Развитие методов доплеровской фильтрации ионосферных сигналов

• Автор: Книхута, Евгений Витальевич
• Шифр специальности: 01.04.03
• Научная степень: Кандидатская
• Год защиты: 2007
• Место защиты: Калининград
• Количество страниц: 119 с. : ил.

I Введение
II Глава 1. Методы обработки информации. Основы доплеровской фильтрации ионосферных сигналов
§1.1 Модель ионосферного сигнала. Основные оценки при доплеровской фильтрации. 7 § 1.2 Доплеровская фильтрация ионосферных сигналов (спектральный метод)
§1.3 Теоретические основы метода предсказаний
§1.4 Результаты модельных исследований возможностей доплеровской фильтрации (спектральный подход)
§1.5 Увеличение разрешающей способности доплеровской фильтрации на основе метода предсказаний (модельный расчет)
§1.6 Доплеровский спектр сигналов РВМ (г. Москва) на коротких временных интервалах. 33 §1.7 Основные выводы Главы 1
III Глава 2. Разработка метода доплеровской фильтрации на основе теории статистических решений
§2.1 Основные положения теории статистических решений
§2.2 Функция правдоподобия. Возможное решение спектральной задачи
§2.3 Оценка параметров сигнала на основе метода максимального правдоподобия
§2.4 Решение спектральной задачи в рамках теории оптимального приема
§2.5 Сверхразрешение в теории оптимального приема
§2.6 Решение спектральной задачи как процесс фильтрации оптимальными фильтрами. 64 §2.7 Краткое обсуждение результатов, полученных в Главе 2
IV Глава 3. Результаты модельных исследований возможностей метода доплеровской фильтрации на основе теории оптимального приема
§3.1 Предельные возможности выделения доплеровского спектра
§3.2 Разработка алгоритма программы с предварительной фильтрацией
§3.3 Результаты предварительной обработки сигнала
§3.4 Решение задачи доплеровской фильтрации спектральным методом и квазиоптимальным методом. Модельные расчеты
§3.5 Анализ элементов корреляционной матрицы,
§3.6 О влиянии разности фаз и соотношений амплитуд на параметры линий доплеровского спектра (модельные расчеты)
V Заключение
VI. Список используемой литературы

I Введение.
В настоящее время отмечается бурное развитие микроэлектроники и вычислительной техники. Оно создает новые возможности при обработке информации в радиофизике, акустике, гидроакустике, в системах связи. Отмечается переход от аналоговых методов обработки сигналов к цифровым методам, которые отличаются рядОхМ положительных качеств. Теоретической основой цифровых методов обработки сигналов является теория оптимального приема /1/,известная также как статистическая теория радиотехнических систем 121. Они основаны на представлениях об априорной, апостериорной информации, байесовском решении с учетом априорной информации, методе максимального правдоподобия, функции правдоподобия, системе уравнений правдоподобия. В теории оптимального приема определена общая методика решения ряда задач радиотехники, радиофизики. Основными из них являются: задача выделения сигнала из шума, задача оценки параметров сигнала, задача фильтрации, задача разрешения и различения сигналов. Наиболее важными для данной техматики являются задача оценки параметров и задача разрешения подобных сигналов (спектральная задача). Задача оценки параметров решается с помощью дифференцирования апостериорной плотности распределения по параметрам сигнала. Первые дифференциалы определяют максимум апостериорной плотности вероятности и дают возможность получения оценки парахметров сигнала. Вторые производные по параметрам определяют кривизну поверхности апостериорной плотности вероятности и позволяют оценить дисперсии оценок параметров сигнала. Однако применение данной методики получения решений оказывается достаточно сложным. Аналитические выражения, определяющие оценки параметров и их дисперсии, получены лишь в ряде простых случаев /1,2/. В настоящей работе задача оценки параметров ионосферных сигналов решается цифровыми методами /3,4,5,6/. Их использование существенно расширяет класс решаемых задач. Так, например, применение цифровых методов позволяет разработать методы выделения сигналов с частично перекрывающимися спектрами /3/. Цифровые методы позволяют выделить лучевую структуру, находящуюся в области главного лепестка диаграммы направленности антенных систем /4/. В радиолокации оказалось возможным выделение информации о радиоимпульсах с частичным на-

