UNIVERSITATEA "POLITEHNICA" TIMIOARA

FACULTATEA DE ELECTRONIC I TELECOMUNICAII

METODE MODERNE DE PROCESARE

A SEMNALELOR RADAR, BAZATE PE
REPREZENTRI TIMP-FRECVEN
TEZA DE DOCTORAT

Coordonator tiintific:
Prof. dr. ing. NAFORNI IOAN

Doctorand:
ing. CRIAN VIOREL DORIN

I.INTRODUCERE
Condiiile reale din mediile de propagare a semnalului

RADAR

determin la intrarea receptoarelor din sistemele de locaie existena unor

semnale cu efect perturbator ( semnale ecou de la alte inte care nu prezint
interes, reflexii de la obiecte fixe sau formaiuni meteo pe fundalul crora se
pierde semnalul util, bruiaj activ sau pasiv de diferite tipuri, zgomotul
gaussian al traseului de recepie din sistemul

de locaie). Prezena

perturbaiilor aleatoare, ct i fluctuaia semnalului ecou imprim un caracter

statistic algoritmilor de prelucrare a semnalului, impunnd metodele teoriei
probabilitailor i a statisticii matematice pentru sinteza structurilor de
procesare.
Principalele

funciuni care vizeaza etapa de prelucrare primar

semnalului ntr-un sistem RADAR se refera la : identificarea componentelor

utile ale semnalului (componentele purtatoare ale informatiilor de interes),
separarea acestora de componentele perturbatoare i apoi msurarea
parametrilor purttori de informaie.
n scopul obinerii unor informaii ct mai concludente, exacte i
detaliate asupra obiectelor din spaiul explorat, procesarea semnalelor de tip
RADAR presupune mai nti o reprezentare ct mai exact, dac e posibil
chiar n

"detaliu" a semnalului ecou n a crui parametri se regasesc

informaiile utile ce caracterizeaz structura zonei de supraveghere RADAR.

n general neajunsurile

reprezentrilor Fourier sunt legate de

imposibilitatea de a descrie proprietile spectrale ale semnalului simultan cu

proprietile temporale, ngreunndu-se analiza semnalelor nestaionare i

selecia semnalului util din fondul zgomotelor.

Pentru eliminarea acestui neajuns se pot utiliza alte spaii de
reprezentare a semnalului, care conin aceiai cantitate de informaie ca i
reprezentrile clasice, dar parametrii utili se regsesc sub o form mai
accesibil sistemului de prelucrare i msurare ale acestora. Astfel modelul de
reprezentare al semnalului devine determinant pentru alegerea strategiilor de
prelucrare, impunnd algoritmul de procesare i structura sistemului.
De asemenea se poate utiliza o reprezentare mixta a semnalului ecou,
ntr-o serie de semnale elementare, care s ocupe fiecare un domeniu bine
determinat

n planul timp-frecven.Aceasta presupune reprezentarea

semnalului ca o superpoziie de undioare elementare, care posed fiecare o

frecven definit ( localizare ntr-o fereastr de frecven ) i o localizare
temporal

bine definit (fereastr temporal). n acest mod se obine un

spectru "instantaneu", care ofer informaii spectrale asociate unei poriuni

temporale cunoscute a semnalului. Dac, n plus, se utilizeaz undioare
scalate temporal ( Transformata Wavelet ) se obine o rezoluie variabil a
informaiei spectrale, care scade odat cu creterea frecvenei, iar rezoluia
temporal creste odat cu frecvena.
Aceste reprezentari permit alegerea unor algoritmi de prelucrare n
concordan cu scopul urmrit, determinnd marirea preciziei i a calitii
informaiilor extrase n urma procesrii semnalului RADAR.
n etapa de prelucrare primar a semnalului ntr-un sistem RADAR, un
element foarte important l reprezint identificarea componentelor utile ale
semnalului

ecou,

precum

separarea

acestora

de

componentele

perturbatoare. Practic nu se poate obine o separare total, dar se urmrete

mbuntirea semnificativ a raportului semnal util/ zgomot. Cu ct acest
raport este mai mare cu att se asigur o calitate mai bun a procesrii
ulterioare a semnalului i o precizie mare la msurarea parametrilor purttori
2

de informaie. n acest sens, n scopul obinerii unor informaii ct mai

concludente i exacte asupra obiectelor din spaiul explorat, procesarea
semnalelor de tip RADAR presupune mai nti o reprezentare detaliat, pe
mai multe nivele de rezoluie timp-frecven a semnalului ecou, n a crui
parametri se regsesc informaiile utile ce caracterizeaz structura zonei de
supraveghere RADAR. Apoi se va face o analiz prin diferite metode a
acestor reprezentri, se separ componentele utile de cele perturbatoare sau
se evideniaz componentele ce conin informaiile relevante, de interes la
momentul

respectiv

se

reface

semnalul

ntr-o

form

accesibil

subsistemelor care urmeaz s-l prelucreze sau s extrag informaia.

n sistemele RADAR clasice, realizate pn n prezent se utilizeaz
frecvent reprezentarea temporal pentru obinerea parametrilor de localizare
n distan, antene directive pentru localizarea n azimut i unghi de nlare
i Transformata Fourier Rapid (SFT) pentru selecia n vitez (respectiv
frecven Doppler). Dar exist situaii n care dup aplicarea acestor tehnici,
chiar implementate pe sisteme tehnologice foarte avansate, calitatea
informaiilor RADAR obinute nu este satisfctoare, deoarece nu se
realizeaz

staionarizarea semnalelor recepionate i nu se ofer

posibilitatea de a descrie proprietile spectrale ale semnalului, simultan cu

proprietile temporale.
De aceea este util nlocuirea reprezentrilor clasice, cu reprezentri
timp-frecven multirezoluie, care conin aceeai cantitate de informaie ca i
reprezentrile clasice dar parametri utili se regsesc sub o form mai
accesibil sistemului de prelucrare, analiz i msurare a acestora . Aceste
reprezentri permit alegerea unor algoritmi de prelucrare n concordan cu
scopul urmrit, determinnd mrirea preciziei i a calitii informaiilor extrase
n urma procesrii semnalului RADAR, deschiznd n acelai timp orizonturile
unor noi metode de analiz i prelucrare a semnalelor, precum i de sintez a
unor semnale de sondaj i structuri de sisteme performante.
3

II.BAZELE TEORETICE ALE REPREZENTRII I ANALIZEI

SEMNALELOR RADAR
1. METODE DE REPREZENTARE A SEMNALELOR RADAR
1.1 Modelul matematic al semnalului radar spaio-temporal
de band larg.
Semnalul RADAR reflectat de ctre punctul mobil P(R,,) , la intrarea
n anten (pe apertur) n punctul de coordonate (x,y) va avea urmtoarea
form :

y (t ) = Re{Yia (t )}
~
~
Yia (t ) = A X (t ) = A X [ t (t ))

(2.1)

X(t) - semnal de sondaj

~
A = A e ( j )

-variabil aleatoare care arat distribuia amplitudinii

i fazei semnalului ecou ;

A -distributie Rayleigh ; - distribuie uniform n intervalul [ 0 ; 2 ] ;
(t) - timpul de ntarziere al semnalului ecou , variabil n cazul punctelor
de reflexie mobile ;

P(R,,)

R0 ( , , t )
R(x,y,t)
y0
0

A(x,y)

x0

fig. 1

(t ) =

2 R ( x, y , t )
c

(2.2)

R(x,y,t) - distana de la punctul P la punctul A(x , y) de pe apertura

antenei ( vezi fig. 1) .
c - viteza de propagare a undelor .

R( x, y, t ) = R0 (t ) x cos[ (t )] y cos[ (t )] =
= R0 (t 0 ) Vr t x cos[ (t )] y cos[ (t )]

(t ) = 0 t

(t ) = 0 t

- viteza unghiular n plan orizontal

viteza unghiular n plan vertical

Se obine :

R( x, y, t ) = R0 (t 0 ) Vr t x cos 0 y cos 0
(2.3)

x sin( 0t ) y sin( 0t )
Prelucrnd ecuaiile (2.2) si (2.3) se obine :

(t ) =

2
(t )
R[t
]
c
2

(2.4)

R(x, y,t) = R0 x cos0 y cos0 t (Vr + x sin0 + y sin0 )

R( x, y, t ) = R0 x cos 0 y cos 0 t

(2.5)

= Vr + x sin 0 + y sin 0
nlocuind (2.5) n (2.4) se obine:

(t )
2

= R0 x cos 0 y cos 0 [t

(t )
2

(t ) =

2
( R0 x cos 0 y cos 0 t )
c

(t) =

2
2
(R0 x cos0 y cos 0 )
t
c
c

(t ) = 0

2
t
c

(2.6)

(2.7)

c +
2
~
~
Yia (t ) = A X (t +
0) = A X (
t 0)
c
c

(2.8)

Se noteaz :

s ( x, y ) =

c + c + Vr + x sin 0 + y sin 0
=
c c Vr x sin 0 y sin 0

( 2.9 )

s ( x, y ) - parametrul ce caracterizeaz mobilitatea, att in vitez radial,

ct i n vitez unghiular a punctului P,precum i direcia acestuia
relativ la punctul de recepie.

~
Yia (t ) = A X ( s t 0 )

(2.10)

Deci semnalul reflectat de punctul mobil P este recepionat de punctul

A(x,y) de pe apertura antenei ca o replic retardat cu

i scalat cu

s,a

semnalului de sondaj .
Fie D(x,y) funcia de distribuie complex a cmpului pe apertura
antenei .Rezult :

~
Y0 (t ) = D( x, y ) Yia (t ) = D( x, y ) A X [ s( x, y ) t 0 )

(2.11)

(S-a considerat c emisia se face de aceeai anten cu apertura iluminat

uniform) .
Antena transform semnalul spaio - temporal ntr-un semnal temporal :

Yr (t ) = Y0 ( x, y, t )dxdy

(2.12)

S -suprafaa aperturii antenei .

n cazul reelelor plane de antene se obine :
n 1 n 1

Yr (t ) = Y0 ( xij , yij , t )

(2.13)

i =0 j =0

n cazul modelului de band ngust semnalul reflectat este:

~
Yia ( t ) = Ae j A [ t ( t )] e j [ t
~
= Ae j A [ t ( t )] e j t e j ( t )

( t )]

2 R ( x, y , t ) 2
= [ R0 (t0 ) Vr t x cos 0 y cos 0
c
c
2
2V
2x
2y
cos 0
cos 0
x sin( 0t ) y sin( 0t )] = R0 (t0 ) r t
c
c
c
c
2x
2y

sin( 0t )
sin( 0t )
c
c

(t ) =

j { 0 d t 2 [ v x u x + v y u y ( v x
~
Yia(t ) = Ae A(t 0 ) e jt e
j

du y
du x
+vy
) t ]}
dt
dt

(2.14)
j 2 ( v x
j 0 j 2 ( v x u x + v y u y ) j ( + d ) t
j ~
Yia (t ) = Ae A(t 0 ) e
e
e
e

du y
du x
+v y
)
dt
dt

(2.15)
n relaiile (2.14)i (2.15) s-au folosit urmatoarele notaii:

d =

2Vr
-frecvena Doppler;
c

vx , v y

- coordonate normate ( frecvene spaiale );

u x , u y - cosinuii directori ai direciei de sosire a undei.

n relaia

(2.15)

se observa forma modelului clasic al semnalului

ecou de band ngust, care este o replic

retardat cu

o i deplasat

n frecven cu :

tot = d 2 (v x

du y
du x
+ vy
)
dt
dt

(2.16)

- componenta Doppler radial;

2 (v x

du y
du x
+ vy
) componenta Doppler datorat vitezelor unghiulare;
dt
dt

i defazat n funcie de direcia undei si poziia punctului pe apertura

antenei cu:

(ux , vx , u y , vy ) = ( , , x, y) = 2 (vxux + vyu y ) = 2 (

2x

cos0 +

2y

cos 0 )

( 2.17 )

Dup cum se observ n cazul semnalului de band larg nu se poate

face o separare n faz i frecven a parametrilor de direcie i mobilitate,
acetia fiind coninui n parametrul de scalare s (relaia 2.9 ),complicnduse astfel mult algoritmul de prelucrare spaio temporal.
1.2 Reprezentarea i analiza Fourier a semnalelor RADAR
Acest tip de reprezentare ofer o relaie biunivoc ntre domeniul timp
i domeniul frecven, stnd la baza proiectrii filtrelor analogice sau
numerice din sistemele de locaie clasice.
Pentru semnalul y(t) transformata sa Fourier se definete cu relaia :

Y ( ) =

j t
y
(
t
)
e
dt

Transformata invers, care permite refacerea univoc a semnalului

temporal este:

y (t ) =

1
j t
Y
(

)
e
d

2 R

Se cunoate c sistemele de recepie clasice, optime din punct de

vedere al criteriului maximizrii raportului semnal /zgomot (pentru zgomot alb
gaussian) calculeaz integrala de corelaie ntre semnalul recepionat y(t) i
replicile retardate i deplasate Doppler ale semnalului emis.

Rx , y ( , d ) = y(t ) x (t )e j d (t ) dt
R

(2.18 )

Ieirea receptorului corelaional admite un maxim absolut, obinut

numai n cazul n care semnalul ecou coincide cu replica asteptat,
realizndu-se astfel selecia dup si d (respectiv distan i vitez radial )

Rmax = x(t )e jd (t ) x (t )e jd (t ) dt = x 2 (t ) dt = Ex
R

Dac n relaia (2.18 ) se consider y(t)=x(t) se obine funcia de

incertitudine a semnalului de sondaj x(t) ,care joac un rol important n
analiza i prelucrarea semnalelor radar de band ingust, determinnd
capacitatea potenial de separare n distan i vitez, specific semnalului
de sondaj x(t).

TxFIBI ( , d ) = Rx , x ( , d ) = x(t ) x (t )e j d (t ) dt

(2.19 )

Prelucrnd relaia (2.18) se obine :

Rx,y (,d ) = y(t +)x(t)e jd (t)dt= y( t)x(t)ejd (t)dt= y( t)h(t)dt

R

h(t ) = x (t )e j d (t )
R x , y ( , d ) = y (t ) h(t )

(2.20)

Rx , y ( , d ) = Y ( ) H ( ) = Y ( ) X ( d )

(2.21)

Deci ieirea receptorului optim coincide cu rspunsul unui filtru avnd

caracteristica :

H ( ) = X ( d )
Aceast reprezentare simplific mult structura receptorului optim,
acesta realizndu-se cu un banc de filtre ( fig. 2 )

10

X ( d 1 )

y(t)

X ( d 2 )

Determinare
maxim i
msurare

.
.
.

( 0 , d 0)
(D0 , v0 )

X ( dn )

fig.2
O alt metod de analiz Fourier, ntalnit la radarele clasice,o
reprezint aplicarea TFD la filtrele de faz utilizate n scopul seleciei n vitez
(frecven Doppler ) a intelor.
Aceste metode de reprezentare utilizeaz modelul de band ngust al
semnalului (relaia 2.15 ), nefiind aplicabile n cazul semnalelor de band
foarte larg. Se va arta ulterior c acestui model de semnal ( relaia 2.10 ) i
se potrivesc mult mai bine tehnicile de reprezentare Wavelet i analiza timpfrecven.

1.3 Metode de reprezentare timp-frecven

Analiza spectral a funciilor prin utilzarea seriilor sau integralelor
Fourier a devenit in ultimul timp o reprezentare neconcludent pentru

11

cerinele de performan impuse sistemelor radar moderne.Dup cum s-a

subliniat i n capitolele anterioare,reprezentarea semnalelor ntr-un singur
plan nu este suficient pentru a surprinde anumite proprieti ce
caracterizeaz semnalele nestaionare i regimurile tranzitorii,influentndu-se
astfel negativ calitatea procesarii.Reprezentarea unui semnal ca o funcie
exclusiv temporal ofera informaii puine despre spectru , iar reprezentrile
Fourier

mascheaz

forma

temporal

durata

unor

elemente

ale

semnalului,care pot fi determinante n analiza acestuia.

O reprezentare adecvat va combina avantajele celor dou descrieri :
temporal i spectral, obinndu-se reprezentarea timp-frecven (Time
Frequency Representations), care asociaz unui semnal unidimensional (de
obicei dup variabila timp sau spaiu ) o funcie bidimensional ,avnd ca i
variabile timpul i frecvena . Se pot utiliza mai multe tipuri de reprezentri
timp- frecven (t-) ,o clas particular a acestora fiind reprezentrile ce
urmresc descompunerea liniar a semnalului dup o mulime de funcii
(care formeaz o baz ntr-un subspaiu de semnale).Descrierea i analiza
semnalului se va face astfel pe baza coeficienilor de descompunere i a
elementelor bazei.
O

alta

clas

de

reprezentri

timp-frecven

constituie

transformatele liniare continue, care asociaz semnalului x(t)

o funcie

continu bidimensional.

Tx ( , s ) =< x (t ), h ( , s ) >=< x (t ), h ( , ) >

Aceste reprezentri descriu o evoluie spectral funcie de timp,
artnd n ce interval de timp sunt dominante anumite componente spectrale.
Dar elementele bazei de descompunere sau funciile familiei h( ,s )
sunt de obicei funcii nenule pe un compact (sau chiar pe un interval infinit),
avnd de

asemenea i un spectru mai larg

12

(diferit de armonica pura

ntlnit n descompunerile Fourier ). Astfel caracterizarea semnalului se face

cu o anumit

imprecizie, att n timp, ct i n frecven, imprecizie

determinat de intervalele t x pe care funciile bazei, respectiv

transformatele lor Fourier sunt esenial definite. Aceasta ne demonstreaz n
plus c informaia coninut ntr-o reprezentare oarecare este constant, fiind
diferit doar forma ei de prezentare,imprecizia total respectnd o inegalitate
de tip Heisenberg.
O aplicaie bine cunoscut a reprezentrilor t- o constituie portativul
muzical. Astfel semnalul temporal corespunzator unei linii melodice conine
ntreaga informaie ce caracterizeaz melodia i este suficient aplicarea lui la
un

sistem amplificatordifuzor pentru transformarea lui n muzic. Dar

aceast form a semnalului este total neconcludent pentru membrii unei

orchestre care ar ncerca s-l transformre n melodie sonora fiind necesar
reprezentarea lui pe portativ, unde fiecare not muzical (caracterizat de o
armonic sau un set de armonici) este bine poziionat n timp. De
asemenea, dac transformata Fourier al semnalului muzical s-ar aplica
sistemului amplificator-difuzor s-ar obine un rezultat total diferit de efectul
dorit, dar aceasta are o larg aplicabilitate n proiectarea filtrelor de procesare
a semnalului audio i a sistemelor de transmisie a acestuia.
n concluzie se poate observa c orice semnal se poate reprezenta n
planul t- n mai multe moduri, alegerea reprezentrii fiind n funcie de
scopul urmarit i de sistemul care va extrage, prelucra i utiliza informaia
coninut n semnal.

13

1.3.1 Ferestre i atomi timp-frecven .

Se numete fereastr temporal o functie f(t) L(R), pentru care
t f(t) L(R).
Se poate defini centrul ferestrei Cf si raza ferestrei Rf.

Cf =
Rf =

1
f

(2.3.1)

1
f

t f (t ) dt

(t C

) 2 f (t ) dt

(2.3.2)

Lungimea util a ferestrei va fi 2Rf, i aceasta definete intervalul

pentru care funcia f(t) este esenial definit :
I= [Cf Rf ; Cf + Rf ]
Dac f(t) este par sau impar atunci Cf =0 i se spune c fereastra este
centrat :
I= [ Rf ; +Rf ]
Daca f(t) este o fereastr temporal i n plus F()L(R),
atunci cuplul (f, F) formeaz o fereastr timp frecven.
Wf =[Cf Rf ; Cf + Rf ] X [CF RF ; CF + RF ]

(2.3.3)

Aria ferestrei este :

S (W f ) = 4 R f R F

(2.3.4)

Atomii timp-frecven sunt funcii obinute prin aciunea unui grup de

transformri elementare (translaie, scalare) asupra unei funcii de baz
(atomul generator),care posed proprietai bune de localizare n planul timpfrecven i sunt prin definiie purttori ai unei unitai de informaie, fiind
elementul etalon de comparare n analiza unui semnal. Se poate demonstra
c operaiile elementare de translaie i scalare conserv rezoluia t- a
semnalului asupra cruia acioneaz, deci i atomii t- rezultai vor avea

14

proprietai bune de localizare n acest plan. n general se utilizeaz o

fereastr t- ca i atom generator,aceasta avnd proprietai bune de
localizare (relaia 2.3.3).
Exemplu:-fereastra gaussian centrat

g (t ) =

1
2

t2
2 2

(2.3.5)

Conform relaiilor (2.3.1 ) si (2.3.2) se determin

G ( ) = e

CG = 0

2 /2

si

RG =

g1 / ( )

1
2

Cg = 0

si R g =

( 2.3.6)

S (Wg ) = 4 Rg RG = 2

(2.3.7)

Deci aria oricarei ferestre gaussiene este independent de si egal cu

2 ( fig. 3).

g (t )

/ 2

/ 2
fig. 3

Atomii timp-frecven obinui din fereastra gaussian

exprim prin familia de funcii :
15

g (t )

se

g ( s , , t ) = g (

t
)=
s

1
e
2

( t ) 2
2 s 2 2

(2.3.8)

1.3.2 Proprietaile atomilor timp-frecven. Baze de descompunere

a semnalelor .
Se pune problema constituirii bazelor de descompunere cu ajutorul
atomilor timp-frecven. Pentru obinerea unei eficiene marite n analiza
semnalelor, atomii t - trebuie s aib n primul rnd proprietai bune de
localizare timp-frecven. Se consider c o funcie g(t) are o localizare
bun n planul timp-frecven dac produsul Rg RG este suficient de mic.
(Limita inferioar a produsului este dat de inegalitatea Heisenberg)
Se recomand ca atomul generator s aparin clasei de funcii tip
fereastr timp-frecventa sau clasei de funcii Schwartz.
Fie gi,k (t) L2 (R) un atom t - , n jurul punctului (i, k) Z2. Dac :

i ,k

(t )g n ,m (t )dt = i ,n k ,m

i () x(t) L2 (R) acesta se poate

scrie:

x (t ) = (i, k ) g i , k (t )

(2.3.9)

(i, k ) = x(t ) g *i ,k (t )dt

(2.3.10)

i Z k Z

Un coeficient al descompunerii (i,k) poate fi interpretat ca o

masur a energiei de interaciune dintre semnalul analizat i atomul
gi ,k (t), sau altfel spus acesta arat gradul de asemnare dintre cele
dou semnale x(t) si gi ,k (t), determinat prin intermediul produsului scalar
pe L2(R).
16

Dac x (t ) = g i 0 , k 0 (t )

(i, k ) = i ,i 0 k , k 0

Energia semnalului x(t) se exprim cu relaia :

E x = x(t ) dt = (i, k )
2

(2.3.11)

iZ kZ

Astfel o descompunere liniar, dup o baz ortonormat ne arat i

distribuia energetic n planul t - a semnalului analizat.
Un exemplu de atom

t - l constituie familia de funcii armonice

ferestruite rectangular:

e j 2i ( t k ) pentru _ t[ k 12 , k + 12 ]
i , k (t ) = 0 _ in _ rest

Dei funcia:

1 _ pentru _ t[ 12 , + 12 ]
(t ) = 0, 0 (t ) = 0 _ in _ rest

nu ndeplinete condiiile unei ferestre t - ( ()L2(R)), atomii

generai pot fi utilizai ca o baz ortonormat de descompunere:

~
x (t ) = (i, k ) i , k (t )

(2.3.12)

i Z k Z

Se arat c

x(t ) ~
x (t )
x(t ) = ~
x (t )

L2

=0

a.p.t.

Dac se consider o familie de atomi: gs,(t), unde (s,)R2, aceasta

formeaz o baz continu n spaiul L2 (R), dac:

17

s ,

(t ) g * s , (t ) J G ( s, ) dsd = (t t )

RXR

(relaia de nchidere a bazei)

JG(s,) reprezint iacobianul transformrii care acioneaz asupra
atomului generator .
Pentru un semnal oarecare x(t) se definete :

Tx ( s, ) = x(t ) g * s , (t )dt

(2.3.13)

Relaia (2.3.13) reprezint o transformare continu, care este foarte

redundant, rezultnd suprapuneri de suporturi ale elementelor bazei. De
aceea se impune o discretizare a reprezentrilor continue prin eantionarea
timp-frecven acestor funcii, rezultnd o analiz multirezoluie a semnalelor.

1.3.3 Principiul incertitudinii n analiza timp-frecven.

Acest principiu arat c n analiza timp-frecven a unui semnal nu
poate s se obin o precizie orict de bun ,att n domeniul timp ,ct i n
domeniul

frecven.

Precizia

obinut

poart

denumirea

de

rezoluie

(temporal sau n frecven). Principiul se poate interpreta i justifica

prisma afirmaiei fcute anterior, c

prin

orice reprezentare conine aceiai

cantitate de informaie modificndu-se doar forma ei de prezentare.

