Documente Academic
Documente Profesional
Documente Cultură
Conductor de doctorat:
Colonel (r) prof. univ. dr. ing. Gheorghe GAVRILOAIA
BUCURETI
- 2006 -
Cuprins
Cuprins
Abrevieri
Capitolul 1 Introducere
10
10
12
12
13
15
16
16
17
17
Radiolocaie
2.3.2. Cerine operaionale ale receptoarelor de rzboi electronic
18
de radiolocaie
2.3.2.1. Cerine operaionale tipice pentru sisteme ESM/ELINT
18
20
20
radiolocaie
2.4 Concluzii
22
24
electronic de radiolocaie
3.1 Extragerea semnalului din zgomot cu ajutorul estimrii spectrale
24
24
3.1.2
26
29
29
31
3.3 Concluzii
33
35
35
35
37
38
38
38
39
40
41
41
42
42
43
4.4 Concluzii
43
45
45
3
45
45
46
46
46
termen scurt
b. Rezoluia timp-frecven a STFT
5.3.2. Reprezentri de tranziie de la reprezentrile liniare la
47
47
cele neliniare
5.3.3
a. Spectrograma
47
48
49
49
50
50
redistribuit
e. Funcia de incertitudine (AF)
5.4 Extragerea informaiei din reprezentarea timp-frecven a unor semnale
51
53
de radiolocaie
5.4.1
53
cmpul radioelectronic
5.4.2
Capitolul 6
53
54
56
57
57
58
65
6.4 Concluzii
68
69
electronic de radiolocaie
7.1 Scheme moderne de procesare de semnal prezentarea rezultatelor
69
modelrii
7.2 Concluzii
76
78
8.1 Concluzii
78
84
85
Bibliografie
87
AF
AGS
ALE
AR
ARMA
COMINT
EA
Termenul pe larg
Scurt explicaie
aeriene)
Ambiguity Function
(funcia de incertitudine)
Air-to-Ground Surveillance
AutoRegresive
(autoregresiv)
Communications Intelligence
Electronic Attack
(atac electronic)
ELINT
Electronic Intelligence
(Informaii electronice)
EP
Electronic Protection
(protecie electronic)
ES
Electronic Support
(sprijin electronic)
FFT
FIR
FPGA
Fourier rapid)
semnal
HF
ICA
IF
IIR
LFM
L
High Frequency
(frecvene nalte)
30 MHz
de variabile independente
Intermediate Frequency
(frecven intermediar)
impuls infinit)
liniar a frecvenei)
folosit n radiolocaie
Linie de ntrziere
LMS
LO
Local Oscilator
(oscilator local)
LPI
MA
MSE
sczut de intercepie)
Moving Average
(medie mobil)
MUSIC
Mixer
PCA
PDW
PHP
5.3.3.b)
Receptor cu Compresie
RCB
RDD
RE
Rzboi Electronic
RF
RLS
RMC
RadioFrequency
(radiofrecven)
MHz
Receptor MultiCanal
RMIF
RSH
Frecvenei
pct. 2.3.3.3)
Receptor SuperHeterodin
RSP
SIGINT
SHF
SNR
SPWVD
redistribuit)
5.3.3.d)
Signals Intelligence
Super-High Frequency
30 GHz
(raportul semnal-zgomot)
5.3.3.c)
Ville netezit)
STFT
Wigner-Hough Transform
(transformare Wigner-Hough)
WVD
Wigner-Ville Distribution
(distribuia/reprezentarea Wigner-Ville)
5.3.3.a)
Capitolul 1
Introducere
1.1.
Cadrul general
11
Capitolul 2
Concepte moderne de rzboi electronic
2.1. Rzboiul modern i spaiul de lupt digital
Progresele din domeniile social, politic i tehnologic au determinat, de-a lungul istoriei,
schimbri profunde n doctrina, organizarea, strategia i tacticile militare.
n perioada recent, mai multe evenimente deosebit de importante au modificat radical
modul de conducere i caracterul rzboaielor: revoluia francez (1789), revoluia industrial
de la mijlocul secolului al XIX-lea, revoluia managerial de la sfritul secolului al XIX-lea,
mecanizarea activitilor industriale (1919 - 1939) i revoluia tiinific care a culminat cu
producerea bombei atomice. ncepnd cu anii '70 ai secolului al XX-lea, suntem martorii unui
fenomen cu implicaii profunde - revoluia informaional, concretizat, n domeniul militar, prin
apariia i dezvoltarea unor sisteme de armament de mare precizie precum i prin afirmarea
conceptului superioritii acelei pri dintr-un conflict care are o abilitate superioar
adversarului de colecta, analiza, disemina informaiile de pe cmpul de lupt i de a aciona pe
baza acestora.
