favorable pour la classification de cible consiste à analyser statistiquement les signaux d'échos en vue de l'obtention d'une ou plusieurs grandeurs de mesure à partir d'un grand nombre de valeurs mesurées, à déterminer séparément les
distributions statistiques des grandeurs de mesure et à les com-
parer avec des modèles mémorisés. Pour cette dernière opération, il
est avantageux de comparer des grandeurs caractéristiques des dis-
tributions statistiques, telles que des maxima, des amplitudes de
variation, et ainsi de suite, avec des modèles mémorisés de gran-
deurs caractéristiques. Comme grandeurs de mesure, il est préfé-
rable de former des amplitudes et des positions de phase ou des
déphasages de valeurs mesurées Les unes après les autres.

Claims (20)

REVENDICATIONS
1. Procédé pour la classification d'une cibLe par compa-
raison d'information de cible extraite avec des modèLes mémorisés
pour un radar Doppler, selon lequel on forme par traitement cohé-
rent un spectre Doppler à partir des signaux d'échos radar, et
selon lequel, pour la classification d'avions à réaction par iden-
tification du type de moteur, on détermine une valeur pour la fré-
quence de succession des aubes d'une turbine ou d'un rotor de moteur à partir du spectre Doppler, caractérisé en ce que, en plus, on analyse les fractions de la modulation du signal d'écho dont la périodicité correspond à la rotation de la turbine et on détermine à partir de cette analyse une valeur pour la fréquence de rotation de la turbine, et que, à partir de la fréquence de succession des aubes et de la fréquence de rotation, on détermine le nombre d'aubes de la turbine ou du rotor, que l'on utilise en tant que
paramètre de classification.
2. Procédé selon la revendication 1, caractérisé en ce
que l'on élimine la raie cible principale du spectre.
3. Procédé selon la revendication 1 ou 2, caractérisé en ce que l'on décale le spectre de manière que la raie principale ait
la fréquence Doppler nulle.
4. Procédé selon l'une quelconque des revendications 1 à
3, caractérisé en ce que l'on élimine du spectre les raies secon-
daires provenant de la modulation de la succession des aubes.
5. Procédé selon l'une quelconque des revendications 1 à
4, caractérisé en ce que, à partir du spectre résiduel, on forme,
par retransformation dans le domaine du temps, un signal en fonc-
tion du temps, que l'on exploite pour déterminer la fréquence de
rotation ou la durée d'une révolution de la turbine ou du rotor.
6. Procédé selon la revendication 5, caractérisé en ce que l'on soumet le signal en fonction du temps à une méthode d'estimation à maximum de vraisemblance et on tire une valeur estimée pour la durée d'une révolution de la turbine à partir de la
fonction temps ainsi obtenue.
7. Procédé selon la revendication 5, caractérisé en ce
que, avant la retransformation, on soumet le spectre à une conver-
sion Logarithmique.
8. Procédé selon l'une quelconque des revendications 5 à
7, caractérisé en ce que, pour l'exploitation du signal en fonction
du temps retransformé, ou de la fonction temps, on fixe préalable-
ment un seuil de niveau et on exploite seulement les raies dépas-
sant ce seuil et qui concordent avec la fréquence de succession des
aubes déterminée et avec des nombres d'aubes possibles.
9. Procédé selon l'une quelconque des revendications 1 à
4, caractérisé en ce que l'on génère un spectre modèle d'après la fréquence de succession des aubes déterminée pour différents
nombres d'aubes hypothétiques et on met un spectre modèle en corré-
lation avec le spectre obtenu à partir du signal d'écho, et en ce
que l'on détermine le nombre d'aubes à partir de la valeur de cor-
rélation maximale.
10. Procédé selon l'une quelconque des revendications
précédentes, caractérisé en ce que, en cas d'incertitudes dans la
détermination du nombre d'aubes, on compare la fréquence de succes-
sion des aubes déterminée avec l'état de vol (altitude, vitesse,