Principiul ne arat c oricare ar fi [g(t),G( ) ] o fereastr timpfrecven, aria acesteia verific relaia :

S (W g ) 4 R g RG

(2.3.14)

Egalitatea are loc dac i numai dac fereastra este gaussian.

Pentru demonstrarea teoremei se poate aplica inegalitatea Cauchy-Schwarz:

18

() u,vE spatiu vectorial normat cu ||u||=<u,u> , se respect

inegalitatea:
| <u,v>| = ||u||||v||

(2.3.15)

Egalitatea se indeplinete dac i numai dac u,v liniar dependeni,

adic

u= v

Pentru dou funcii f,g L ,se definete produsul scalar:

< f, g > =

f (t ) g (t )dt

u = t g(t) L
v= g (t) L ( aceasta rezult din definiia ferestrei
timp- frecven; G() L )

1
t g , g = t g (t ) g (t )dt = g
2
R
tg

= t 2 g 2 (t )dt = g R g2
2

1
g
2

= g , g = g 2 (t ) dt =
R

4 R g RG = 2

1
G
2

= g R g2

S (Wg ) = 2

Dac f(t) este o funcie gaussian rezult evident :

S (W g ) = 4

1
2

Reciproc , dac S (Wg ) =2

tg =

dg
dt

=2

t g(t) = g(t) , R

t /2 = - ln (g)

g(t) = C exp(- t / 2)

Rezultatul acestei teoreme, care reprezint o relaie de tip Heisenberg

ne arat c nu se poate obine o rezoluie orict de bun ,att n timp , ct i
n frecven. Astfel, dac se mbunatete rezoluia n domeniul frecvenei,
19

implicit se va mri fereastra temporal i rezoluia n timp scade . ( fig. 4 )

CG +RG
S (Wg)

CG RG

Cg Rg

Cg + Rg
fig. 4

t = 2 Rg

= 2RG

Principiul incertitudinii stabilete c dac o funcie g este esenial

definit pe intervalul [Cg-t/2 ; Cg+t/2], atunci transformata sa Fourier G va
fi esenial definit pe un interval mai larg dect [CG1/t ; CG+1/t ] i deci:
S(Wg)

t(2/t)= 2

Relaia se verific simplu i n cazul impulsului rectangular de VF, dei

acesta nu ndeplinete condiiile unei ferestre t- :
g(t ) = 1[0; t]
G()

g(t)

-2/t
fig. 5
20

2/t

Mrimea S(Wg )= t se mai numete i baza semnalului g(t). n

funcie de mrimile Rg i RG se pot defini durata efectiva a semnalului Tg i
respectiv banda efectiv a semnalului Bg :

Rg

Tg =

Bg =

RG
(2.3.16)

Cu aceste notatii se obtine :

S(Wg )= 8TgBg = 2

Tg Bg= 1/4

n etapele procesrii semnalului RADAR

(2.3.17)

aceste mrimi au o

semnificaie major pentru interpretarea capacitii poteniale de separare n

distan, respectiv vitez, precum i a preciziei de msurare a acestor
parametri.Astel se pot exprima parametrii poteniali

de calitate ai

receptorului RADAR n funcie de aceste mrimi, care caracterizeaz semnalul

de sondaj g(t):
-capacitatea potenial de separare n distan:
D =(c/2)t =cRg

(2.3.18)

-capacitatea potenial de separare n vitez radial :

v =(/2)= RG

(2.3.19)

-precizia potential de msurare a distanei (timpului de ntrziere) i

vitezei radiale (deviaiei de frecven) este invers proporional cu
coeficientul :
k =2q Tg Bg = q RgRG =(q/4)S(Wg )

(2.3.20)

(q reprezint raportul semnal / zgomot )

Din relaiile (2.3.18) i (2.3.19) se obine :
Dv= cRgRg

Dv = c/4

(2.3.21)

Utilizarea unor semnale cu baza mare i prelucrarea corespunztoare a

acestoa

permite

extragerea

unor

informaii
21

RADAR

superioare,

att

calitativ,ct i cantitativ. Alegerea tipului de semnal de sondaj i a formei de

reprezentare a semnaluluiecou se face n funcie de scopul urmrit,
observndu-se din relaiile prezentate anterior imposibilitatea maximizrii
simultane a acestor parametri.
Inegalitatea Heisenberg pune n eviden

imposibilitatea localizrii

simultane (n acelai spaiu de reprezentare ), cu o precizie arbitrar de bun,

att n domeniul timp ,ct i n domeniul frecven. n mod similar se poate
arta c este imposibil ca un semnal s-i concentreze toat energia pe
suporturi compacte n cele dou domenii.
1.3.4 Transformata Fourier cu fereastr glisant (T.F.F.G. ,T.F.S.)
S-a artat c analiza Fourier clasic a unui semnal nu permite obinerea de
informaii localizate n timp, pe baza imaginii semnalului n domeniul de
reprezentare transformat. TFFG(T.F.S) va asigura analizei Fourier i o
anumit localizare temporal prin ferestruirea semnalului supus analizei cu
ajutorul unei funcii (fereastra temporal), centrate n jurul momentului de
interes .
Ideia natural de realizare a unei descompuneri a funciei f(t), n planul
-t, const n utilizarea unei ferestre temporale w(t) , care s localizeze n
timp informaia dat de transformata Fourier. Fereastra w(t) va fi translatat
n timp, obinndu-se replici retardate ale acesteia w(t-) i un spectru
instantaneu al semnalului analizat.
Transformata Fourier cu fereastr glisant a semnalului f(t) L (R) , se
definete ca fiind funcia de dou variabile Tf (, ) :R R, dat de relaia:
Tf (,) =

f (t ) w (t )e

22

jt

dt

(2.3.22 )

cu w(t) fereastr temporal

Exemple :
a) Fereastra rectangular :( fig. 6 )
w(t)= 1[-T; T]
W() =2Tsinc (T)
w(t)

W()

t
fig. 6

Acest tip de fereastr asigur o bun localizare temporal, dar o slab

localizare n frecven (funcia sinc prezint lobi laterali mari )
+T

T f ( , ) = f (t ) w (t )e jt dt =

f (t ) e jt dt

La limit, pentru T , se obine:

+T

lim T f ( , ) = lim
T

f (t ) e jt dt = f (t ) e jt dt = F ( )

lim W ( ) = ( )
T

Se observ i din acest exemplu c o localizare ideal n domeniul

frecvenei (o fereastra W() de tip distribuie Dirac ), determin pierderea
total a informaiei temporale, obinndu-se la limit cazul transformatei
Fourier clasice.
23

Se arat c W()L, deci impulsul rectangular nu ndeplinete condiiile

unei ferestre t-.
b) Fereastra triunghiular (BARTLET) (fig. 7)
1- | t | / t pentru t[-T ; T ]
w(t)=
0 n rest
w() =T sinc (T/2)
W()

w(t)

-T

T
fig. 7

Se arat c w()L(R), deci ndeplinete condiiile unei ferestre t-,

dar are o slab rezoluie n frecven.

T f ( , ) = f (t ) w (t )e

jt

dt =

+T

f (t ) (1

t
T

)e jt dt

La fel, ca i n cazul ferestrei rectangulare la limit se obine:

+T

lim T f ( , ) = lim
T

f (t ) e jt dt =

f (t ) e jt dt = F ( )

Dac semnalul de analizat este de energie finit, atunci ferestrelor w(t)

nu trebuie s li se impun condiii de admisibilitate, fiind suficient ca ele s fie
din L(R) sau L(R). Dar se recomand ca funciile w s fie ferestre t- i s
fie normate ||w||=1.

24

1.3.5 Transformata Gabor.

Se numete transformata Gabor a semnalului f(t) , TFFG(T.F.S.) care
utilizeaz fereastra gaussian cu =1.

G f ( , ) = f (t )
R

1
e
2

( t ) 2
2

1
e
2

G f ( , ) = f (t )
R

e jt dt

( t ) 2
+ jt ]
2

(2.3.23)

dt

(2.3.24)

Deci transformata Gabor este un caz particular al TFFG ,pentru care

w(t ) = g1 (t )

1
2

w(t)

t2
2

(vezi fig.8)

W()

t
fig.8

W()= exp(-/2)
S(Wg)= 4 RgRG = 2
Utilizarea acestui tip de fereastr confer avantajul optimizrii din punct
25

de vedere al principiului incertitudinii, avnd aria minim.

Dac se discretizeaz frecvena =no i retardarea = mo
se poate obtine T.G.D. (transformata Gabor discreta ,in timp continuu)

G f (n, m) = f (t )
R

1
2

( t m 0 ) 2

e jn 0t dt

(2.3.25)

o= 1 i o=

G f (n, m) = f (t )
R

1
e
2

( t m )2
2

e jnt dt

G f (n, m) = f (t ) n,m (t )dt

(2.3.27)

n, m

(t ) =

1
e
2

(t m ) 2

(2.3.26)

e jnt

(2.3.28)

Reprezentnd grafic funciile definite de relaia (2.3.28), pentru

diferite valori ale cuplului (m,n) se obine:
Re{*4,-2(t)}

*m,n(t)

Re{*2,2(t)}

fig.9
26

Din figura 9 se observ c att aria, ct i profilul ferestrei este

constant, undioarele elementare (de descompunere ) avnd aceiai anvelop
gaussian.Ele se obin prin modulaii cu diferite purttoare (no) i translaii
n timp a ferestrei gaussiene de parametri constani.( =1)
1.3.6. Interpretarea T.F.F.G. (T.F.S)
Conform relaiei de definire a T.F.F.G. rezult :

T f ( 0 , ) = f (t ) w (t )e j0t dt =
R

= e j0 f (t ) w (t )e j0 (t ) dt =
R

= e j0 f (t + ) w (t )e j0 (t ) dt
R

Se noteaz:

v(t ) = w (t )e j 0t

T f ( 0 , ) = e j 0 v f ( )
Deci Tf (o, ) reprezint rspunsul unui filtru, cu funcia pondere
h(t)= exp(-jo)v(t), cnd la intrare se aplic f(t).

f(t)

H(j)=
exp(-jo)w(-o)

Tf (o,)

Tf (o, ) reprezint rspunsul unui filtru trece band, avnd caracteristica

de

amplitudine

identic

cu

spectrul

27

funciei

fereastr, translatat

la

o.Exemplificnd pentru cazul gaussian i undioarele prezentate n fig.9 se

obin urmtoarele caracteristici de filtraj:(fig10)

| H(j) |
| 2,2|

| 4,-2 |

2o

4o

fig. 10

Se poate afirma c Tf (,o) ne arat spectrul unei poriuni din semnalul

f(t), localizat n fereastra temporal

[o-Rw;o+Rw].Evident rezoluia de

determinare a spectrului este cu att mai bun cu ct fereastra este mai

ngust n domeniul frecven, implicnd o fereastr ct mai larg n
domeniul timp .Imprecizia de determinare a spectrului este dat de 2Rw. Dac
se micoreaz Rw, rezult o cretere a lui Rw i implicit o localizare mai slab
n timp.(fig.11).
Pentru Rw 0, adic W() =2(), rezult w(t)=1 i Rw ,
Tf (,)=F(), obinndu-se reprezentarea Fourier a semnalului.
Pentru Rw 0 ,adic w(t)= (t), rezult W()=1 si Rw ,

T f ( , ) = f (t ) (t )e jt dt = e j f ( )
R

28

obtinandu-se astfel o reprezentare temporala a semnalului.

T f ( , ) = f (t ) (t )e jt dt = e j f ( )
R

f () |Tf (, 0)|

f(t)

2Rw
t
o -Rw

o +Rw

2RW
fig. 11

Din punct de vedere al procesrii semnalului RADAR, TFS se poate

interpreta ca o funcie de incertitudine de band ngust. Dac se scrie
funcia de ambiguitate, modelul de band ngust, pentru semnalul ecou y(t)
i semnalul de sondaj x(t) se obine :

x , y ( , d ) = Rx , y ( , d ) = y (t ) x (t )e j

( t )

dt = T yTFS ( , d )

(2.3.29 )
Deci funcia de ambiguitate(incertitudine) de band ngust se poate
reprezenta ca o TFS (TFFG) a semnalului ecou y(t), utiliznd ca i fereastr
semnalul de sondaj x(t). De altfel, receptorul optim, din punct de vedere al
maximizrii raportului semnal/zgomot calculez corelaia ntre semnalul ecou
i replicile retardate i deplasate Doppler ale semnalului de sondaj (fig.2).

29

Astfel ieirea receptorului RADAR coincide cu o TFS, a crei precizie de

localizare temporal Rx

determin precizia de msurare a distanei, iar

precizia de localizare n frecven

RX

determin precizia de msurare a

vitezei.
Analiznd atomii timp-frecven specifici unei reprezentri de tip TFS
se obin domeniile din planul t- prezentate n fig. 12

2+RW
2
2-Rw

2Rw
2Rw

1+Rw
1
1-Rw

1-Rw

1+Rw

2-Rw

2+Rw

fig.12
Un

coeficient

Tf(i,i)

descrie

funcia

f(t)

ntr-o

fereastr

dreptunghiular de arie constant 2RwRw i de profil constant. Aceasta nu

permite obinerea simultan a unor rezoluii bune, att n timp, ct i n
frecven i a unei rezoluii variabile.n funcie de caracteristicile locale ale
semnalului analizat se va face un compromis rezoluie t / rezoluie .

30

f1(t)

f2(t)
2

1
t

2
1

x
fig.13
n fig. 13 sunt prezentate trei cazuri de semnale arbitrare, ntlnite n
practic ( impuls RADAR de VF , not produs de un instrument muzical i o
imagine plan).Se observ c n toate cele trei cazuri se disting zone de
regim tranzitoriu (1) i zone de regim staionar (2), n funcie de
caracteristicile locale ale semnalului.Astfel poriunile staionare ale semnalelor
se vor studia cu o fereastr ngust n frecven i larg n timp.Poriunile
tranzitorii sunt limitate n timp, dar spectrul lor este foarte larg, utilizndu-se
n consecin o fereastr ngust n timp i larg n frecven.Altfel spus la
joasa frecven procesele au o durat mare n timp i un spectru ngust iar la
nalt frecven procesele sunt scurte ca durat, dar au o band larg, cu
salturi

mari de frecven.Deci atomii t- se vor alege n funcie de tipul

semnalului analizat (staionar sau tranzitoriu) i de frecvena medie a lor.

(fig.14)

31

I.F.

M.F.

2
t

J.F.

fig.14
n cazul TFS profilul ferestrei t- este acelai indiferent de frecvena
central a atomului (fig.12), obtinndu-se o rezoluie constant.Pentru a se
obine o rezoluie variabil (fig.14 ) este necesar alegerea unor ferestre cu
profil diferit i schimbarea funciei fereastr w(t) pentru fiecare domeniu de
frecven.Eliminarea acestui dezavantaj se face prin aplicarea transformatei
Wavelet, care spre deosebire de TFS i genereaz atomii prin translaii i
dilatri ale unei funcii de baz, rezultnd rezoluii diferite.
1.3.7 Transformata WAVELET.
Se numete undioar mam o funcie :RR care definete o
fereastr t- i ndeplinete condiia de admisibilitate:

( )

d <

( 2.3.30 )

Deoarece (t) definete o fereastr t-

L(R)L(R) i

L(R)L(R).Din condiia de admisibilitate (0) =R (t)dt=0.

Deci

undioarele mam trebuie s fie funcii continue, mrginite i

nule la infinit i cu media nul.

32

Se numete transformat WAVELET (continu) a unei funcii fL(R),

asociat undioarei (t), funcia Wf :R*XR C, dat de relaia :

W f ( s, ) = f , s , = =

f (t ) s, (t )dt

( 2.3.31 )

s, -

reprezinta

familie

de

undioare

(atomi),

generat

din

undioara mam prin translaii cu i dilataii (scalri ) cu s.

1
t

s s

s , (t ) =

( 2.3.32 )

s-parametru de scal, invers proporional cu frecvena s=o/

- prametru temporal, semnificnd translaia temporal
Exemple:
1. Armonica atenuat gaussian.

(t ) =
s , (t ) =

1
e
2
2s

( ) = e
s ( ) =

cos(4t )

( t ) 2

t 2
2

2s2

cos(4

t
)
s

( 4 ) 2
2

1
s

( s ) =

1
s

33

( s 4 )2
2

s,0(t)

s,0(t)
|s|<1

s,0(t)

|s|=1

|s|>1

s>1

s()

s=1
s<1

-o/s1

-o

o/s2

-o/s2

o/s1

fig.15
Din fig.15 se observ proprietile de filtraj ale TWC. Dac se compar
acestea cu cele obinute pentru TFS (fig.10) se observ c n acest caz
fereastra t- are profil variabil, asigurndu-se astfel o band de filtrare
adecvat frecvenei de lucru.
2.Plria mexican.(derivata de ordinul 2 a funciei gaussiene).

(t ) = (1 t ) e
2

t2

s ,0 (t ) = (1

34

t
)e
s2

t2
2s 2

s ( ) =

( s ) 2

Acest tip de undioar asigur o localizare bun, att temporala, ct

i n frecven (fig 16)
(t)

()

t
-o
fig.16
3.Undioare Haar.
1 pentru t[0;1/2]
(t) =

-1 pentru t[1/2;1]
0 n rest

( ) = j e

j
2

sin c 2

|s|-1/2 pentru t[0;s/2]

s,0(t)=

-|s|-1/2 pentru t[s/2;s]

0 n rest

35

()|

(t)

fig.17

1.3.8 Interpretarea T.W.C.

Se consider (t) o undioar centrat (C=0).

R2 =

0 = C =
R2 =

2
t
(t ) dt
2

( ) d
2

2
(

)
( ) d
0

n general ()

este o caracteristic de tip trece-band, avnd

frecvena central o i lrgimea de band 2R. Se poate spune atunci c prin

coeficientul Wavelet Wf(s,) se obine o informaie asupra spectrului lui f
n fereastra t- :
[-sR ;+sR ] x [ s-1(o- R) ; s-1(o+R) ]

36

(2.3.33)

a crei frecven central este o/s i a crei arie este

S(W)=2sR 2s-1R=4 R R=constant .
Deci aria ferestrei este constant, iar profilul ei variabil.Se demonstreaz
simplu urmtoarele relaii:
Rs, =sR

C=O

Cs,= O/s

Rs,=s-1R

n comparaie cu fereastra t- a TFS, n cazul TWC profilul ferestrei

este variabil n funcie de frecven .
Din punct de vedere al filtrajului TWC se poate interpreta astfel:

W f ( s, ) =

s (t ) =

1
s

1
s

t
f (t )
dt = s (t ) f ( t )dt
s

t
s

Wf(s,)=fs(-t)
Wf(s,) reprezint rspunsul unui filtru trece-band, a carui funcie
pondere este h(t)= s(-t), cnd la intrare se aplic f(t).

f(t)

FTB
h(t)= s(-t)

Wf(s,)

Hs(j)=|s|-1/2 (s)
Deci caracteristica de filtraj a unui atom are deplasat frecvena
central la o(s) =o/s i are banda de trecere variabil n funcie de
frecven.

37

2 R

Bs =

B0
s

B = B0

1.3.9 Transformarea Wavelet discret.

Daca n locul variaiei continue a parametrilor s si

ai funciei

s,(t) se alege o variaie discret, definit de :

s=som

=o ns=o nsom

m,nZ

(o,so reprezint dimensiunile pasului de discretizare pentru translaia i

respectiv dilatarea variabilei t ) , se obine transformata Wavelet discret
(TWD) sau seria Wavelet n timp continuu.

f (t )

W f (m, n) =

m, n

(t )dt

(2.3.34)

m ,n

(t ) = s0

m
t 0 ns0m
2 m

=
s
0 s0 t n 0
m

s0

(2.3.35)

Transformarea asociaz unei funcii din L2(R) o funcie de dou variabile

discrete Wf l2(Z2).
n unele cazuri se alege so=2 si o=1 i se obine:

m ,n

(t ) = 2

(2 m t n )

W f (m, n) = f (t ) m ,n (t ) dt = 2

f (t ) 2 m t n dt

(2.3.36)

Reprezentnd grafic, n planul t-, punctele de discretizare a celor doi

parametrii se obine situaia din fig. 18

38

=1/s=2-m

=n2m
fig.18

Dup cum se observ din fig.18 pasul de translaie depinde

proporional cu pasul de discretizare a scalei (invers proporional cu pasul de
discretizare a frecvenei). Scara de reprezentare a frecvenelor este diadic,
iar a retardrii temporale este liniar.Punctele reelei reprezint perechile
mxn pentru care se calculeaz coeficienii Wf(m,n).Numrul punctelor de
calcul crete n serie geometric de raie 2, odat cu creterea frecvenei.De
asemenea se poate observa c prin acest mod de definire, reeaua de
eantionare este n bun concordan cu structura ferestrelor t-,
asigurndu-se o rezoluie bun n frecven la coeficieni de scal mari i o
rezoluie mai slab la coeficieni de scal mici. Astfel se elimin redundanele
TWC.
Funcia (t) se poate alege astfel nct irul de funcii (m,n) m,nZ s
formeze o baz ortonormat n spaiul L2(R). Se obin astfel bazele de
undioare diadice ortogonale.

39

Dac se dorete o rezoluie mai fin n frecven, se poate utiliza

tehnica numit voicing, pentru a se obine J voci/octav.n acest caz se
alege s=2m+j

/2

i fiecare octav de pe axa scalei este divizat n J valori

adiionale j =0,1,...J-1. Se spune c tripletul (m,j,n) definete vocea j din

diada m, n jurul momentului n.
Funciile de baz devin n acest caz :

m, j ,n

(t ) = 2

m+ j / J
2

( 2

j
( m + )
J

t n)

W f (m, j , n) = f (t ) m , j ,n (t )dt

m,n Z

j=0,1,2,...,J-1

(2.3.37)

n acest fel marcajul coeficienilor reprezentat n fig.18 se completeaz

cu nc J puncte de calcul pe fiecare diad.
Exprimarea lui f(t) se face ca o serie de undioare, avnd coeficienii
Wf, relaie care se mai numete i transformata wavelet discret invers:

f (t ) =

m ,n =

f (t ) =

(m, n) m,n (t )

J 1

m ,n= j =0

(2.3.38)

(m, j , n) m, j ,n (t )

(2.3.39)

Exemplu:(Plria mexican)

h(t ) =

2
34

(1 t )e
2

2
m
2
m
2
hm , n (t ) =

2
[
1

(
2
t

n
)
]

e
34

40

(2 m t n)2
2

W f (m, n) = f (t ) hm ,n (t )dt
R

f (t ) =

m , n =

(m, n) hm ,n (t )
h-1,2(t)

hm,n(t)
h0,0(t)
h1,-1(t)

0.5
h00 ( t )
0

0.5

30

20

10

0
t

10

20

30

0.5
h11 ( t )
0

0.5

30

20

10

0
t

10

20

30

30

20

10

0
t

10

20

30

0.5

h22 ( t )

0.5

fig.19

41

1.3.10 Serii Wavelet n timp discret

Se definete pornind de la TWD prin discretizarea timpului: t=kT0

W f (m, n) = f (kT0 ) m ,n (kT0 )

kZ

W f (m, n) = f (k ) m , n (k )

(2.3.40)

k Z

Transformata invers se scrie:

f (k ) =

mZ nZ

(m, n) m,n (k )

(2.3.41)

1.3.11 Proprietile transformatei Wavelet

1.Simetria.
Aceast proprietate permite interschimbabilitatea lui f(t) i g(t), cnd
ambele funcii sunt admisibile.

t
f (t ) g
s
s R

W f / g ( s, ) =

Wg / f ( s , ) =

dt

t
g (t ) f
dt
s

s R

1
W f / g ( s, ) = W g / f ,

s s

(2.3.42)

2.Forma corelaional a TW.

Dac se noteaz gs(t) =|s|-1/2g(t/s) , atunci TW este identic cu
corelaia funciilor f(t) i gs(t).

42

f (t ) g s (t ) = f (t ) g s (t )dt =
R

t
f (t ) g

s
s R

f (t ) g s (t ) = W f / g ( s, )

(2.3.43)

3.Formula de inversare i conservarea energiei:

Fie f,gL2(R), g(t) admisibil i s0, atunci :

1
f (t ) =
Kg
Kg =

2
t s
R R W f (s, ) g s s dsd

G ( )

(2.3.44)

d <

Energia semnalului f(t) se poate exprima cu relaia:

Ef =

K g R R

W f ( s, )
s2

dsd

(2.3.45)

4.Produsul scalar al funciilor, exprimat prin TW.

f1 , f 2 =

1
W f 1 / g ( s, ) W f 2 / g ( s, ) s 2 dsd
Kg R R

f1 , f 2 =

1
f1 , g s , g s , , f 2 s 2 dsd
Kg R R

Dac f1 =f2=f se obine:

f , f = Ef =

2
1
W f ( s, ) s 2 dsd
Kg R R

43

(2.3.46)

5.TW ncruciat.