Aceste progrese tehnologice au determinat modificri majore n spaiul de lupt, acesta
devenind o entitate caracterizat prin: operare continu, 24 ore din 24 de ore; creterea
preciziei, razei de aciune, letalitii i volumului focului; existena unor uniti mai mici i mai
eficace datorit mai bunei integrri tehnologice; o disjuncie crescnd ntre dispersarea din ce
n ce mai pronunat a unitilor tot mai mobile i mai rapide i tendina accentuat spre lupta
n arii bine delimitate caracterizate de o mare concentrare de fore pe distane i suprafee
mici; apariia i dezvoltarea contradiciei tactice dintre creterea invizibilitii (datorat
dispersiei i vitezei forelor i mijloacelor de lupt) i creterea riscului de a fi detectat pe
cmpul de lupt (datorit unui numr tot mai mare de senzori din ce n ce mai performani).
Observaie
Cu numai o sut cincizeci - dou sute de ani n urm, un comandant, stnd ntr-un loc convenabil din
cmpul de lupt (un deal sau o alt nlime) putea s supravegheze dispunerea forelor i mijloacelor proprii
i inamice. Astzi, n plin er informaional, comandantul modern, prelungindu-i simurile cu ajutorul
senzorilor electronici i sistemelor moderne de comunicaii, st pe un deal electronic i vede orice poriune
dorete a cmpului de lupt, cu aproape orice rezoluie, avnd la dispoziie un volum impresionat de detalii,
practic infinit, a cror gestionare nu este, ns, o problem uoar.
Dintre conceptele cele mai importante nsuite de ctre strategii i planificatorii militari
de la mediul economico-social se numr i acelea c, n era informaional, conflictele au ca
esen cunoaterea, iar cel care deine controlul reelelor i a entitilor organizate n reea va
avea un avantaj major n cazul unui conflict.
12
Forele armate moderne trebuie s fie n msur s acioneze ntr-o gam foarte larg de
aciuni, cum ar fi operaiile militare convenionale, misiuni de impunere i meninere a pcii,
operaii de contra-terorism, aciuni de asisten umanitar i sprijin civil.
Aceste cerine trebuie ndeplinite i de Forele Armate Romne, urmare a obligaiilor ce
revin Romniei din recenta sa calitate de membr a celei mai importante aliane politicomilitare contemporane - NATO. n acest scop, este necesar a se realiza o for militar
compact, eficient i flexibil care s ndeplineasc nevoile naionale de securitate i
ateptrile pe care le are NATO de la aceasta. [B-2].
De altfel, prin Strategia Militar a Romniei, se stabilete c misiunea principal a
Armatei Romne este aceea de a garanta cetenilor Romniei respectarea strict a
drepturilor omului ntr-un stat suveran, independent, unitar i indivizibil, angajat activ n
procesul de integrare european i euro-atlantic, n condiiile unui regim politic bazat pe
democraia constituional, sub un strict control democratic civil asupra forelor armate. [B-2].
Din punct de vedere politico-militar, societatea contemporan se afl n etapa post 11
septembrie 2001 dat celui mai mare atentat terorist asupra Statelor Unite ale Americii.
Aceast etap este caracterizat de noi riscuri de securitate: terorismul internaional,
crima transfrontalier, proliferarea armelor de distrugere n mas, riscuri care se adaug celor
considerate clasice, reprezentate de lupta pentru influen pe arena mondial.
Forele Armate Romne s-au implicat, conform nevoilor alianei nord-atlantice i
dimensiunii propriilor resurse, n aciunile politico-militare determinate de combaterea eficient
a noilor riscuri de securitate, prin participarea la operaiuni efective de lupt n mai multe teatre
internaionale de operaii (Afganistan, Irak, etc.).
Securitatea naional a Romniei este direct afectat de existena i meninerea unor
focare de tensiune i instabilitate, n diverse regiuni ale globului, care genereaz o multitudine
de riscuri de securitate neconvenionale. Datorit acestei situaii politico-militare, participarea
la lupta mpotriva terorismului este un obiectiv strategic pentru ara noastr.
n acest context, o component cheie a dominaiei depline n spaiul de operaii o
reprezint superioritatea informaional, respectiv capacitatea de a colecta, prelucra i
disemina un flux nentrerupt de informaii simultan cu exploatarea sau interzicerea capacitii
adversarului de a face aceleai lucruri [B-1].
Superioritatea informaional trebuie convertit n cunoatere de nivel superior, care,
combinat cu adaptarea doctrinal i organizaional, pregtirea i experiena relevante,
precum i cu instrumente i mecanisme corespunztoare de comand i control, trebuie s
asigure superioritatea decizional. Un instrument esenial de furnizare a informaiilor necesare
atingerii superioritii decizionale n operaiile militare l reprezint rzboiul electronic.
2.2. Rzboiul electronic
Dominaia spectrului electromagnetic este o component crucial a majoritii
operaiilor militare moderne bazate pe folosirea intens a sistemelor informatice, de
comunicaii i electronice, n general. Dac aceste sisteme sunt distruse, degradate sau
bruiate, atunci comandantul nu poate realiza un act de comand eficace, fiind, metaforic spus
orb, surd i mut.
