Литература Гудмен Дж. Статистическая оптика. М.: Мир, 1988. 528 с

Литература

1. 
   Гудмен Дж. Статистическая оптика. – М.: Мир, 1988. – 528 с.
   
2. 
   Бурый Е.В., Митрофанов А.Л. Оценка функции когерентности 4–го порядка методом пространственной свертки и перспективы ее применения в лазерных информационных системах // Квантовая электроника. – 1996. – Т. 23, №5. – С. 460 – 464.
   
3. 
   Бурый Е.В., Митрофанов А.Л. Точность измерения углового радиуса объекта по оценкам функции когерентности четвертого порядка в оптически однородных и турбулентных средах // Квантовая электроника. – 1997. – Т. 24, № 1. – С. 82 – 84.
   
4. 
   Twiss R.Q. Application of Intensity Interferometry in Physics and Astronomy // Optica Acta. – 1969. – V. 16, № 4. – P. 423 – 451.
   
5. 
   Goodman J. Laser Specle and Related Fenomena / ed. J.C. Dainty. – Berlin, Shpringer – Verlag, 1985.
   
6. 
   Sato T., Wadaka S., Yamamoto J. Imaging system using an intensity triple correlator // Appl. Opt., 1978. – V. 17, №13. – P. 2047 – 2052.
   
7. 
   Восстановление изображений методом тройной корреляции фотоотсчетов. Р.Р. Вильданов, М.С. Истматов и др. // Оптика и спектроскопия. – 1995. – Т. 79, №5. – С. 864 – 867.
   


oVERALL ANGULAR DIMENTIONS ESTIMATION OF NONVISUALISED OBJECTS

Buryi E., Kosygin A.

Scientific-Research Institute of Radioelectronics and Laser Technology

at the N.E. Bauman Moscow State Technical University. Site: www.llis.bmstu.ru, e-mail: [email protected]

Quite often it is needed to obtain information about transversal dimensions of an object and its shape, when optical receiver angular resolution is insufficient for object visualization. In this case objects parameters can be obtained during the analysis of laser radiation field characteristics diffused by the objects surface .

It is known, that parameters of correlation function of registered radiation is concerned with intensity spatial distribution of coherence radiation, diffused by the surface . In [1] is shown that counts of 4th order correlation function can be obtained by intensity field spatial convolution. In comparison with Hanbury-Brown and Twiss classical method of intensity correlation [2], offered method is not sensitive to low stability of the field and allows to obtain correlation function valid estimates even in case of low quantity of location cycles.

Interval between maximum and first null of correlation function is inversely to value of objects angular dimension. Thus, if is defined, it can be defined overall object’s dimensions and its surface contour shape can be reconstructed.

Parameters of the field, diffused by the sector, enclosed between two transverse sections, can be estimated during object location with radiation pulses of small duration. In this case radiation field intensity counts realizations must be registered during time interval equal to diffused radiation pulse duration. Thus each of such objects surface area contour shapes can be reconstructed.

Correlation gauge which realizes objects surface section shape estimation algorithm consists of: system of photodetectors, each having receiving optical system, set of ADC and RAM, multiplexer and counter.

ADC resolution influence on mean-square of obtained estimations of correlation function first null location is appreciated. It is determined that it must be 2³ bit minimum.

Experimentally proved, that offered radiation field intensity counts processing algorithm allows to evaluate overall angular dimensions of located object and to reconstruct its contour shape with high accuracy.

In [3] it’s proposed to combine 4^th correlation function with 6^th order correlation function, which allows obtaining complex relative intensity estimates and fully reconstruct a contour of a located object with arbitrary shape. Simultaneously using of correlation function phase estimation method [3] and intensity field spatial convolution method [1] for estimation of 6^th order correlation function counts allows to state relative intensity phase changes during located object relative movements.

Publications

1. 
   Buryi E.V., Mitrofanov A.L.4^th order coherence function estimation by the spatial convolution and its prospects in laser informational systems // Quantum Electron. – 1996. – Т. 23, № 5. – P. 460 – 464.
   
2. 
   Twiss R.Q. Application of Intensity Interferometry in Physics and Astronomy // Optica Acta. – 1969. – V. 16, № 4. – P. 423 – 451.
   
3. 
   Sato T., Wadaka S., Yamamoto J. Imaging system using an intensity triple correlator // Appl. Opt., 1978. – V. 17, №13. – P. 2047 – 2052.
   