W f / g ( s, ) =

1
s
W f / h ( s1, 1 ) W g / h 1 , 1
Kh R R
s
s

2
s1 ds1 s 1

Aceast formul exprim TW ca o relaie ntre transformatele funciilor

f i g, relativ la aceiai undioar mam h.

1.4. Reprezentarea i analiza multirezoluie a semnalelor RADAR.

1.4.1 Conceptul de analiz multirezoluie.
Analiza semnalelor nestaionare ar necesita o rezoluie temporal bun,
simultan cu o rezoluie bun n frecven.Dar, dup cum s-a artat n (2.3.3)
(principiul incertitudinii n analiza t-) obinerea unei rezoluii simultane,
orict de bun nu este posibil.Soluia optim, n acest caz este o
reprezentare timp-frecven de rezoluie variabil.
Se numete analiz multirezoluie a spaiului Hilbert L2(R) o aproximare
a acestuia realizat printr-o familie de subspaii nchise VmL2(R), mZ, astfel
nct:
i)
ii)

...V2 V1 V0 V-1 V-2 ...

Vm={0}
mZ

iii)
iv)

Vm= L2(R)
mZ

() fm(x) Vm fm(2x) Vm-1

() 0 funcie g(x) V0 , astfel nct {g(x-k) }
o baz n V0

44

kz

formeaz

Dac se alege m=2j, jZ i se consider 0,k(x)=g(x-k), () kZ, atunci

j,k(x)=2-j/2 (2-jx-k) j,kZ formeaz o baz ortonormat pe subspaiul V2j.
Se demonstreaz simplu c dac

{g(x-k) }kz

formeaz o

baz n V0, rezult c j,k(x)=2-j/2 (2-jx-k)=2-j/2 g(2-jx-k) formeaz o baz

ortonormat n V2j :
1) (x-k) V0 (2x-k) V-1 ... (2-jx-k) V2j () j,kZ

2) < j,k(x) ; j,l(x)>=

R j,k(x)*j,l(x)dx =R (x-k)*(x-l)dx=

= <(x-k) ; (x-l)>=l,k
n aceste condiii se poate defini un set de operatori A2j : L2(R) V2j,
care permit aproximarea funciei f(x)L2(R) n subspaiul V2j (descompunerea
funciei pe baza ortonormat din V2j ).Se spune c f(x) este aproximat cu
rezoluia 2j .
() f(x) L2(R)

f ( x ) A2 j { f } = f (u ), j , k (u ) j , k ( x )

(2.4.1)

j ,k { f } = f (u ), j ,k (u ) = f (u ) j ,k (u )du

(2.4.2)

k Z

j ,k { f } = 2 j / 2 f (u ) (2 j u k )du
R

Aproximarea A2j {f} reprezint proiecia ortogonal a semnalului

f(x) L2(R) pe subspaiul V2j i j,k{f} reprezint coeficienii aproximrii lui
f(x) cu rezoluia 2j. Dup cum se observ din relaia (2.4.2) coeficienii j,k{f}
se identific cu transformata Wavelet discret a semnalului f(x), relativ la
undioara mam (x).

45

 j , k { f } = W f ( j, k ) = T fTWD ( j, k )
A2 j { f } = j ,k { f } j ,k ( x) =
kZ

K Z

TWD
f

(2.4.2)

( j , k ) j ,k ( x )

(2.4.3)

Dac funcia (x) ndeplinete n plus i condiia de admisibilitate,

atunci familia j,k(x) formeaz o baz diadic de undioare ortonormate.
Semnalul f(x) se poate scrie:

f ( x) = A2 j { f ( x)} = T fTWD ( j , k ) j ,k ( x)
jZ

jZ K Z

(2.4.4)

Aproximrile succesive A2j{f(x)} corespund unei aproximaii din ce n

ce mai fine a funciei f(x). La limit, pentru j funcia j(x) tinde spre o
distribuie Dirac i funcia f(x) se identific cu aproximaia A2j{f(x)} .

lim A

2j

{ f ( x)}= f ( x)

(2.4.5)

Diferena de informaie dintre dou aproximaii de rezoluii succesive

2j+1 i 2j poart denumirea de semnal detaliu.Se poate calcula i analiza
diferena dintre aproximrile A2j{f} i aproximarea mai grosier A2j+1{f}.

A2 j { f } = j ,k { f } j ,k ( x)
kZ

A2 j +1 { f } = j +1,k { f } j +1,k ( x)
kZ

x
2

j +1, k ( x) = 2 1 / 2 j , k
u
2

j +1,k { f } = 2 1 / 2 f (u ) j ,k du = 2 f (2u ) j ,k (u )du

R

u
2

= 2 hn (u n)
nZ

hn =

(2.4.6)

(2.4.7)

1 u
(u n)du

2 R 2
46

(2.4.8)

Semnalul detaliu se exprim cu relaia :

D2 j { f } = A2 j { f } A2 j +1 { f } =

= j ,k { f } j ,k ( x) j +1,k { f } j +1,k ( x)

(2.4.9)

kZ

Prelucrnd relaia (2.4.9), cu ajutorul relaiilor (2.4.6); (2.4.7); (2.4.8)

se exprim D2j{f} ca o descompunere ntr-o baz ortogonal Wavelet, definit
n L2(R) astfel:

D2 j { f } = d j , k { f } j , k ( x )
kZ

( x) = 2 (1) n h1n (2 x n)
nZ

d j ,k { f } = f , j ,k = f ( x) j ,k ( x)dx

(2.4.10)
(2.4.11)
(2.4.12)

Funcia (x), care caracterizeaz aproximrile A2j{f} se mai numete i

funcie scal sau undioar tat , iar funcia (x) definit conform relaiei
(2.4.10) caracterizeaz semnalul detaliu i poart denumirea de undioar
mam. D2j{f} rerezint de fapt proiecia ortogonal a lui f(x) pe subspaiul
W2j= V2jV2j+1(complementarul lui V2j+1 n V2j), n care j,k(x) formeaz o
baz ortogonal.

1.4.2 Exemple de analiz multirezoluie.

1.Fie VO spaiul funciilor de tip trece-jos, de band limitat la (-;)
VOL2(R). Funcia

(x) =sinc(x), genereaz prin translaii o baz

ortonormat a subspaiului VO. (fig.19)

47

(x)

-1

()

fig.19
(x-k)= sinc[(x-k)] , kZ
Se observ c (x),()L2(R), dar nu este admisibil((0)0),
condie care nu piedic utilizarea ei ca o baz de descompunere n analiza
multirezoluie.
Dac V-m este spaiul funciilor de band limitat la (-2m ; 2m),
familia de funcii {2m/2(2mx-k), kZ} formeaz o baz ortonormat n
subspaiul respectiv. La fel familia de funcii {2-m/2(2-mx-k), kZ} formeaz
o baz ortonormat n subspaiul Vm ( al funciilor de band limitat la
(-2-m ; 2-m)).
Fie W0 L2(R) spaiul funciilor tip trece band n domeniul de
frecven (-2 ,-) ( ,2)

W0= V-1 V0

V-1= V0 W0 , adic W0

este complementarul ortogonal al lui Vo n V-1 ( V-1 este echivalent cu V0 plus

un detaliu adiional corespunztor lui W0).n general se poate scrie:
... V2 V1 V0 V-1 V-2 ...

V-m = W-m+1 V-m+1= W-m+1 W-m+2V-m+2= W-m+1 W-m+2... =

V m =

W
j=1

-m+j

j = m +1

m+ j

Aceast relaie ne arat c subspaiul V-m, al funciilor de band

48

limitat la (-2m ; 2m) se poate descompune ntr-o sum infinit de

subspatii, care la limit conduce la subspaiul funciilor de band
(-2m ;0 ) (0; 2m). (fig.20)
V0
V1
(
-2

(
-

(
-/2

)
/2

)
2

V-1
(
-2

(
-

(
-/2

)
/2

)
2

W1

W0
fig.20
Pentru o funcie oarecare f(t)L2(R), se determin coeficienii j,k{f}:

j ,k { f } = 2 j / 2 f (t ) (2 j t k )dt =2 j / 2 f (t ) sin c[ (2 j t k )]dt

R

Se obine astfel proiecia ortogonal a lui f(t) pe subspaiul Vj, care

reprezint de fapt oaproximaie prin funcii sinc de rezoluie 2j, a funciei f(t).
La limit, pentru j- funcia sinc tinde spre o distribuie Dirac,
confirmandu-se relaia (2.4.5) .

49

[(

A2j { f } = j,k { f } j,k (t) = 2 j / 2 j,k { f } sinc 2 j t k

kZ

)]

kZ

Semnalul detaliu se exprim cu relaia (2.4.10):

D2 j { f } = d j ,k { f } j ,k (t )
kZ

Conform fig. 20, semnalul detaliu este caracterizat de subspaiul

funciilor tip trece-band Wj+1=Vj Vj+1, n care familia de funcii :
j,k(t)=2-j sinc[(2-(j+1)t-k)] cos [3(2-(j+1)t-k)]
formeaz o baz ortonormat. (fig.21)
-1,0(t)
0,0(t)

fig.21

Se observ c j,k(t)L2(R) i n plus : j,k(0)=0, deci (t) admisibil.

Semnalul detaliu se descompune n serie Wavelet, avnd ca baz de
undisoare, baza diadic ortogonal :
j,k(t)=2-j sinc[(2-(j+1)t-k)] cos [3(2-(j+1)t-k)]
2. Fie V2j L2(R) spaiul funciilor constante pe poriuni si :[0;1]R

50

1 pentru t[0;1]
(t)=
0 in rest
(t) V0 i {0,k(t)= (t-k)} kZ formeaz o baz ortonormat n V0.
j,k(t)= 2-j/2(2-jt-k) formeaz o baz ortonormat n V2j (fig.22)
0,0(t)

1,0(t)

1
2

t
0

fig.22
Proiecia funciei f(t) pe subspaiul V2j se obine calculnd coeficienii:

j ,k { f } = 2 j / 2 f (t ) (2 j t k )dt = 2 j / 2
R

( k +1)2 j

f (t )dt

k 2 j

A2 j { f } = j ,k { f } j ,k (t )
kZ

La limit, pentru j- funcia (t) tinde spre o distribuie Dirac,

confirmndu-se relaia (2.4.5) .
Semnalul detaliu este, conform relaiei (2.4.9):

D2 j { f } = A2 j { f } A2 j+1 { f } =

= j ,k { f } j ,k (t ) j+1,k { f } j+1,k (t )
kZ

51

 j +1,k (t ) = 2 1 / 2 [ j , 2 k (t ) + j , 2 k +1 (t )]
j+1,k{f}=2-1/2[j,2k{f}+ j,2k+1{f}]
D2j{f}= 2-1

{[
kZ

j,2k{f}-

j,2k+1{f}][j,2k(t) - j,2k+1(t)] }

dj,k{f}=2-1/2[j,2k{f} - j,2k+1{f}]
j,k(t)=2-1/2[j,2k(t) - j,2k+1(t)]

(fig.23)

-1,0(t)

0,0(t)

fig.23

Semnalul detaliu se exprim ca o sum de undioare Haar.

1.5 Funcia de incertitudine (ambiguitate) i corelaia de band
larg.
Dup cum s-a afirmat i n 2.2 prelucrarea optim a semnalului
RADAR, n sensul maximizrii raportului semnal /zgomot, pentru semnale
ecou perturbate aditiv cu zgomot alb gaussian, se realizeaz prin calculul
integralei de corelaie

a semnalului recepionat cu replicile ipotetice ale

semnalului de sondaj. Conform relaiei (2.10) modelul matematic al

semnalului recepionat este:
y(t)=Ax(st-0)
52

Dac se consider s1=1/s i 0=s, se obine forma standard a

semnalului recepionat:
y(t)=s-1/2x[(t-)/s]=xs,(t)

(3.1.1)

Funcia de corelaie a semnalului x(t) cu y(t) este:

t
y
t
x
(
)

dt

s
s R

R y , x ( s, ) = y (t ), xs , (t ) = y (t ) xs, (t )dt =
R

(3.1.2)
Dup cum se observ din relaia (3.1.2), calculul corelaional coincide
cu TWC a semnalului recepionat y(t), folosind ca undisoar mam
semnalul de sondaj x(t).
Ry,x(s, )=Wy/x) (s, ) =TyTWC (s,)

(3.1.3)

Replicile ipotetice, care se obin prin scalri i ntrzieri ale semnalului

de sondaj, servesc ca i tipare de comparaie corelaional cu semnalul
recepionat. Cnd cele dou semnale se potrivesc cel mai bine rezult o
corelaie maxim. Semnalul prezumtiv care conduce la obinerea corelaiei
maxime furnizeaz o estimare a parametrilor s i . Schema receptorului
corelaional de band larg este prezentat n fig.24
x*s1,1(t)

dt

| |2

dt

x*s2,2(t)
y(t)

| |

x*sn,n(t)

dt

...

fig.24
53

| |2

SelectaEstimare
rea
, s
valorii
maxime
...

Dup selectarea valorii maxime, detectarea unui obiect este realizat

atunci cnd |Ry,x(s,)|2=|Wy/x(s,)|2R0 . Estimarea parametrilor (s, )
corespunde determinrii vitezei radiale vr i distanei R a intei.
Funcia de autoambiguitate (incertitudine) a semnalului de sondaj x(t)
se exprim cu relaia:

TxFIBL ( s, ) = x , x ( s, ) = s x(t ) x ( st )dt

(3.1.4)

1
1
TxFIBL ( s, ) = R x , x ( , ) = TxTWC
/ x ,
s
s

(3.1.5)

n concluzie se poate afirma c implementarea receptorului

corelaional de band larg, procesarea cu filtre adaptate i generarea
funciilor de ambiguitate(incertitudine) se reduc la calculul i analiza TW a
semnalului ecou. Alegerea semnalului de sondaj x(t), cu o funcie de
incertitudine optim constituie o parte important n teoria proiectrii
radarelor.
2. FILTRUL OPTIM ADAPTAT CU SEMNALUL DE SONDAJ DE
BAND LARG.
Schema de procesare prezentat n fig.24 este de tip multicanal, att
n coeficient de scal s, ct i n timp de ntrziere . Se pune problema
implementrii unui filtru, care s realizeze calculul funciei de corelaie (TW),
eliminndu-se astfel structura multicanal dup .
Dup cum s-a artat n (2.3.8) (interpretarea din punct de vedere al
filtrajului al TW)
54

TyTWC (s,)=Wy(s,)=yxs(-)
xs(t)=|s|-1/2 x(t/s)
yxs(-)=Rx,y(s,)
y(t)

hs(j)=
1/2

|s|

x*(s j)

Rx,y(s,)= Wy(s,)

Funcia pondere a filtrului va fi : hs(t)=xs(-t)= |s|-1/2x(-t/s), iar

caracteristica de frecven: Hs(j)=|s|1/2x*(s j). La iesirea filtrului se obine
funcia de corelaie sau TWC a semnalului recepionat y(t), utiliznd ca
undisoar mam semnalul de sondaj. Funcia pondere a filtrului este
imaginea n oglind a replicii scalate cu s a semnalului de sondaj x(t). Dac
intrarea filtrului y(t) corespunde replicii ateptate, n absena bruiajului, se
obine:

1
t
2
R x , y ( s, ) = x 2
dt = x (t )dt = E x
s R s
R
n cazul ideal se obine la ieirea filtrului, la momentul , semnalul
maxim EX. Receptorul corelaional cu filtre adaptate, prezentat n fig.25
simplific mult schema corelatorului din fig.24

y(t)

Hs1(j)

| |2

Hs2(j)

| |

Hsn(j)

| |2

fig.24
55

Selecta- Estimare
rea
(s,)
valorii
maxime

Dup cum se observ sistemul este multicanal doar dup coeficientul

de scal sn , iar calculul TW se face prin filtrare.
3. CONVOLUIA SEMNALELOR RADAR DE BAND LARG.
Dac exist mai multe obiecte apropiate, care reflect semnalul de
sondaj sau cnd un singur obiect are mai multe puncte reflectorizante,
semnalul recepionat de un punct al antenei se poate exprima ca o integrare
dup funcia de densitate a reflectivitii:

y (t ) = SW ( s, ) xs , (t ) s 2 dsd
D

(3.3.1)

t 1 / 2 2
y (t ) = SW ( s, ) x
s dsd
s
s
D
Funcia de densitate a reflectivitaii SW(s,) descrie modul cum obiectele
(sau punctele reflectorizante ale aceluiai obiect ) sunt disribuite n s i .
D -reprezint domeniul de interes a lui s i .
n cazul particular al obiectelor singulare, funcia de densitate a
reflectivitii este o distribuie Dirac:
SW(s,)=(s-s1)(-1)
y(t)= |s1|-1/2 x[(t-1)/s1]
n caz general se pune problema determinrii distribuiei SW(s,), pentru
a obine o hart a distribuiei obiectelor (punctelor reflectorizante ) n spaiu.
Daca D=R2 i semnalul de sondaj ndeplinete condiiile de admisibilitate,
atunci relaia (3.3.1) are forma unei TW inverse :

56

2
t s
y (t ) = SW ( s, ) x
dsd

s s
RxR

(3.3.2)

i SW(s,) se determin ca TW direct:

SW ( s, ) = y (t ) x s, (t )dt =
R

y
(
t
)
x

s
s R

SW ( s, ) = R y , x ( s, ) = W y / x ( s, ) = T yTWC
/ x ( s, )

dt

(3.3.3)

(3.3.4)

Deci funcia de densitate a reflectivitii se regasete n TW a

semnalului ecou i la ieirea receptorului corelaional de band larg. Dar n
cazurile practice, datorit limitarilor tehnice ale radarelor DR2

i relaia

(3.3.3) nu se poate aplica direct. n acest caz:

R y , x ( s, ) =
=

t
y (t ) x
dt =
s
s R

t 1 1/ 2 2
t
s
s1 ds1d 1dt =
x
SW ( s1 , 1 ) x
s
s
D
s R
1

1 / 2
t t 1
s1s s12 ds1d 1dt
= SW ( s1 , 1 ) x
x
s s1
R D

Prelucrnd ultima relaie i innd cont de funcia de incertitudine a

semnalului de sondaj se obine:

R y , x ( s, ) = SW ( s1 , 1 ) TxFIBL [s1 ( 1 ), s1 s ] s12 ds1 d 1 = SW TxFIBL ( s, )

D

(3.3.5)
Relaia (3.3.5) reprezint o convoluie de dou variabile, a funciei de
57

densitate a reflectivitii cu funcia de incertitudine a semnalului de sondaj.

Deci ieirea receptorului corelaional modifc SW cu funcia de incertitudine
a semnalului transmis. n cazul ideal, n care

TxFIBL(s,) = xx(s,)=(s-1)(),

ieirea receptorului corelaional coincide cu SW. n cazurile practice, n care

funcia de incertitudine a semnalului transmis nu este o distribuie Dirac,
pentru obinerea SW se va face o deconvoluie a relaiei (3.3.5).
Avnd n vedere redundanele TWC, parametrii integralei (3.3.1) se
pot discretiza, simplificndu-se astfel mult calculele.

( m s ) 2 t n
x
y (t ) = SW (m s, n )

m s
m s
m n

(3.3.6)

s , -rezoluiile de discretizare a coficientului de scalare, respectiv

timpului de ntrziere
Rezultatele obinute ale funciei de densitate a reflectivitii, pentru un
semnal ecou tip CHIRP sunt prezentate n ANEXA 11.

58

III.TEHNICI DE PROCESARE A SEMNALULELOR RADAR BAZATE PE

REPREZENTRILE TIMP-FRECVEN

3.1. GENERALITI
O prim etap n procesarea primar a semnalului RADAR o constituie
prezentarea acestuia ntr-o form adecvat scopului urmrit, (form
determinat de parametrii eseniali ai semnalului recepionat, care sunt
purttori ai informaiei relevante) i ct mai accesibil sistemului de
procesare. Aceast etap premergtoare procesrii propriu zise, mai poart
denumirea i de preprocesare. Urmeaz apoi etapa urmtoare a prelucrrii,
n care pe baza unui algoritm, ales n concordan cu scopul urmrit i cu
forma de reprezentare a semnalului din etapa anterioar se realizeaz
mbuntirea raportului Semnal util/ Zgomot (atenuarea pe ct posibil a
componentelor perturbatoare i accentuarea celor purttoare de informaie).
De asemenea, tot n aceast etap trebuie s se fac reconstituirea
semnalului cu parametrii purttori de informaie, ntr-o form adecvat
sistemului care va efectua etapa urmtoare a procesrii, denumit i
postprocesare.

59

Semnal
recepionat
y(t)
Achiziie

Reprezentare t-
( Preprocesare)

Algoritm
Prelucrare
Reconstituire semnal

(Postprocesare)

Extragere
informaie

fig. 25.
n fig.25. este prezentat un model de prelucrare primar a semnalului
RADAR. n etapa de preprocesare se va face o reprezentare timp-frecven
convenabil a semnalului, reprezentare ce va determina n mare msur
alegerea algoritmului de prelucrare. Ca model de reprezentare, se pot utiliza,
n funcie de aplicaie mai multe reprezentri timp-frecven : reprezentarea
de tipul Transformare Fourier Scurt (TFFG), reprezentarea timp-frecven
de tipul funcie de incertitudine de band ngust, reprezentarea de tip
Wigner - Ville, reprezentarea timp-frecven de tipul Wavelet i reprezentarea
de tipul funcie de incertitudine de BL. Dup cum s-a artat n [ 4 ], primele
3 tipuri de reprezentri se preteaz n cazul semnalelor de sondaj simple de
band ngust, iar urmtoarele 2 tipuri rezolv problema semnalelor
nestaionare, de band foarte larg cu spectru mprtiat.
60

3.2. Aplicaii ale reprezentrii de tip TFS (TFFG) i a funciei de

incertitudine de B.L.
S-au artat n [ 9 ] i n[ 14 ] diferite tehnici de implementare a TFFG
(TFS).
Se pot obine i alte metode de implementare a TFFG (TFS) :

T yTFS ( 0 , ) = y (t ) w (t ) e j 0t dt = y (t ) e j 0t w(t ) dt = u (t ) v(t ) , unde

R

u (t ) = y (t ) e j0t
v (t ) = w( t )
Se obine astfel schema sistemului analogic, care transform semnalul
y( t ) n reprezentarea sa t de tipul TFFG, printr-o modulare cu

e j 0t i

printr-o filtrare trece jos cu un filtru avnd caracteristica :

H ( j ) = F {w( t )}

Modulare
y(t)

FTJ

TyTFS (o , )

H ( j ) = F {v(t )}

e j o t

fig. 26.

O alt exprimare alternativ a TFS este TyTFS (o , ) = e j

(y(t ) w( t ) e

cu implementarea prezentat n fig.27.

FTB
y( t )

F w( t ) e

Modulare

+ j o t

e j o
fig. 27.
61

TyTFS ( o , )

j o t

),

Din punct de vedere al procesrii semnalului RADAR, receptorul optim

care maximizeaz raportul S/ Zgomot trebuie s determine corelaia ntre
semnalul ecou y(t) i replicile reterdate i deplasate Doppler ale semnalului
de sondaj x(t).
Ieirea receptorului corelaional este :

R yx ( , d ) = y(t ) x (t ) e j d t dt = T ySFT ( d , ) , reprezentnd de

R
fapt TFS a semnalului ecou, utiliznd ca fereastr semnalul de sondaj x(t ) .
Considernd semnalul recepionat

y(t ) = x(t 1 ) e jd 1t + n(t ) ,

forma clasic a semnalului de B.. bruiat cu zgomotul n(t) se obine :

R yx ( , d , 1 , d 1 ) = x(t 1 ) e j d 1 t + n(t ) x (t ) e j d t dt =
R

= x(t 1 )x (t ) e j( d d 1 )t dt + n(t ) x (t ) e j d t dt =
R

= n(t ) x (t ) e j d t dt = x(t ) x (t ) e j t dt + TnSFT ( d , )

R

(4.3)

, se obine :

R yx ( , ) = x(t ) x (t ) e jt dt + TnSFT ( d , )
R

(4.4)

Dup cum se observ n relaia (4.4), rspunsul filtrului corelaional se

poate descompune n doi termeni :
Primul termen, n care se regsesc parametrii purttori de informaie i
care definete o alt reprezentare t-, denumit n literatura de specialitate
funcie de incertiudine
TxFI ( , ) = x(t ) x (t ) e jt dt
R

(4.5)

TxFI ( , ) = TxTFS ( , )
Se poate deci afirma c reprezentarea t- de tipul funcie de
incertitudine este de fapt un caz particular al reprezentrii de tip TFS, n care
fereastra temporal este puternic dependent de semnalul analizat, fiind
chiar identic cu acesta.
62

Exist i alte exprimri alternative ale funciei de incertitudine, putnduse alege forma adecvat de reprezentare, funcie de specificul aplicaiei n
care va fi utilizat. Funciile de incertitudine de BI si BL, pentru diferite
semnale RADAR sunt prezentate n ANEXA 1.