Rzboiul electronic cuprinde ansamblul aciunilor militare care implic utilizarea
energiei electromagnetice pentru a determina, exploata, contracara, reduce i preveni aciunile
13
n benzile radar UHF i superioare (respectiv peste 300 MHz, n benzile de frecven alocate
radarelor) . n cadrul rzboiului electronic non-comunicaii, msurarea caracteristicilor
semnalelor i, pe cale de consecin, ale emitoarelor reprezint un punct central, sistemele
aparinnd acestei categorii de rzboi electronic fiind necesar s detecteze prezena, i, pe ct
posibil, s identifice echipamentele i performanele acestora.
Informaiile asupra crora se concentreaz aciunile de rzboi electronic sunt denumite
informaii din semnale (cf. [B-1]) sau informaii de origine electromagnetic (cf. [B-44]).
Informaiile din semnale (SIGINT) au dou componente: informaiile din comunicaii - COMINT
i informaiile electronice ELINT
Informaiile din comunicaii (COMINT) desemneaz informaiile tehnice sau de alt
natur care au ca surs comunicaiile, recepionate de altcineva dect adresantul dorit.
Informaiile electronice (ELINT) reprezint informaiile tehnice i de localizare care
rezult din radiaia electromagnetic a echipamentelor non-comunicaii, emise de alte surse
dect exploziile nucleare sau sursele radioactive.
Informaiile din semnale (SIGINT) reprezint categoria de informaii care cuprinde att
informaiile din comunicaii (COMINT), precum i cele non-comunicaii (ELINT).
Observaie
n conformitate cu [B-43], n cadrul SIGINT este inclus i amprenta electronic (foreign
instrumentation signals intelligence - reprezentnd informaiile tehnice sau de alt natur obinute prin
interceptarea emisiilor electromagnetice strine asociate testrii i desfurrii operaionale a sistemelor
spaiale, terestre i navale neproprii). .
Convertor
analognumeric
Partea
de RF
RF
IF
FFT
Date
Sortare
Date
clasificate i
curate
despre
semnale i
emitori
n acest fel se realizeaz o arhitectur de receptor care, spre deosebire de cea din fig.
2.12, nglobeaz un bloc pentru realizarea precondiionrii i analizei preliminare a semnalelor
radar de intrare.
Acest bloc, de o complexitate deosebit, realizeaz nu doar transformarea Fourier rapid
a semnalelor, ci i o analiz mai detaliat a acestora, rezultnd, n final, reducerea nivelului
zgomotelor i posibilitatea extragerii preliminar a unor informaii. Pentru aceasta se folosesc
instrumente de analiz performante, cum ar fi analiza timp-frecven sau analiza multivariabil.
Schema bloc a acestui tip de receptor numeric de rzboi electronic de radiolocaie este
prezentat n fig. 2.13.
n acest tip de receptor, intrarea este convertit inferior n frecven intermediar, apoi
are loc digitizarea cu ajutorul unor convertoare analog-numerice de mare vitez, cu un mare
numr de nivele de cuantizare.
Una dintre deosebirile cele mai importante dintre receptoarele analogice i cele numerice
o reprezint lipsa etajului de detecie din receptoarele numerice. n aceste receptoare,
semnalele analogice (de la ieirea convertorului de microunde) sunt convertite n date
numerice, n restul schemei fcndu-se exclusiv procesare numeric.
Convertor
analognumeric
Partea
de RF
RF
IF
Analiz
preliminar i
precondiionarea
semnalelor
Date
Sortare
antene, contribuie decisiv la ndeplinirea cerinelor actuale ale acestor sisteme de recepie de
rzboi electronic de non-comunicaii (de radiolocaie, pentru cazul analizat n prezenta
lucrare). De fapt, proiectarea i realizarea subsistemului de anten (mpreun cu soluiile
adecvate de realizare a blocului de radiofrecven) au o influen direct asupra unor
caracteristici importante ale sistemelor de sprijin electronic, cum ar fi capabilitatea de
localizare precis a surselor de semnale potenial ostile.
Inovaiile n domeniul antenelor pentru sisteme ES i cel al circuitisticii de
microunde/radiofrecven asociate se nscriu pe mai multe direcii:
antene ale cror surse elementare furnizeaz semnale de ieire corespunztoare a
dou polarizri ortogonale, permind, astfel, recepia i apoi prelucrarea semnalelor
avnd toate polarizrile;
subarii/grupuri de antene elementare proiectate pentru a realiza determinarea
direciei i, posibil, localizarea surselor de semnal ntr-un sector spaial impus (de
exemplu, un sector azimutal de 90);
arii de antene cu caracteristici de funcionare multispot (cu posibilitatea de sintez a
unor diagrame de directivitate multiple), realizate n tehnologia conform (planar sau
pentru suprafee de forme arbitrare);
tehnicile de determinare a direciei semnalelor i localizare a surselor acestora: pe
lng tehnicile tradiionale (monoimpuls) se folosesc i dezvolt tehnici cum ar fi
cele bazate pe compararea semnalelor colectate de la elemente de anten separate,
pe baza altor parametri;
creterea puterii de calcul i prelucrare a microprocesoarelor i posibilitatea de
implementare a unor circuite digitale complexe pe FPGA din ce n ce mai mari fac
posibil realiza hardware pentru receptoarele ES de dimensiuni tot mai mici, cu
performane destul de greu de imaginat azi.