АЛГОРИТМ РАСПОЗНАВАНИЯ ТИПОВ РАДИОЛОКАЦИОННЫХ ПОМЕХ ПО КОВАРИАЦИОННЫМ МОМЕНТАМ ВЫБОРКИ

Холопов И.С., Гуменюк А.В., Логинов А.С., Юкин С.А.

ГОУВПО «Рязанский государственный радиотехнический университет»

390005, Рязань, ул. Гагарина, 59/1, РГРТУ, каф. РТС e-mail: [email protected]

Оптимальная обработка сигналов на фоне аддитивной смеси коррелированных и некоррелированных помех предполагает последовательное выполнение операций обеления пассивной помехи и накопления сигнала на фоне остатков. Процедура обеления позволяет декоррелировать пассивную помеху (ПП) и заключается в умножении вектора принятой выборки на обратную корреляционную матрицу ПП, как правило, априорно неизвестную. При решении задачи обнаружения применим подход, заключающийся в оценке корреляционной матрицы ПП в соседних кольцах дальности [1]. Полагается, что статистические свойства ПП в соседних кольцах меняются слабо, поэтому корреляционная матрица ПП в анализируемом дискрете может быть найдена в результате усреднения корреляционных матриц ПП в предыдущем и следующем дискретах.

Уменьшение влияния средств радиоэлектронного подавления заключается в формировании нулей диаграммы направленности приемной антенны в направлении на источник активных помех или использовании в приемнике автокомпенсаторов активных помех (АП) с корреляционными обратными связями.

Обобщенная структурная схема устройства борьбы с комбинированными помехами, приведенная в [2], эффективна при наличии достоверной информации о типе применяемых помех. В связи с этим возникает необходимость распознавания помех, присутствующих в каждом кольце дальности. Будем рассматривать четыре ситуации (гипотезы) касательно анализируемой выборки:

1. гипотеза H₁: отсутствие пассивных и активных помех (только внутренний шум приемника);

2. гипотеза H₂: присутствует смесь ПП + шум;

3. гипотеза H₃: смесь АП + шум;

4. гипотеза H₄: аддитивная смесь ПП + АП+ шум.

В качестве информативных признаков для построения решающего правила классификации перечисленных воздействий во временной области будем использовать ковариационные моменты [3].

Оптимальный алгоритм распознавания классов основан на преобразовании плотности распределения вероятности признаков и вычислении отношения правдоподобия . Известно [3], что совместная плотность распределения вероятности элементов оценки ковариационной матрицы подчиняется распределению Уишарта , (1), где В – истинная ковариационная матрица, V – оценочная ковариационная матрица, k – количество выборок, по которым принимается решение, N – длина выборки, С – нормирующий множитель: (2)

Выражения для плотности распределения вероятности ковариационных моментов находятся путем интегрирования (1) по всем элементам матрицы V, кроме искомого.

Основными недостатками оптимального алгоритма являются вычислительная сложность и необходимость наличия полной априорной информации о распознаваемых процессах.

Решающее правило для распознавания гипотезы H₁ требует только одного признака – мощности процесса. Порог принятия решения z₀ может быть вычислен по критерию Неймана-Пирсона исходя из требований к вероятностям ложного F и правильного D распознавания процессов с различной мощностью. Для N > 10 F и D определяются (при ряде приближений) формулами [4] , , (3),

в которых z₀ – порог сравнения, нормированный к мощности шума,  – отношение мощности распознаваемого процесса к мощности шума,  – интеграл вероятности. На практике белый шум, аппроксимирующий собственный шум приемника, ограничен по полосе, а его мощность определяется формулой Найквиста , (4), где K_ш – коэффициент шума приемника, k = 1,3810^-23 Дж/К – постоянная Больцмана, Т₀ – температура в Кельвинах, f – ширина полосы частот приемного тракта.

Использование алгоритмов классификации коррелированных и некоррелированных процессов по модулю межпериодного коэффициента корреляции [5] не позволяет распознать гипотезу H₄ при априорно неизвестном отношении  = P_ПП/(P_АП+P_шум).

