رادار
سال:1398 | دوره:7 | شماره:1 (پیاپی 21) |تعداد مقالات:12

به دلیل کاربردهای گسترده و نیاز به تشخیص جزییات صحنه از تصاویر رادار روزنه مجازی، موضوع بهبود کیفیت این تصاویر پس از تشکیل، مورد توجه گسترده قرار گرفته است. با توجه به ماهیت تشکیل تصاویر رادار روزنه مجازی وجود نویز لکه به عنوان مهمترین عامل تخریب کیفیت این تصاویر می باشد که به صورت ضرب شونده مدل می شود. در این مقاله روش جدیدی برای حذف نویز لکه ارایه می شود. استفاده از تخمین گر MAP با توجه به تابع توزیع نویز و ارایه مساله بهینه سازی محدب به صورت محلی، ایده اصلی این مقاله است که در آنتعدیل سازهای هموارسازی منطبق، نمایش تنک و نگاشتدر فضای تصویر به کار گرفته می شود. ارایه مدل بهینه سازی به صورت محلی و استفاده از هموارسازی منطبق امکان حذف مناسب نویز، حفظ لبه های قوی و جلوگیری از هموارسازی بیش از اندازه تصاویر را فراهم می سازد. همچنین، استفاده از نمایش تنک باعث حفظ مناسب بافت های تصویر و نگاشت در فضای تصویر موجب تقویت الگوریتم در مقابل سطوح بالای نویز می شود. به منظور حل مساله بهینه سازی روشی مبتنی بر کمینه سازی تناوبی معرفی می شود. نتایج شبیه سازی، کارایی مناسب روش پیشنهادی در نویززدایی و حفظ جزییات تصویر و ارایه نتایج بهتر نسبت به تعداد زیادی از روش های موجود را نشان می دهد.

در این مقاله یک روش سریع پارامتری مبتنی بر تجزیه به مقادیر ویژه و روش حداقل آنتروپی برای تمرکز خودکار در رادار دهانه مصنوعی معکوس (ISAR) ارایه می گردد که نسبت به روش های معمول تمرکز خودکار، بار محاسباتی کمتری دارد. در این روش، ماترس کوواریانس داده ISAR فشرده شده و همتراز شده در جهت برد تشکیل شده و با استفاده از روش تجزیه به مقادیر ویژه، سیگنال و نویز جدا می شوند. سپس از بردار های ویژه مربوط به سیگنال که خیلی کمتر از کل بردار های ویژه هستند تبدیل فوریه گرفته می شود. در نهایت با استفاده از روش های تمرکز خودکار مرسوم بر روی تصویر به دست آمده خطای فاز استخراج می گردد. در این مقاله از روشی پارامتری مبتنی بر آنتروپی برای این کار استفاده شده است. نتایج به دست آمده از شبیه سازی نشان می دهد که با وجود کاهش بار محاسباتی، کارایی الگوریتم در جبران حرکت هدف حفظ شده است.

در این مقاله الگوریتمی برای تخمین و اصلاح خطای فاز ناشی از حرکت غیرآرمانی سکوی حامل رادار در رادار روزنه مصنوعی بر مبنای الگوریتم زیردهانه بی درنگ ( RTS ) در شیوه کارکرد نواری ارائه گردیده است. در الگوریتم پیشنهادی، ابتدا سیگنال وارد الگوریتم پردازشی RTS شده و با استخراج زمان قله سیگنال در کانال های پردازشی مربوط به زیردهانه های مختلف، گرادیان فاز در آن زمانها به دست می آید. با تلفیق گرادیان فاز مربوط به اهداف واقع در مکان های سمت مختلف به روش پیشنهاد شده و سپس انتگرال گیری، خطای فاز در کل زمان سمت به دست آمده و از سیگنال ورودی حذف می گردد. ویژگی اصلی الگوریتم پیشنهادی سادگی محاسبات و پردازش موازی است و قادر است خطاهای فاز فرکانس پایین و متوسط را با دقت قابل قبولی تخمین زده و اصلاح نماید. شبیه سازی های انجام شده کارایی الگوریتم پیشنهادی را نشان می دهد.