Avnd n vedere cele artate anterior devine fireasc ntrebarea: Ct de rapid va fi
evoluia tehnologic n domeniul receptoarelor numerice ES?
Rspunsul este greu de dat, fie i lund n consideraie urmtoarele aspecte:
n ultimii civa ani (4-5 ani) banda instantanee a receptoarelor de rzboi electronic
radar s-a dublat iar costurile au sczut cu un ordin de mrime;
dac dimensiunile i costul hardware-ului receptoarelor de rzboi electronic de
radiolocaie vor continua s scad cu aceeai rat, este posibil s asistm la apariia
receptorului de rzboi electronic de radiolocaie pe un singur chip la un cost att de
sczut (1000 2000 ?) nct unele arhitecturi complexe imaginate azi, dar de un
grad prea mare de complexitate pentru a putea fi implementate, s poate fi nu numai
realizate ci s devin alternative deosebit de atractive din multe puncte de vedere.
Toate elementele prezentate arat necesitatea dirijrii eforturilor de cercetare pe mai
multe direcii, una dintre cele mai promitoare (i avnd deja rezultate concrete)
reprezentnd-o obinerea unui volum mai mare de informaii care se pot extrage din semnalele
radar din cmpul tactic.
Acest lucru se poate face prin creterea performanelor sistemelor de recepie rzboi de
radiolocaie folosind tehnici i instrumente de extragere a semnalelor din zgomote i de
mbuntire a raportului semnal-zgomot precum i tehnici de cretere a gradului de finee al
prelucrrii semnalelor, cum ar fi analiza timp-frecven sau analiza multivariabil a semnalelor.
Acestea sunt, de altfel, i direciile pe care le abordeaz, n esen, lucrarea de fa.
23
Capitolul 3
Extragerea semnalului din zgomot n receptoarele de
rzboi electronic de radiolocaie
3.1.
a)
e)
b)
c)
f)
Fig. 3.1 Comparaie ntre spectrele de putere ale unui semnal n impuls cu component de zgomot obinute
prin dou metode diferite: a) analiza Fourier clasic, b) o metod de mediere cu 32 de segmente,
de lungime 32, nesuprapuse. Se mai prezint, de asemenea: c) spectrul Fourier al semnalului ideal
(lipsit de zgomote), d) forma semnalului ideal, e) forma semnalului real(cu zgomot)
Din examinarea fig. 3.3 devine i mai clar aciunea micorrii lungimii ferestrei: pentru
lungimi mai mari ale acesteia, rezoluia n frecven este mai bun, dar este foarte puin
vizibil una dintre componentele utile ale semnalului (cea de frecven 3 GHz). Pe msur ce
lungimea ferestrei scade, cele dou componente utile se disting mai bine, aprnd ns i
scderea rezoluiei n frecven.
3.1.2.
acestea, cunoaterea apriori a unor date despre semnal ar fi utile la selecia ferestrei i a
modalitii de mediere.
Metodele clasice se bazeaz pe presupunerea c semnalul de analizat este nul n afara
ferestrei de analiz. Cum aceast situaie este, n realitate, rar, rezult distorsiuni ale
estimrii spectrale.
Abordrile moderne ale analizei spectrale sunt concepute astfel nct s depeasc
unele dintre deformrile produse de ctre metodele clasice i sunt destul de eficace mai ales
n cazul segmentelor de analiz scurte.
Toate tehnicile moderne (parametrice sau neparametrice) ncearc depirea limitrilor
tehnicilor tradiionale prin folosirea avantajoas a oricrei informaii cunoscute, sau presupus a
fi cunoscut, despre semnal.
Metodele parametrice fac uz de un proces liniar, cunoscut sub denumirea de model,
pentru a estima spectrul de putere.
Metodele parametrice fac apel la mai multe tipuri de modele, difereniate prin natura
funciei lor de transfer. Cele mai utilizate modele sunt: modelul autoregresiv (AR), modelul cu
medie mobil (MA) i modelul cu medie mobil autoregresiv (ARMA).
Modelului AR are folosirea cea mai rspndit datorit faptului c foarte multe dintre
semnalele uzuale se ncadreaz n categoria celor pe care acest model le estimeaz cel mai
bine, fapt pentru care va fi folosit pentru exemplificarea utilizrii metodelor neparametrice la
modelarea analizei de semnal n vederea extragerii acestuia din zgomot n lucrarea de fa.