charge par exemple) déterminé à partir d'observations radar précé-
dentes, ainsi qu'avec le comportement de réglage connu du moteur, à
l'aide de données mémorisées dans une bibliothèque.
11. Procédé pour la classification d'une cible par compa-
raison d'information de cible extraite avec des modèles mémorisés
pour un radar Doppler, selon lequel on forme par traitement cohé-
rent un spectre Doppler à partir des signaux d'échos radar, carac-
térisé en ce que, pour la classification d'hélicoptères, on débar-
rasse le spectre Doppler de l'écho principal de la cible (écho du fuselage) et on retransforme le spectre dans le domaine du temps, et que, à partir du signal en fonction du temps ainsi obtenu, on détermine la durée ou intervalle de succession des pales du rotor principal ou du rotor de queue de l'hélicoptère et on utilise la
durée ainsi obtenue pour la classification.
12. Procédé seLon la revendication 11, caractérisé en ce que l'on soumet le signal en fonction du temps à une méthode d'estimation à maximum de vraisemblance et, à partir de la fonction temps ainsi obtenue, on extrait la valeur de temps du maximum de niveau en tant que valeur estimée pour la durée de succession des pales.
13. Procédé selon la revendication 11, caractérisé en ce que, avant la retransformation dans le domaine du temps, on soumet
le spectre à une conversion logarithmique.
14. procédé selon l'une quelconque des revendications 11
à 13, caractérisé en ce que l'on soumet le signal d'écho radar à un traitement préalable pour supprimer des structures fines de la modulation.
15. Procédé selon la revendication 14, caractérisé en ce que l'on forme le signal de valeur absolue à partir des composants
du signal d'écho, se présentant sous forme de quadrature.
16. Procédé selon l'une quelconque des revendications
précédentes, caractérisé en ce que l'on détermine les paramètres de la cible à plusieurs reprises qui se suivent dans le temps et on les soumet à une détection M de N.
17. Procédé selon l'une quelconque des revendications
précédentes, caractérisé en ce que l'on évalue des échos pour lesquels il n'est pas possible d'obtenir une classification, comme
des signes de mesures de brouillage intentionnel par l'ennemi.
18. Procédé de classification d'une cible pour une ins-
tallation radar, selon lequel on compare une information de cible extraite avec des modèles mémorisés, caractérisé en ce que l'on soumet un grand nombre de valeurs mesurées du signal d'écho radar à une reconnaissance de types de modulation, consistant à extraire chaque fois une ou plusieurs grandeurs de mesure des valeurs mesurées et à déterminer, pour toutes les valeurs mesurées, les distributions statistiques pour les grandeurs de mesure, et que
l'on compare les distributions avec des modèles mémorisés.
19. Procédé selon la revendication 18, caractérisé en ce que les grandeurs de mesure sont les amplitudes et les positions de
phase des valeurs mesurées.
20. Procédé selon la revendication 18 ou 19, caractérisé
en ce que l'on détermine des grandeurs caractéristiques des distri-
butions établies et on les compare avec des modèles mémorisés.
FR8814019A 1987-10-28 1988-10-27 Procede de classification de cible pour installation radar Expired - Fee Related FR2767200B1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE3736420 1987-10-28
DE3826754A DE3826754C1 (de) 1987-10-28 1988-08-06 Verfahren zur Zielklassifizierung

Publications (2)

Publication Number Publication Date
FR2767200A1 true FR2767200A1 (fr) 1999-02-12
FR2767200B1 FR2767200B1 (fr) 2000-07-13

Family

ID=25861192

Family Applications (1)

Application Number Title Priority Date Filing Date
FR8814019A Expired - Fee Related FR2767200B1 (fr) 1987-10-28 1988-10-27 Procede de classification de cible pour installation radar

Country Status (4)

Country Link
US (1) US6573861B1 (fr)
FR (1) FR2767200B1 (fr)
GB (1) GB2322986B (fr)
SE (1) SE8803766D0 (fr)