Astfel, dac se face schimbarea de variabil t t +

2

TxFI ( , ) = e

TxFI ( , ) = e

x t + x t e jt dt
R
2
2

x t + x t e jt dt
R
2
2

(4.6)

De asemenea funcia de incertitudine mai poate fi reprezentat ca o

transformat FOURIER :
TxFI ( , ) = e

TxFI ( , ) = e

=e
e

=
=
=

F x t + x t
2
2

2
e

2
e

1
F x t + F x t =
2
2
2

e
R

1 j 2
j
2
e
F {x(t )} e
F x (t ) =

ju

ju

X ( ) e

j ( u )

X (u ) e

X ( u ) e

(4.7)

X ( ) =

j ( u )

X (u )du =

X ( u )du =

1
x ( u ) X ( u ) e ju du
2 R

u =V

T XFI ( , ) = +

1
X (V ) X (V ) e j (u V ) dV =
2 R

1
X (V ) X (V ) e j (V ) dV
2 R
63

(4.8)

V u+

j u

T ( , ) =
X u + X u e 2 du
2 R
2
2

FI
x

FI
x

( , ) =

X u + X u e ju du
R
2
2

Fcnd abstracie de termenul de faz

(4.9)

, cele dou reprezentri

alternative ale funciei de incertitudine se pot scrie :

TxFI ( , ) = X t + X t e jt dt
R
2
2
TxFI ( , ) =

1
2

X u + 2 X
R

ju

u e du
2

Cel de-al doilea termen din relaia (4.4) reprezint de fapt TFS a
semnalului perturbator, utiliznd ca fereastr semnalul de sondaj x(t ) .

TnSFT (u, ) = n(t ) x (t ) e jt dt

R

Evident, un element esenial al procesrii primare a semnalului RADAR

l va constitui atenuarea pe ct posibil a acestui termen perturbator, care se
regsete la ieirea filtrului corelaional mpreun cu semnalul util, de tip
funcie de incertitudine. Dar, n cele mai multe cazuri ntlnite n radiolocaie
semnalul perturbator este un semnal aleator nestaionar i reprezentarea de
tip TFS este inadecvat (aa cum s-a artat n [ 14 ] pag.26), preferndu-se
n acest caz alte tipuri de reprezentri t-. Totui n cazul utilizrii semnalelor
de sondaj de B.I. i n care semnalul perturbator n(t) poate fi asimilat cu un
zgomot gaussian, cvasistaionar se pot utiliza cu succes reprezentrile de tip
SFT i funcia de incertitudine de B.I.
Dup cum s-a menionat, n scopul mbuntirii raportului S/ Zgomot se

64

pune problema atenurii, pe ct posibil a perturbaiilor. Se pot utiliza diverse

metode de mbuntire a raportului S/ Zgomot, una din ele fiind chiar
prelucrarea corelaional, prezentat anterior, care din punct de vedere
spectral corespunde filtrrii optime adaptate. Astfel ieirea filtrului optim
adaptat cu semnalul de sondaj de B.I. coincide cu ieirea receptorului
corelaional de B.I. i reprezint o TFS a semnalului recepionat y(t), utiliznd
ca fereastr semnalul de sondaj x(t).
Se poate astfel explica i din punct de vedere spectral semnificaia
fizic a reprezentrii t- de tip funcie de incertitudine .
Spectrul semnalului recepionat Y()este :
Y ( ) = e j 1 X ( d 1 ) + N ( )

(4.10)

N ( ) spectrul semnalului perturbator

Filtrul optim adaptat cu semnalul de sondaj are caracteristica de frecven

H a ( ) = K e jti X ( )

(4.11)

t i ntrzierea filtrului cauzal.

La momentul ti=0, momentul maximizrii raportului S/ Zgomot la ieirea

sistemului se obine :
Ye ( ) = Y ( ) H a ( ) = K e j1 X ( d 1 ) X ( ) + K N ( ) X ( ) =
= K [e j1 X ( d 1 ) X ( ) + N ( ) X ( )]

Rspunsul filtrului la semnalul recepionat este :

y e (t ) =

[ X (
R

d1

) X ( ) e j (t ) d + R N ( ) X ( ) e j t d ]
1

(4.12)

Al doilea termen al relaiei (4.12) reprezint zgomotul de la intrarea

receptorului RADAR, trecut prin filtrul optim adaptat, iar primul termen, care
reprezint componenta util de la ieirea filtrului se poate scrie, fcnd
schimbrile de variabil :

65


= t 1

d1
u =
2

=
d 1 2

y e1 ( , ) =

K e
2

X u X u + e j u du
R
2
2

Pentru K = e

y e1 ( , ) = T XFI ( , ) =

se obine :

X u X u + e j u du
R
2
2

(4.13)

Deci partea util a rspunsului filtrului adaptat cu semnalul emis x(t),

coincide cu reprezentarea t- de tipul funcie de incertitudine de band
ngust a semnalului emis : TXFI ( , ) , demonstrndu-se astfel semnificaia
fizic a reprezentrii de tipul funcie de incertitudine .
Dup filtrarea adaptat, care s-a artat c este identic cu recepia
corelaional a semnalului se poate trece la determinarea i msurarea
parametrilor utili ai semnalului recepionat, care n cazul nostru sunt 1 i d 1 .
Se pot utiliza dou metode pentru determinarea acestor parametri, care ne
indic distana la punctul reflectorizant 1 =
punctului reflectorizant d 1 =

2 D1
, respectiv viteza radial a
C

2Vr
0 . Metoda clasic utilizeaz sistemul
C

prezentat n [ 14 ], care este de fapt un ansamblu matriceal de receptoare

corelaionale. Astfel la momentul = 1 se va obine un maxim absolut la
ieirea receptorului corelaional pentru care d = d 1 :
R xymax = RYxy ( = 1 ; = d 1 ) =

x(t ) x (t ) dt + n(t ) x (t ) e

j d 1 t

dt =

= x(t ) dt + n(t ) x (t 1 ) e j d 1 t dt = E X + TnTFS ( 1 , d 1 )

2

Aceleai condiii, scrise pentru funcia de incertitudine de B.I. sunt :

66

 = 0 ; = 0 i se obine :
TxFI (0,0 ) = x(t ) x (t ) dt = E X
R

Dac 0 , adic d d 1 - replica generat, nu este perfect acordat

n frecven Dopller cu semnalul recepionat se obin :

TxFI (0, ) = x(t ) x (t ) e j dt = x(t ) e j t dt = F x 2 (t ) E x

2

Dac = 0 i 0 se obine funcia de autocorelaie a semnalului x(t):

TxFI ( ,0 ) = x(t ) x (t ) dt ,
R

relaie care justific denumirea filtrului

corelaional.
Rezultate identice se obin i n cazul utilizrii unui banc de filtre
adaptate, fig.28.

Referin
0 = 0

X ( d 1 )

Determinare
maxim i
msurare

y(t)
X ( d 2 )

X ( dn )

( , )
i

di

fig. 28

nlocuind n relaia (4.12) t = 1 i X ( ) cu X ( d 1 )

y e ( 1 ) =
=

[ X (
R

d1

) X ( d 1 ) d + R N ( ) X ( d 1 ) e j d ] =
1

X ( ) d + N ( ) X ( d 1 ) e j 1 d =

= K Ex +

K
N ( ) X ( d 1 ) e j 1 d
2 R
Aceleai condiii scrise pentru funcia de incertitudine sunt = 0 i
67

 =0
TxFI (0,0) =

1
x(u ) x * (u ) du = E x
2 R

Dac

=0

TxFI (0, ) =

(filtrul

este

dezacordat)

x u x * u + du =
X (V ) x * (V + )dV ,
R
2
2
2
2 R

se

care

obine

reprezint

funcia de autocorelaie spectral a semnalului x(t ) . Dac = 0 i 0 se

obine:
TxFI ( ,0 ) =

1
1
2
2
x(u ) x * (u ) e ju du =
x( ) e j d = F 1 x( ) ,
R
R
2
2

care

reprezint rspunsul filtrului la un moment oarecare t = , fcnd abstracie

de termenul perturbator.
O alt metod de determinare a parametrilor 1 , d 1 presupune stabilirea
legturii dintre funciile de incertitudine ale semnalelor emise x(t ) i
recepionat y (t ) .
Reprezentarea timp-frecven de tipul funcie de incertitudine a
semnalului recepionat este :
T yFI ( , ) = y (t ) y * (t ) e

j t

(4.14)

dt

][

T yFI ( , ) = x(t 1 ) e j d 1 t + n(t ) x * (t 1 ) e + j d 1 (t ) + n * (t ) e j t dt =

R

= x(t 1 ) x * (t 1 ) e j d 1 e j t dt + n(t ) x * (t 1 ) e j d 1 ( t ) e jt dt +
R

+ x(t 1 ) e j d 1 t n * (t ) e j t dt + n(t ) n * (t ) e jt dt =
R

= x(t ) x * (t ) e j d 1 e j (t +1 ) dt + x * (t ) n(t + 1 + ) e j d 1 (t +1 ) e j (t +1 + ) dt +
R

+ x(t ) e j d 1 (t +1 ) n * (t + 1 ) e j (t +1 ) dt + n(t ) n * (t ) e jt dt =
R

= e j( d 1 + 1 ) T XFI ( , ) + e

j 1 + d 1 1

x * (t ) n(t + 1 + ) e j ( d 1 )t dt +
R

+ e j ( d 1 1 + 1 ) x(t ) n * (t + 1 ) e j ( + d 1 )t dt + n(t ) n * (t ) e jt dt =
R

= e j ( d 1 + 1 ) TxFI ( , ) + e j d 1 n(t ) x * [t ( + 1 )] e j ( d 1 )t dt +
R

68

+ n * (t ) x(t + 1 ) e j ( + d 1 )(t + ) dt + n(t ) n * (t ) e j t dt =

R

= e j (d 1 +1 ) TxFI ( , ) + e j d 1 TnTFS ( d 1 , + 1 ) +
+ e j ( +d 1 ) TnTFS ( + d 1 , 1 ) + TnFI ( , )
Se obine :
T yFI ( , ) = e j ( d 1 +1 ) TxFI ( , ) + TnFI ( , ) + e j d 1 [TnTFS ( d 1 , + 1 ) +
+ e j TnTFS ( + d 1 , 1 )]

(4.15)

Analiznd relaia (4.15) se observ c reprezentarea t- de tip funcie

de incertitudine a semnalului ecou depinde de reprezentarea de tip funcie de
incertitudine a semnalului de sondaj, care este cunoscut. De asemenea mai
depinde de nc trei termeni, care nu sunt altceva dect reprezentri t ale
semnalului perturbator, astfel : TnFI ( , ) - funcie de incertitudine a semnalului
perturbator : TnTFS ( , ) - transformare Fourier scurt a semnalului perturbator,
utiliznd ca fereastr semnalul de sondaj.
Considernd pentru nceput c semnalul perturbator este nul se obine :
~
TyFI ( , ) = e j( d 1 + 1 ) TXFI ( , )

(4.16), unde cu T~yFI s-a notat forma ideal a

funciei de incertitudine a semnalului ecou (n absena perturbaiei).

Funcia de incertitudine ideal a semnalului ecou moduleaz n faz
funcia de incertitudine a semnalului transmis cu parametri care trebuie
determinai ( 1 , d 1 ) . Dac notm cu :
20 ( ) = arg{TXFI ( ,0)} = arg{TXFI ( ,0)}

{~

20 ( ) = arg T yFI ( ,0) = arg{e j T XFI ( ,0)} = 10 ( ) 1

1 =

10 ( ) 20 ( )

(4.17)

02 ( ) = arg{ TXFI (0, )}

{~

02 ( ) = arg T yFI (0, ) = 01 d 1 d 1 =

01 ( ) 02 ( )

(4.18)

Se observ c formulele de calcul pentru 1 , respectiv d 1 se obin

pentru orice valoare a lui 0 , respectiv 0 .
69

nlocuind n relaiile de definiie se obine :

10 ( ) = arg x(t ) e jt dt = arg F x(t )

2

}= arg{ ( x(t )

2
= arg x(t ) cos t dt j x(t ) sin t dt = arctg
R
R

x(t )

20 ( ) = arg

y( t ) e jt = arg F y( t )

} = arctg

sin t dt

x(t ) cos t dt
2

)}

cos t j x(t ) sin t dt =

(4.19)

y( t ) sin t dt
2

y( t ) cos t dt

(4.20)

01 ( ) = arg x(t ) x * (t )dt = arg R XX ( )

R

{ y( t ) y ( t )dt} = arg R

02 ( ) = arg

yy

( )

R XX ( ) funcia de autocorelaie a semnalului de sondaj.

01 ( ) = arctg
02 ( ) = arctg

Im{ RXX ( )}

(4.21)

Re{ RXX ( )}
Im{ RYY ( )}

(4.22)

Re{ RYY ( )}

Sistemul care va utiliza aceast metod pentru extragerea parametrilor

va fi mai complex dect sistemul prezentat la prima metod, dar are avantajul
c ofer o precizie mai bun de calcul a acestor parametri. Se constat c
impreciziile de calcul, respectiv msurare a reprezentrilor t- de tip funcie
de incertitudine, sunt cauza impreciziilor de determinare a mrimilor 1 i d 1 ,
care justific astfel denumirea acestor reprezentri de tipul funcie de
incertitudine.
Se observ c n calculul celor dou mrimi intervin dou funcii, ce
caracterizeaz semnalul de sondaj i semnalul ecou : densitile spectrale de
energie a celor dou semnale i funciile de autocorelaie ale acestora. Dac
se calculeaz :

{ x(t ) x (t )dt}= [ x(t ) x (t ) dt ] e d =

= x(t ) x (t ) e
dtd = (x(t ) x (t ) e
d )dt =

F {R XX ( )} = F

R R

70

= x(t ) x * ( ) e j (t ) d dt = x(t ) e j t x( ) e j d dt =
R

= x(t ) e j t X * ( ) dt = X ( )
R

R XX ( ) = F 1 X ( )
=

} = 21

X ( ) e j d =
2

X ( ) cos + j X ( ) sin
2

01

( ) = arctg

(4.23)

X ( ) cos d
2

02

X ( ) sin d
2

( ) = arctg

Y ( ) sin d
2

(4.24)

Y ( ) cos d
2

nlocuind relaiile (4.19), (4.20) i (4.23), (4.24) n (4.17), respectiv (4.18)

se obine :
2
2

y (t ) sin t dt
x(t ) sin t dt
1

R
R
arctg
1 = arctg

2
2

y
t
t
dt
(
)
cos

x(t ) cos t dt

R
R

d1

X ( ) sin d
1

R
= arctg
arctg
2

R X ( ) cos d

(4.25)

sin d

2
(
)

cos

Y ( )

Se poate verifica principiul incertitudinii a lui Heisenberg, n cazul celor

2 relaii. Astfel dac energia semnalului x(t ) este concentrat temporal n jurul
valorii
1masurat =

t0 = 0 ,
1

x(t ) = (t ),

atunci

X ( ) este

nemrginit i

adic

[arctgtg 0 ] = 0 , iar

y (t ) = (t 0 )

d 1

nu este

determinat.
1

Dac X ( ) = ( ) Y ( ) = ( d 0 ) i d 1masurat = arctgtg ( d 0 ) = d 0 , iar

2

n plan temporal semnalul este nemrginit i 1 nedeterminat.

71

Pentru un semnal avnd energia concentrat ntr-o fereastr temporal

R se obine :
R

0
R / 2
2

R sin t dt

sin

t
dt

0 +
R / 2
1
2
=
1 arctg
arctg R
R

/2
0

2
cost dt

R cos t dt
R / 2

0 +

R
R

+ 0
cos 0 cos 0 +

2 sin 0
sin

1
2
2
1
2
0 = arctg
=
arctg
=
R
R
R

2 cos 0 sin
sin 0 + sin 0

2
2

arctg tg( 0 ) = 0

(4.25)
1masurat 0

Dac semnalul are energia concentrat ntr-un domeniu

spectral R (fig.29b), se obine relaia aproximativ de calcul (4.26):
0 + R / 2
0 d 0 + R / 2

sin(

)
d

sin(

)
d

1
+ R / 2

d 1 arctg 00 ++RR // 22
arctg 0 0 d d0 0 + R / 2

cos(

)
d

cos(

)
d

0 + R / 2
0 d 0 + R / 2

d1 =

arctg

sin( 0 )
sin( 0 d 0 )
arctg
cos( 0 )
cos( 0 d 0 )

]=d0

(4.26)

Deci d 1masurat d 0
X( )

x(t)

t
0 -R /2

-R /2
R /2
fig.29a

0 +R /2

fig.29b

Pentru semnale de sondaj definite pe suport mrginit n domeniul

72

temporal ,determinarea lui 1 nu depinde de lungimea ferestrei temporale R

si de variabila a funciei de incertitudine, dar avnd n vedere c acest
semnal va avea suport nemrginit n domeniul frecven, determinarea lui d 1
va fi aproximativ, lungimea ferestrei R aproximndu-se cu intervalul de
frecven n care semnalul are concentrat cea mai mare parte a energiei. La
fel pentru semnale de sondaj definite pe suport mrginit n domeniul spectral,
determinarea lui d 1 nu depinde de lungimea ferestrei spectrale R i de
variabila

a funciei de incertitudine, dar determinarea lui 1 este

aproximativ, avnd n vedere c n plan temporal semnalul va avea suport

nemrginit.
Pentru exemplificare se va considera impulsul rectangular ideal :
x(t)=

1 pentru t [ R / 2; R / 2

0 n rest
Evident

masurat

= 0 ,iar spectrul semnalului va fi:

X ( ) = R sin c(

Y ( ) = R sin c(

X ( )
R

)
2
d 0

R )

(fig.29c)

Y ( )

fig.29c

73

d0

 d1

( d 0 ) sin( )d

R
1
2

= arctg
R

R sin c 2 ( d 0 ) cos( )d

d1

sin c

2 R

sin ( d 0 ) sin( )
d 0 + R / 2
2

d
2

d 0 R / 2
( d 0 )
1
arctg
2 R

sin ( d 0 ) cos( )
d 0 + R / 2
2

d
2
d 0 R / 2
( d 0 )

Se obine:

R / 2

cos[ ( R + ) ] + cos[ ( R ) ] cos( )

d
2
= d 0
d 1 = arctg
R / 2 cos[ ( R + ) ] + cos[ ( R ) ] cos( )

d
2
R / 2

R / 2

Aceleai rezultate se obin i n cazul ferestrei rectangulare din

domeniul frecven. Deci, n cazul ferestrei rectangulare ideale, ntr-un
domeniu (timp sau frecven) formula teoretic de calcul din domeniul dual
(frecven, respectiv timp) se poate nlocui cu o formul simplificat, n care
integrrile se fac pe un domeniu finit, rezultatele fiind identice ca i n cazul
folosirii formulei teoretice. Totui, ultimele rezultate obinute rmn la nivel de
exemplu teoretic, datorit imposibilitii generrii n practic a ferestrelor
rectangulare ideale, n oricare din cele dou domenii. Mai interesante pentru
cazurile practice, rmn relaiile aproximative (4.25), respectiv (4.26).

3.3

Metode de implementare a algoritmilor de procesare bazai pe

reprezentri TFS i FIBI

Dup cum s-a afirmat n 2.2 se pot utiliza dou variante de procesare, n
74

funcie de metoda aleas pentru determinarea parametrilor utili. Dar ambele

metode prezentate anterior fac abstracie de componentele perturbatoare ale
semnalului ecou, realiznd mbuntirea raportului semnal/zgomot doar prin
metoda recepiei corelaionale(filtrare adaptiv). n unele situaii aceast
filtrare este necesar dar nu este si suficient pentru a obine nivelul de
performan dorit. Astfel analiznd relaiile (4.4) i (4.12)

se observ

prezena componentelor perturbatoare, care se prezint sub forma unei TFS

a semnalului perturbator de la intrarea receptorului, utiliznd ca fereastr
semnalul de sondaj. Pe baza relaiei (4.4) se poate completa receptorul
corelaional prezentat n figura 26, prin calculul i memorarea TFS a
semnalului perturbator si apoi compensarea acesteia. Rezult schema de
procesare prezentat n fig. 30.

x (t - 1 ) e jd1t

y(t)
n(t+t)

Intarziere

x (t - 2 ) e jd 2t

x (t - n ) e j d n t

T yTFS ( d 1, 1 )

dt
dt
dt
.

dt.

dt

T nTFS ( d 1, 1 )

FI
T yTFS ( d 2, 2 ) Tx ( d 2, 2 )

) -

TnTFS ( d 2,

TFS
y

Determinare
maxim si
comparare

d 0, 0

( dn , n )

x (t - 1 ) e jwd 1t

TxFI ( d 1, 1 )

TxFI ( d n , n )

TnTFS ( dn, n )
dt

fig. 30
Aceast schem completeaz matricea corelaional clasic cu
compensatoare la nivelul componentelor Transformatei Fourier Scurte a

75

semnalului ecou si a perturbaiei. Evident problema cea mai delicat care

intervine n acest caz este de a obine informaiile despre perturbaie ct mai
apropiate de momentul atingerii valorii maxime la ieirea filtrului corelaional.
Pentru a se obine informaii despre perturbaie este necesar o perioad de
ascultare, n care radarul va recepiona i analiza componentele
perturbatoare a cror spectru se situeaz n banda receptorului, fr a emite
semnal de sondaj. Semnalul astfel obinut conine n totalitate componente
perturbatoare de tipul bruiajului activ, avansate cu t fa de semnalul ecou
y(t). (figura 31)
Receptie si
memorare
y(t)
i calcul
TFS
perturbatie

Ascultare
Procesare
T-1
0

Emisie

fig.31
Rezultatele obtinute prin aceasta metoda de procesare sunt prezentate in
ANEXA 10
Perioada de observare T se mparte astfel n dou intervale: de la 0 la
t se desfsoar etapele algoritmului de ascultare bruiaj activ, eantionare i

memorare a acestuia, precum si procesarea propriu zis

achiziionate i memorate n perioada

a informaiilor

T-1. n aceast etap a algoritmului

de procesare se poate opta i pentru regimul de compensare cu bruiaj

n devans fa de semnalul ecou. Se pune totui problema influenei
perioadei de desincronizare t n avans sau n devans a perturbaiei fa
de semnalul ecou. Dac perturbaia este un semnal aleator cvasistaionar,
atunci variaiile componentelor TFS n intervalul t sunt nesemnificative i se
poate aplica cu rezultate bune algoritmul prezentat. Dar avnd n vedere c

76

intervalul t i semnalul determinist x(t) sunt cunoscute cu precizie se poate

calcula TFS a perturbaiei desincronizate cu relaia:

TnTFS
1 (d , ) = n1 (t ) x (t ) exp( jd t )dt = n(t + t ) x (t ) exp( jd t )dt
R

Se noteaz t+ t =t 1 i se obine :

TnTFS
1 (d , ) = n(t1 ) x [ t1 (t + ) ]exp( jd t1 ) exp(jd t )dt
R

TnTFS ( d , ) = exp( j d t )TnTFS

1 ( d , t )

(4.27)

Relaia (4.27) arat avantajul compensrii la nivelul componentelor TFS

a semnalului ecou si respectiv perturbaiei, rezultat care nu s-ar fi obinut n
cazul compensrii simple n timp sau n frecven si care n unele situaii n
care bruiajul este un semnal nestaionar nu ar fi dat rezultate. Sistemul
implementat pe baza relaiei (4.27) este prezentat n fig.32.

y(t)

Calcul
TFS

T yTFS ( i , di )

x(t)

n(t+ t )

Calcul
TFS

j di t

TnTFS
1 ( i t , di )

TxFI ( i ,di )

- ( , )
TnTFS
i
di

fig.32
Pornind de la relaia (4.12) se poate implementa algoritmul de
procesare i n domeniul frecven. Rspunsul filtrului adaptat, acordat pe
di , la momentul i va fi :

y e ( di , i ) =

k
2

[ X (
R

di

) X ( di ) d + N ( ) X ( di ) exp( j i ) d
R

77

ye ( di , i ) = kEx +
N 1( ) =

k
2

N ( ) X
R

( di ) exp( j i )d

n ( t + t ) exp( j t ) = exp( j t ) N ( )

N ( ) = exp( jt ) N ( )
y e ( di , i ) = kE x +

k
2

y e ( di , i ) = kE x +

N 1( ) X ( di ) exp [ j ( i t ) ]d

k TFS
T N 1 ( di , t i )
2

(4.28)

Conform relaiei (4.28) sistemul prezentat n fig.32 se completeaz cu

compensatorul spectral, care va determina TFS a densitii spectrale a
zgomotului, utiliznd ca fereastr funcia de densitate spectral a semnalului
de sondaj.(fig.33)
y(t)

n1(t)=n(t+ t)

ye (di , i )

kX ( di )

Esantionare
memorare

Calcul

TFR

fig.33

N1( )

Calcul
TFS

k TFS
TN1 (di , t i )
2

X ( )