Fig. 3.4 ilustreaz cteva dintre avantajele i dezavantajele folosirii metodelor AR drept
instrument de analiza spectral a semnalelor:
se poate vedea importana alegerii valorii ordinului modelului pentru spectrul (mai
corect - puterea spectral) rezultat al estimrii;
astfel, la valori relativ mici ale ordinului modelului AR Yule-Walker, acesta produce un
spectru netezit, care urmrete destul de grosier variaia componentei de zgomot dar
care nu reuete s separe cele dou componente de frecvene 2 i respectiv 3 GHz,
vrfurile corespunztoare acestor componente fiind, totui, vizibile;
pe msur ce valoarea ordinului modelului crete, are loc i mbuntirea preciziei
localizrii celor dou componente utile ale semnalului, fr a se putea, totui, deduce
alte informaii despre natura semnalului (de exemplu, structura lobulat a spectrului,
caracteristic unui impuls);
pe msura creterii valorii ordinului spectrului are loc i mbuntirea preciziei
estimrii spectrale i, astfel, mai bun extragere a semnalului din zgomot.
Fig. 3.4. Densitatea spectral de putere a semnalului impuls RF cu zgomot, reprezentat n fig. 3.1.e, estimat
cu metoda AR,( algoritmii Yule-Walker) i a covarianei pentru semnalul n impuls reprezentat n
fig. 3.1e Raportul semnal- zgomot are valoarea 0.25 (SNR = -3 dB)
27
Fig. 3.6. Densitatea spectral de putere a semnalului impuls RF cu zgomot, reprezentat n fig. 3.1.e, estimat
cu metoda ne-parametric, algoritmul MUSIC pentru semnalul n impuls reprezentat n fig. 3.1e.
Raportul semnal-zgomot are valorile 0.25 (SNR = -3 dB respectiv 0.1 (SNR = -10 dB).
intrarea
x(n)
ieirea
filtrului
y(n)
Filtru liniar
H(Z)
eroarea
estimat
e(n)
Conceptul de baz a teoriei filtrelor Wiener const n minimizarea diferenei dintre ieirea
filtrat i forma dorit a semnalului. Aceast minimizare se bazeaz pe aplicarea metodei erorii
29
medii ptratice, prin care se ajusteaz coeficienii filtrului n scopul reducerii ptratului
diferenei dintre cele dou semnale (semnalul de ieire curent i semnalul dorit).
Semnalul de intrare, care conine att semnalul util (dorit) ct i zgomotul este supus
prelucrrii unui proces liniar, H(z). Practic, acest proces poate fi implementat cu o funcie de
transfer de tip filtru adaptiv FIR sau IIR. Deoarece filtrele tip FIR sunt, n mod inerent, nativ,
stabile acestea vor fi folosite, n prezenta lucrare, n mod exclusiv, pentru
implementarea filtrului activ din receptorul de rzboi electronic da radiolocaie.
Folosirea filtrului Wiener la eliminarea (atenuarea) zgomotelor unui semnal este ilustrat
n fig. 3.8.
intrarea
x(n)
ieirea
y(n)
Filtru liniar
H(Z)
rspunsul
dorit
d(n)
actualizarea
coeficienilor
b(n)
eroarea
e(n)
Algoritm
adaptiv
Algoritmul LMS are unele puncte comune cu algoritmul utilizat n cadrul teoriei filtrelor
Wiener: determin coeficienii filtrului optim i se bazeaz pe minimizarea erorii ptratice. Spre
deosebire de filtrele Wiener, algoritmul LMS nu necesit calculul funciilor de corelaie, rxx i rdx,
ci folosete o metod de gradient recursiv, cunoscut sub denumirea de metoda
descendent n pai, pentru a determina valorile coeficienilor filtrului care produc suma
minim a erorii erorii ptratice.
31
n cadrul acestei metode, valorile coeficienilor filtrului sunt modificate pe baza unei
estimri a gradientului negativ al funciei eroare fa de un set de coeficieni dat:
bn (k ) = bn 1 (k ) + e(n ) x(n k )
(3.1)
unde: - mrimea care caracterizeaz (controleaz) viteza algoritmului descendent, cunoscut sub
denumirea de rat de convergen a algoritmului LMS.
BL(n) + B(n)
ntrzierea
semnalului
Filtru adaptiv
FIR
B*(n)
BL(n)
B(n)
Algoritm
LMS
Semnal de ieire =
componenta de band ngust
(s-a eliminat componenta de
band larg) ieirea ALE
Schema din fig. 3.10 realizeaz, n esen, separarea, la cele dou ieiri, a
componentelor semnalului de intrare (cea de band larg de cea de band ngust).
n cazul n care componenta de band ngust este semnalul iar cea de band larg este
zgomotul, atunci semnalul fr zgomot va fi disponibil la ieirea ALE a schemei.
32
3.3. Concluzii
n acest capitol au fost abordate aspecte de principiu privind metode de mbuntire a
extragerii semnalului din zgomot, care se pot folosi n receptoarele de rzboi electronic de
radiolocaie.
Au fost luate n consideraie, datorit impactului i potenialului de utilizare n
receptoarele numerice, metodele bazate pe folosirea estimrii spectrale i cele bazate pe
utilizarea filtrelor adaptive.
O concluzie important este aceea c utilizarea metodelor de estimare a spectrului de
putere reprezint un instrument util n analiza semnalelor i mbuntirea extragerii acestora
din zgomote folosit cu succes n receptoarele de rzboi electronic de radiolocaie.
