Методы построения фильтров подавления коррелированных помех на основе их параметрических моделей

• Автор: Нгуен Вьет Шон
• Шифр специальности: 05.12.04, 05.12.14
• Научная степень: Кандидатская
• Год защиты: 2007
• Место защиты: Рязань
• Количество страниц: 160 с. : ил.

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ

1. ОБЗОР ЛИТЕРАТУРЫ ПО ТЕМЕ ДИССЕРТАЦИИ

1.1. Виды моделей эхосигналов и пассивных помех.

1.2. Общие сведения о линейных моделях радиотехнических сигналов

1.3. Выводы

2. ПАРАМЕТРИЧЕСКИЙ СПЕКТРАЛЬНЫЙ АНАЛИЗ В ЗАДАЧЕ ПОСТРОЕНИЯ МОДЕЛЕЙ РАДИООТРАЖЕНИЙ.

2.1. Статистическое описание эхосигналов

2.2. Расчет параметров линейных моделирующих фильтров

2.2.1. Расчет параметров АР моделирующих фильтров

2.2.2. Расчет параметров АРССмоделирующих фильтров

2.3. Оптимизация параметров АРССмодслей радиоотражений.
2.3.1. Формирование критериев качества для оптимизации моделей
2.3.2. Выбор порядка моделей при исследовании эффективности системы первичной обработки радиолокационных сигналов
2.3.3. Оптимизация коэффициентов АРмодели в задаче подавления пассивных помех
2.3.4. Оптимизация коэффициентов ССмодели в задаче подавления пассивных помех
2.4. Выводы
3. ОПТИМИЗАЦИЯ ФИЛЬТРОВ СИСТЕМЫ СЕЛЕКЦИИ ДВИЖУЩИХСЯ ЦЕЛЕЙ НА ОСНОВЕ ПАРАМЕТРИЧЕСКИХ МОДЕЛЕЙ ПАССИВНЫХ ПОМЕХ
3.1. Вводные замечания.
3.2. Исследование эффективности режекториого и выбеливающего фильтров, синтезированных на основе параметрических моделей пассивных помех
3.3. Оптимизация фильтров обеления помех на основе их параметрических моделей в системах селекции движущихся целей.
3.4. Исследование характеристик обнаружения системы первичной
обработки сигналов на основе параметрической модели.
3.4.1. Имитация входного процесса при помощи АРССмоделирующих
фильтров
3.4.2. Формирование и порога обнаружения.
3.4.3. Принятие решения об обнаружении и построение характеристик
обнаружения
3.5. Сравнительный анализ характеристик обнаружения
3.6. Выводы
4. АНАЛИЗ АДАПТИВНОГО ФИЛЬТРА АФ ПОДАВЛЕНИЯ
РАДИОЛОКАЦИОННЫХ КОРРЕЛИРОВАННЫХ ПОМЕХ ПРИ
ПОМОЩИ АВТОРЕГРЕССИОННЫХ МОДЕЛИРУЮЩИХ ФИЛЬТРОВ
4.1. Исследование эффективности АФ 1го и 2го порядка построенных на
основе измерения мощностей помех.
4.2. Исследование эффективности системы СДЦ построенной на основе критерия максимизации вероятности правильного обнаружения
4.3. Синтез фильтров когерентновесовой обработки с действительными
коэффициентами.
4.4. Вывод.
ЗАКЛЮЧЕНИЕ.
СПИСОК ЛИТЕРАТУРЫ


Однако в условиях действия комплекса мешающих процессов требуется использовать большие порядки аппроксимирующих моделей, что усложняет техническую реализацию алгоритмов обнаружения [, ]. Одним из возможных путей преодоления этих трудностей является переход не только обработки, но и оценки параметров входных сигналов из временной области в частотную область. Кроме того, обрабатывая не временную выборку, а результаты спектрального анализа входного процесса, нет необходимости в построении дополнительных блоков измерения таких важных параметров, как мощность и ширина мод спектра флюктуаций сигнала и коррелированных помех, а также доплеровской скорости источников полезного сигнала и помех. Такие допущения на практике не всегда оказываются корректными. Однако при конечном времени наблюдения отсчеты частотной выборки пассивной помехи коррелированны, но корреляционная связь распространяется практически лишь на ограниченное число соседних частотных отсчетов []. Полезный сигнал может присутствовать как в одном, так и в нескольких каналах спектроанализатора. Гиббса), из-за ошибок квантования, а также при несоответствии числа каналов спектроанализатора длине (количеству временных отсчетов) обрабатываемой последовательности. Для выделения информационных параметров случайных процессов используются оценки максимального правдоподобия и усреднения по вероятностной мере. Такой подход соответствует классическим методам статистического приема и обработки сигналов [], получившим широкое развитие в теории локации [-], а также иных радиотехнических приложениях. Цифровая реализация алгоритмов обработки и оценивания сигналов открыла новые возможности и в направлении адаптивной обработки сигналов. Наибольшее распространение получили методы и аппаратные средства линейной цифровой фильтрации, которые реализуют векторные и матричные операции [,,]. Отметим, что ряд практических приложений, связанных с обработкой локационных сигналов, характеризуется плохой обусловленностью корреляционных матриц процессов, жесткими ограничениями на разрядность и бысгродействис цифровых устройств [, ]. Большой вклад в разработку методов спектрального анализа внесли Блэкман Р. Б., ТыокиДж. В., Дженкинс Г. ВатгсД. Шустер Д. БарлетгМ. С., Кендалл М. Г., Даньелл П. Дж. БергДж. Картер Дж. Эмилиани Г. Кайзер Д. Хэмминг Р. Марпл-мл. С.Л. Значительный вклад внесли в теорию ЦОС русские ученые Трахтман Л. М., Гольденберг Л. М., ЛаинэАА, Писаренко В. Ф., Коршунов Ю. М., Лихарев В. А., Свердлик М. Б., Бакулев П. А., Сосулин Ю. Г., Брюханов Ю. А., Витязев В. В. и др. Эффективное использование многочисленных возможностей оптимизации структуры и параметров СО требует системного подхода к проектированию локационного комплекса [, ]. Многокритериалыюсть и взаимозависимость параметров РЛС вызывает необходимость проектирования СО как одной из составляющих радиотехнической системы (РТС) в целом [, ] с последующей проверкой полученных в ходе синтеза СО решений по итоговым характеристикам функционирования всей РТС. Примером таких итоговых характеристик служат вероятностные соотношения, в качестве которых в локации используют характеристики обнаружения. Таким образом, анализ источников информации по теме исследования показал, что в настоящее время существуют эффективные процедуры спектрального анализа и моделирования случайных процессов. Подробно изучены общие вопросы синтеза и анализа параметрических моделей, на основе которых созданы технические устройства и программные комплексы. Вместе с тем, известные методы расчета параметров моделей ориентированы, как правило, на оптимизацию их характеристик в установившемся режиме, кроме того, в известной литературе не в полной мере изложены вопросы синтеза и анализа моделей входных процессов с учетом характеристик самих исследуемых систем первичной обработки сигналов. Цель и задачи исследования заключается в повышении качественных показателей систем первичной обработки информации, созданных на основе АРСС-моделей входных процессов за счет учета априорной информации о характере их спектральных портретов.