Partiionarea perioadei de observare este identic cu situaia din

algoritmul prezentat n fig.6, doar c n aceast schem mai intervine n plus
calculul funciei de densitate spectral a perturbaiei. De asemenea, trebuie
menionat c n toate situaiile prezentate anterior s-a accentuat pe
compensarea bruiajului activ, considerndu-se c bruiajul pasiv se elimin
prin metoda filtrrii Doppler.
Metoda a-II-a, bazat pe legtura dintre funciile de incertitudine a
celor dou semnale, respectiv semnalul de sondaj i semnalul recepionat se
implementeaz printr-un algoritm de procesare mai complicat. Astfel

78

prelucrnd relaiile (4.15), (4.17) i (4.18) se obine :

T yFI ( 0 ,0) = exp( j 0 1 )TxFI ( 0 ,0) + TnFI ( 0 ,0) + TnTFS ( 0 d 1 , 1 ) + TnTFS ( 0 + d 1 , 1 )

TyFI (0, 0 ) = exp( jd1 0 )TxFI (0 , 0 ) + TnFI (0, 0 ) + exp( jd1 0 )[ TnTFS (d1 , + 0 ) + TnTFS (d1 , 0 )

Considernd 0 = d 1 i 0 = 1

TyFI ( 0 ,0) = exp( j 0 1 )TxFI ( 0 ,0) + TnFI ( 0 ,0) + TnTFS (0, 0 ) + TnTFS (2 0 , 0 )
TyFI (0, 0 ) = exp( jd1 0 )TxFI (0 , 0 ) + TnFI (0, 0 ) + exp( j0 0 )[ TnTFS (0 ,2 0 ) + TnTFS (0 ,0 )

(4.29)

(4.30)

Pe baza relaiilor (4.29) si (4.30) se obine algoritmul de procesare

prezentat n figura 34, unde s-au utilizat urmtoarele notaii:
T 1 = exp( j 0 0 )TnTFS ( 0 ,2 0 )

T 2 = exp( j 0 0 )TnTFS ( 0 ,0 )

T 3 = TnTFS (0, 0 )

T 4 = TnTFS (2 0 , 0 )

79

TxFI (0, 0 )
Extragere

T yFI (0, 0 )

y(t)

Esantionare

Memorare

Calcul

d1

Calcul
T yFI
Memorare

Extragere

TyFI ( 0 ,0 )

Calcul
TnFI

n(t + t )

~
T yFI (0, 0 )

Extragere
TnFI (0, 0 )

~
T yFI ( 0 ,0)

Calcul

TxFI ( 0 ,0)

Memorare

Extragere

Esantionare
Memorare

TnFI ( 0 ,0 )

T1

Calcul
TnTFS

Extragere

Memorare

TnTFS

T2
T3

T4
x(t)
fig.34

Dup cum se observ algoritmul prezentat este destul de complex i

prezint

deocamdat

interes

doar

din

punct

de

vedere

teoretic,

implementarea lui necesitnd sisteme cu viteze de prelucrare si capaciti de

memorare foarte mari.
O schem simplificat de procesare se obine pe baza relaiilor (4.25),
dar trebuie precizat c aceasta nu realizeaz compensarea suplimentar a
bruiajului activ. Considernd 0 = k1 i 0 = k 2 se obine schema prezentat n
figura 35.
Semnalul x(t) fiind cunoscut, valorile 10 (k1 ) i 01 (k 2 ) pot fi calculate i
80

memorate, la fel i funciile: sin(k1t ), cos(k1t ), sin(k 2 ), cos(k 2 ) ,

calculndu-se

efectiv n fiecare perioad de observare doar valorile 2,0 (k1 ) i 02 (k 2 ) .

sin( k1t )

y (t )

Y ()

y(t)
Calcul
TFR

sin(k 2 )

cos(k1t )

Calcul
20 (k1 )

Calcul
02 (k 2 )

10 (k1 )

1
k1

1
k2

cos(k 2 )

d1

01 (k 2 )

fig.35
n concluzie, se poate afirma c reprezentrile timp-frecven de tipul
TFS si FIBI ofer o gam larg de metode de procesare i analiz a
semnalului RADAR de band ngust, conferind o mbuntire semnificativ
a calitii procesrii i a raportului semnal/zgomot al semnalului ecou. Dar
aparatul matematic specific acestor reprezentri este destul de complex i
implementarea algoritmilor presupune sisteme de procesare cu viteze mari i
capaciti de memorare foarte mari, necesitnd astfel o simplificare a
algoritmilor. n continuare se va prezenta o aplicaie bazat pe TFS discret,
care simplific algoritmul de procesare, implementarea acestuia fiind mai
uor de realizat.

81

3.4

Transformarea Fourier Scurt Discret. Aplicaii n procesarea

semnalului RADAR
S-a artat n [14] , capitolul 2.3.6 cci localizarea n domeniul timp a

reprezentrii TFS depinde de durata ferestrei temporale w(t),

i c

localizarea n domeniul frecven depinde de lrgimea de band a ferestrei

spectrale

R . Se poate afirma deci c semnalul ecou poate fi descris prin

intermediul reprezentrii sale timp-frecven de tipul TFS, la momentul t, n

jurul pulsaiei

, n celula de rezoluie descris de produsul cartezian:

R
R
R
R
t
t
X

;
+
;

2
2
2
2

Acoperirea planului

t cu celule de rezoluie, n cazul TFS, este

prezentat n fig.36.

t
t1

t2

Fig.36

Se observ c nu are sens s se obin mai multe eantioane n

aceeai celul de rezoluie. O densitate optim de eantionare poate fi
obinut dac se preleveaz cte un eantion din reprezentarea t , cu

82

coordonatele n centrul fiecrei celule de rezoluie. Evident c ar putea fi

achiziionate mai multe eantioane ntr-o celul de rezoluie, dac aplicaia o
impune. Dac se aleg paii de eantionare la valorile limit

t 0 = R

0 = R ,se obine:

T yTFSD (nt 0 , m 0 ) = y (t ) w (t nt 0 ) exp( jm 0 t )dt

R

(4.29)

Se demonstreaz c transformarea este inversabil i c operatorul

invers este mrginit dac sunt ndeplinite condiiile: 0 t 0 2 , adic R R 2 ,
iar din principiul incertitudinii se obine R R 2 . Deci pentru 0 t 0 [2;2 ] ,
semnalul ecou se poate scrie ca o superpoziie de atomi t :

y(t) = TyTFSD(nt0 , m0 )wm,n (t )

(4.30)

mZ nZ

wm,n (t) = w(t nt0 ) exp(jm0t)

Relaia (4.30) se poate interpreta din dou puncte de vedere: unul se
refer la faptul c semnalul ecou poate fi reconstituit pe baza eantioanelor
reprezentrii sale t- de tip TFS, prelevate corespunztor unei

densiti

minime, iar cel de-al doilea punct de vedere se refer la faptul c semnalul
ecou, de energie finit, care n general este un semnal nestaionar poate fi
descompus cu ajutorul mulimii de funcii :

{w

m,n

(t)}mZ,nZ ,care ocup poziii

bine definite n planul t-.

Relaia (4.30) descrie o posibilitate simpl de analiz i prelucrare t- a
semnalului

ecou y(t). Pentru aceasta trebuie s se identifice valorile

semnificative ale coeficienilor T yTFSD (m, n) , determinndu-se astfel zonele din

planul t- n care semnalul y(t) are componente utile semnificative. Altfel
spus trebuie determinate celulele de rezoluie n care semnalul perturbator

83

n(t) are componente maxime, s se atenueze acei coeficieni conform

intensitii perturbaiei si apoi s se refac semnalul ~y (t ) , care va conine
doar componente utile semnificative.
O fereastr temporal adecvat analizei semnalului RADAR de band
ngust, n impuls ar fi fereastra rectangular :
1 pentru t ;
2 2
1 1

w(t)=

0 n rest

Pe baza acesteia se poate construi mulimea

exp( jm 0 t )

pentru

w m , n (t ) =

{w

m,n

(t)}mZ,nZ

1
1

t n ; n +
2
2

0 in rest

care este o baz ortonormat a spaiului L2 ( R) (fig.37)

wm ,n (t )

w0, 0

w2,1

w4, 2

t
fig.37

Dac

0 = 2 , t 0 = 1 , atunci sunt ndeplinite condiiile:

{ wm,n (t ) }m ,nZ

0 t 0 = 2

este o baz ortonormat a lui L2 ( R) ,dar din pcate fereastra

84

rectangular nu are o localizare suficient de bun n frecven. ( R i

0 R ). n fapt teorema Balian Low ne confirm faptul c nu exist nici o

fereastr temporal, care s aib o localizare bun n timp si n frecven i

care s genereze o mulime

{ wm ,n (t ) }m ,nZ , baz ortonormat a lui

L2 ( R ) .

Altfel spus, pot genera baze a lui L2 ( R) numai funciile w(t) care au
produsul R R infinit. Totui acest rezultat teoretic nu ne mpiedic s folosim
fereastra rectangular, dar pentru reconstrucia semnalului y(t) va fi necesar
eantionarea redundant ( 0 t 0 < 2 ).
Relaia (4.29) se scrie:
TFSD
y

1
2
1
n
2

(m, n) =

n+

y (t ) exp( jm 0t )dt

Dac semnalul y(t) este eantionat cu perioada Te ,situaie impus de

procesarea numeric se obine:

T yTFSD (m, n) =

y (kT ) exp( jmk T )

0 e

1
1
kTe n ; n +
2
2

y ( kTe ) =
y (kTe ) =

mZ nZ

TFSD
y

( m, n ) wm ,n ( kTe )

exp( jmk T )

mZ

0 e

TFSD
y
1
1

n kTe ;kTe +
2
2

Considernd cazul limit 0 = 2 i Te =

TyTFSD (m, n) =

(m, n)
R 1
se obine:
=
2
2

k
y( ) exp( jmk ) =y n1 exp[ jm (2n 1] + y n + y n+1 exp[ jm (2n + 1]
2
k 2 n 1; 2 n +1]

pentru m=2m 1

T yTFSD (m, n) =
pentru m=2m 1 +1

85

n acest caz relaiile de calcul a TFSD sunt foarte simple, schema de

procesare reducndu-se la un sistem de eantionare-memorare i la dou
sumatoare algebrice a eantioanelor.(fig.38)
yn
y n 1

y(t)

Esantio
nare

T (n,2m1 )

y n +1

T (n,2m1 + 1)

y(t)

t
y e (t )

t
T (n,2m1 )

t
T (n,2m1 + 1)

Fig.38
86

Cazul particular prezentat n fig.38 este binecunoscut n radiolocaia

clasic ca fiind acumularea necoerent a eantioanelor, realizndu-se astfel
n primul caz o integrare a semnalului ecou, iar n al doilea caz o difereniere
numeric a acestuia. Cazul este prezentat n lucrarea de fa doar pentru a
se arta generalitatea metodei i se va analiza n continuare cazul procesrii
Doppler n frecven intermediar.

T
0r

TFSD
y

1
( n + )
2
1
( n )
2

(n,1) =

y (t ) exp( j 0 r t )dt

,unde:

- reprezint frecvena intermediar la recepie, modificat fa de

frecvena intermediar la emisie cu frecvena Doppler;

0 r = 0 + d = 0 + i d

iZ

d -pasul de discretizare necesar la selecia n vitez Doppler;

- durata impulsului de sondaj;

TFSD
y

1
( n + )
2
1
( n )
2

(n,1, i) =

y (t ) exp( j 0t ) exp( ji d t )dt

Relaia (4.30) devine n acest caz :

TyTFSD (n,1, i) =

TyTFSD (n,1, i) =
Pentru Te =

1
1

kTe ( n ) ;( n + )
2
2

1
1
k ( n ) ;( n + )
2 Te
2 Te

y(kTe ) exp( j 0 kTe ) exp( ji d kTe )

y(kTe ) exp( j 0 kTe ) exp( ji d kTe )

se obine:

TyTFSD(n,1, i) =

1
1

k ( n )f0 ;( n+ )f0
2
2

y(

k
) exp( j 2k ) exp( ji d 2k )
f0
0
87

TyTFSD(n,1, i) =

TyTFSD(n,1, i) =

2k )

2k )

yk exp( ji

yk exp( ji

1
1

k ( n )f0 ;( n+ )f0
2
2

f
f

k ( 2n1) 0 ;( 2n+1) 0
2
2

Avnd n vedere c

(4.31)

2v
,unde
c

v -rezoluia n vitez radial;

c - viteza de propagare a undei exploratoare;

TyTFSD(n,1, i) =

f
f

k ( 2n1) 0 ;( 2n+1) 0
2
2

yk exp( ji

v
4k )
c

Sistemul care implementeaz relaia (4.31) este prezentat n fig.39

MEM 2
R
R
y(t)

MEM1
y(k) y(k)

CA/N

j 4 k i

Acumulator

R/W

Adrese
memorii
Schema de

f0

Adrese
memorii

comanda si
sincronizare

Fig.39

88

v
c

T yTFSD (n,1, i)
Comparator
numeric
cu
prag

Ref
f 0

( n 0 , i0 )

Operaiile aritmetice necesare pentru calculul TFSD, comenzile de

nscriere citire i adresare a memoriilor, precum i compararea coeficienilor
TFSD se poate realiza cu un procesor digital de semnal (DSP).
Pentru a se determina performanele necesare sistemului de procesare
se va analiza cazul unui radar metric cu = 10s , f 0 = 10MHz , Dmax = 300km . n
aceste condiii se obine:

TyTFSD(n,1, i) =

yk exp( ji

k [50( 2n1);50( 2 n+1) ]

v
4k )
c

Numrul de eantioane care trebuie memorate pe o perioad de

observare este N e =
pentru i fixat

2 Dmax
f 0 = 2 10 4 . Numrul de coeficieni care se calculeaz
c

este N ci =

Ne
= 200 coeficienti . Pentru o rezoluie n vitez
100

v = 30m / s , la o vitez radial maxim v max = 900m / s ,se obine numrul de

coeficieni care trebuie calculai la n fixat: N cn =

2v max
= 60 .
v

Numrul total al coeficienilor este: N t = N ci N cn = 12000 , iar numrul total al

operaiilor necesare a se efectua ntr-o perioad de observare este
N op = 200 N t = 2400000 . La o perioad de observare de 10ms este necesar o

vitez de lucru a sistemului de procesare de 24 10 7 operatii / sec unda .

Se observ c dei memoriile au capaciti relativ mici, viteza de lucru
impus sistemului de procesare este destul de mare, dar realizabil pentru
sistemele actuale. Se poate folosi, dup caz, cuplarea n paralel a
procesoarelor.

89

3.5 Metode de procesare a semnalului RADAR bazate pe

reprezentrile de tipul TW si a funciei de incertitudine de band
larg (FIBL)
Dac semnalul ecou este nestaionar (situaia cel mai adesea ntlnit
n practic) i acesta este descris printr-o succesiune de semnale de durat
limitat, dintre care unele sunt de durat mare i cu vitez de variaie redus
(grupri de inte fixe de dimensiuni mari, reflexii de la dipoli ,formaiuni
noroase sau zone ionizate), unele de durat medie (semnal util reflectat de
ctre intele n micare) iar altele sunt scurte si cu variaie rapid, ar fi
necesar ca acest semnal s fie prelucrat cu ajutorul unei reprezentri timpfrecven care s foloseasc o fereastr de profil variabil (fig.40)

I.F
M.F
J.F

t
t1 t2

t3

fig.40
Pornind de la aceste considerente, reprezentarea bidimensional
adecvat semnalului ecou nestaionar ar fi reprezentarea timp-frecven de
tip transformare Wavelet (TW).

TyTWC (s, ) =

s y(t ) [s(t )]dt

R

y(t) semnalul ecou;

(t ) -undioara mam n raport cu care se face reprezentarea

Aceasta mai poate fi denumit i o reprezentare de tipul timp-factor de
90

scar. Dac se consider c parametrul s este un raport de frecvene

s=

f
=
, unde f 0 reprezint frecvena central a filtrului FTB cu rspunsul
f0 0

la impuls (t ) , atunci reprezentarea timp-factor de scar devine o

reprezentare timp frecven adaptiv a semnalului ecou relativ la undioara
(t ) .

TyTWC ( , ) =

(
)

y
(
t
)
t

dt

La fel ca i n cazul TFS exist i alte exprimri alternative i metode de

implementare:

TyTWC(s,) = y(t) s (t) = y(t) s (t)

s (t ) =

s ( st )

Deci pentru fiecare valoare pozitiv a lui s, TWC a semnalului y(t) este
rspunsul unui sistem liniar i invariant n timp, cu rspunsul la impuls s (t ) ,
cnd la intrare se aplic semnalul y(t).(fig.41).

y(t)

s (t )

TyTWC(s,)

fig.41
Aceast exprimare st la baza implementrii filtrului optim adaptat cu
semnalul ecou de band larg. Dup cum s-a artat n [14], modelul
matematic al semnalului recepionat, n absena bruiajului este o replic
91

retardat i scalat a semnalului de sondaj.

y (t ) = s x[s (t )]
Ieirea receptorului corelaional este n acest caz :

R y , x ( s , ) =

s y (t ) x [s (t )]dt

(4.32)

Dup cum se observ din relaia (4.32), calculul corelaional coincide cu TWC
a semnalului recepionat y(t), folosind ca undisoar semnalul de sondaj x(t).

R y , x ( s , ) = T yTWC
/ x ( s, )

(4.33)

Prelucrarea semnalului ecou pe baza acestui principiu presupune

obinerea replicilor retardate i scalate ale semnalului ecou x s , (t ) , care se
vor folosi apoi ca i tipare de comparaie corelaional cu semnalul ecou
y(t). Cnd cele dou semnale se potrivesc cel mai bine, rezult un maxim al
funciei de corelaie. Semnalul prezumtiv care conduce la obinerea corelaiei
maxime furnizeaz o estimare a parametrilor s i

. Schema receptorului

corelaional de B.L. este prezentat n fig.42

x s1, 1 (t )

dt

x s2, 2 (t )

y(t)

dt

. . .

x sn ,n (t )

dt

fig.42

92

Selectarea
valorii
maxime

Estimare
,s

Dup selectarea valorii maxime, detectarea unui obiect n zona de

supraveghere radar este realizat pentru Ry / x (si ,i ) = Ty / x (si ,i ) R0 .
TWC

Estimarea parametrilor ( si , i ) corespunde determinrii vitezei radiale v ri i

distanei Di a intei. Reprezentarea tip TW a unui semnal RADAR tip CHIRP
este prezentat n ANEXA 3.
Prin utilizarea modelului de implementare a TWC prezentat n fig.41, se
simplific mult structura receptorului corelaional de B.L., obinndu-se un
banc de filtre adaptate, dup coeficientul de scal

sn .(fig.43)

x s1 (t )
y(t)

Selectarea
valorii
maxime

xs 2 (t )

. . .

Estimare

,s

xsn (t )
fig.43
Considernd acum semnalul ecou ca fiind bruiat aditiv cu perturbaia
n(t) se obine:

y(t ) =

s1 x[s1 (t 1 )] + n(t )

1
Ry, x ( , s, 1 , s1 ) = s1s x([s1 (t 1 )] +
n(t )x [s(t )]dt
R
s1

Ry,x (, s,1, s1) = s1s x[s1(t 1 )]x[s(t )]dt + s n(t)x[s(t )]dt

R

93

Fcnd schimbarea de variabil t =

s1

+ 1 se obine:

d
Ry,x = s1s x()x s +1 +TnTWC
/ x (s, )
R
s
s
1
1

Ry,x =

s
s1

s
TWC
x
t
x

(
)
(
t
s

)
1

dt + Tn / x (s, )
R
s1

Folosind notaiile: s =

s
si = s1 ( 1 ) se obine:
s1

Ry,x (s, ) = s x(t)x[s(t )]dt +TnTWC

/ x (ss1,1 + )
s1
R
Prin analogie cu funcia de incertitudine de B.., primul termen al ultimei
relaii se definete ca fiind funcia de incertitudine de band larg (FIBL). Se
obine astfel relaia:

)
Ry,x (s, ) = TxFIBL(s, ) + TnTWC
/ x (ss1 ,1 +
s1
TxFIBL ( s, ) = s x(t ) x [s(t )]dt
R

(4.34)

(4.35)

Funcia de incertitudine de band larg, descris de relaia (35) admite

un maxim absolut pentru

( s, ) = (1,0) .

TxFIBL (1,0) = x(t ) dt = E x

2

n aceste condiii rspunsul filtrului corelaional adaptat la replica

corespunztoare va fi:

Ry,x (1,0) = Ex + TnTWC

/ x (s1 ,1 )
Se pot obine i exprimri alternative ale FIBL, alegerea concret a
acesteia fiind determinat de specificul aplicaiei n care se utilizeaz :

94

TxFIBL ( s, ) = s x(t + ) x s t dt
2 2
R
Notnd

1
t = t + se obine:
s

t
+ ) x (t ) dt
x
(

sR s

TxFIBL ( s, ) =
Notnd

(4.36)

1
t = t +
s

TxFIBL ( s, ) =

(4.37)

se obine:

x( s + 2 ) x
s
R

(t s ) dt
2

(4.38)

Funcia de incertitudine de BL se poate exprima i cu ajutorul funciei

spectrale a semnalului de sondaj:
1
X ( ) exp( jt )d ]x [s (t )]dt

2 R

[
R

TxFIBL ( s, ) = s

TxFIBL ( s, ) =

TxFIBL ( s, ) =

1
2

X ( ) X ( ) exp( j ) d
R
s

(4.39)

X ( s ) X ( ) exp( js )d

(4.40)

Dup cum s-a afirmat i n capitolul 3.2 problema esenial care trebuie
rezolvat n cadrul procesrii primare a semnalului radar este atenuarea pe
ct posibil a termenului perturbator din relaia (4.34), care se regsete la
ieirea filtrului corelaional de BL, mpreun cu semnalul util de tip funcie de
incertitudine. Spre deosebire ns de situaia prezentat n (3.2) termenul
perturbator este prezent sub forma unei reprezentri de tip TWC, care este
adecvat semnalelor nestaionare. De asemenea i funcia de incertitudine
de BL este sub forma unei TWC, artndu-se n lucrarea [2] importana
acesteia n modelarea semnalului ecou cu spectru mprtiat (de band
95

foarte larg) i a semnalelor ecou care provin de la inte cu vitez foarte

mare, comparabil cu viteza de propagare a undei exploratoare a mediului.
Pentru implementarea schemei de rejecie a perturbaiei se consider
la intrarea corelatorului i, semnalul: y (t ) = y u (t ) + n(t ) , unde y u (t ) reprezint
semnalul util. La ieirea corelatorului se obine:

Ry,x (si , i ) = y(t ) xsi ,i (t )dt = si yu (t ) x [si (t i )]dt + si n(t ) x [si (t i )]dt
R

TWC
Ry,x (si ,i ) = TyTWC
(
s
,

)
+
T
i i
n / x (si ,i )
u/x

(4.41)

Pentru o separare temporal a perturbaiei de semnalul util se va folosi

o perioad de tcere, naintea emisiei semnalului de sondaj, perioad n
care se recepioneaz numai perturbaia n(t + t ) i se calculeaz:

Tn = si n(t + t)x[si (t + t i )]dt = si n(t)x[si (t i )]dt = TnTWC

/ x (si ,i )
R

Astfel canalul i al receptorului corelaional din fig. 17 se va completa cu

o celul de compensare (fig. 44)

x si ,i (t )
y(t)

dt

T yTWC ( s i , i )

T yuTWC ( si , i )

xsi ,it (t )
n(t + t )

dt

TnTWC ( si , i )

fig.44
Se observ c prelevarea perturbaiei pentru calculul termenului
compensator se face n avans fa de momentul recepiei i procesrii

96

semnalului ecou, aceasta fiind de fapt modalitatea fizic de separare a

perturbaiei. Evident n cazul unor bruiaje puternic nestaionare coeficientul
compensator Tn poate s difere ntr-o oarecare msur de coeficientul real al
perturbaiei TnTWC ( si , i ) . Dar oricum se poate presupune c el va prezenta o
stabilitate mai bun dect coeficienii de natur pur temporal sau pur
spectral, iar compensarea n spaiul reprezentrii de tip TW va da rezultate
mai bune dect compensarea n alte spaii de reprezentare. n plus, prin
calculul TWC se rezolv si problema filtrrii adaptive a semnalului ecou.
Cum

perturbaia

n(t)

este

un

semnal

aleator,

atunci

TnTWC
si n(t ) x [si (t i )]dt va fi o variabil aleatoare cu media :
/ x ( si , i ) =
R
si n(t ) x [si (t i )]dt

E{Tn } = E{

}=

si E{ n(t ) x [si (t i )] }dt

R

Dar x [si (t i )] este un semnal determinist i pentru orice valoare t 0 se

poate scrie :
E{ x [si (t 0 i )] } = x [si (t 0 i )]

Se obine astfel:

E{Tn} = si E{ n(t) }x[si (t i )]dt =TETWC

{n(t)} (si ,i ) =Tn(t) (si ,i )
R

{ }

() [ (

)]