Estimarea spectral poate fi realizat pe calea metodelor clasice (analiza Fourier,
densitatea spectral de putere, periodograma) sau a metodelor moderne (parametrice AR,
MA, ARMA i neparametrice MUSIC i PHP).
Examinarea rezultatelor aciunii metodelor de estimare spectral asupra semnalelor
radar reprezentative conduce la urmtoarele concluzii:
analiza Fourier d o imagine global mai corect a spectrului, putndu-se identifica
uor frecvenele;
spectrul calculat prin mediere cu ferestre nesuprapuse realizeaz o netezire a
semnalului i o mai bun estimare a componentei de zgomot a acestuia;
spectrul calculat prin mediere cu ferestre nesuprapuse realizeaz o localizare mult
mai slab a purttoarelor (aceste componente pot fi cu greu localizate individual).
spectrul calculat prin mediere cu ferestre nesuprapuse (netezirea semnalului)
furnizeaz o estimare spectral bun, n sensul unei estimri bune a componentei
dominante de zgomot, dar nu reprezint un bun detector de semnal.
metodele AR ca i alte metode bazate pe model, pot fi instrumente utile de estimare
spectral n cazul n care se dispune de anumite date apriori despre semnal, dar este
necesar mult discernmnt la folosirea lor n alte cazuri, mai ales la alegerea potrivit
a tipului i ordinului modelului;
spectrele obinute prin aplicarea algoritmului MUSIC se caracterizeaz printr-o
netezire semnificativ a zgomotelor;
modelul AR, pentru valori corespunztor alese ale ordinului su, p, se remarc prin
capacitatea de detectare a vrfurilor spectrului (care, uzual, reprezint chiar
componentele de interes ale acestuia);
pentru valori mai mari ale ordinului modelului AR, apar, mai mult dect n cazul
celorlali algoritmi parametrici, componente false, care ngreuneaz detectarea
componentelor utile din semnal;
spectrul estimat cu ajutorul algoritmului MUSIC ofer o foarte bun rezoluie n
frecven, mai bun dect n cazul celorlalte metode parametrice sau ne-parametrice;
algoritmul MUSIC are o mai bun comportare pentru seturi mai scurte de date de
intrare (v. i [B - 4]);
n cazul nivelelor mai mari de zgomot (v. fig. 3.6.b), algoritmul MUSIC creeaz multe
componente false n spectrul estimat, pstrndu-si, pe de alt parte, capacitatea de
netezire a zgomotelor, cu avantajele ce decurg de aici.
33
34
Capitolul 4
Precondiionarea semnalelor n receptorul de
rzboi electronic de radiolocaie cu ajutorul
filtrului adaptiv LMS
4.1. Introducere
Una din cerinele de baz ale receptoarelor de rzboi electronic de radiolocaie const n
detectarea semnalelor radar inamice cu o probabilitate ct mai mare. Pentru asigurarea
ndeplinirii acestei cerine, receptorul trebuie s aib o band de frecvene ct mai larg. Acest
fapt nu aduce ns doar beneficii: limea mare a benzii receptorului face s creasc nivelul
puterii de zgomot la intrarea sa, deci, n final, s scad sensibilitatea receptorului.
n cazul mediilor radioelectronice reale, de multe ori semnalul util are un nivel de putere
egal cu sau chiar mai mic fa de cel al zgomotelor.
Asigurarea sensibilitii necesare a receptorului, n condiiile lrgirii benzii sale, se poate
asigura prin mai multe metode. Una dintre acestea o reprezint mrirea ctigului antenei de
recepie. Dar, o anten de recepie cu ctig mare este o anten cu gabarit mare, datorit
necesitii asigurrii unei aperturi de dimensiuni mari, corespunztoare valorii necesare a
ctigului. Dezavantajele sunt evidente. O alt metod de mrire a receptorului o reprezint
divizarea benzii acestuia n mai multe sub-benzi rezultnd un receptor multicanal. Acest tip de
receptor nu este performant la aciunea semnalelor de band larg, deoarece reconstituirea
semnalelor, dup trecerea lor prin mai multe canale ale receptorului pune probleme deosebite
i este imposibil n lipsa unor informaii apriori despre semnal.
O alternativ posibil la metodele artate const n utilizarea unui filtru adaptiv pentru a
realiza o precondiionare a semnalelor radar. Scopul precondiionrii l reprezint reducerea
raportului semnal-zgomot al semnalelor recepionate. Datorit modului lor intrinsec de
funcionare, filtrele adaptive se adapteaz spectrului semnalului, aciunea fiind o ngustare
inteligent i flexibil a benzii receptorului, corespunztor fiecrui semnal. n final va rezulta
creterea sensibilitii receptorului, prin metode numerice ce permit o reconfigurare adaptiv.
4.2.
complexitatea calculelor, se vizeaz, evident, alegerea unei structuri a filtrului (de fapt,
implementarea acelui algoritm) care s asigure o complexitate ct mai redus a calculelor i
reducerea timpului de preprocesare a semnalelor.