Известно [6], что закон распределения шумовой заградительной помехи зависит от способа ее создания и может существенно отличаться от нормального. Однако при воздействии такого процесса на узкополосные устройства процесс на их выходе приближается к нормальному и воздействие шумовой заградительной помехи не отличается от воздействия белого гауссовского шума. Поэтому наибольший вклад АП в ковариационную матрицу суммарного процесса будет наблюдаться на ее диагональных элементах. Значения же недиагональных элементов матрицы в основном будут определяться коррелированной составляющей (КС) входного процесса, то есть ПП.

Анализ результатов моделирования показывает, что при относительной ширине спектра флуктуаций ПП fT > 0,1 и малом отношении λ информативными признаками можно считать модули элементов корреляционной матрицы R₀₁, R₀₂ и R₀₃. Решающее правило для распознавания КС в анализируемой выборке формулируется следующим образом:

1. Находится R_ = R₀₁ + R₀₂ + R₀₃; модули коэффициентов корреляции вычисляются по формуле

, (5), где x[i] – отсчеты входной выборки. Формула (5) определяет несмещенные оценки автокорреляционной последовательности [7].

2. В соответствии с выбранным критерием эффективности распознавания устанавливается пороговое значение R_пор.

3. Превышение R_пор означает, что в принятой выборке содержится КС; в противном случае принимается решение о ее отсутствии.

Принятие решения о присутствии ПП на основании оцененных коэффициентов ковариационной матрицы V₀₁, V₀₂ и V₀₃ позволяет осуществить операцию линейного предсказания «назад» и оценить модуль элемента V_00 ПП ковариационной матрицы ПП. Разность (V₀₀-V_00 ПП) позволяет определить мощность некоррелированной составляющей и принять решение, является она АП или внутренним шумом.

Решающее правило для классификации рассматриваемых гипотез содержит следующие этапы:

1. Принимается решение о наличии либо отсутствии КС в принимаемой выборке.

2. В случае принятия решения о наличии КС находится величина (V₀₀-V_00 ПП) и сравнивается с порогом, определяемым по формулам (3); в противном случае с порогом сравнивается V₀₀.

3.1. Если V₀₀ не превышает порог, то принимается гипотеза H₁.

3.2. Если КС присутствует, но (V₀₀-V_00 ПП) не превышает порог, то принимается гипотеза H₂.

3.3. Если КС отсутствует и V₀₀ превышает порог, то принимается гипотеза H₃.

3.4. Если КС присутствует и (V₀₀-V_00 ПП) превышает порог, то принимается гипотеза H₄.

При неизвестных вероятностях априорного появления распознаваемых процессов, распределениях их плотностей вероятностей и величинах «штрафов» за принятие неправильных решений, использование байесовских критериев нецелесообразно. Поэтому в качестве критерия эффективности работы решающего правила будем использовать критерий Неймана-Пирсона [3].

Для использования критерия Неймана-Пирсона необходимо задать вероятность ложного распознавания некоррелированных процессов F_нк. Зависимости F_нк от значения порога R_пор при различных длинах выборки приведены на рис. 1.

Рис. 1

Зависимости получены усреднением результатов статистического моделирования по M = 100000 реализаций. При увеличении N зависимости F_нк(R_пор) смещаются к оси ординат и их крутизна увеличивается, что связано с приближением оценок коэффициентов корреляции к их истинным значениям. Величины R_пор, обеспечивающие установленную вероятность ложного распознавания F_нк, сведены в таблицу 1.

Таблица 1

Fнк	Rпор
	N = 32	N = 64	N = 128
10-2	0,87	0,55	0,255
10-3	0,9	0,62	0,27
10-4	1,01	0,695	0,33

Вероятности правильного распознавания гипотезы H₂ при F_нк = 10^-3, отношении ПП - шум 40 дБ и различных значениях параметра fT приведены в таблице 2.

Таблица 2

fT		0,05	0,1	0,15	0,2	0,25
D(H2)	N = 32	0,955	0,911	0,419	0,178	0,013
	N = 64	0,998	0,988	0,828	0,249	0,028
	N = 128	1	1	0,955	0,292	0,03

При относительной ширине спектра флуктуаций ПП fT > 0,15 предсказанная величина V_00 ПП меньше истинного значения и, как следствие, ошибочно принимается гипотеза H₄.

Зависимости вероятностей правильного распознавания гипотезы H₄ от величины λ при F_нк = 10^-3, fT = 0,1 и fT = 0,2 представлены на рис. 2. На коротких (N = 32, N = 64) выборках наибольшая вероятность правильного распознавания гипотезы H₄ наблюдается при λ в диапазоне (5…15) дБ. При меньших λ уменьшение вероятности правильного распознавания H₄ связано с возрастанием вероятности ошибочного распознавания гипотезы H₃, а при больших – гипотезы H₂.