E Tn2 = E{ si n(t ) x [si (t i )]dt n t ` x si t ` i dt ` } =

= si E

R2

n(t ) n (t `) x[si (t ` i )] x [si (t i )]dtdt ` =

= si 2 x[si (t ` i )] x * [si (t i )] E n(t ) n (t `) dtdt ` =

R

= si 2 x[si (t ` i )] x * [si (t i )] rnn (t , t ')dtdt `

R

rnn(t,t) reprezint autocorelaia perturbaiei nestaionare

Dispersia variabilei aleatoare Tn va fi:

97

(4.42)

 T2 = E(Tn2 ) E 2 (Tn ) = si x[si (t ` i )] x * [si (t i )] rnn (t , t ')dtdt `

R2

si 2 x[si (t ` i )] x * [si (t i )] n(t ) n(t ')dtdt ` = si 2 rnn (t , t ') n(t ) n(t ') x[si (t ` i )] x * [si (t i )] dtdt `
R

unde s-a notat n(t ) = E [n(t )]

Este interesant de calculat integrala dubl a dispersiei dup variabilele
si, i. Se obine:

T2 (si , i )dsi d i = rnn (t , t ') n(t ) n(t ') x[si (t ` i )] x * [si (t i )] dsi d i dtdt '

R2

R2

R2

Dac se aproximeaz xsi,i(t) cu funcii ortogonale, se obine:

R2

R2

= 2 rnn (t , t ') n(t ) n(t ')

R

T2 (si , i )dsi d i = rnn (t , t ') n(t ) n(t ') (t t ')dtdt ' = rnn (t , t ') n(t ) n(t ') R (t t ')dtdt ' =

R2

R2

(t t ')dtdt ' = R rnn (t , t ') n(t )

T2 (si , i )dsi d i = Pn Pn

]dt = n(t )
R

2
2
n(t ) dt = n 2 (t )dt n(t ) dt
R
R

(4.43)

Relaia (4.43) prezint n membrul drept o constant ce semnific

diferena dintre puterea medie a perturbaiei i puterea mediei perturbaiei.
Deci T2 reprezint o deferen de distribuii de puteri n raport cu si, i.
n

Concluzionnd , se poate observa c prin acest procedeu de procesare

se rezolv ntr-o oarecare msur problema nestaionaritii, utilizndu-se n
calcule variabila aleatoare Tn, care are media i dispersia constante, (date de
relaiile (4.42) respectiv (4.43)).
Compensarea se poate face la fel i n cazul bancului de filtre adaptate.
Astfel caracteristica de frecven a filtrului i va fi:

} {s

X si ( ) = F x si (t ) = F

( si t ) =

dt =

x( si t ) e jt dt = si x( si t ) e jt dt
d
si

98

X si ( ) =

1
si

x(t ) e
R

+ j

t
si

dt =

t
j

si
x (t ) ( e
si R

1
X
dt =
si
si

Y (t ) = s x[s(t )] + n(t ) = Yu (t ) + n(t )

Y ( ) = Yu ( ) + N ( )

La ieirea filtrului se va obine:

Ye ( ) = Y ( )

1
1
X
X + N ( )
X = Yu ( )
si
si
si
si
si
si

(4.44)

N ( )
y e (t ) = F 1 {Ye ( )} = Yu (t ) + 1
X
si
si
N ( ) 1
N ( ) jt
y p (t ) = F 1

X e d
X =
s i
si
si 2 R s i
Y p (t ) =

si

1
1
1
1
n( ) e j d
X e jt d =
2 n( )
X e j (t ) dd =
R
R
R
2
2
si
si
si
si

n( ) X e j (t ) dd
R
R
2 si
si
1

Y p (t ) =

d = si d

si
2

n( ) X ( ) e jsi (t ) dd =
R

= n( ) X ( ) e jsi (t ) [si ( t )] si d =
R

= n( ) si X [si ( t )] d =
R

= n( + t ) si X [si ( + t t )] d
R

(4.45)

Pe baza relaiilor (44) i (45), bancul de filtre din fig. 43 se poate

completa, obinndu-se sistemul prezentat n figura 45.

99

y(t)
n(t+t)

y(t)

yn(t)

X si (t )

X si (t )

yn(t)

X si (t )

n(t+t)

X si (t )

X si ( + t t )
Fig. 45
Sistemele prezentate pot s mbunteasc semnificativ raportul
semnal util/perturbaie prin utilizarea simultan a dou procedee: filtrare
adaptiv, respectiv compensarea componentelor perturbatoare n spaiul de
reprezentare timp frecven de tipul TW. Totui, n cazul unor semnale
perturbatoare puternic nestaionare, de aceai form ca replica ateptat a
semnalului ecou sistemul de compensare poate introduce erori prin
nsumarea unor componente perturbative preluate n perioada de ascultare
i care nu mai exist n perioada de procesare. Aceste erori se manifest fie
prin anularea unui semnal util, n cazul n care acesta exist, fie prin apariia
unui ecou fals de valoare negativ n cazul n care nu exist semnal util.
Ultima situaie se poate rezolva din punct de vedere tehnic considerndu-se
semnalul util cu valoarea pozitiv, componentele negative ale compensrii
eronate eliminndu-se automat. Prima situaie se poate i ea rezolva printrun procedeu al radiolocaiei clasice i anume detecia cumulativ pe mai
multe perioade de observare, avnd n vedere c semnalul perturbator este
singular.
Se demonstreaz astfel c tehnica de procesare prezentat este
complementar tehnicilor radiolocaiei clasice.

100

3.6. Determinarea parametrilor semnalului ecou pe baza

procedeelor comparative a funciilor de incertitudine de BL.
Dup efectuarea deteciei semnalului util se pune problema determinrii
ct mai exacte a parametrilor purttori de informaie ai acestuia: si, respectiv

i. n paragraful 3.4. simultan cu detecia se realizeaz i selecia, respectiv

determinarea parametrilor:
o =

2 si
c

si =

c + vi
c vi

O alt metod de determinare a acestor parametri ar fi posibil prin

compararea funciilor de incertitudine a semnalului ecou, respectiv a
semnalului transmis i calculul efectiv al acestora printr-o relaie matematic:
Astfel reprezentrile tip funcie de incertitudine de band larg a celor
dou semnale vor fi:
TxFIBL (s, ) = s x(t ) x [s(t )]dt
R

T yFIBL (s, ) = s x(t ) x [s(t )]dt

R

Considernd y (t ) = si x[si (t i )] se obine:

si x[si (t i )] si x [si (s(t ) i )]dt =

T yFIBL (s, ) = s

= s si x[si (t i )] x [si s t si s si i ]dt

R

t=

t'
+i
si

T yFIBL (s, ) = s x(t ) x [s t + si s i si s si i ]dt

R

x(t ) x [t s
=
) x(t ) x [t s

T yFIBL (1, 0 )
TxFIBL (1, 0

0 ]dt

0 ]dt

Avnd n vedere c funcia de autocorelaie a semnalului de sondaj

este:
101

R xx ( ) = x(t ) x (t )dt , ultima relaie devine:

R

R xx (si 0 ) = R xx ( 0 )

si =

TYFIBL (1, 0 )
TxFIBL (1, 0 )

T yFIBL (1, 0 )
R xx1 R xx ( 0 ) FIBL

0
T X (1, 0 )

Dar

si =

(4.46)

R xx ( 0 ) = TxFIBL (1, 0 ) ,astfel relaia (46) devine:

() 0 0

R xx1 T yFIBL (1, 0 )

(4.47)

Relaia (4.47) ofer o formul de calcul a parametrului de scal si pe

baza funciei de incertitudine a semnalului ecou y(t) i a inversei funciei de
autocorelaie a semnalului de sondaj x(t),

R xx1 .

Dac se calculeaz:

T yFIBL ( s 0 ,0)
T

FIBL
x

( s 0 ,0)

x(t ) x [s 0 t + 1 s1 ( s 0 1)]dt

x(t ) x (s 0 t )dt

Fxx [ 1 s1 ( s 0 1)]
,unde s-a notat cu
Fxx (0)

Fxx(), funcia:
Fxx ( ) = x(t ) x (s 0 t + )dt
R

Se obine:
Fxx ( 1 s i (s 0 1)) = Fxx (0)

1 =

TxFIBL ( s 0 ,0)

Fxx (0 ) T yFIBL ( s 0 ,0)

Fxx1

FIBL
s i (s 0 1)

Tx ( s 0 ,0)
1

()s0 1, si
Dar

T yFIBL ( s 0 ,0)

(4.48)

Fxx (0 ) = x(t ) x (s 0 t )dt

R

102

TxFIBL (s 0 ,0 ) = s 0 x(t ) x (s 0 t )dt , astfel relaia (4.48) devine:

R

i =

Fxx1
T yFIBL ( s 0 ,0)
s i (s 0 1)
s 0

()s0 1, si

(49)

Pe baza relaiilor (4.47) i (4.49) i avnd n vedere c funciile Fxx1 i

R xx1 sunt cunoscute, putnd fi memorate, se poate implementa un sistem de

calcul a acestor parametri (fig. 46).

T0 = T yFIBL (1, 0 )

R xx1 (T0 )

Fxx1 (t )

y(t)

Eantionare

Memorie

Calcul

R xx1 (T )

T yFIBL ( s, )

Fxx1 (T )

Fxx1 (t )

T0 = T yFIBL (s 0 ,0 )

T
Fxx1 0
s
si (s 0 1)
0
1

Fig.46
n algoritmul de calcul prezentat nu se ine seama de aciunea
perturbaiei asupra semnalului recepionat y(t), deoarece se consider c n
aceast etap a procesrii perturbaia n(t) este deja eliminat prin alte
metode, iar semnalul y(t) refcut. Scopul acestei etape a algoritmului de
procesare este doar de a mbunti precizia de determinare a parametrilor
103

(si, i), care n cazul existenei unor sisteme de calcul performante poate fi
superioar celei obinute n cazul relaiei cu filtre corelaionale sau adaptive.

3.7. Discretizarea TW i a FIBL. Aplicaii n procesarea semnalului

RADAR.
Din punct de vedere aplicativ problema discretizrii acestor reprezentri
t-s este foarte important deoarece prelucrarea semnalului prin algoritmii
prezentai se preteaz aproape n totalitate la procesarea digital. Chiar i n
cazul seleciei cu filtre , rspunsul acestora reprezint o mulime discret de
coeficieni Wavelet, n raport cu factorul de scar: T yTWC (si , ) .
Se pune astfel problema, ca i n cazul discretizrii TFS a unei densiti
minime de eantionare, iar n cazul bancului de filtre adaptate a unui ecart
maxim acceptabil s max = s i +1 si . Densitatea maxim de eantionare se
obine dac coordonatele punctelor de eantionare coincid cu coordonatele
centrelor celulelor de rezoluie, care sunt date de proprietile funciei
^

generatoare (t), de proprietile transformatei Fourier a acesteia ( ) i de

valoarea factorului de scar s. Astfel notnd cu 2R lrgimea de band a
acesteia se poate afirma c n cazul acestei reprezentri celula de rezoluie
este dat de produsul cartezian:
R
R

s ; + s X [s 0 s R ; s 0 + s R ]

Se arat n [ 9 ] c aria acestor celule de rezoluie este constant i

independent de s, iar legea care descrie repartiia coordonatelor centrelor
celulelor de rezoluie n planul t s este:
104

s m = a 0 s m 1 = a 0m s 0
m, n Z

n = n a m 0
0

a0 =

sm

= m
s m 1 m 1

- reprezint raportul factorilor de scar a dou celule

nvecinate sau a frecvenelor centrale a dou celule de rezoluie nvecinate.

n aceste condiii:

m,n (t ) = a0m s 0 a0m s0 (t n a0 m 0 )

Se consider s0= 1 i se obine:

m
2
0

m,n (t ) = a a 0m t n 0

m ,n (t ) = a 0 2 a 0m t n 0

m, n Z

] m, n Z

Astfel semnalul ecou se poate reprezenta ca o transformat Wavelet

discret, denumit i serie Wavelet n timp continuu.
m

T yTWD (m, n ) = y (t ) m ,n (t )dt = y (t ) a 02 a 0m t n 0 dt

R

TWD
y

m
2
0

(m, n ) = a R y (t ) [a0m t n 0 ]dt

(4.50)

Rspunsul filtrului corelaional de BL va fi:

R xy ( s m , n ) = R xy ( m, n) = a

m
2
0

y (t ) X a 0m t n 0 dt

iar funcia de incertitudine de band larg discret:

m

TxFIBLD ( s m , n ) = TxFIBLD (m, n) = a 02 x(t ) x a 0m t n 0 dt

R

Se constat c eantionarea este neuniform. De aceea n unele

situaii se pune problema posibilitii reconstruciei funciei T yTWC (s, ) pe baza

105

eantioanelor

T yTWC (m, n )

sau

reconstruciei

semnalului

iniial

y(t)

din

eantioanele reprezentrii sale.

n situaia utilizrii filtrelor corelaionale sau a bancului de filtre adaptate
problema este oarecum simplificat, deoarece nu se mai pune problema
reconstruciei semnalului iniial i nici a funciei

T yTWC , informaia util

regsindu-se n coeficienii T yTWC (m, n ) iar operaiile algoritmului de procesare

se efectueaz n spaiul acestei reprezentri. Astfel condiiile impuse
semnalului de sondaj, care n acest caz joac rolul de funcie generatoare

(t)=x(t), nu vor fi foarte restrictive, ele referindu-se doar la existena

transformatei directe T yTWC (m, n ) i la obinerea unor rezoluii impuse.
Pentru o rezoluie n distan impus D0 i n vitez V0 se obine:
=

2D
c

s=

c +V
2V
= 1+
c V
C V

0 =

2 D 0
C

s
2C
=
V (C V )2
s 0 =

2C

(C Vi )

V0

2
V0
C

Rezoluia se poate exprima i n funcie de si:

V =C

s 0 =

(si + 1)2
2C

s 1
s +1

V0 =

dV
2C
=
ds (s + 1)2

(si + 1)2
2C

V0

2
V0
C

Impunnd condiiile:

106

 0 = n +1 n = (n + 1) a 0 m 0 n a 0 m 0 = a 0 m

s 0 = s m +1 s m = a 0m +1 a 0m = a 0m (a 0 1)

2 D 0

0 = C

2
2
m
s = (s m + 1) V = a 0 + 1 V
0
0
0
2C
2C

2 D 0
m
a 0 C

2
m
a m (a 1) a 0 + 1 V
0
0 0
2C

2 D 0 1

0 C a m
0

m
a 0 (a 0 1) V0
am +1 2
2C
0

Se obine:

(4.52)

ntr-o prim aproximare se va considera:

s 0

2
V0
C

2 D 0 1

0 C a m
0

a m (a 1) 2 V
0
0 0
C

(4.53)

Fie M = max{m} valoarea maxim pentru care se calculeaz factorul de

scar

107

0 =

2 D 0 1
M
C
a0

a 0M (a 0 1)

2
V0
C

a 0M (a 0 1)

2
V0
C

2 V0
C (a 0 1)

a 0M

lg
M

M lg a 0 lg

2 V0
C (a 0 1)
lg a 0

2 V0
C (a 0 1)

2V0
C (a 0 1)

M log a0

Dar valoarea maxim a lui m este impus de valoarea maxim a

factorului de scar:

s max =

C + Vmax
C Vmax

a 0n = s max
M =

M lg a0 = lg smax

lg s max
= log a0 s max
lg a0

Verificnd ultima relaie se obine:

log a0 s max log a0

s max

2V0
C (a 0 1)

a0 1 +

2 V0
C s max

2V0
C (a 0 1)

(a 0 1)

a0 1 +

2 V 0
C s max

2V0 (C Vmax )
C (C + Vmax )

n final se obin urmtoarele rezultate

108

2V0 (C Vmax )

a 0 1 + C (C + V )
max

C + Vmax
M = log a0
+1
C Vmax

= 2D0 (C Vmax )
0
C (C + Vmax )

Dmax

N = D
0

a0 = 1 +

Alegnd

(4.54)

2 V 0 (C V max )

se verific ultima condiie din

C
(C + V max )

sistemul (4.52), n care s-a folosit valoarea exact

s 0

(a
=

+1
V0 .
2C

m
0

Avnd n vedere c:

(a
(a

a 0m
m
0

a 0m
m
0

+1

+1

1
4

(a 0 1)

()m Z

se obine:

V0 (C Vmax )
1
(a 0 1) =

4
2C (C + Vmax )

V0 (C Vmax ) V0

2C (C + Vmax ) 2C

(C Vmax )
1
(C + Vmax )

i astfel condiia este verificat.

Mai trebuie impuse condiiile asupra semnalului de sondaj, care trebuie
privit ca o fereastr timp frecven de dimensiunile creia depinde rezoluia
impus. Rezoluia temporal, dat de ctre durata semnalului de sondaj va
respecta condiia:

109

2 Rx 0

Rx

Rx

D0 C Vmax

C C + Vmax

iar rezoluia n frecven, dat de banda semnalului de sondaj trebuie

s respecte condiia:

2 R x s 0 0 = s 0 0 = a 0m (a 0 1) m0 = (a 0 1) 0
sm
a0

R x

a0 1
2V0 C Vmax
V0
C Vmax

0 =
0
0 =
2
2C C + Vmax
C
C + Vmax

La limit se poate alege:

Rx =

D0
C

R x =

V0
V0
V0
=
0 =
1
0
C
C 0

0 lungimea de und a semnalului de sondaj

S-au obinut astfel condiiile pe care trebuie s le satisfac semnalul de
sondaj pentru a obine nivelul de rezoluie dorit:

Rx

D0
C

R x

V0

(4.55)

n cazul n care semnalul de sondaj este impus se pot obine

capacitile poteniale de rezoluie (separaie) n distan, respectiv vitez:
D0 = C R x =
V0 = 0 R x =

C Tef
2
0 Bef

(4.56)

Tef durata efectiv a semnalului de sondaj

110

Bef banda efectiv a semnalului de sondaj

Relaiile (4.56) sunt cunoscute i n cazul modelului clasic al semnalului
de band ngust, dar nu trebuie ignorat, cel puin din punct de vedere
teoretic aproximaia fcut n relaia (4.55), care a fost fcut tocmai n
scopul de a arta generalitatea modelului de BL.

K=

C Vmax
1
C + Vmax

Ignornd aceast aproximaie relaia (4.56) devine:

C Rx
K
0 R x
V 0 =
K
D 0 =

(4.57)

dar avnd n vedere faptul c n general viteza undei exploratoare este

mult mai mare dect viteza obiectelor din spaiu explorat se poate aplica cu
bune rezultate relaia (4.56).
Aplicnd principiul incertitudinii n analiza timp frecven se obine:
D0 V0 = C 0 R x R x
C 0
D 0 V 0
2

1
C 0
2

(4.58)

relaie care exprim principiul incertitudinii n msurarea parametrilor n

radiolocaie.
Se poate folosi i o metod mai simpl pentru determinarea variabilelor
sm i m. Astfel, n relaia:
m ,n (t ) = s m [s m (t n )]

se consider

111

sm =

C Vm
C + Vm

n =

Vm = m V0

2 Dn
C

i se obine:

D n = n D 0

R xy ( s m , n ) = R xy (Vm , Dn ) = R xy (m, n)

R xy (m, n) =

C m V0 2 n D 0
C m V 0
y (t ) x
t
dt
C + m V0 R
C

C + m V0

Evident i n acest caz semnalul x(t) trebuie s respecte condiiile

impuse anterior:
Rx

D0
C

R x

V 0

Pentru exemplificare se consider urmtorii parametrii de rezoluie

impui:
V0 = 10m / s

D0 = 10m

Vmax = 1000m / s

Dmax = 300km

Se obine:
a0 = 1 +

2 V0 (C Vmax )
= 1,000000067
C (C + Vmax )

C + Vmax
M = log a0
+ 1 = 100
C Vmax

0 =

2 D0 C Vmax

= 0,67 s
C
C + Vmax

N=

Dmax
= 3.000
D 0

s 0 = a 00 = 1
s1 = a 10 = 1,000000067
s 2 = a 02 = 1,000000133
s 3 = a 03 = 1,000000201

s100 = a 0M = 1,000006700

112

Semnalul de sondaj va trebui s ndeplineasc condiiile:

Tef = 2 R x 0 = 0,67 s
Bef = 2 R x

2 V 0

20

Pentru 0=10 cm

Bef = 0,2 kHz

Condiiile nu pot fi ns ndeplinite simultan datorit principiului

incertitudinii.
Astfel

D 0

C 0
3 10 8 10 1
=
= 1,5 10 6 m
2 V0
2 10

Deci pentru a se obine rezoluiile impuse iniial trebuie s se

foloseasc 2 tipuri de semnale de sondaj: unul cu durata impus, iar altul cu
banda efectiv impus.
De asemenea se observ c variaia lui s este foarte mic, pentru
viteza de deplasare obinuit fiind variabil la zecimala a 8 a. Este
necesar efectuarea cu precizie foarte mare a calculelor i cuantizarea
semnalului eantionat pe 32 de bii.
Relaiile de calcul, n cazul discretizrii temporale devin:
TWD
Y

m
2
0

(m, n) = y (K T0 ) a a 0m K T0 n 0

R xy (m, n) = a 02 y (K T0 ) x a 0m K T0 n 0

(4.59)

TxFIBLD (m, n) = a 02 x(K T0 ) a 0m K T0 n 0

obinndu-se seriile WAVELET n timp discret. nsumarea dup K se va

face pe intervalul n care funciile (m,n,k), respectiv x(m,n,k) au valori
nenule.

113

Implementarea sistemului digital, care efectueaz calculul corelaional

de BL este prezentat n fig. 46.
y(t)

Eantionare
Cuantizare

y(k*T0)
32

1
fe =
T0

Schem
comand
adrese

Rxyp
MEM2
y(kT0)

Calcul
Rxy(m,n)

Comparator
Rxyp

m
n

A2
32

MEM1

A1

x a 0m K T0 n 0

fig. 46
Semnalul y(KT0), dup eantionare se nregistreaz n memoria
MEM2, pe o perioad de observare Tr. Semnalul de sondaj x(m,n,k) ale
crui valori sunt cunoscute se pstreaz n memoria MEM2, n care sunt
nregistrate doar valorile nenule ale acestuia. Astfel presupunnd c x(m,n,k)
este nenul pentru Kmax = 10 eantionare, capacitatea memoriei MEM1 va fi:
CMEM1 = 10 x M x N = 3.000.000 cuvinte = 3Mcuvinte = 12 Moctei
CMEM2 = 10 N = 30 cuvinte = 120 Koctei
Calculul coeficienilor Rxy(m,n) se reduce la 10 produse y(KT0)x(m,n,k)
i la nsumarea acestor termeni. Apoi se realizeaz compararea cu Rxyp, o
valoare de prag i dac Rxy(m,n) Rxyp, atunci cuplul (m,n) (Vm, Dm) va
reprezenta parametrii intei, din matricea coeficienilor reinndu-se doar
valorile care ndeplinesc condiia specificat.

114

3.8. Reprezentri multirezoluie a semnalului RADAR.

n paragraful 3.6. s-a considerat c nu mai este necesar refacerea
semnalului ecou, informaia extrgndu-se direct din coeficienii TW. Dac se
pune ns problema unei tehnici de procesare bazate pe dou etape, una de
analiz a semnalului i alta de sintez al acestuia, atunci este necesar
refacerea pe ct posibil a semnalului iniial sub forma primei reprezentri (de
obicei reprezentare temporal). n aceste condiii, pe baza coeficienilor din
spaiul reprezentrii intermediare, eventual modificai n scopul obinerii unei
filtrri adecvate trebuie s se refac semnalul sub forma reprezentrii
originale, care va fi apoi folosit pentru extragerea informaiilor utile.
Condiiile impuse undioarei mam
m

m,n (t ) = a02 [a0m t n 0 ]

vor fi evident mai restrictive dect n cazul precedent, deoarece se va
pune problema reconstituirii semnalului y(t) din eantioanele reprezentrii
sale de tip wavelet, dar trebuie specificat c n acest caz nu trebuie s se
foloseasc numai semnalul x(t) ca undioar mam, putndu-se folosi alte
undioare n funcie de scopul analizei care urmeaz s se fac semnalului
y(t).
Pentru a fi posibil refacerea semnalului y(t) este necesar ca mulimea

{m,n(t)}, m,n Z s aib o structur de cadru sau s reprezinte o baz

ortonormat n spaiul L2(R).
Se arat n [ 9 ] condiiile pe care trebuie s le ndeplineasc funcia

(t), pentru ca mulimea {m,n(t)} m,n Z s aib o structur de cadru:

115

 ( )

0 ln a 0
ln a 0
dw 0
A
B
0
2
2

2
( )

0 ln a 0
ln a 0
dw 0
A
B

2
2

(4.60)

care reprezint condiii de admisibilitate pentru (t), n raport cu (a0, 0).