Avnd n vedere aceste aspecte, precum i consideraiile deja asumate la pct. 3.2.2, s-a
optat pentru alegerea unui filtru adaptiv avnd structura ALE, conform fig. 4.1.a. Pe lng
acestea, s-a considerat i o structur de filtrare dubl LMS, obinut prin nserierea a dou
celule ALE simple, conform schemei din fig. 4.1.b.
n cazul ambelor scheme, semnalul eroare este exprimat printr-o relaie de tipul:
e(n ) = snef (n ) y (n )
(4.1)
MSE = E e 2 (n )
(4.2)
a)
Filtru
FIR
y(n)
Algoritm
LMS
snef(n)
b)
ntrzierea
del
Filtru
FIR
Algoritm
LMS
e(n)
y1(n)
y(n)
ntrzierea
del
Filtru
FIR
e1(n)
Algoritm
LMS
Fig. 4.1. Structurile propuse pentru filtrul adaptiv de precondiionare: a) filtru cu o celul, b) filtru cu dou celule n
cascad. n ambele situaii modelarea s-a fcut pentru algoritmul LMS, analizndu-se aciunea filtrului
asupra semnalelor uzuale presupuse a fi prezente la intrarea receptorului de rzboi electronic radar
36
e2(n)
4.3.
(4.3)
(4.4)
(4.5)
1.5
900
1
800
700
0.5
S
a
w
a
w
600
0
500
400
-0.5
300
200
-1
100
-1.5
10
20
30
timp
40
50
60
0.5
1.5
2
frecventa
2.5
37
3.5
x 10
a
m
p
litu
d
in
e
1.5
0.5
9
9
x 10
x 10
16
14
a
m
p
litu
d
in
e
12
10
8
6
4
2
0
9
9
x 10
4
x 10
16
14
a
m
p
litu
d
in
e
12
10
8
6
4
2
0
9
9
x 10
x 10
2.5
a
m
p
litu
d
in
e
1.5
0.5
4
5
frecventa
9
9
x 10
Fig. 4.3. Aciunea filtrului adaptiv (algoritm LMS) asupra semnalului cu codificare Welti(n medalion se
artat, pentru claritatea examinrii corectitudinii codificrii, o reprezentare mrit a unei
poriuni a formei semnalului ideal (fr zgomot)
ilustrarea calitativ este imediat din examinarea figurii: dac din forma semnalului
nefiltrat nu se poate deduce practic nimic despre acesta, din examinarea formei
semnalului filtrat de prima celul i apoi de a doua celul, rezult indicii mai
consistente despre natura semnalului original;
msura cantitativ a aciunii filtrului ca reductor de zgomot o reprezint evaluarea
raportului semnal zgomot, de ctre aplicaia de modelare, nainte i dup filtrare
(dup fiecare din celulele de filtrare);
pentru exemplul de modelare considerat (fig. 4.3), au rezultat urmtoarele valori
ale eficacitii:
ef1 = SNR pre SNR 1post = 7.4 dB
2
ef 2 = SNR pre SNR post
= 4.2 dB
x 10
2.5
amplitudine
1.5
0.5
0.5
1.5
2.5
3
9
x 10
Fig. 4.4. Caracteristica de frecven a filtrului adaptiv (algoritm LMS), dup fiecare din cele
dou celule de filtrare, tinde ctre spectrul semnalului ideal (lipsit de componenta de zgomot)
39
x 10
0.08
0.07
1.5
0.05
amplitudine
amplitudine
0.06
0.04
0.03
0.02
0.5
0.01
0
2.2
2.4
2.6
2.8
3
3.2
frecventa
2.1
3.4
3.6
3.8
4.2
2.2
2.4
2.6
2.8
3
3.2
frecventa
x 10
3.4
3.6
3.8
4.2
9
x 10
x 10
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
3
3.1
0
0.2
0.4
0.6
0.8
1.2
-7
x 10
1
delta = 0.077
L=128
SNR = -3 dB
0.9
0.8
0.7
0.7
0.7
0.6
0.6
0.6
0.4
amplitudine
0.8
0.5
0.5
0.4
0.5
0.4
0.3
0.3
0.3
0.2
0.2
0.2
0.1
0.1
100
200
300
400
500
600
iteratii
700
800
900
1000
delta = 0.077
L = 256
SNR = -3 dB
0.9
0.8
amplitudine
amplitudine
1
delta = 0.077
L = 64
SNR = -3 dB
0.9
0.1
100
200
300
400
500
600
iteratii
700
800
900
1000
100
200
300
400
500
600
iteratii
700
800
900
1000
Fig. 4.7. Variaia erorii medii ptratice pentru mai multe valori diferite ale lungimii, L, a filtrului LMS
Eroarea medie patratica-MSE
1
delta = 0.00067
L = 256
SNR = -3 dB
0.9
0.8
0.7
0.7
0.7
0.6
0.6
0.6
0.4
amplitudine
0.8
0.5
0.5
0.4
0.5
0.4
0.3
0.3
0.3
0.2
0.2
0.2
0.1
0.1
500
1000
1500
2000
iteratii
2500
3000
3500
4000
delta = 0.013
L= 256
SNR = -3 dB
0.9
0.8
amplitudine
amplitudine
delta = 0.00013
L = 256
SNR= -3 dB
0.9
0.1
500
1000
1500
2000
iteratii
2500
3000
3500
4000
500
1000
1500
2000
iteratii
2500
3000
3500
4000
Fig. 4.8. Variaia erorii medii ptratice pentru mai multe valori diferite ale coeficientului de convergen, , al filtrului LMS
40
delta = 0.035
L = 256
SNR = -3 dB
1
delta = 0.035
L = 256
SNR = 10 dB
0.9
0.8
0.8
0.7
0.7
0.6
0.6
0.9
delta = 0.035
L = 256
SNR = 0 dB
0.9
0.8
0.5
0.4
0.5
0.4
0.3
0.3
0.2
0.2
0.1
0.1
500
1000
1500
2000
iteratii
2500
3000
3500
4000
amplitudine
amplitudine
amplitudine
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
500
1000
1500
2000
iteratii
2500
3000
3500
4000
500
1000
1500
2000
iteratii
2500
3000
3500
4000
Fig. 4.9. Variaia erorii medii ptratice a filtrrii adaptive LMS pentru mai multe valori diferite ale raportului semnalzgomot, SNR, al semnalului de la intrare.