Families Citing this family (68)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10311880B3 (de) * 2003-03-17 2004-11-25 Eads Deutschland Gmbh Radarverfahren zur Klassifikation oder Identifikation von Helicoptern
US7567203B2 (en) * 2005-04-11 2009-07-28 Raytheon Canada Limited Classification system for radar and sonar applications
US7180442B1 (en) * 2006-05-03 2007-02-20 The United States Of America As Represented By The Secretary Of The Navy Target indentification method using cepstral coefficients
EP2024604B1 (fr) * 2006-06-01 2012-08-01 Radatec, Inc. Détection de crête et réduction de parasites pour capteur hyper fréquence
US7522089B2 (en) * 2006-06-12 2009-04-21 Raytheon Company Airborne look-down doppler radar tracking of hovering helicopters using rotor features
FR2949568B1 (fr) * 2009-08-25 2011-10-28 Thales Sa Procede de discrimination radar entre un avion de ligne et un avion de chasse
GB201020408D0 (en) * 2010-12-01 2011-08-17 Bae Systems Plc Radar system and method of providing a blade count of a rotating bladed target
CA2829637C (fr) * 2011-03-23 2017-03-21 Olivier Hochreutiner Mesures de rotors a pales
JP5989353B2 (ja) * 2012-02-13 2016-09-07 株式会社デンソー レーダ装置
RU2492502C9 (ru) * 2012-02-29 2013-11-27 ОАО "Корпорация "Фазотрон-Научно-исследовательский институт радиостроения" Способ разрешения групповой цели
US10361585B2 (en) 2014-01-27 2019-07-23 Ivani, LLC Systems and methods to allow for a smart device
CN104133211B (zh) * 2014-07-07 2016-08-24 中国船舶重工集团公司第七二四研究所 一种多普勒频率变换雷达目标分类识别方法
KR101594918B1 (ko) * 2015-03-05 2016-02-17 국방과학연구소 거리-도플러 영상을 활용한 항공기 종류 식별방법
US9474042B1 (en) 2015-09-16 2016-10-18 Ivani, LLC Detecting location within a network
US11533584B2 (en) 2015-09-16 2022-12-20 Ivani, LLC Blockchain systems and methods for confirming presence
US10382893B1 (en) 2015-09-16 2019-08-13 Ivani, LLC Building system control utilizing building occupancy
US11350238B2 (en) 2015-09-16 2022-05-31 Ivani, LLC Systems and methods for detecting the presence of a user at a computer
US10321270B2 (en) 2015-09-16 2019-06-11 Ivani, LLC Reverse-beacon indoor positioning system using existing detection fields
US10455357B2 (en) 2015-09-16 2019-10-22 Ivani, LLC Detecting location within a network
US10665284B2 (en) 2015-09-16 2020-05-26 Ivani, LLC Detecting location within a network
CN105242254A (zh) * 2015-10-22 2016-01-13 中国船舶重工集团公司第七二四研究所 一种基于数据质量评估的对空目标识别方法
US10129853B2 (en) 2016-06-08 2018-11-13 Cognitive Systems Corp. Operating a motion detection channel in a wireless communication network
US9743294B1 (en) 2017-03-16 2017-08-22 Cognitive Systems Corp. Storing modem parameters for motion detection
US10004076B1 (en) 2017-03-16 2018-06-19 Cognitive Systems Corp. Selecting wireless communication channels based on signal quality metrics
US9989622B1 (en) 2017-03-16 2018-06-05 Cognitive Systems Corp. Controlling radio states for motion detection
US9927519B1 (en) * 2017-03-16 2018-03-27 Cognitive Systems Corp. Categorizing motion detected using wireless signals
US10056129B1 (en) 2017-08-10 2018-08-21 Micron Technology, Inc. Cell bottom node reset in a memory array
US10051414B1 (en) 2017-08-30 2018-08-14 Cognitive Systems Corp. Detecting motion based on decompositions of channel response variations
US10109167B1 (en) 2017-10-20 2018-10-23 Cognitive Systems Corp. Motion localization in a wireless mesh network based on motion indicator values
US10048350B1 (en) 2017-10-31 2018-08-14 Cognitive Systems Corp. Motion detection based on groupings of statistical parameters of wireless signals
US10228439B1 (en) 2017-10-31 2019-03-12 Cognitive Systems Corp. Motion detection based on filtered statistical parameters of wireless signals
US9933517B1 (en) 2017-11-03 2018-04-03 Cognitive Systems Corp. Time-alignment of motion detection signals using buffers
US10605908B2 (en) 2017-11-15 2020-03-31 Cognitive Systems Corp. Motion detection based on beamforming dynamic information from wireless standard client devices
US10109168B1 (en) 2017-11-16 2018-10-23 Cognitive Systems Corp. Motion localization based on channel response characteristics
US10852411B2 (en) 2017-12-06 2020-12-01 Cognitive Systems Corp. Motion detection and localization based on bi-directional channel sounding
US10264405B1 (en) 2017-12-06 2019-04-16 Cognitive Systems Corp. Motion detection in mesh networks
US10108903B1 (en) 2017-12-08 2018-10-23 Cognitive Systems Corp. Motion detection based on machine learning of wireless signal properties
CN108535710A (zh) * 2018-03-06 2018-09-14 中国船舶重工集团公司第七二四研究所 一种基于目标环境特征向量的干扰抑制与目标识别方法
US10393866B1 (en) 2018-03-26 2019-08-27 Cognitive Systems Corp. Detecting presence based on wireless signal analysis
KR102103636B1 (ko) * 2018-04-20 2020-04-22 한국항공대학교산학협력단 회전익기 탐지 방법 및 회전익기 탐지 시스템