Разность (V₀₀-V_00 ПП), необходимая для работы решающего правила, при принятии гипотезы H₄ позволяет оценить отношение λ по формуле: (6).

На рис. 3 приведены графики зависимостей среднеквадратического отклонения (СКО) оценок λ от длины выборки. Зависимости 1 получены посредством вычисления собственных значений (СЗ), а 2 – по формуле (6).

Рис. 2
Рис. 3

Из приведенных зависимостей следует, что при λ < 10 дБ оценка (6) является более эффективной по критерию минимума СКО  по сравнению с оценкой, основанной на отношении модулей максимального и минимального СЗ корреляционной матрицы процесса.

Заключение

Рассмотренный алгоритм распознавания позволяет производить классификацию помех в радиотехнических системах на основании ковариационных моментов выборки и процедуры линейного предсказания назад для оценки нулевого момента ковариации ПП. При относительной ширине спектра флуктуаций ПП fT  0,1 и λ = (5…15) дБ вероятность правильного распознавания комбинированной помехи составляет не менее 0,9 на выборках длиной N  32. Значения признаков в случае принятия гипотезы H₄ обеспечивают СКО оценки λ в 3-6 раз меньшее по сравнению с процедурой, основанной на вычислении максимального и минимального СЗ.

Литература

1. Иванов Ю.В., Родионов Ю.В., Синицын В.А. и др. Методы обработки сигналов в когерентно-импульсных РЛС // Зарубежная радиоэлектроника. 1988. №11. С. 3-20.

2. Бакулев П.А. Радиолокационные системы. – М.: Радиотехника, 2004. 320 с.

3. Фукунага К. Введение в статистическую теорию распознавания образов. Пер. с англ. М.: Наука, 1979. 368 с.

4. Баранов П.Е. Исследование эффективности обнаружения когерентного пакета сигналов на фоне аддитивной смеси импульсных помех и белого шума // Изв. вузов. Радиоэлектроника. 1977. №4. С. 116-119.

5. Леховицкий Д.И., Флексер П.М., Атаманский Д.В. и др. Статистические характеристики различения гауссовских коррелированных и некоррелированных случайных сигналов по обучающим выборкам конечного объема // Зарубежная радиоэлектроника. Успехи современной радиоэлектроники. 2001. №6. С. 49-59.

6. Перунов Ю.М., Фомичев К.И., Юдин Л.М. Радиоэлектронное подавление информационных каналов систем управления оружием / Под ред. Ю.М. Перунова. – М.: Радиотехника, 2003. 416 с.

7. Марпл.-мл. С.Л. Цифровой спектральный анализ и его приложения: Пер с англ. – М.: Мир, 1990. 584 с.



ALGORITHM OF RECOGNITION OF RADAR CLUTTERS TYPES ON COVARIATIONAL MOMENTS OF SAMPLE

Kholopov I., Gumenyuk A., Loginov A., Yukin S.

Ryazan state radio engineering university
390005, Ryazan, Gagarin's street, 59/1, RGRTU, chair RTS, [email protected]

Optimum processing of signals on a background of an additive mix of the correlated and not correlated clutters assumes consecutive performance of operations bleach components of frequency of recurrence of a passive clutters and accumulation. Procedure of prewhitening allows to decorrelate components passive clutter (PC) and consists in multiplication of a vector of the accepted sample to a return correlation matrix PC, a priori unknown.

Reduction of influence of means of radio-electronic suppression consists in formation of zero of the diagram of an orientation of the reception aerial in a direction on a source of clutters or use in the receiver of self-balancing potentiometers of active clutters (AC) with correlation feedback.

The generalized block diagram of the device of struggle against the combined clutters is most effective at presence of trustworthy information about type of applied clutters. In this connection there is a necessity of recognition of the clutters which are present at each ring of range. We shall admit that at accepted sample there can be only four classes of stirring influences:

1. Internal noise of the receiver (absence of passive and active clutters) – hypothesis H₁;

2. PC + noise – hypothesis H₂;

3. АC + noise – hypothesis H₃;

4. An additive mix PC + АC + noise – hypothesis H₄.

Informative attributes for construction of a solving rule of classification of the listed influences in time area are covariational moments.