ложением во времени /6/. В работе /51 рассмотрена возможность оптимальной обработки сигналов, представленных своими спектрами в частотной области.
Успехи в области развития теории и методов обработки информации позволяют по-новому подойти к решению одной из важных задач в области ионосферного распространения декаметровых радиоволн - к задаче доплеровской фильтрации. В настоящее время она решается на основе спектрального анализа. Однако ее решение на уровне спектрального анализа является ограниченным. Ограничение связано с нестабильностью ионосферных сигналов. По экспериментальным оценкам /7-14/ область стационарности параметров лучей ионосферных сигналов ограничена интервалом 5-25 сек. Доплеровские сдвиги частот отдельных лучей ионосферных сигналов могут быть в пределах 0,01-0,2 Гц. Следовательно, соответствующие периоды обработки сигнала оцениваются временем 5-100 сек. Область стационарности распределения поля по поверхности земли не превышает 250-700 м. В то же время угловые различия лучей ионосферных сигналов создают интерференционное распределения поля с периодом от 500 м до километра и более. Таким образом, до-плеровская фильтрация ионосферных сигналов, основанная на спектральном анализе, ограничена временными интервалами 5-25 сек, или доплеровскими сдвигами частот 0,2-0,06 Гц.
В настоящее время доплеровский метод фильтрации является наиболее распространенным методом диагностики возмущений, возникающих в ионосфере при воздействии факторов естественного происхождения (фоновые перемещающиеся ионосферные возмущения) /14,15/, ионосферных возмущений, генерируемых землетрясениями, грозами, торнадо и другими эффектами, солнечными затмениями, а также воздействиями, связанными с деятельностью человека.
Ограниченность доплеровской фильтрации, основанной на спектральном анализе, не позволяет с достаточной достоверностью получать информацию об изменениях в ионосфере. Вместе с тем выделение лучевой структуры ионосферных сигналов на основании доплеровских смещений частот вплоть до выделения магнитоионных компонент позволит проводить детальные исследования ионосферы. Это касается вопросов возмущений электронной концентрации искусственного и естественного происхождения с помощью наклонного зондирования. Это позволит практически исключить интерференционные ошибки в пеленгации, в навигации с
ла выстраиваются по степени убывания. Матрица раскладывается в ряд по собственным числам и матрицы соответствующие наименьшим собственным числам отбрасываются (метод «MUSIC») как недостоверные. В методе «Писаренко» анализируется ортогональность векторов сигнала и векторов шума (минимальные собственные числа). При работе с матрицей данных (2.2.12) определяются сингулярные числа и соответствующие вектора. Дальнейшая методика аналогична вышеприведенной.
Одним из выводов, который может быть сделан на основании рассмотрения методов сверхразрешения, является следующий. В методах выполняется линейное преобразование, вследствие чего они не могут быть более эффективными при решении спектральной задачи, чем метод максимального правдоподобия. Однако этот вывод необходимо подтвердить модельными расчетами. Вторым важным обстоятельством является то, что при применении метода предсказаний функция правдоподобия (2.2.8) будет содержать ряд максимумов, связанных с каждой час-

тотой, поскольку набор коэффициентов С„, удовлетворяет выражению (2.2.7) для любой частоты сот из спектра частот. Вследствие шумовых добавок максимумы логарифма функции правдоподобия (2.2.8) для слабо представленных в реализации синусоидальных составляющих будут менее выражены, чем для «сильных» синусоидальных составляющих. Таким образом, как и в методе «MUSIC», слабые (недостоверные) синусоидальные составляющие могут быть исключены. Третьи важным обстоятельством является то, что метод «Предсказаний» в сочетании с методом максимального правдоподобия (2.2.8) фактически дают возможность решения спектральной задачи. Вместо метода перебора по частотам в многомерном пространстве реализуется метод нахождения т - максимумов функции правдоподобия (2.2.8) в одномерном пространстве, т.е. в зависимости от частоты. Метод перебора может быть практически реализован только для 2-х, 3-х неизвестных частот. Метод максимального правдоподобия в сочетании с методом предсказаний обеспечивает решение с большим количеством неизвестных частот.