در این مقاله یک روش دقیق و مناسب برای طراحی فیلترهای موج بری مایکروویو مبتنی بر پارامترهای S با استفاده از الگوریتم های بهینه سازی ارایه شده است. از آنجایی که برای طراحی کل ساختار فیلتر تنها مشخصات تمام موج بخشی از فیلتر (یک بلوک سازنده آن) مورد نیاز است، روش پیشنهادی بسیار سریع است. در اینجا از سه الگوریتم بهینه سازی متفاوت شامل الگوریتم ژنتیک (GA)، الگوریتم ازدحام ذرات (PSO) و الگوریتم ازدحام ذرات کوانتومی(QPSO) برای به دست آوردن پاسخ فیلتری مناسب استفاده شده و عملکرد آن ها در طراحی فیلتر با یکدیگر مقایسه شده است. صحت سنجی این روش از طریق شبیه سازی تمام موج با نرم افزار CST برای فیلترهای دارای post، روزنه سلفی (iris) و صفحه E (Eplane) به ترتیب در باندهای فرکانسی Ku، X و W مورد بررسی قرار گرفته است.

طراحان سعی می کنند که دماغه پرتابه از ضریب پسا کمتری برخوردار باشد اما بسیاری از تغییرات هندسه که باعث کاهش ضریب پسا می شوند می توانند باعث آشکارسازی سریع تر پرتابه گردد. نویسندگان بر آن شدند تا با طراحی بهینه دماغه، ضمن ثابت نگه داشتن طول کلی پرتابه این مشکل را حداقل نمایند. در این تحقیق دماغه اجایو یک پرتابه با استفاده از الگوریتم ژنتیک چند هدفی بهینه شده است. پرتابه مورد نظر در ماخ 2 و فرکانس 4 تا 6 گیگاهرتز مورد بررسی قرار گرفت. توابع هدف مورد بررسی، توابع سطح مقطع راداری (RSC) و ضریب پسا (CD) می باشد. در این کار ابتدا تابع ضریب پسای پرتابه با استفاده از نرم افزار فلوینت محاسبه و با نتایج عددی و تجربی تونل باد مقایسه شده است، همچنین تابع سطح مقطع راداری با استفاده از کد تجاری HFSS محاسبه گردیده است. در نهایت با اجرای الگوریتم بهینه سازی چند هدفی، هر دو تابع هدف به طور هم زمان بهینه شده اند و منحنی جبهه پرتو برای آنها به دست آمد. این منحنی نشان دهنده بهترین نقاط طراحی برای توابع هدف می باشد. نتایج نشان می دهد اختلاف ضریب پسا و سطح مقطع راداری برای این مدل پیشنهادی نسبت به مدل اولیه به ترتیب 47% و 14% می باشد.

در اکثر روش های جهت یابی منابع، مدل نویز محیطی معمولا به صورت نویز سفید فضایی یکنواخت در نظر گرفته می شود، اما در بسیاری از کاربردها ممکن است این نوع مدل سازی مناسب نبوده و موجب ایجاد خطای قابل توجه در جهت یابی گردد. یکسان نبودن توان نویز در خروجی حس گرهای آرایه که از آن با عنوان نویز نایکنواخت یاد می شود، از جمله حالت هایی است که در آن ها این مدل درست نیست. مهم ترین هدف این مقاله بررسی و مقایسه عملکرد روش های جهت یابی در حضور نویز نایکنواخت با استفاده از شبیه سازی و ارایه یک روش جدید و موثر برای این کار است. الگوریتمی جدید با پیچیدگی اندک به منظور جهت یابی در حضور نویز سفید فضایی نایکنواخت ارایه خواهد شد و با استفاده از شبیه سازی، عملکرد آن در شرایط مختلف با روش های مبتنی بر تکمیل ماتریس و روش های جهت یابی مبتنی بر تکرار مقایسه خواهد شد. این مقایسه ها نشان می دهند که روش پیشنهادی در عین سادگی و محاسبات کم، دارای عملکرد نسبی کاملا خوب و مناسبی است.