Dar nu orice alegere a tripletului (, a0, 0) conduce la un cadru de funcii
Wavelet, chiar dac funcia (t) este admisibil. Problema se complic i mai
mult deoarece pentru reconstrucia semnalului y(t) pe baza unui cadru este
necesar determinarea marginilor cadrului, precum i a cadrului dual { m,n (t)}
m,n Z. De aceea este mai convenabil utilizarea bazelor ortonormate, care
ofer o metod de analiz cel mai puin redundant a unui semnal ecou din
sistemele RADAR.
Exist mai multe metode de construcie a undioarelor mam
generatoare de baze ortonormate pe L2(R) (A. Haar, Yves Meyer, P.G.
Lemarie) dar cea mai complet este metoda analizei multirezoluie, care
permite construirea sistematic de funcii generatoare de baze ortonormate
ale spaiului L2(R).
Aceast tehnic de procesare a semnalului RADAR se bazeaz n
principal pe o reprezentare multiscar a semnalului ecou, care permite
observarea i analiza acestuia la nivelul de rezoluie dorit:

y (t ) =

A {y(t )}
m

mZ

Am ( y ) =

T (m, n ) (t )

mZ

m,n (t ) = 2
Dm ( y ) =

TWD
y

(4.61)

m,n

2m t n

T (m, n ) (t )

mZ

TWD
y

m,n

116

Am+1(y) = Am(y) + Dm(y),

unde:

Am(y) aproximarea de rezoluie 2m a semnalului y(t)

Dm(y) semnalul detaliu sau diferena ntre dou aproximaii de rezoluii
succesive.

(t) funcie de scar (undioar tat)

(t) undioar mam.
n lucrarea [9] s-au exemplificat cteva cazuri de analiz multirezoluie,
respectiv analiza multirezoluie de tip Haar i analiza multirezoluie de tip
Palley Wiener. Pe baza acestor reprezentri se pot implementa algoritmi
adecvai de analiz i sintez a semnalelor RADAR sau se pot utiliza i alte
baze de undioare ortonormate n funcie de aplicaie.
n cazul semnalelor de sondaj n impuls se preteaz reprezentarea
multirezoluie de tip Haar. Funcia de baz va fi:

1
pt.t [0; 0 ]
H (t ) = 0
0 n rest

iar proiecia
Am ( y ) = T yTWD (m, n ) 2
nZ

H 2 m t n 0

(4.62)

va reprezenta aproximaia de rezoluie 2m a semnalului y(t) prin

impulsuri de durat

0
2m

. Completarea informaiei la un nivel superior de

rezoluie se face prin detaliul semnalului ecou:

117

Dm ( y ) = T yTWD (m, n ) 2

nZ

H 2 m t n 0

(4.63)

Determinarea funciei H(t) se poate face pe baza rspunsului n

frecven a filtrelor n cuadratur CQF m0() i m1(), prin metoda prezentat
n [ 9 ].
( ) = F { H (t )} = e

sin c

0
2

2 0
2
=

j 0

2
e
sin c
2
0
0 0
2 sin
cos

j 0
2
2 2 =
=e 2
0
0
sin
2
0
j 2
0
2
=e
cos
2
e

( )
m0 ( ) = H
=
H ( )

j 2

sin c

Se verific condiiile:
m0 (0 ) = 1
m0 ( ) = e

j2

0 = 2 p +1
m1 ( ) = e

=e

= (1)

cos

0
2

=0

pN

m ( + ) = e

j
[( 2 p +1) + ( 2 p +1) ]
2

2p

= j e2

j e

( 2 p 1)

j
( 2 p 1)
2

sin

( + )( 2 p +1)
2

cos

( + ) (2 p + 1) =
2

cos (2 p + 1) + (2 p + 1) =
2
2

sin

(2 p + 1)

(2 p + 1)

Se verific:
118

m0 (0 ) = 0
m0 ( ) = 1

( ) = m =

H
1
2
2
= j e

= j e

j
(
(2 p + 1)
2 p + 1) 4 (2 p +1)
sin
e
sin

j
( 2 p 1)
2
2

sin 2 (2 p + 1)

= j e

sin 2 (2 p + 1)

(2 p + 1)

4 =

(2 p + 1)
4

Pentru p = 0 se obine: 0 = 1
1 pt.t [0;1]
0nrest

H (t ) =

m0 ( ) = e

m1 ( ) = j e

cos
j

( ) = j e

=e

sin

j

2

sin 2

= j e

+e
2

j
2

1 + e j
2

e
2j

e j 1
2

4 = 4e
sin 2

j
4
4

Fcnd transformarea invers se determin forma temporal a

undioarei mam:

2
2
1 4 e
H (t ) = F
sin

4
j

Se determin n prealabil:

119

w
j

sin 2 = F 1 4 e 2
4

F 1 4 e 2

i
i 4
e e 4

(2 j )2

2



=

1
= F 1 2e 2 + e j = (t ) 2 t + (t 1)
2

Se obine:

1
H (t ) = (t ) 2 t + (t 1)dt =
R
2

1
= u (t ) 2 u t + u (t 1),
2

unde:
1 pt.t [0;+ ]
u (t ) =
0 n rest

Pentru p 0 se obine:
2

( ) = e

Hp

= e

j p

sin 2 (2 p + 1)

4 = e j 2

(2 p + 1)
j
4

2 p +1

2 p +1

+e
2
=
j (2 p + 1)

j ( p +1)

+e
2e
j (2 p + 1)

1
u (t p ) + u[t ( p + 1)] 2 u t
2
H p (t ) =
2 p +1

120

2 p +1
i

j 2 p4+1
4

(2 p + 1)
4 j
4

 1
2 p + 1 pt.t [0;2 p + 1]

H p (t ) = 0 n rest

p N

Hp(t)

t
0

2p+1

Hp(t)

t
-p

p+1

fig. 47

Dup cum se observ n fig. 47, bazele ortonormate de tip Haar

generalizate (p 0) sunt variante dilatate ale bazei Haar clasice (p = 0),
obinndu-se o rezoluie temporal mai slab, n schimb se mbuntete
rezoluia n frecven, odat cu creterea lui p. Totui se poate spune c, dei
localizarea n timp a funciei Hp(t) este bun, localizarea n frecven este
slab.
Dac se dorete o localizare mai bun n frecven se poate folosi
analiza Palley Wiener, care folosete o reprezentare dual fa de
reprezentarea Haar.

121

WP ( )
k

-0

WP (t )
1

fig. 48
kpt. [ 0 ; 0 ]
0 n rest

w ( ) =
p

wp (t ) =

k 0
k 0 jwt
e dw =
sin c( 0 t )
2 0

Pentru k =

se obine:
0

wp(t) = sin c (0t)

pw (2 ) 1 pt. 0 ; 0
=
m0 ( ) =
2 2
pw ( )
0 n rest

122

m1 ( ) = e

pt. 0 ; + 0
e
2
2
m ( + ) =

0 n rest

Se verific:
m0 (0) = 1
m0 ( ) = 0

0 2

m1 (0) = 1
m1 ( ) = 0

innd seama de periodicitatea cu 2 a funciilor m0() i m1() se

obin urmtoarele reprezentri ale acestora (fig. 49).
m0()

-2 - 0/2

-2

- 0/2

0/2

2 + 0/2

fig. 49 a

m1()

-- 0/2

-+ 0/2

- 0/2

fig. 49 b
fig.49b

( ) = m

wp
1
wp
2 2

123

+ 0/2

3 + 0/2

m1(/2)

-2- 0

-2 -2 0 -+ 0

2- 0 2 0

2 2+ 0

fig. 49 c

j2
e
pentru [ 2 0 ; 0 2 ] [2 0 ;2 0 ]

( ) =
0

wp
0 n rest

Trebuie ndeplinit condiia:

2-0 < 2 0

0 > 2/3

j
j
1 0 2
1 2 0
wp (t ) =

e 2 e jt d +

e 2 e jt dw =
2 2 0 w0
2 2 0 w0
1

0 2 j t 1
2 0 j t
2
e
d + e 2 d =
=

2 0
2 0 2 0

1
1
1
j( 0 2 ) t 1
j 2 t
j ( 2 0 ) t
j 2 0 t
1
1
2
2
2
2
=

e
e
+e
e
=
2 0
1

j t
2

1
1
1
=
sin ( 0 2 ) t + sin 2 0 t =
1
2
2

0 t
2

1
1
1
sin 2 0 t sin ( 0 2 ) t =
1
2
2

0 t
2

1
1 2
sin c ( 0 2 ) t
= 2 sin c 0 t 1

2
2 0

124

;2
3

Pentru 0 = se obine:
wp (t ) = sin c( t )
wp (t ) =

1
1
sin t sin 2 t =
1
2
2
t
2
1

1
1
= sin c t 2 sin c 2 t =
2
2
1
1
= sin c t 1 2 cos t
2
2
1

wp + = sin c( ) 2 sin c(2 )

2

S-a obinut i n acest caz o reprezentare wp generalizat:

pentru [ 0 ; 0 ]
( ) = 0

wp
0 n rest

j2
e
pentru [ 2 0 ; 0 2 ] [2 0 ;2 0 ]

( ) =

0
wp
0 n rest

wp (t ) = sin c( 0 t )

1 2
wp (t ) = 2 sin c 2 0 t 1
2 0

1
sin c ( 0 2 ) t
2

2
;2
3

Dac se dorete o rezoluie bun n frecven se va alege o valoare ct

mai mic a lui 0 ( 0 =

2
+ ), iar dac se dorete o rezoluie temporal mai
3

bun se alege o valoare ct mai mare a lui 0 ( 0 = 2 ). Totui rezoluia

temporal a funciilor wp(t), wp(t) este mai slab, utilizarea acestui tip de

125

analiz recomandndu-se n cazul semnalelor RADAR de durat relativ mare

i band limitat.
Un alt tip de analiz multirezoluie care se poate utiliza i la analiza
semnalelor RADAR ar fi analiza Bartlet (funcie scar de tip fereastr
triunghiular).
1 t / t pentrut [ 0 ; 0 ]
0 n rest

B (t ) =

B ( ) = 0 sin c 2

cos 2 0
4 sin 2 0
B (2 ) sin c 2 ( 0 )
2
2 = cos 2 0
m0 ( ) =
=
=

2
B ( )
2 0
4 sin 2 0
sin c

m0 (0) = 1
m0 ( ) = 0

0
2

= (2 p + 1)

cos 2

0
2

=0

pN

pN

0 = 2 p +1

m1 ( ) = e j m0 ( + ) = e j cos 2

= e j sin 2

2
j

sin 2

(2 p + 1) sin 2 c (2 p + 1)
4

(2 p + 1) 16 = 16 e 2 sin 4 (2 p + 1) =
e
sin 4
(2 p + 1)
4
4
2 (2 p + 1) 2
2

(2 p + 1)

( ) = m ( ) ( ) = e

1
B
B
2
2
j

(2 p + 1)( + ) =

e 2
(2 p + 1) 2

2 p +1

j

i 2 p +1
e j (2 p +1) + e j (2 p +1) 4 e 2 + e 2 + 6

126

 ( ) =

1
(2 p + 1) 2

j 2 p + 1
j 2 p +
i
i ( p +1)
ip
2
2

e
+e
4e
+e
+ 6e 2

Se obine:
B ( ) =

1
1
3
1

r (t + 2 p + ) + r (t 2 p ) 4r (t p 1) 4r (t + r ) + 6r (t )
(2 p + 1)
2
2
2

Pentru p = 0 se obine:
1
3
1
B (t ) = r (t + ) + r (t ) 4r (t 1) 4r (t ) + 6r (t ) , unde cu r(t) s-a notat
2
2
2

funcia de tip ramp cu pant unitar:

t pentrut [0; ]
r (t ) =
0 n rest

B(t)

t
-1

B(t)
1/2

1/2

-1/2

1 3/2

-1
fig. 50
127

Dup cum se observ i n acest caz avem o bun localizare n

domeniul timp, n schimb localizarea n frecven este mai slab. (fig. 50)
i n acest caz se poate folosi analiza dual:
k ( + 0 ) pentru [ 0 ;0]

BD ( ) = k ( 0 ) pentru [0; 0 ]

0 n rest

BD (t ) =

k 0
t
sin c 2 0
2
2

pentru

k=

se obine:

2
( + 0 ) pentru [ 0 ;0]
0
2
BD ( ) = ( 0 ) pentru [0; 0 ]
0
0 n rest

BD (t ) = sin c 2

0 t
2

2 + 0
0
+ pentru 2 ;0

(2 ) 0 2
m0 ( ) = BD
=
pentru [0; 0 ]
BD ( ) 0
0 n rest

Se verific:
m0 (0) = 1
m0 ( ) = 0

m1 ( ) = e j

0
2

0 2

j 2 + 0 + 2
0

e + + pentru 2 ;

2 2

pentru ; 0
m0 ( + ) = e j 0
0
2

0 n rest

128

+ 0 + 2
2

e
pentru [ 2 0 ;2 ]
2

+
+

2
2
0

j 2 0 2 2

m1 ( ) = 2 e
pentru [ 2 ; 0 ]
2 0 2
2

0 n rest

BD ( ) = m1 ( ) BD ( )
2

2
( 2 + 0 ) pentru [ 2 0 ;0 )
0

2
BD = ( 0 ) pentru [0;2 0 ]
2
2 0
0 n rest

Impunnd condiia 20 > 2 - 0

0

2
i innd cont de periodicitatea cu 2 a funciei m1() se obine:
3

4 j 2 0 2

+ 0 pentru [ 2 0 ;2 ]
e

2
2
2

0
0
4 j + + 2

0
( ) = e 2

0 pentru w [2 0 ;2 0 ]
BD
2
+ 2 + 0
0
0 n rest

Pentru 0 = se obine:

129

( + )( + 2 ) pentru [ 2 ; ]
2

2 e

j
( ) = 2 e 2 ( + 3 )(2 ) pentru [ ;2 ]

BD
+ 4

0 n rest

n acest caz se obine o localizare bun n frecven, n schimb avem o

slab localizare n timp.
Prezentarea celor dou tipuri de analize multirezoluie duale, respectiv
Haar PW i Bartlet BD sugereaz o procesare pe dou canale a
semnalului RADAR recepionat. Pe canalul de distan, unde este necesar o
localizare bun n timp se va face o reprezentare i o analiz Haar (sau
Bartlet), iar pe canalul de vitez, fiind necesar o bun localizare n frecven
se va folosi o reprezentare PW (sau BD). (fig. 51)

H(t)
y(n)

H(t)

Reprezentare

Analiz
i
Decizie

Haar
y(t)

Eantionare
Memorare

Msurare
Di,
Di ,Vi

Analiz
i
Decizie

Reprezentare

y(n)

pw(t)

Vi

PW (BD)

pw(t)
fig. 51

n acest caz, pe lng mbuntirea preciziei de msurare a

parametrilor Di, Vi se poate obine i o mbuntire substanial a raportului
130

semnal util/zgomot prin procesarea realizat n blocul de analiz i decizie n

cadrul cruia se poate implementa algoritmul prezentat n capitolul 2.4., de
compensare la nivel de coeficieni Wavelet sau algoritmul prezentat n
lucrarea [ 14 ], bazat pe reele neuronale.
Dac se utilizeaz semnale , de tipul celor prezentate n lucrarea [ 2 ]
atunci se pune problema gsirii unor funcii de scar de aceeai form cu
semnalul de sondaj. Se va cuta o funcie de forma:
k

sin (k t ) _ pentru _ t 0;
A (t ) = 2
k
0 _ n _ rest

A ( ) = k
0

m0 ( ) =

k
k2
sin (k t ) e it dt =
2
2 k2 2

1 + e k

2
k

k 1+ e

j
k 2 4 2
1+ e k
2

Se verific: m0(0) = 1
m0() = 0
Pentru k = se obine:
m0 ( ) =

2
3

2
3 2

lim

lim

k 2 2
1+ e

k2 2
= 2 lim
=
3 1 + e j
2

2
2 2
4
=
=
0
j
2
j e
3 j 3j

Pentru k = 2 se obine:

m0 ( ) =

1 + e j
3j
3 2
lim 2
=
0
2
8( j 1)
4(1 j )

131

Pentru 1 + e

2 2
k

=0

2 2
= (2 p + 1)
k

2 2
k

k=

2
(2 p + 1)

= 1
p, p 0

1
2t

2 p + 1 sin 2 p + 1 pentru t 0; p + 2

A (t ) =
0 n rest

j p +
2

A ( ) = 2

1 + e
2
2
4 (2 p + 1)

2 2

m0 ( ) =

4 2 (2 p + 1) 2
2

4 2 4(2 p + 1) 2
2

1 + e j ( 2 p +1)
1+ e

m1 ( ) = e j m0 ( + ) = e j

1
j ( p + )
2

4 2 (2 p + 1) ( + )
2

4 2 4(2 p + 1) ( + )
2

1 e j ( 2 p +1)
1+ e

1
j ( p + )
2

Pentru p = 1 se obine:

3
2
t pentru t 0;
sin
A (t ) = 3
2
3
0 n rest

A ( ) =

2 2
4 2 9 2

3
j

2
+
1
e

2 2
( ) = m =

1
A
2 2 4 2 9 2
4

3
j
j

1 + e 4 e 2

3
j
4 2 +
2
e

4 2

2
3

1 j e j 4
2
4 36 +
2

Dac se utilizeaz impulsurile de form gaussian atunci forma funciei

de scar va fi:

G (t ) =

1
2

G (t ) = e

t2
2 2

2 2
2

132

 G (2 ) 3 2
m0 ( ) =
=e
G ( )
2

m0 (0 ) = 1

m0 ( ) = e

3 2 2
2

0.

Pentru suficient de mare se poate aproxima

m0 () 0

m1 ( ) = e

( ) = e

G ( ) =

3( + )2 2
2

G ( ) = A e

3
j t
2

Re {G (t )} = A e

t2

2 2

2 2 + 3 + 3 2
2
3 2 2
8

3
j t
2

t2
2 2

t2
2 2

3
cos t
2

G(t)

G(t)

fig. 52

133

3.9 Aplicaie RADAR a reprezentrilor multirezoluie.

Aceast tehnic de procesare se bazeaz n principal pe o
reprezentare multiscar a semnalului ecou ,care permite observarea acestuia
la nivelul de rezoluie dorit. Relaiile de descompunere sunt:
y(t ) = j ,k { y} j ,k (t ) = A2 j { y (t )}
jZ kZ

j , k { y} = TyTW ( j , k ) = y (t ) * j , k (t )dt

jZ

A2 j { y} = j , k { y} j , k (t )
k Z

j
2

D2 j { y} = d j ,k { y} j , k (t )

j ,k (t ) = 2 (2 j t k )

kZ

j
2

j,k (t ) = 2 (2 j t k )

d j , k { y} =< y, j , k >= y (t ) * j , k (t )dt

R

Pentru calculul coeficienilor j,k ,dj,k

se poate utiliza algoritmul

piramidal, specific analizei multirezoluie.

La refacerea semnalului se ignor detaliile care nu conin informaii
utile. Astfel, pentru atenuarea perturbaiilor provocate de formaiuni noroase
sau perdele de dipoli, caracterizat de impulsuri cu durata mare se elimin
detaliile grosiere, informaia util regsindu-se n detaliile mai fine. Pentru
atenuarea bruiajului de zgomot cu impulsuri foarte scurte se procedeaz
invers : se elimin detaliile fine, care conin preponderent bruiaj i se ine cont
de detaliile mai grosiere (care au durata comparabil cu impulsul de sondaj).
De asemenea, n funcie de particularitile cunoscute ale semnalului util i de
proprietile probabilistice ale bruiajului se pot implementa algoritmi de
recunoatere ale detaliilor semnificative specifice celor dou tipuri de
semnale i refacerea corespunztoare a semnalului rezultant, mrindu-se
raportul semnal/zgomot. Rezultatele procesrii prin aceast metoda sunt
prezentate n ANEXA 2 si ANEXA 4.
134

Un algoritm de procesare bazat pe aceast reprezentare poate fi:

1.Achiziionarea i eantionarea semnalului ecou y(t), rezultnd {yk}kz
2.Calculul coeficienilor j,k{y} i dj,k{y}
3.Recunoaterea coeficienilor purttori de informaie semnificativ i
atenuarea coeficienilor purttori de bruiaj. Aceast etap a algoritmului este
cea mai important, determinnd calitatea semnalului refcut i gradul de
mbuntaire a raportului semnal/zgomot.Transformarea aplicat coeficienilor

j,k{y} si dj,k{y} se alege n funcie de scopul dorit

implic

de

fapt

filtrare a semnalului iniial.

n condiiile ecoului RADAR, care este un semnal cu parametri aleatori
iar bruiajul poate avea legi probabilistice necunoscute se preteaz
implementarea unei reele neuronale pentru efectuarea transformrilor
adecvate asupra coeficientilor j,k ( dj,k). n prima etap (de proiectare a
sistemului ) se va aplica metoda de nvare supervizat a reelei, la diferite
condiii de mediu i bruiaj simulat. n etapa urmtoare (de exploatare a
sistemului) se va aplica metoda de nvare nesupervizat, n care sistemul
va recunoate o anumit clas a condiiilor de lucru i se va adapta
corespunztor.
4.Generarea bazelor de undioare i .
5.Refacerea semnalului, cu utilizarea coeficienilor transformai

~ j , k

~
d j,k .
Sistemul care implementeaz algoritmul descris este prezentat n fig.53

135

~
d j ,k

d j ,k
y(t)

Esantionare

yk

Calculul
coficientilor
j,k ,dj,k

j,k(t)

j,k

Algoritm
procesare

~ j,k

Refacere
semnal

~
y (t )

j,k(t)
j,k(t)
Generare
functii de descompunere

j,k(t)

fig.53
n fig.54 sunt prezentate rezultatele experimentale obinute n urma
procesrii semnalului RADAR de la o staie de gam metric P 18. S-a utilizat
baza de descompunere Haar, care se preteaz n acest caz.
50
0
-50
-100

200

400

600

800

1000

1200

200

400

600

800

1000

1200

200
100
0
-100
-200

Fig.54a Semnal RADAR cu trei inte mobile i o int fix obinut pe canalul
de amplitudine la radarul P 18 i bruiat aditiv cu zgomot cu distribuie normal

136

200
100
0
-100
-200

100

200

300

400

500

600

100

200

300

400

500

600

200
100
0
-100
-200

Fig.54b Reprezentarea multirezoluie a semnalului bruiat.

( A2 j { y} , D2 j { y} ,j=1, baza de reprezentare Haar )

200
100
0
-100
-200

50

100

150

200

250

300

50

100

150

200

250

300

200
100
0
-100
-200

Fig.54c Reprezentarea multirezoluie a semnalului bruiat.

( A2 j { y} , D2 j { y} ,j=2, baza de reprezentare Haar )

137

200
100
0
-100
-200

20

40

60

80

100

120

140

20

40

60

80

100

120

140

200
100
0
-100
-200

Fig.54d Reprezentarea multirezoluie a semnalului bruiat.

( A2 j { y} , D2 j { y} ,j=3, baza de reprezentare Haar )

50
0
-50
-100

200

400

600

800

1000

1200

50

100

150

200

250

300

200
100
0
-100
-200

Fig.54e Semnalul original si cel reconstituit la nivel de rezoluie j=2

138

0
-0.1
-0.2
-0.3
-0.4
-0.5
-0.6
-0.7
-0.8
-0.9
-1

50

100

150

200

250

300

Fig.54f Semnalul ecou, dup detecia de prag (la sfritul

procesarii primare)

3.10 Procesarea semnalelor nearmonice de band foarte larg.

Semnalele nearmonice sunt forme de und a cror form analitic
nu poate fi reprezentat sub forma unor funcii sinusoidale continue.
x(t) = A(t)sin [0t+(t)]
Uzual, pentru modelarea acestor tipuri de semnale se utilizeaz funcii cu
derivata discontinu. Pentru exemplificare se pot aminti: secvene de
impulsuri rectangulare foarte scurte, impulsuri pozitive i negative provenite
dintr-o funcie sinusoidala (durata impulsului trebuie sa fie comparabil cu
perioada de repetiie a funciei sinusoidale), secvene de impulsuri gaussiene
scurte. (fig. 55)

139

x(t)

x(t)
t

x(t)
t

fig. 55

Caracteristca principal a acestor semnale o reprezint banda foarte

larg. Radarele care vor utiliza aceste tipuri de semnale, ca semnale de
sondaj vor avea largimea de band a receptoarelor de 50-100 de ori mai
mare decat radarele clasice, mrindu-se astfel volumul de informaie extras
din semnalul util.
Forma analitic a unui astfel de semnal se poate exprima:
N 1

x(t ) = a k x0 (t kT0 )
k =0

sin (0t) pentru t[0;T0/2]

x0(t)=
0 n rest
Spectrul acestui semnal va fi :

140

N 1

X ( j ) = X 0 ( j ) a k e jT0 k
k =0

X 0 ( j ) =

T0 jT0 / 4
2 0
cos

e
4
02 2

Lrgimea de band a spectrului acestui semnal este comparabil cu

frecvena purttoare a sinusoidei 0, spectrul fiind mprtiat ntr-o lrgime
de band relativ comparabil cu 1. Se asigur astfel o bun protecie la
zgomot i o rat mare a compresiei semnalului n urma filtrrii adaptate.