US10318890B1 (en) 2018-05-23 2019-06-11 Cognitive Systems Corp. Training data for a motion detection system using data from a sensor device
US11579703B2 (en) 2018-06-18 2023-02-14 Cognitive Systems Corp. Recognizing gestures based on wireless signals
US10506384B1 (en) 2018-12-03 2019-12-10 Cognitive Systems Corp. Determining a location of motion detected from wireless signals based on prior probability
US11403543B2 (en) 2018-12-03 2022-08-02 Cognitive Systems Corp. Determining a location of motion detected from wireless signals
US10498467B1 (en) 2019-01-24 2019-12-03 Cognitive Systems Corp. Classifying static leaf nodes in a motion detection system
US10499364B1 (en) 2019-01-24 2019-12-03 Cognitive Systems Corp. Identifying static leaf nodes in a motion detection system
US10565860B1 (en) 2019-03-21 2020-02-18 Cognitive Systems Corp. Offline tuning system for detecting new motion zones in a motion detection system
US10567914B1 (en) 2019-04-30 2020-02-18 Cognitive Systems Corp. Initializing probability vectors for determining a location of motion detected from wireless signals
US10459074B1 (en) 2019-04-30 2019-10-29 Cognitive Systems Corp. Determining a location of motion detected from wireless signals based on wireless link counting
US10798529B1 (en) 2019-04-30 2020-10-06 Cognitive Systems Corp. Controlling wireless connections in wireless sensing systems
US10600314B1 (en) 2019-04-30 2020-03-24 Cognitive Systems Corp. Modifying sensitivity settings in a motion detection system
US10743143B1 (en) 2019-05-15 2020-08-11 Cognitive Systems Corp. Determining a motion zone for a location of motion detected by wireless signals
US10404387B1 (en) 2019-05-15 2019-09-03 Cognitive Systems Corp. Determining motion zones in a space traversed by wireless signals
US10460581B1 (en) 2019-05-15 2019-10-29 Cognitive Systems Corp. Determining a confidence for a motion zone identified as a location of motion for motion detected by wireless signals
RU2713635C1 (ru) * 2019-05-27 2020-02-05 Федеральное государственное унитарное предприятие "Государственный научно-исследовательский институт авиационных систем" (ФГУП "ГосНИИАС") Способ сопровождения в радиолокационной станции воздушной цели из класса "самолёт с турбореактивным двигателем" при воздействии уводящих по дальности и скорости помех
US10952181B1 (en) 2019-09-30 2021-03-16 Cognitive Systems Corp. Detecting a location of motion using wireless signals in a wireless mesh network that includes leaf nodes
EP4052065A4 (fr) 2019-10-31 2022-12-07 Cognitive Systems Corp. Utilisation de champs d'entraînement mimo pour la détection de mouvement
EP4052066A4 (fr) 2019-10-31 2022-12-14 Cognitive Systems Corp. Déclenchement de transmissions mimo à partir de dispositifs de communication sans fil
US11570712B2 (en) 2019-10-31 2023-01-31 Cognitive Systems Corp. Varying a rate of eliciting MIMO transmissions from wireless communication devices
RU2727963C1 (ru) * 2020-01-21 2020-07-28 Федеральное государственное казённое военное образовательное учреждение высшего образования "Военная академия воздушно-космической обороны имени Маршала Советского Союза Г.К. Жукова" Министерства обороны Российской Федерации Способ сопровождения воздушной цели при воздействии сигналоподобной с модуляцией доплеровской частоты помехи типа DRFM
RU2731878C1 (ru) * 2020-02-18 2020-09-08 Федеральное государственное казённое военное образовательное учреждение высшего образования "Военная академия воздушно-космической обороны имени Маршала Советского Союза Г.К. Жукова" Министерства обороны Российской Федерации Способ распознавания типа самолёта с турбореактивным двигателем в импульсно-доплеровской радиолокационной станции
US10928503B1 (en) 2020-03-03 2021-02-23 Cognitive Systems Corp. Using over-the-air signals for passive motion detection
US12019143B2 (en) 2020-03-03 2024-06-25 Cognitive Systems Corp. Using high-efficiency PHY frames for motion detection
RU2764781C1 (ru) * 2020-08-18 2022-01-21 Федеральное государственное казённое военное образовательное учреждение высшего образования "Военная академия воздушно-космической обороны имени Маршала Советского Союза Г.К. Жукова" Министерства обороны Российской Федерации Способ сопровождения воздушной цели из класса "самолёт с турбореактивным двигателем" при воздействии уводящих по дальности и скорости помех
US11304254B2 (en) 2020-08-31 2022-04-12 Cognitive Systems Corp. Controlling motion topology in a standardized wireless communication network
US11070399B1 (en) 2020-11-30 2021-07-20 Cognitive Systems Corp. Filtering channel responses for motion detection
CN112965038B (zh) * 2021-02-02 2023-07-21 西安电子工程研究所 一种基于点迹数据和频谱特征的地面活动目标分类方法
US20240027577A1 (en) * 2022-07-20 2024-01-25 Applied Concepts, Inc. Adaptive fan noise suppression for traffic radar systems

