شبیه سازی آموزشی الگوریتم سریع پیشرفته تبدیل PRI با متلب

 

چکیده مقاله (ترجمه ماشینی)

مشکل تخمین بازه تکرار پالس (PRI) یک قطار پالس درهم که از چندین سیگنال راداری مستقل تشکیل شده است، مسئله اصلی پردازش سیگنال در سیستم‌های پشتیبانی الکترونیکی است. الگوریتم PRI Transform یکی از روش‌های شناخته شده و موثر تشخیص PRI است که قادر به تشخیص چندین سیگنال با لرزش نزدیک و پیشی گرفتن از ساب هارمونیک است، اما دارای معایبی است به خصوص به دلیل محدوده دینامیکی کوچک PRI و محاسبات سنگین. در این مقاله یک تبدیل PRI اصلاح شده معرفی شده است که طیف گسترده ای از PRI ها را به طور همزمان مدیریت می کند و با کاهش قابل توجه محاسبات، الگوریتم را سرعت می بخشد. علاوه بر این، یک آستانه کارآمد برای افزایش نرخ تشخیص تعیین شده است. نتایج شبیه‌سازی ثابت می‌کند که الگوریتم اصلاح‌شده عملکرد بسیار بهتری را در صورت تشخیص PRI گسترده و سرعت پردازش نشان می‌دهد در حالی که مزایای الگوریتم اصلی را حفظ می‌کند.

 

جداسازی پالس‌های رادار که بخشی از سیستم‌های پشتیبانی الکترونیکی است، برای شناسایی و شناسایی ساطع‌کننده‌های مختلف راداری فعال به طور همزمان استفاده می‌شود. پارامترهای اصلی مورد استفاده در فرآیند جداسازی سه ویژگی تک پالس هستند: فرکانس رادیویی، جهت رسیدن و زمان رسیدن (TOA). دو پارامتر اول معمولاً برای پیش پردازش و خوشه‌بندی جریان پالس دریافتی به گروه‌های کوچک‌تر و TOA برای تخمین PRI که مهم‌ترین پارامتر یک فرستنده رادار است استفاده می‌شود. چندین الگوریتم مبتنی بر تجزیه و تحلیل TOA برای شناسایی PRIهای بالقوه قطارهای پالس رادار درهم مانند هیستوگرام های آماری، تکنیک های مبتنی بر همبستگی خودکار و الگوریتم هایی با استفاده از تحلیل فرکانس زمانی مانند تبدیل موجک توسعه داده شده است. بررسی این الگوریتم ها در [5] ارائه شده است. هر یک از این الگوریتم ها در برخی جنبه ها خوب هستند. به عنوان مثال دو مورد از رایج ترین الگوریتم های مبتنی بر هیستوگرام عبارتند از (تفاوت ترتیبی) SDIF و (تفاوت تجمعی) CDIF [3،4]. اولی عملکرد خوبی را در تشخیص PRI ثابت نشان می‌دهد، اما قادر به تشخیص PRI عصبی نیست. CDIF روی توالی پالس کم نویز به خوبی کار می کند، اما عملکرد آن در زمان وجود پالس های از دست رفته به شدت کاهش می یابد و به جای PRI صحیح، ساب هارمونیک ها را تشخیص می دهد. روش‌های دیگر مانند آنالیز موجک هنوز عملکرد خوبی در سیگنال‌های لرزان نشان نداده‌اند و قادر به تشخیص رادارهایی با PRI نزدیک نیستند. برای غلبه بر همه این مشکلات یک الگوریتم جدید به نام PRI Transform در [1] پیشنهاد شده است. این الگوریتم بر اساس یک خودهمبستگی پیچیده TOA جریان پالس است که به پیشی گرفتن از ساب هارمونیک PRI در هیستوگرام TOA کمک می کند. علاوه بر این، استفاده از سطل‌های همپوشانی و مفهوم تغییر مبدأ زمان، الگوریتم PRI Transform را برای تشخیص PRI‌های لرزان مناسب می‌سازد. علاوه بر این، الگوریتم برای پالس‌های گمشده و جعلی قوی است و همچنین قادر است قطارهای پالسی حاوی PRI‌های نزدیک را تشخیص دهد. علیرغم تمام مزایای ذکر شده برای الگوریتم PRI Transform اما دارای کاستی هایی نیز می باشد. یکی این است که نسبت حداکثر PRI به حداقل PRI که می تواند در یک طیف تبدیل PRI شناسایی شود، محدود است و با عرض bin نسبت معکوس دارد. علاوه بر این، از آنجایی که ترتیب محاسبات O(N2) است، افزایش وضوح زمانی با تربیع تراکم bin به دست می آید. در این مقاله ما علت این مشکلات را تحلیل می کنیم و با ابداع روش های جدید برای ساخت سطل ها، تغییر مبدا زمانی، محاسبه فازهای محلی و تعیین آستانه های مناسب، الگوریتم تغییر شکل PRI را پیشنهاد می کنیم که بسیار سریعتر و قادر به تشخیص طیف گسترده ای از PRI ها است. همزمان. برخی دیگر از بهبودهای الگوریتم و کاربردهای آن را می توان در [6]، [7] و [9] یافت. ساختار این مقاله به شرح زیر است. در بخش دوم، مروری بر الگوریتم تبدیل PRI ارائه شده است و تکنیک سرکوب ساب هارمونیک و سطل های همپوشانی آن مورد بحث قرار می گیرد. در بخش سوم، عملکرد الگوریتم اصلی نشان داده شده و محاسن و نقاط ضعف آن ارائه شده است. در بخش IV، علت مشکلات مورد تجزیه و تحلیل قرار گرفته و الگوریتم بهبود یافته پیشنهاد شده است، سپس در بخش V عملکرد الگوریتم اصلی و بهبود یافته مقایسه شده و در نهایت برخی از نتایج در بخش ششم ارائه شده است.