Cf =

(N 1 / 2)T0

= 2N 1

T0 / 2

Procesarea acestor semnale se poate face n dou moduri: filtrarea

optim cu filtre adaptate sau calculul numeric al corelaiei de band larg.
n primul caz funcia pondere a filtrului va fi:
h(t)=x(ti-t)

h(n)= x(ti-nT0)=aN-1-n

ti=(N-1)T0 -durata secvenei

Structura filtrului este prezentat n fig.56

x(t)

1
T0

aN-1

2
T0

...

N-1
T0

aN-2 an-3

a0
...

fig. 56

141

xe(t)

La ieirea filtrului se va obine :

N 1

N 1

N 1

x e (n) = x( k ) h (n k ) = x (k ) x ( N 1 n + k ) = a k a N 1 n + k

k =0

k =0

N 1

N 1

k =0

xe ( N 1) = a k a = a k
k =0

k =0

= Px

Valoarea maxim a ieirii filtrului se obine la momentul t0=(N-1)T0 i

este egal cu puterea semnalului.
Semnalul ecou, conform modelului prezentat n (II.1.1) este:

y (t ) =

1
s

N 1

a k x0 ( st kT0 )
k =0

Filtrul va avea o structur multicanal, n funcie de coeficientul de

scalare al replicii ateptate.(fig.57)

F1
T0/s1
y(t)

Selectarea
valorii
maxime

F2
T0/s2

Estimare ( ,s)

Fn
T0/sn
fig.57
Prelucrarea acestui tip de semnale furnizez un exemplu tipic n care
utilizarea modelului clasic (de band ngust ) a semnalului ecou i sinteza
filtrelor pe baza transformatei Fourier duce la rezultate nesatisfctoare.

142

Rezultatele obinute prin aceast metod de procesare a unui semnal

RADAR cu spectru mprastiat sunt prezentate n ANEXA 15.

3.11 Sistem RADAR multifuncional cu agilitate de frecvent bazat

pe principiul analizei timp-faz-frecven al semnalului.

Cerintele de baza care se impun unui radiolocator modern sunt:

-Sa prezinte o foarte buna imunitate la aciunile de razboi electronic ale
adversarului. Aceasta se traduce prin realizarea proteciei la bruiajul de toate
tipurile

prin

asigurarea

unei

vulnerabilitai

reduse

la

rachetele

antiradiolocaie (ARM).
-Sa poata fi integrat ntr-un sistem automat de conducere i dirijare a
armamentului si tehnicii din dotare.
-Sa aiba o fiabilitate ridicat i s fie dotat cu un subsistem de control
automat al funcionrii. Aceasta permite o funcionare aproape continu a
radarului, deci un coeficient de utilizare foarte mare.
-Sa fie multifuncional, adic s asigure atat funciile de descoperire i
localizare tridimensional, cat si urmarire automat a intelor aeriene.
Realizarea simultan a acestor cerinte i criterii de performan este
asigurat doar prin utilizarea unor elemente de proiectare i procesare a
semnalului specifice tehnicilor RADAR moderne: sistem de antene sub forma
de retea fazat modular, sistem de emisie coerent, cu agilitate de frecven
ntr-o band larg i cu modificarea aleatoare a frecvenei de repetiie, sistem
de recepie care sa asigure reprezentarea i analiza timp frecven a
semnalului ecou, recunoasterea i extragerea semnalului util de pe fundalul

143

zgomotelor prin metode corelaionale de band larg.

Tinand cont de cerinele impuse sistemul va fi astfel conceput ncat s
asigure posibilitatea lucrului n trei regimuri diferite:
a. Regim de observare circular.
b. Regim de scanare tip rastru a unei zone din spatiu.
c. Regim de insotire automat n coordonate unghiulare.
Functionarea n cele trei regimuri diferite este posibil prin utilizarea
unui sistem de anten sub form de retea fazat, cu comanda electronica a
formei si poziiei n spatiu a caracteristicii de directivitate. Astfel poziia
fasciculului i legea de scanare a spaiului

se controleaz electronic prin

comenzi de la procesorul de comanda al sistemului.

a. Regimul de observare circular este asigurat prin formarea
unui fascicul de directivitate tip telemetru i rotirea mecanic n azimut a
sistemului de anten.
b. Regimul de scanare tip rastru a unei zone din spaiu
Se realizeaz astfel:

se fixeaz

sistemul de antene pe o poziie

oarecare din spaiu, dup care sistemul realizeaz scanarea electronica de tip
rastru n jurul poziiei respective.
c. Regimul de insotire automat n coordonate unghiulare
Se realizeaza prin metoda analizei de faz a semnalului recepionat.
Sistemul de anten formeaz la recepie, electronic, patru fascicule
identice situate la distana d intre elementele fizice ale antenei, atat n plan
orizontal, cat i n plan vertical. Semnalul recepionat de la o int aflat la
unghiurile n plan orizontal si n plan vertical fa de axa electric a
antenei va fi recepionat cu faze diferite de ctre cele patru fascicule. Funcie
de aceste defazaje, sistemul de procesare determin (, ) si elaboreaz
comenzi pentru deplasarea fasciculelor n sensul micorarii acestor unghiuri.

144

Astfel axa electrica a antenei va insoi automat n coordonate unghiulare

inta.
d. Aplicarea metodelor de analiza timp-faz-frecven n
procesarea semnalului aferent acestui tip de radar.
Sistemul lucreaz cu agilitate de frecven, asigurandu-se o bun
protecie la bruiajul ochit i posibiliti de procesare prin metode moderne.
Obiectul prezentei lucrari nu va face referire la prelucrarea spaial,
respectiv analiza n faz a semnalului, acestea fiind prezentate detaliat n
[13], referindu-se cu preponderen la procesarea i analiza timp-frcven,
respectiv extragerea semnalului util pe fundalul bruiajului i localizarea
distan mobilitate, a intelor din spaiul explorat.
Se va utiliza un semnal de patru secvene cu agilitate de frecvent i
spectru mprtiat ( fig.58) de tipul :
3

x(t ) = ak pT (t k t ) cos( 2 ( f 0 + ik f ) t )
k =0

pT (t )

-impulsul rectangular de durat T

a k { 1,1}

ik { 1,0,1,2}

2
1.999952

x(t)

1.9999812

0
1

100

200

300

400

500

600
t

Fig. 58

145

700

800

900

1000

1100
.103
1.024

Funcia de incertitudine de band larg a semnalului este prezentat n

fig.59
400

200

200

400

200

200
40
60
80
100

400

600

TFIBLx

fig.59
Pentru o secven n cod Barker de tipul :
x(t ) = p (t ) cos(2 f 0 t ) + p (t 200) cos(2 ( f 0 + 10) t ) p (t 400) cos(2 ( f 0 + 20) t ) +
+ p (t 600) cos(2 ( f 0 + 30) t )

funcia de autocotelaie de BL este prezentat n fig. 60a si ieirea

receptorului corelational de band larg, pentru un ecou de acest tip bruiat
aditiv cu zgomot de distribuie uniform in fig. 60b.
251.507681

400

200

Ryx ( tau )

200

226.462562

400

200
100

200

400
tau

fig. 60a
146

600

800

1000
900

392.076856

400

200

Rec2 ( t1

tau0 )

200

320.005754

400

200

400

600
t1

800

1000

1200
3

1.2 .10

fig. 60b
Funcia de incertitudine de BL a acestui semnal si rezultatele obinute
prin tehnicile de procesare descrise n lucrare sunt prezentate n ANEXA 6,
ANEXA 7 si ANEXA 8.

3.12 Aplicaii ale reelelor neuronale n

procesarea adaptiv

semnalului RADAR.
Reelele neuronale artificiale (RNA) sunt un instrument de analiz,
inspirat din structura paralel a creierului uman. Ele simuleaz un model de
prelucrare paralel, puternic interconectat, compus din celule de procesare
relativ simple.
In

aplicaiile

de

prelucrare

digital

semnalelor,

RNA

sunt

implementate ca sisteme software sau hardware i sunt alctuite dintr-un

numar mare de elemente de procesate simple ( EP, neuroni), conectate n
conformitate cu o anumit topologie i avand capacitatea de a-i modifica
cantitativ conexiunile, precum i parametrii proprii de prelucrare.
Fiecare element de prelucrare are o singur conexiune de ieire, iar
procesarea ce se desfasoara la nivelul lui poate avea orice form matematic,

147

cu restricia s fie n totalitate local, adic s depind numai de semnalele

de intrare i de valorile stocate n memoria sa local. Stocarea acestor valori
se face dup un proces de "nvtare experimental" , pe baza unor combinaii
de vectori intrare-ieire predefinii.
Caracteristicile cele mai importante ale RNA sunt :
-Capacitatea de nvare: Astfel RNA nu trebuie s necesite
programe puternice

ci sunt mai degrab rezultatul unor

antrenamente asupra unui set de date. Pentru un set de intrriieiri,

urma

autoorganizeaz

procesului

de

antrenament

reeaua

se

pe baza algoritmului de antrenament. Cu cat

acest algoritm se adapteaz mai bine aplicaiei cu atat capacitatea

de a nva a reelei este mai bun.
-Capacitatea de generalizare : Se refer la capacitatea reelei de a
da rspunsuri corecte (n condiiile unui algoritm de antrenare
corespunztor) i pentru intrri diferite fa de cele cu care a fost
antrenat.
-Capacitatea de sintez: RNA pot "lua decizii" sau "trage concluzii"

cand sunt confruntate cu informatii complexe, uneori pariale sau

cu zgomote irelevante i atunci trebuie s incadreze cazul ntr-o
clas

din

cele

cunoscute,

facandu-se

astfel

nvare

nesupervizat. Deci se poate spune ca reeaua a nvat

produc ce n-a mai vzut nainte. Astfel o reea poate fi antrenat

cu o secvent de versiuni bruiate ale unui ecou RADAR bruiat
artificial cu zgomote aleatoare, iar dupa aplicarea altei versiuni
bruiate real, reeaua trebuie s aib la ieire informatia corect.
Datorit complexitatii semnalului RADAR i a informaiei cuprins n

148

acesta, precum i a varietii perturbaiilor din mediul de propagare,

lucrarea propune utilizarea RNA ca instrumente de procesare a
semnalelor RADAR, constand n clase de algoritmi cu aplicabilitate
doar n rezolvarea problemelor n care metodele reprezentrilor si
analizei timp frecven, prezentate anterior, nu dau rezultate. Dupa
cum s-a aratat n paragraful 3.9, n condiiile ecoului RADAR, care
este un semnal cu parametri aleatori iar bruiajul poate avea legi
probabilistice necunoscute se preteaz implementarea unei reele
neuronale

pentru

efectuarea

transformrilor

adecvate

asupra

coeficienilor j,k ( dj,k). n prima etap (de proiectare a sistemului ) se

va aplica metoda de nvare supervizat a reelei, la diferite condiii
de mediu i bruiaj simulat. n etapa urmtoare (de exploatare a
sistemului) se va aplica metoda de nvare nesupervizat, n care
sistemul va recunoate o anumit clas a condiiilor de lucru i se va
adapta corespunztor.
Nu este obiectul acestei lucrri studiul detaliat al reelelor
neuronale, ci doar

cutarea celor mai adecvate soluii pentru

adaptarea reelelor cunoscute ( reele feedforward cu algoritmi de

nvare backpropagation) la specificul procesrii semnalului radar.
Un prim exemplu ar putea fi o celul simpl de procesare, cu un
singur nivel, n care elementele de intrare s fie coeficienii
reprezentrii multirezoluie de nivel

n = 2k

149

(fig 61) :

150

a1k

W1

d1k

W1

a2k

W2

d 2k

W2

a1

a2

an

. . .
ank
d nk

Wn

Wn

fig. 61

Fiind o problema de decizie cu ipotez nul, este natural ca funcia de

activare sa fie o funcie treapt, dar neexistand o teorie care s determine cu
siguran care funcie de activare este mai potrivit pentru o aplicaie,
raspunsul la o astfel de ntrebare se gseste doar experimental.
1 pentru |x| > Xprag
F(x)=
0 in rest

Cunostintele reelei, sunt nglobate n ponderile sale ( Wi ) , (Wi) ,

ponderi care se ajusteaz n faza de antrenare. De reusita acestei etape
depind n mare masur performantele reelei, care dupa aceast etap este
de fapt un simplu algoritm de ponderare i decizie cu prag al coeficienilor
aplicai la intrare. De asemenea valoarea Xprag poate fi i ea optimizat
experimental, pentru a se adapta anumitor aplicaii.

Rezultatele experimentale obinute prin aceast metod, n cazul unui

impuls radar (la ieirea receptorului radarului P18), bruiat cu zgomot real din
mediul de propagare este prezentat in fig. 62.

fig. 62
S-a prezentat comparativ i rezultatul obinut prin analiza multirezoluie
i eliminarea treptat a detaliilor care conin preponderent bruiaj. Se observ
ca n acest caz apar diferene doar n forma impulsului obinut, care nu este
foarte important n cazul deciziei de existent sau inexistent a intei. Dar
trebuie recunoscut simplitatea cazului i faptul c reeaua a fost antrenat
doar cu ecou static, inta avnd aceiai poziionare temporal. Pentru
eliminarea acestui neajuns va trebui complicat reeaua, intrnd oarecum n
contradicie cu afirmaia c RNA necesit algoritmi relativi simpli, care nu se
modific de la o situaie la alta. Se poate implementa o reea format din p
celule identice cu reeaua prezentata n fig. 61, n care fiecare celul va fi
151

p , ajungndu-se astfel la un algoritm

antrenat cu ecou retardat cu
identic ca form cu cel prezentat in figura 42, doar c principiul de procesare
al celulelor este diferit.
De asemenea se poate implementa o schema mai complex, cu dou
nivele, mrindu-se gradul de interconectare al celulelor i implicit
generalitatea algoritmului. (fig. 63)
a1k
d1k

W1,1

W1',1

W1*,1

. . .

F
0

k
n

W1,n

d nk

W1',n

.
a1k

W p ,1

d1k

W p' ,1

k
n

W p ,n

d nk

W p' ,n

W1*,n

.
F

W p*,1

. . .

F
0

W p*,n

fig. 63

Rezultatele experimentale obinute n urma procesrii prin algoritmi tip

reea neuronal sunt prezentate in ANEXA 9.

152

IV. CONCLUZII
Metodele prezentate ofer dou posibiliti de prelucrare primar a
semnalului RADAR. O prim posibilitate este prezentarea semnalului ecou sub
forma reprezentrii t de tip funcie de incertitudine, compensarea
perturbaiilor i extragerea informaiilor n acest spaiu de reprezentare. n
funcie de aplicaie se poate utiliza modelul de band larg FIBL sau modelul
clasic de band ngust.
S-au artat n capitolul 2 avantajele compensrii n acest spaiu de
reprezentare.
O alt posibilitate de procesare ar fi reprezentarea semnalului ecou sub
forma TFSD sau TWD (respectiv reprezentare multirezoluie), realizarea unei
filtrri corespunztoare n aceste spaii de reprezentare n scopul eliminrii
perturbaiilor, apoi refacerea semnalului n spaiul original, din care se vor
extrage apoi parametrii utili prin metodele cunoscute n radiolocaia clasic.
Din punct de vedre al vitezei de lucru prima metod este mult mai
avantajoas, dar a doua metod permite o reprezentare mai detaliat a
semnalului ecou i o filtrare mai precis.
Pentru fiecare metod s-au descris 1 2 sisteme digitale care
implementeaz algoritmul specific metodei i s-au calculat parametrii de
vitez i capacitate a memoriilor utilizate, rezultatele ncadrndu-se n
posibilitile tehnologiilor actuale. De asemenea s-au punctat i limitele de
utilizare a acestor metode.
n capitolul 2.7. s-a artat modul de generare a principalelor funcii de
scar i undioare mam care prezint interes n prelucrarea diferitelor
tipuri de semnale radar, prin metoda reprezentrii i analizei multirezoluie.

153

Trebuie remarcat c metodele prezentate nu epuizeaz aplicabilitatea n

RADAR a reprezentrilor timp frecven. n radarele de nalt rezoluie, care
reproduc imaginea intei prin puncte de strlucire este util reprezentarea
timp frecven n procesul de generare al fiecrui cadru de imagine. De
asemenea TW bidimensional se poate aplica n etapa procesrii secundare a
imaginii RADAR.
Algoritmul prezentat utilizeaz ca undioare de descompunere baza
Haar. Dar n funcie de scopul urmrit i de caracteristicile semnalului de
sondaj se poate utiliza o gam larg de undioare de descompunere. Dac
semnalul de sondaj ndeplinete condiiile corespunztoare funciilor de scal
(undioare tat ), atunci se poate alege o baz ortogonal de undioare,
care se identific cu replicile retardate i scalate ale semnalului de sondaj:
j,k(t)= 2-j/2x(2-jt-k)

j ,k {y} = W y / x ( j, k ) = T yTWD
/ x ( j , k ) = y (t ) x j , k (t ) dt
R

n acest caz j,k se identific cu ieirea receptorului corelaional de

band larg sau cu funcia de incertitudine a semnalului, care demonstreaz
n plus c aceast tehnic este optim din punct de vedere al maximizrii
raportului semnal/zgomot.
n ANEXA 11 si ANEXA 12 sunt prezentate comparativ rezultatele
obinute prin procesarea clasic, respectiv algoritmii TWD, a unor semnale de
band larg. Se observ diferena net a calitii
favoarea algoritmilor TWD.

154

rezultatelor obinute, n

BIBLIOGRAFIE:
[1]. I. Naforni, .a. : Semnale circuite i sisteme ,Facultatea
de Electronic si Telecomunicaii Timioara, 1995.
[2] I. Naforni, A. Isar:

Reprezentri timp - frecven,

Editura Pilitehnic Timioara, 1998.

[3] Lora G. Weiss : Wavelets and Wideband Corelation
Processing, IEEE Signal Processing Magazine,Ianuarie 1994
[4] A. Cohen : Ondelettes et traitement numerique du signal
Masson , 1992
[5] Harry L. Van Trees : Radar -Sonar Signal Processing and
Gaussian Signals in Noise , New York ,1971
[6] Gh. Iubu .a. : Analiza i procesarea semnalelor radar de
nalt rezoluie, Academia Tehnic Militar, 1994
[7] Gh. Iubu.: Particularitile filtrelor numerice adaptate cu
semnalul de sondaj, a XXVII a sesiune de comunicri
tiinifice Academia Tehnic Militar, Bucureti 1997.
[8] J. Froment : Traitement d images et applications de la
transformee en ondelettes ,Teza de doctorat,1990
[9] J. Froment : Introduction a la theorie des ondelettes.
curs,Timisoara ,Iunie 1995
[10] S. Cheregi, C. Coman:Aplicaiile transformatei Wavelet, a
XXVII a sesiune de comunicri tiinifice Academia Tehnic
Militar, Bucureti 1997.
[11] V. Crian : Using non-harmonical signals with very large

155

bandwidth in radiolocation Communications96, Bucureti

1996
[12] V.Crian : Prelucrarea spaio-temporal a semnalelor radar,
utiliznd funcia de incertitudine i convoluia de band larg.
A XXVII -a sesiune de comunicri tiintifice. Bucureti 1997.
[13] V. Crian : Sistem RADAR multifuncional bazat pe
principiul analizei de faz al semnalului, a XXVI a sesiune de
comunicri tiinifice Academia Tehnic Militar, Bucureti1995.
[14] V. Crian, M. Farca: Aplicaii ale reprezentrilor timp
frecven n procesarea i analiza semnalelor RADAR, a
XXVIII a sesiune de comunicri tiinifice Academia Tehnic
Militar, Bucureti 1999.
[15] V. Crian:Metode moderne de prelucrare a semnalelor de
tip radar, referat nr. 1 din cadrul pregtirii pentru doctorat.
Universitatea Politehnic Timioara, 1998.
[16] V. Crian: Tehnici de procesare a semnalelor radar
bazate pe reprezentrile timp-frecven., referat nr. 2 din
cadrul pregtirii pentru doctorat. Universitatea Politehnic
Timioara, 1999.
[17] V. Crian:

Tehnici de procesare a semnalelor radar

bazate pe reprezentrile timp-frecven. , Revista Ageniei de

Cercetare Pentru Tehnici i Tehnologii Militare nr. 3-4/2000.
[18] V.Crian : Metode moderne de procesare a semnalului
RADAR, bazate pe reprezentari timp-frecventa.
A XXIXa sesiune de comunicri tiinifice Academia Tehnic
Militar, Bucureti 2001.
[19] I.Daubechies:The Wavelet Transform: A Method for

156

Time- Frequency Localization. In advances in Spectrum Analysis

and Array Processing. Prentice-Hall, New Jersey 1991.
[20] A. Dumitras: Proiectarea reelelor neuronale
artificiale.Bucuresti 1997
[21] G. Toderean, s.a.Reele neuronale artificiale
Cluj-Napoca 1995
[22] M.Ghinea, V.Fireteanu, MATLAB, calcul numeric, grafica,
aplicaii. Teora 1997
[23] S.Demeter, Analiza si sinteza semnalelor de radiolocaie.
Academia Tehnica Militara. 1992
[24] D. Scheianu, Compendiu de teoria semnalelor in locaie.
Bucuresti 1998.

157

CUPRINS

I.INTRODUCERE.........................................................................................pag.1
II.BAZELE TEORETICE ALE REPREZENTRII I ANALIZEI
SEMNALELOR RADAR....................................................................pag.4
1.METODE DE REPREZENTARE A SEMNALELOR RADAR
1.1 Modelul matematic al semnalului radar spaio-temporal
de band larg.....................................................................pag.4
1.2 Reprezentarea i analiza Fourier a semnalelor RADAR.........pag.9
1.3 Metode de reprezentare timp-frecven................................pag.12
1.3.1 Ferestre i atomi timp-frecven ....................................pag.14
1.3.2 Proprietaile atomilor timp-frecven.
Baze de descompunere a semnalelor ............................pag.16
1.3.3 Principiul incertitudinii n analiza timp-frecven...........pag.18
1.3.4 Transformata Fourier cu fereastr glisant
(T.F.F.G. ,T.F.S.)...............................................................pag.22
1.3.5 Transformata Gabor.........................................................pag.25
1.3.6. Interpretarea T.F.F.G. (T.F.S).........................................pag.27
1.3.7 Transformata WAVELET....................................................pag.32
1.3.8 Interpretarea T.W.C..........................................................pag.36
1.3.9 Transformarea Wavelet discret.......................................pag.38
1.3.10 Serii Wavelet n timp discret...........................................pag.41
1.3.11 Proprietile transformatei Wavelet................................pag.42
1.4 Reprezentarea i analiza multirezoluie a semnalelor RADAR.
1.4.1 Conceptul de analiz multirezoluie..................................pag.43
1.4.2 Exemple de analiz multirezoluie.....................................pag.47
1.5 Funcia de incertitudine (ambiguitate) i corelaia de band
larg...........................................................................................pag.52
2. FILTRUL OPTIM ADAPTAT CU SEMNALUL DE SONDAJ DE
BAND LARG..............................................................................pag.54
3. CONVOLUIA SEMNALELOR RADAR DE BAND LARG...............pag.56

158

III.TEHNICI DE PROCESARE A SEMNALULELOR RADAR BAZATE PE

REPREZENTRILE TIMP-FRECVEN............................................pag.58
3.1 Generaliti...............................................................................pag.58
3.2 Aplicaii ale reprezentrii de tip TFS (TFFG) i a funciei
de incertitudine de B.L. ............................................................pag.61
3.3 Metode de implementare a algoritmilor de procesare
bazai pe reprezentri TFS i FIBI ..........................................pag.74
3.4 Transformarea Fourier Scurt Discret. Aplicaii n procesarea
semnalului RADAR......................................................................pag.81
3.5 Metode de procesare a semnalului RADAR bazate pe
reprezentrile de tipul TW i a funciei de incertitudine de band
larg(FIBL)...................................................................................pag.90
3.6 Determinarea parametrilor semnalului ecou pe baza
procedeelor comparative a funciilor de incertitudine de BL........pag.101
3.7 Discretizarea TW i a FIBL. Aplicaii n procesarea
semnalului RADAR........................................................................pag.104
3.8 Reprezentri multirezoluie a semnalului RADAR........................pag.115
3.9 Aplicaie RADAR a reprezentrilor multirezoluie........................pag.134
3.10 Procesarea semnalelor nearmonice de band foarte larg........pag.140
3.11 Sistem RADAR multifunctional cu agilitate de frecventa bazat
pe principiul analizei timp-faza-frecventa al semnalului.. pag.143
3.12 Aplicatii ale retelelor neuronale n procesarea adaptiv
a semnalului RADAR pag.148

IV.CONCLUZII...................................................................................pag.153

159