در این مقاله هدف بررسی تیوریک و به دست آوردن آشکارساز اهداف متحرک زمینی در رادار دهانه مصنوعی تک کاناله مبتنی بر روش های تیوری آشکارسازی است. بر این اساس ساختار آشکارساز اهداف متحرک زمینی از سیگنال خام دریافتی رادار دهانه مصنوعی مبتنی بر آزمون نسبت درست نمایی تعمیم یافته (GLRT) توسعه یافته است. بدین منظور پارامترهای مجهول سیگنال دریافتی از هدف متحرک زمینی شامل مکان در راستای سمت و سرعت هدف در هر دو راستای برد و سمت با تخمین MLجایگزین شده و سپس آزمون نسبت درست نمایی تعمیم یافته انجام می گردد که منجر به ساختار آشکارساز تخمین گر-همبسته ساز می گردد. تخمین پارامترهای مجهول سیگنال بازگشتی هدف که در ساختار آشکارساز پیشنهادی استفاده می گردد، نیازمند بهینه سازی یک تابع هدف از طریق جستجوی شبکه ای در فضای چند بعدی پارامترهای نامعلوم سیگنال بازگشتی است. جهت کاهش بار محاسباتی این جستجوی شبکه ای حجیم چند بعدی، از نگاشت فضای چند بعدی سیگنال دریافتی به چند فضای یک بعدی کاملا معادل بهره جسته ایم. کارایی روش پیشنهادی بر اساس نتایج شبیه سازی با رسم منحنی های عملکرد آشکارساز و همچنین محاسبه بار محاسباتی نشان داده شده است.

دسته جدیدی از سامانه های رادار بنام رادارهای MIMO در دهه گذشته مطرح گردیده اند. این سامانه ها مزیت های بسیاری را از لحاظ آشکارسازی و تخمین پارامترهای اهداف نسبت به سامانه های قبل به ارمغان آورده اند. با توجه به محدودیت هایی که روش های مکان یابی مرسوم دارند، جهت استفاده از تمام مزیت های رادارهای MIMO نیاز به استفاده از روش های جدید برای پردازش سیگنال است. در این مقاله تخمین DOA برای رادار MIMO با استفاده از روش های حسگری فشرده بررسی گردیده است. با توجه به این که در کاربردهای عملی همچون تخمین DOA اطلاعات پیشین درباره محل اهداف وجود دارد، با استفاده از وزن دهی مناسب در روش پیشنهادی (P1, 2, w)، بازیابی جهت، دامنه و تفکیک پذیری اهداف نتایج مطلوب تری داشته و با تعداد اندازه گیری کمتر انجام گردیده است. به طوری که مقدار 23% بهبود نسبت به روش های رایج مشاهده می شود. مسیله بازیابی برای دو ماتریس اندازه گیری بررسی گردیده است و طبق نتایج شبیه سازی ها با انتخاب ماتریس اندازه گیری گوسی می توان بازیابی سیگنال را با 8% اندازه گیری کمتر نسبت به ماتریس اندازه گیری واحد ناقص انجام داد.

دسته جدیدی از سامانه های رادار بنام رادارهای MIMO در دهه گذشته مطرح گردیده اند. این سامانه ها مزیت های بسیاری را از لحاظ آشکارسازی و تخمین پارامترهای اهداف نسبت به سامانه های قبل به ارمغان آورده اند. با توجه به محدودیت هایی که روش های مکان یابی مرسوم دارند، جهت استفاده از تمام مزیت های رادارهای MIMO نیاز به استفاده از روش های جدید برای پردازش سیگنال است. در این مقاله تخمین DOA برای رادار MIMO با استفاده از روش های حسگری فشرده بررسی گردیده است. با توجه به این که در کاربردهای عملی همچون تخمین DOA اطلاعات پیشین درباره محل اهداف وجود دارد، با استفاده از وزن دهی مناسب در روش پیشنهادی (P1, 2, w)، بازیابی جهت، دامنه و تفکیک پذیری اهداف نتایج مطلوب تری داشته و با تعداد اندازه گیری کمتر انجام گردیده است. به طوری که مقدار 23% بهبود نسبت به روش های رایج مشاهده می شود. مسیله بازیابی برای دو ماتریس اندازه گیری بررسی گردیده است و طبق نتایج شبیه سازی ها با انتخاب ماتریس اندازه گیری گوسی می توان بازیابی سیگنال را با 8% اندازه گیری کمتر نسبت به ماتریس اندازه گیری واحد ناقص انجام داد.