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4389647A (en) * 1980-12-22 1983-06-21 The United States Of America As Represented By The Secretary Of The Army Doppler discrimination of aircraft targets

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4603331A (en) * 1968-11-19 1986-07-29 The United States Of America As Represented By The Secretary Of The Navy Radar target spectrum classifier
DE1957348A1 (de) * 1969-11-14 1971-05-19 Dornier System Gmbh Verfahren zur Unterdrueckung der vom Seegang reflektierten elektromagnetischen Stoerechos bei ueber See fliegenden Hubschraubern
US4641138A (en) * 1975-11-06 1987-02-03 Lockheed Electronics Co., Inc. Radar apparatus for detecting an agitated reflective target
DE2928907A1 (de) * 1979-07-18 1981-06-19 Siemens AG, 1000 Berlin und 8000 München Verfahren zur klassifizierung bewegter ziele
US4275396A (en) 1979-10-12 1981-06-23 Jacomini Omar J Helicopter rotating blade detection system
GB2189962B (en) * 1981-10-31 1988-04-20 Emi Ltd Doppler imaging of targets
US4422333A (en) 1982-04-29 1983-12-27 The Franklin Institute Method and apparatus for detecting and identifying excessively vibrating blades of a turbomachine
DE3233327C2 (de) * 1982-09-08 1986-04-17 Siemens AG, 1000 Berlin und 8000 München Schaltungsanordnung zur Entdeckung und Erkennung von Hubschraubern
FR2599860B1 (fr) * 1984-03-22 1989-12-01 France Etat Armement Procede et dispositif pour la detection acoustique passive d'aeronefs, notamment d'helicopteres
US4723124A (en) * 1986-03-21 1988-02-02 Grumman Aerospace Corporation Extended SAR imaging capability for ship classification

