Синтез обобщенного алгоритма обработки и формирования данных по отраженным сигналам от сложных целей

Введение. Повышение качества входной информации для системы траекторной обработки (ТО) на основе повышения точности измерений радиолокационных (РЛ) сенсоров является одним из очевидных подходов. Однако при этом РЛ-цели могут стать "сложными целями", имеющими несколько отметок на выходе обнаружителя. Это затрудняет точную оценку кинетических параметров целей в системе ТО. В статье представлены результаты синтеза обобщенного алгоритма обработки и формирования данных из отраженных сигналов сложных целей, позволяющего точно оценить кинетические параметры для решения задачи ТО.

Цель работы. Краткое изучение причин формирования "сложных целей". Синтез обобщенного алгоритма обработки и формирования данных по отраженным сигналам от сложных целей на основе теории обработки РЛ-изображений.

Материалы и методы. Теория цифровой обработки сигналов; прикладная теория обработки РЛ-изображений; MATLAB Simulink Toolboxes для моделирования обработки РЛ-изображений; методы нечеткой кластеризации.

Результаты. На основе анализа некоторых характеристик сложных целей и теории обработки РЛ-изображений синтезирован обобщенный алгоритм обработки и формирования данных отраженных сигналов от этого класса целей, являющихся предпосылкой для точной оценки их "представительной отметки" при решении задачи ТО.

Заключение. В статье проведен анализ особенностей формирования сложных целей в РЛ-технике и их особенностей при точной оценке истинной отметки; синтезирован обобщенный алгоритм обработки и формирования РЛ-сигналов, отраженных от сложных целей, являющийся основой при решении задач ТО.

1. Чухломин И. Е., Файзулин Н. А. Анализ обнаружителя LOG-CFAR с цифровым адаптивным порогом обнаружения на фоне морских помех // Журн. радиоэлектроники. 2015. № 2. С. 1–20.

2. Dejan Ivkovié, Milenko Andrić, Bojan Zrnić. Detection of Very Close Targets by Fusion CFAR Detectors // Scientific Technical Review. 2016. Vol. 66, № 3. P. 50–57.

3. Мохамед Б. Эль Машад. Преимущества новой стратегии для процессоров CFAR по сравнению с моделью Неймана–Пирсона при обнаружении флуктуирующих целей, описываемых распределением хиквадрат с четырьмя степенями свободы // Вісті вищих учбових закладів. Радіоелектроніка. 2018. Т. 61, № 9. С. 487–507. doi: 10.20535/S0021347018090017

4. Thomas A. Detection and estimation theory and its applications. NJ: Pearson/Prentice Hall, 2006. 653 p.

5. Горбунова А. А. Разработка алгоритма получения точечного портрета сложной цели по комплексному радиолокационному изображению // Электронный журн. "Труды МАИ". 2011. № 45. URL: https://mai.ru/upload/iblock/1aa/rus.pdf?referer=https%3A%2F%2Fyandex.ru%2F (дата обращения 03.02.2023)

6. Доросинский Л. Г., Трухин М. П. Оптимальная обработка радиолокационных изображений, формируемых в РСА. М.: Издательский дом Академии естествознания, 2017. 212 с.

7. Доросинский Л. Г., Трухин. М. П. Прием и обработка сигналов от сложных целей. М.: Издательский дом Академии естествознания, 2018. 264 с.

8. Миронов О. С., Сазонов Д. Д. Особенности корреляционного приема пачек СКИ. Радиопромышленность. 2017. № 1. С. 31–36. doi: 10.21778/2413-9599-2017-1-31-36

9. Коновалюк М. А., Кузнецов Ю. В., Баев А. Б. Идентификация объектов сложной формы в cверхкороткоимпульсной радиолокации // Материалы III Всерос. конф. "Радиолокация и радиосвязь" – ИРЭ РАН. Москва, 26–30 окт. 2009. М.: ИРЭ им. В. А. Котельникова РАН, 2009. С. 932–936.

10. The ISAR Image Post-Processing for MultiPoint Target Identification / M. Konovalyuk, A. Gorbunova, Y. Kuznetsov, A. Baev // Intl J. of Electronics and Telecommunications. 2011. Vol. 57, № 4. P. 433–436. doi: 10.2478/v10177-011-0059-y

11. Konovalyuk M., Kuznetsov Y., Baev A. Moving Multy-Scatterer Target Parametric Identification Using Radar Image // 18th Intern. Conf. on Microwaves, Radar and Wireless Communications. Vilnius, Lithuania, 14–16 June 2010. IEEE, 2010. P. 524–528.

12. Старосотников Н. О., Федорцев Р. В. Сравнение по точности алгоритмов определения координат центров изображений в оптико-электронных приборах // Наука и техника. 2018. Т. 17, № 1. С. 79– 86. doi: 10.21122/2227-1031-2018-17-1-79-86

13. An Improved Bilateral CFAR Ship Detection Algorithm for SAR Image in Complex Environment / Ai Jiaqiu, Cao Zhenxiang, Ma Yuxiang, Wang Zhanghuai, W. Feifan, Jin Jing // J. of Radars. 2021. № 10(4). P. 499–515. doi: 10.12000/JR20127

14. Моделирование алгоритмов обработки данных радара с синтензированной апертурой космического аппарата для их передачи и формирования радиолокационного изображения / Р. П. Богуш, И. Ю. Захарова, В. М. Чертков, Н. М. Наумович // Вестн. Полоцкого гос. ун-та. Сер. С. 2018. С. 2–8.

15. Филимонов А. Б., Кыонг Ф. Ф. Методы формирования информативных признаков радиолокационных дальностных портретов воздушных целей // Мехатроника, автоматизация, управление. 2016. Т. 17, № 4. С. 273–281. doi: 10.17587/mau.17.273-281

16. Mathematical Model of Complex Radio-Location Portrait of Aim with a Final Number of Bright Points / O. M. Shynkaruk, V. A. Kyrylenko, Y. A. Babii, V. V. Polishchuk, A. O. Babaryka, A. I. Chukanov // Visnyk NTUU KPI Seriia – Radiotekhnika Radioaparatobuduvannia. 2020. Iss. 80. P. 23–30. doi: 10.20535/RADAP.2020.80.23-30

17. Rongchun Hu, Zhenming Peng, Juan Ma. A Vehicle Target Recognition Algorithm for Wide-Angle SAR Based on Joint Feature Set Matching // Electronics. 2019. Vol. 8, iss. 11. P. 1252. doi: 10.3390/electronics8111252

18. Computer Simulation of Aerial Target Radar Scattering, Recognition, Detection, and Tracking / ed. by Y. D. Shirman. Boston: Artech House, 2002. 294 p.

19. Gorshkow S.A. Radar target backscattering simulation: software and user's manual. Boston: Artech House, 2002. 40 p.