The basic lacks of optimum algorithm are computing complexity and necessity of presence of the full aprioristic information on distinguished processes. Use of algorithms of classification of the correlated and not correlated processes on the first moment of correlation module does not allow to distinguish hypothesis H₄ at a priori unknown attitude  = P_PC/(P_АC+P_noise).

Decision-making on presence PC on the basis of the estimated factors covariance matrixes V₀₁, V₀₂ and V₀₃ allows to carry out operation of a linear prediction "back" and to estimate the module of element V_00 PC covariance matrixes PC. The difference (V₀₀ – V_00 PC) allows to define capacity of not correlated component and to make a decision; it is AC or internal noise. The solving rule of classification of considered hypotheses contains following stages:

1. The decision on presence or absence of the correlated component (CС) in accepted sample makes.

2. In case of decision-making on presence CС there is a size (V₀₀ – V_00 PC) and is compared to a threshold defined under formulas (3); otherwise to a threshold it is compared V₀₀.

3.1. If V₀₀ does not exceed a threshold hypothesis H₁ is accepted.

3.2. If CС is present, but (V₀₀ – V_00 PC) does not exceed a threshold hypothesis H₂ is accepted.

3.3. If CС is absent and V₀₀ exceeds a threshold hypothesis H₃ is accepted.

3.4. If CС is present and (V₀₀ – V_00 PC) exceeds a threshold hypothesis H₄ is accepted.

The considered algorithm of recognition allows making classification of clutters in radio engineering systems on the basis of covariational moments of sample and procedure of a linear prediction back for an estimation of the zero moment covariation of PC. At relative width of a spectrum of fluctuations PC fT  0,1 and λ = (5…15) dB the probability of correct recognition of the combined clutters makes not less than 0,9 on samples with length N  32. At λ  10 dB values of attributes in case of acceptance of hypothesis H₄ provide RMS estimations in 3-6 times smaller in comparison with the procedure based on calculation of maximal and minimal own values.


МАТЕМАТИЧЕСКАЯ МОДЕЛЬ ГЕНЕРАТОРА ШИРОКОПОЛОСНОЙ ПОМЕХИ ДЛЯ ПОМЕХОВОЙ ОБСТАНОВКИ АППАРАТУРЫ ПОТРЕБИТЕЛЕЙ СПУТНИКОВЫХ РАДИОНАВИГАЦИОННЫХ СИСТЕМ

Аполонов А.А., Баранов Э.В.

МГТУ ГА

За последнее десятилетие рынок потребителей и спектр услуг спутниковых радионавигационных систем (СРНС) многократно расширился. Данное обстоятельство объясняется качественным улучшением функционирования аппаратуры потребителей (АП) СРНС, достигнутое благодаря совершенствованию методов навигационных определений.

Параллельно с развитием аппаратуры СРНС возросли и требования, предъявляемые к ее точности и надежности [1]. При этом, в связи с возросшей террористической угрозой, актуальным вопросом становится возможность обеспечения целостности функционирования АП СРНС в условиях действия организационных помех.

В настоящее время для оценки характеристик функционирования АП широко применяются имитаторы сигналов СРНС. Существующие имитаторы сигналов СРНС GPS/ГЛОНАСС позволяют формировать радиосигналы навигационных космических систем, но не обладают функцией формирования различного рода помех, воздействующих на АП, в том числе воздействие широкополосной помехи. Данный факт является недостатком при изучении работы АП СРНС при воздействии помех и разработки алгоритмов противодействия таким помехам.

Наибольшей маскирующей способностью обладает сигналоподобная помеха [2]. Применительно к СРНС такой помехой является шумоподобная помеха с заданным спектром – широкополосная помеха.

В данной статье рассматривается математическая модель генерации широкополосной помехи, анализируются алгоритмы создания данной помехи и ее техническая реализация в имитаторе сигналов СРНС.

Широкополосная помеха может быть сформирована с помощью генератора стационарного гауссова шума с нулевым средним и равномерным распределением спектральной плотности мощности в рассматриваемой или заданной области частот.