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4389647A (en) * 1980-12-22 1983-06-21 The United States Of America As Represented By The Secretary Of The Army Doppler discrimination of aircraft targets

Also Published As

Publication number Publication date
SE8803766D0 (sv) 1988-10-21
GB8823753D0 (en) 1998-05-27
GB2322986A (en) 1998-09-09
US6573861B1 (en) 2003-06-03
GB2322986B (en) 1998-12-16
FR2767200B1 (fr) 2000-07-13

Similar Documents

Publication Publication Date Title
FR2767200A1 (fr) Procede de classification de cible pour installation radar
EP3732457B1 (fr) Procédé et dispositif de surveillance d'un roulement équipant un dispositif tournant
EP3658881B1 (fr) Procede et dispositif de recherche d'un defaut susceptible d'affecter un dispositif mecanique tournant de transmission de puissance
EP2156217B1 (fr) Procede de surveillance radar des turbulences de sillage
EP0681190B1 (fr) Procédé de détection radar discrète et système de mise en oeuvre
WO2018036946A1 (fr) Methode de traitement d'un signal issu d'un lidar coherent et systeme lidar associe
EP1615049B1 (fr) Traitement cohérent rapide pour codes à spectre de raies périodiques
WO2001090774A1 (fr) Procede et dispositif pour mesurer la vitesse d'un mobile
WO1999001862A1 (fr) Procede de recherche d'un modele de bruit dans des signaux sonores bruites
WO2018122339A1 (fr) Méthode de traitement d'un signal issu d'un lidar cohérent pour réduire le bruit et système lidar associé
FR2920545A1 (fr) Procede de trajectographie de plusieurs cetaces par acoustique passive
FR2669116A1 (fr) Procede de reconnaissance d'une cible aerienne a partir de son echo radar.
EP3236281A1 (fr) Procédé d'optimisation de la détection de cibles marines et radar mettant en oeuvre un tel procédé
EP2544020B1 (fr) Procédé et dispositif de détection d'une cible masquée par des réflecteurs de forte énergie
CN112444814B (zh) 基于pcie光纤采集卡的数字阵列天气雷达信号处理器
FR2724029A1 (fr) Procede de detection de signaux acoustiques provenant de torpilles
EP3759455B1 (fr) Module d'acquisition pour un systeme de surveillance d'une machine tournante, systeme et procede de surveillance
FR2949568A1 (fr) Procede de discrimination radar entre un avion de ligne et un avion de chasse
WO2022189754A1 (fr) Procédé, dispositif et programme d'ordinateur d'estimation d'une vitesse d'un véhicule à roue
WO2018024968A1 (fr) Procédé et système de détection de signaux utiles à dérives fréquentielles respectives non négligeables dans un signal global
EP0934536A1 (fr) Procede de mesure du decalage doppler dans un systeme de detection utilisant des codes ambigus
EP2494374B1 (fr) Procede de determination d'un parametre associe a la vibration d'un objet par vibrometrie laser
EP2449399B1 (fr) Procédé de détection de trains sensiblement périodiques de bouffées de signaux sensiblement sinusoïdaux
EP0740165B1 (fr) Procédé et dispositif de traitement de signel pour lever l'ambiguité d'un radar Doppler
EP3470871B1 (fr) Procédé de détection de signaux radar

Legal Events

Date Code Title Description
ST Notification of lapse

Effective date: 20080630