رادارهای LPI (Low Probability of Intercept) و یا با احتمال رهگیری پایین، رادارهایی هستند که به دلیل توان کم، پهنای باند گسترده و فرکانس متغیر، احتمال رهگیری آنها توسط سامانه های شناسایی بسیار پایین است. بنابراین با ظهور این نوع فناوری از رادارها، همواره روش های جدیدی در حوزه پردازش سیگنال و تصویر مورد نیاز است تا با استفاده از این روش ها، بتوان سیگنال های مذکور را در مرحله اول تشخیص داده و در مرحله دوم کلاس بندی کرده و در مرحله آخر بتوان مشخصات آنها را استخراج کرد. برای حل مسیله، امروزه یادگیری عمیق به عنوان یکی از روش های جدید در حوزه پردازش سیگنال و تصویر مطرح است. در این مقاله با استفاده از روش یادگیری عمیق امکان آشکارسازی و کلاس بندی انواع مدولاسیون رادارهای LPI، بررسی خواهد شد. در این راستا ابتدا سیگنال دریافتی با استفاده از تحلیل فوریه زمان-کوتاه، در حوزه زمان-فرکانس مورد تجزیه وتحلیل قرار گرفته و خروجی این بخش به صورت یک تصویر، به دو شبکه الکس نت و لی نت که از شبکه های یادگیری عمیق هستند، برای آشکارسازی و کلاس بندی انواع مدولاسیون های مورد استفاده در رادارهای LPI، داده خواهد شد. نتایج به دست آمده از این شبیه سازی ها نشان می دهد که درSNR (نسبت سیگنال به نویز)، dB5-دقت عملکرد روش الکس نت 34/97% و دقت عملکرد روش لی نت 94% است که نشان از عملکرد بهتر روش الکس نت است.

در این مقاله مسیله چیدمان گیرنده ها برای مکان یابی غیرفعال در شرایطی که چند منبع وجود داشته باشند و نویز اندازه گیری وابسته به فاصله است در نظر گرفته می شود. برای این هدف، ابتدا کران کرامر رایو برای مکان یابی مبتنی بر زاویه ورود سیگنال، با مدل کردن نویز وابسته به فاصله و وجود چند منبع استخراج می شود. سپس چیدمان بهینه ای از گیرنده ها برای دست یابی به کران مورد نظر به دست می آید.

الگوریتم های پردازشی متداول جهت استخراج تصاویر سار در مد نواری، برای استفاده در سار فضاپایه توسعه یافته اند. اما در سار هواپایه، به علت وجود اعوجاجات حرکتی ناشی از اغتشاشات جوی و سکو، الگوریتم های پردازشی موجود قابل استفاده نخواهند بود. بر این اساس اطلاعات مسیر پرواز جهت جبران سازی حرکت باید در اختیار واحد پردازش قرار گیرد. جبران سازی حرکت از طریق داده های ناوبری معمولا در دو مرحله و بدون هیچ تغییری در شکل استاندارد الگوریتم ها انجام می شود. اضافه کردن جبران سازی حرکت به شکل تقریبی الگوریتم امگا-کا به سادگی و مشابه دیگر الگوریتم ها نیست و نیازمند اصلاحات اساسی در ساختار این الگوریتم بوده و تا به حال انجام نشده است. اصلاح شکل تقریبی الگوریتم امگا-کا، به گونه ای که بتوان الگوریتم های جبران سازی حرکت را به آن اضافه کرد، موضوع اصلی این مقاله می باشد. در این ایده با ایجاد اصلاحاتی در شکل استاندارد و تقریبی الگوریتم امگا-کا، الگوریتمی پیشنهاد می شود که قابلیت اعمال جبران سازی حرکت را درون خود داشته باشد. جهت ارزیابی کیفیت الگوریتم ارایه شده، از یک نمونه از داده های شبیه سازی شده و داده های واقعی اخذشده توسط سامانه سار هواپایه پژوهشکده مکانیک، استفاده شده است. مقایسه تصویر استخراج شده با این الگوریتم و تصویر حاصل از الگوریتم برد-داپلر، کیفیت و کارآیی بالای الگوریتم ارایه شده را نشان می دهد.