Для реализации предлагаемой модели генератора широкополосной помехи необходимо сгенерировать две взаимно независимые случайные величины с нормальным законом распределения. При решении данной задачи используется преобразование Бокса – Мюллера. Преобразование Бокса — Мюллера — метод моделирования стандартных нормально распределённых случайных величин. В частности, преобразование Бокса — Мюллера является точным, быстрым и простым для реализации методом формирования случайных величин распределенных по нормальному закону. Данный метод позволяет перейти от равномерного распределения случайных величин к нормальному закону распределения.

Пусть r и φ — независимые случайные величины, равномерно распределённые на интервале (0, 1). Вычислим величины z₁ и z₂ по формулам: (1),

(2)

Тогда случайные величины z₁ и z₂ будут взаимно независимыми и распределены нормально с математическим ожиданием 0 и дисперсией 1.

При создании последовательности случайных величин r и φ с равномерным законом распределения можно использовать бинарные псевдослучайные последовательности, генерируемые линейными сдвиговыми регистрами [3].

Таким образом, алгоритм моделирования помехи с заданной шириной спектра реализуется в результате последовательного выполнения следующих операций:

– генерация двух взаимно независимых случайных величин с равномерным законом распределения;

– преобразование случайных величин с равномерным законом распределения в случайные величины с нормальным законом распределения;

– формирование случайного процесса с заданной шириной спектра.

Структурная схема математической модели генератора широкополосной помехи представлена на рис. 1.



Рис. 1. Структурная схема математической модели генератора широкополосной помехи.
В приведенной схеме показаны два сдвиговых регистра. Графики распределения и спектральной плотности генерируемых случайных величин r и φ представлены на рис. 2.


Распределение случайной величины φ Спектральная плотность случайной величины φ



Распределение случайной величины r Спектральная плотность случайной величины r

Рис. 2. Распределение и спектральная плотность случайных величин r и φ.



Распределение величины z1 Спектральная плотность случайной величины z1


Распределение величины z2 Спектральная плотность случайной величины z2

Рис. 3. Распределение и спектральная плотность случайных величин z1 и z2.

Старшие восемь бит одного из линейных сдвиговых регистров выполняют роль идентификаторов значений функций синуса и косинуса, хранящихся в таблице, а другого линейного сдвигового регистра выполняют роль идентификаторов значений функции . Полученные значения поступают на входы двух умножителей в соответствии с выражениями (1) и (2). Полученные величины z1 и z2 (рис. 3), имеющие нормальный закон распределения, фильтруются и поступают на вход управляемых аттенюаторов.

В представленной модели, для фильтрации величин z1 и z2, используются 2 фильтра Чебышева 4-го порядка 1 типа. В результате на выходе формируются две квадратурные компоненты с заданной полосой (рис. 4), которые можно подавать на цифровые входы микросхемы ЦАП для формирования аналоговых компонент сигнала помехи.



Рис. 4. Спектральная плотность широкополосной помехи

Схема генератора широкополосной помехи представлена на рис. 5.



Рис. 5. Схема генератора широкополосной помехи.

Представленная математическая модель может быть реализована на языке VHDL в микросхемах программируемой логики типа XILINX. Квадратурные компоненты широкополосной помехи после цифро-аналогового преобразования поступают на вход квадратурного модулятора для переноса на выбранную частоту (рис. 5).

При преобразовании квадратурного сигнала на высокую частоту внутри микросхемы квадратурного модулятора происходит подавление несущей и одной из боковых составляющих. Итоговый результат представляет собой однополосный сигнал с подавленной несущей.

Переход на промежуточной частоте от аналогового к цифровому сигналу позволяет исключить недостатки аналогового способа формирования квадратурных сигналов, таких как невысокие стабильность и линейность, неидентичность каналов, нарушение квадратуры, трудности фильтрации.

Использование современной элементной базы (цифровых сигнальных процессоров и программируемых логических интегральных схем) при реализации алгоритмов цифровой обработки сигналов позволяет снизить массу, габариты и цену устройства, и при этом существенно повысить его надёжность

При этом данная модель, реализованная на программируемой интегральной схеме, позволяет осуществлять регулировку уровня шума и полосы частот в широких пределах. В результате имитатор сигналов СРНС, реализующий данную модель помех, позволяет сформировать смесь сигнала и помехи с заданным отношением сигнал/шум в диапазоне рабочих частот АП СРНС, что позволит более эффективно осуществлять разработку алгоритмов противодействия широкополосным помехам.

Литература

1. 
   Перова А.И., Харисова В.Н. ГЛОНАСС. Принципы построения и функционирования. Изд. 3-е, перераб. – М: Радиотехника, 2005.
   
