Современная электроника №7/2021

ВОПРОСЫ ТЕОРИИ 70 WWW.SOEL.RU СОВРЕМЕННАЯ ЭЛЕКТРОНИКА ◆ № 7 2021 О декорреляции принимаемых сигналов при классификации объектов по межчастотному корреляционному признаку В статье рассмотрена проблема классификации радиолокационных целей по их продольному размеру с использованием межчастотного корреляционного признака. Для повышения быстродействия классификации за один обзор РЛС предлагается предварительно производить декорреляцию принимаемых сигналов на каждой из несущих частот. Владимир Бартенев (bartvg@rambler.ru) Предлагаемый способ повышения быстродействияклассификацииотносит- сякцифровойобработкерадиолокацион- ныхсигналов. Задачаклассификациикор- релированных сигналов по дискретным выборкамконечногообъёмавозникаетво многихтехническихприложениях. Весь- маактуальна, например, задачараспозна- вания типов целей [1] или защита РЛС от дискретныхкоррелированныхмешающих отражений [2]. В работе [2] показано, что дляклассификацииотражённыхсигналов обнаруженных объектов по их продоль- номуразмеруможноиспользоватьхарак- терфлюктуацийотражённыхсигналовна разных несущих частотах. В частности, в основе этогосигнальногопризнака клас- сификации лежит взаимосвязь значения нормированногомежчастотногокоэффи- циента корреляции с линейными разме- рамиобъекта. Чембольшеразмеробъекта, темменьшемежчастотныйкоэффициент корреляции. Такжеизвестенспособклас- сификацииобъектов поих продольному размеру, прикоторомвыборкизначений отражённыхотобъектасигналов, получен- ныепридвухразнесённыхнесущихчасто- тахРЛС, перемножаются, ихпроизведение накапливаетсяотобзоракобзорудлякаж- дого элемента дальности, и нормирован- ныймодульнакопленногопроизведения сравниваетсяспорогом. Полученнаятаким образомоценкамаксимальногоправдопо- добиямодулямежчастотногокоэффици- ентакорреляциисравниваетсяспорогом в каждом элементе дальности, на основа- нии чего принимается решение о нали- чииобъекта с большимпродольнымраз- мером(порогнепревышен) илисмалым продольнымразмером(порогпревышен). Данный способ позволяет осущест- влять эффективную классификацию объектов по межчастотному корреля- ционному признаку, однако требует использования независимых выборок наблюдения, что приводит к исполь- зованию выборки принимаемых сиг- налов от обзора к обзору, приводя к большим временны ′ м затратам. Если же использовать выборки наблюдений в одном обзоре, производя формиро- вание оценки модуля межчастотного коэффициента по коррелированным выборкам пачки отражённых сигна- лов, то, как показано в [3], это приве- дёт к существенному снижению веро- ятности правильной классификации объектов. С цельюпреодолеть данный недоста- ток и повысить быстродействие без сни- жения эффективности классификации объектов по их продольному размеру предлагается способ классификации за один обзор, в котором предварительно до формирования оценки модуля меж- частотного коэффициента корреляции производят на каждой несущей часто- те декорреляцию выборок наблюде- ния для уменьшения их межпериодной корреляции. Декорреляцию выборок наблюдения можно выполнить с помо- щью обеляющего фильтра с конечной импульсной характеристикой (КИХ- фильтр), использующего в качестве весовых коэффициентов оценки коэф- фициентов авторегрессии (AР). Извест- но несколько методов оценки коэф- фициентов AР. Далее для этого будет использован метод Берга [4]. Рассмотрим известный и предлагае- мый способы более подробно. Для того чтобы сформировать меж- частотный коэффициент корреляции, используют наиболее эффективный алгоритм в виде оценки максимального правдоподобия (ОМП) модуля межча- стотного коэффициента корреляции, которая выполняется в соответствии с формулой (1) [2], где – оценка модуля межчастотного коэффициента корре- ляции, N – число накоплений по неза- висимым выборкам (обзорам РЛС). – комплекс- ные выборки классифицируемых эхо- сигналов на входе в двух частотных каналах. Квадратурные компоненты классифицируемых флюктуирующих сигналов имеют нормальное распреде- ление, при этом без уменьшения общно- сти подхода, так как данный алгоритм не чувствителен к изменению мощно- сти сигналов мешающих отражений, дисперсия их равнялась 1, и среднее – 0. Решение о том, что классифициру- емый объект – протяжённый, прини- мается, если выполняется условие (2). Проиллюстрируем работу известного способа на конкретном примере, при- бегнув как к аналитическому расчету, так и к моделированию с помощью системы MATLAB [5]. (1) (2) (3) (4) (5)