2. 
   Рукавишников Ю.Т. Синтез помех, максимально маскирующих сигнал//Радиотехника и электроника, т. XIX, №8, 1974.
   
3. 
   Скляр Б. Цифровая связь. Теоретические основы и практическое применение, второе издание. – М.: Вильямс, 2003.
   


Mathematical model of the generator of a wide-band interference for imitation noise conditions of the equipment of consumers of satellite radionavigation systems

Apolonov A., Baranov E.

Market of consumers of global navigation satellite systems (GNSS) has repeatedly extended for last time. Because the level of functioning of the equipment of consumers GNSS, owing to perfection of algorithms of navigating calculations has improved.

The requirements shown to accuracy and reliability of the equipment have at the moment increased. Terrorist threats have increased. The opportunity of maintenance of integrity of functioning of the GNSS equipment in conditions of action of noise becomes actual.

GNSS simulators are applied to an estimation of characteristics of the equipment of consumers. Existing simulators of GNSS signals allow to form radiosignals of global navigation satellite systems, but do not possess function of generation of a various interference for the equipment of consumers, including a wide-band interference. This fact is lack at studying work of the equipment of consumers at influence of interference, development of algorithms of counteraction to such interference.

The greatest masking ability the interference similar to a signal possesses. For GNSS such interference is pseudorandom noise with the set spectrum - wide-band interference.

In this report the mathematical model of a wide-band interference is considered, algorithms of creation of the given interference and its technical realization in the GNSS simulator with using modern components.

As a result, the GNSS simulator realizing given model of this noise, allows to generate a mix of a signal and a wide-band interference with the set attitude a signal/noise in a range of working frequencies, that will allow to develop more effectively algorithms of counteraction to wide-band interference.



СЛЕДЯЩИЙ ИЗМЕРИТЕЛЬ ЧАСТОТЫ СИГНАЛА БИЕНИЙ РАДИОДАЛЬНОМЕРА С ЧАТОТНОЙ МОДУЛЯЦИЕЙ ИЗЛУЧАЕМОГО СИГНАЛА

Паршин В.С.

ООО «Контакт -1»

390010, Рязань, пр. Шабулина, 18, тел. 33-3324

В современных системах контроля и управления технологическими процессами актуальной является задача точного измерения дальности до уровня жидкой среды, находящейся в замкнутом объеме. Высокая точность измерения дальности обеспечивается с помощью современных радиоволновых дальномеров с непрерывным частотно-модулированным излучением (ЧМ дальномеров) и определением дальности по разности частот между излучаемым и отраженным сигналом. В отсутствии помех многие способы обработки сигнала разностной частоты позволяют достаточно точно измерять частоту биений и, соответственно, точно измерять дальность (с погрешностью, не превышающей долей мм). На практике в сигнале разностной частоты присутствует помеховая составляющая, которая вызвана отражениями от элементов конструкции резервуара, его стенок и от дна. В этом случае сигнал биений (СБ), снимаемый с выхода смесителя дальномера (без учета высокочастотных составляющих, которые подавляются фильтром низких частот) может быть представлен на интервале времени в виде

(1), где – минимальное значение частоты передатчика; – диапазон перестройки частоты передатчика; – период модуляции; и – амплитуды полезного и помеховых сигналов; – задержка сигнала, соответствующая расстоянию до измеряемого уровня; – задержка сигнала, соответствующая расстоянию до m-го мешающего отражателя; -число мешающих отражателей; - белый нормальный шум; и- фазы полезного и помехового сигналов, обусловленные фазочастотной характеристикой и диэлектрическими свойствами отражающей поверхности.

Согласно (1) измерение частоты СБ, связанной с измеряемым расстоянием соотношением , производится на фоне имитирующих помех с неизвестными частотами, амплитудами и начальными фазами. Максимальное значение погрешности измерения дальности (выраженную в мм), вызванную влиянием мешающих отражений, можно приближенно оценить как , где отношение сигнал/помеха .

Для уменьшения погрешности предложены различные способы. Это компенсация помех, использование методов многопараметрической оптимизации и параметрического спектрального анализа [1-3]. Все эти методы имеют два общих недостатка – требуют значительных вычислительных затрат и чувствительны к таким специфичным для ЧМ – дальномерам искажениям СБ, как паразитная амплитудная модуляция и нелинейные искажения.

Погрешность возможно уменьшить, используя для оценки частоты алгоритм, основанный на методе максимального правдоподобия [4]. Ограничиваясь случаем одного МО, запишем по аналогии с логарифмом функции отношения правдоподобия следующую функцию

, (2), где ; - опорный сигнал функции отношения правдоподобия при =0; - спектральная плотность шума .

Функция


, (3), где - фаза опорного сигнала; при будет полностью определять точность измерения частоты СБ на фоне имитирующих помех.

Вычисляя интеграл в (3), пренебрегая слагаемыми с удвоенной частотой, получим, что

(4)

+.

Функция является осциллирующей функцией с периодом (- длина волны на частоте ). При отсутствии мешающих отражений ее главный экстремум соответствует задержке , соответствующей частоте .

Смещение экстремумов функции , включая главный, под воздействием МО при определяется по формуле

, (5),

где ; ; - расстояние, на котором находится мешающий отражатель относительно полезного; - скорость света.

Результаты расчетов по (5) для при одинаковых значениях фаз приведены на рисунке 1. Из рисунка следует, что влияние мешающих отражений приводит к смещению положения экстремумов функции , но это смещение невелико, примерно на два порядка меньше, чем величина . Различие в значениях фаз и приводит к появлению дополнительной погрешности измерения . Различие в значениях фаз и приводит к изменению начальной фазы быстрых колебаний кривой смещения положения экстремумов (рисунок 1), но не приводит к изменению их огибающей.

Однако влияние мешающих отражений приводит не только к смещению положения экстремумов функции , но и к изменению их значений.



Рис. 1.

Уже при отношении экстремум, соответствующий задержке , не будет глобальным. Поэтому в процессе измерения задержки (или частоты ) на основе (4) должно быть реализовано слежение за экстремумом, в окрестностях которого находится искомая величина (или частота ). Захват глобального экстремума функции осуществляется перед входом содержимого резервуара в интервал дальности с повышенной погрешностью. Для минимизации погрешности необходимо определить значения фазочастотной характеристики (оценка начальной фазы СБ) на границе интервала дальности с повышенной погрешностью, используя оценку задержки . Оценка осуществляется на основе поиска максимальной спектральной спектра СБ , то есть . На основе последнего оцененного значение перед входом в зону повышенной погрешности формируется интервал задержек , внутри которого ищется экстремум функции . Оптимальное значение , пересчитанная в расстояние, составляет . Смещение интервала задержек, обеспечивающее слежение за полезным экстремумом, реализуется либо смещением интервала , используя измеренное значение , либо на основе вычисления приращенияпри двух последовательных измерений с помощью алгоритма (4).

Результаты моделирования показали полное совпадение с результатами расчетов по (5). Экспериментальные исследования, выполненные на уровнемерах серии БАРС-351, выпускаемыми предприятием «Контакт-1», показали результаты, весьма близкие к данным моделирования. К недостатку следящего измерителя можно отнести следующее – изменения положения отражающей поверхности не должны превышать 3-7 мм при двух последовательных измерениях в зависимости от выбранного способа слежения.

Литература

1. Brumbi D. Fundamentals of Radar Technology for Level Gauging. 3-rd Revision.-Krohne Messtechnik,
Duisburg, 1999.

2. Марпл С.П.-мл. Цифровой спектральный анализ и его приложения. / Пер. с англ. под ред. О.И.

Хабарова и Г.А. Сидоровой. – М.: Мир, 1990. -584 с.

3. Паршин В.С., Езерский В.В., Багдагюлян А.А. Улучшение характеристик ЧМ дальномера при наличии мешающих отражений с помощью параметрического спектрального анализа / Труды РНТО РЭС
им. А.С. Попова. Серия: Цифровая обработка сигналов и ее применение. Выпуск 6, т. 1. М., 2004.

4. Тихонов В.И. Оптимальный прием сигналов.- М.: Радио и связь, 1983. – 320 с.


The Searching Measuring Instrument of the Frequency of the Signal of the Radio Range-Finder Pulsation with the Frequency Modulation of the Radiated Signal

Parshin V.

Ltd «Contact -1», 390010, Ryazan, Shabulina st., 18, tel. 33-33-24

In the modern systems of checking and control of the technological processes the actual problem is the measuring of distance till (to) the liquid medium level in the closed volume.