d)
Fig. 4.10. Influena variaiei lungimii filtrului asupra eficacitii reducerii zgomotelor de ctre filtrul adaptiv LMS (la intrarea
sa s-a aplicat un semnal cu codificare Welti, codul avnd lungime 64 iar SNR = -3 dB)
Fig. 4.11. Influena variaiei lungimii filtrului asupra eficacitii reducerii zgomotelor de ctre filtrul adaptiv LMS (la intrarea
sa s-a aplicat un semnal n impuls chirp avnd SNR = -3 dB)
Fig. 4.12. Influena variaiei raportului semna-zgomot la intrare asupra eficacitii reducerii zgomotelor de ctre filtrul
adaptiv LMS (la intrarea sa s-a aplicat un semnal cu codificare Welti de lungime 64)
Fig.4.13. Variaia eficacitii filtrului adaptiv funcie de valoarea ntrzierii semnalului (semnal cu codificare
de faz Welti, de raport semnal-zgomot, SNR = -6 Db, filtrul avnd lungimea, L = 128)
Se poate observa existen unei zone de optim bine definit, relativ plat, a curbei de
variaie a eficienei. Valoarea ntrzierii filtrului adaptiv se va alege n zona de optim a curbei.
d. influena coeficientului de convergen
Fig. 4.14. Variaia eficacitii filtrului adaptiv LMS funcie de valoarea factorului de convergen, a
Dup cum se poate constata din fig.4.14, exist o zon de optim a eficienei filtrului n
raport de coeficientul de convergen, zon suficient de ngust pentru a nu permite o plaj
prea mare de alegere a valorii coeficientului de convergen.
4.4.
Concluzii
44
Capitolul 5
Folosirea metodelor timp-frecven pentru
analiza semnalelor de radiolocaie n
receptoarele de rzboi electronic
5.1.
Introducere
precum i cel de baz nu sunt adaptate analizei unei categorii largi de semnale
nestaionare i al celor pe fondul zgomotului.
5.3. Analiza bidimensional a unor semnale de radiolocaie
5.3.1. Reprezentri liniare timp-frecven: transformata Fourier pe termen scurt
a.
s( ) w(t ) e
j 2 f
(5.1)
1
ST ( f , ) e j2 f w(t ) d df
2
unde w(t) este o fereastr de analiz pe termen scurt localizat n jurul t = 0 i f = 0.
s (t ) =
(5.2)
Fereastra avnd energie finit, STFT este inversabil, astfel c semnalul poate fi
descompus ntr-o sum ponderat de unde elementare de forma:
wt , f = w(u t ) e j 2 f u
(5.3)
Conform relaiei (5.3), fiecare und elementar se obine din fereastra w(t) prin translaie
n timp i translaie n frecven (modulaie, conform proprietilor transformatei Fourier). Cu
alte cuvinte, STFT este o proiecie a semnalului analizat pe unde elementare de forma (5.12),
care sunt relative bine localizate n timp i frecven.
Cum fereastra w(t) suprim efectiv semnalul s(u) n afara sa, (respectiv n vecintatea
punctului de analiz u = t ), se poate spune c STFT este un spectru local al semnalului s(u)
n jurul lui t. Se mai poate constata c, spre deosebire de transformata Fourier clasic,
spectrul obinut cu ajutorul STFT are componente variabile n timp.
Pe baza STFT se poate realiza spectrograma Fourier, FS, care furnizeaz distribuia
timp-frecven a energiei semnalului:
FS (t , f ) = ST (t , f )
(5.4)
1
2
(5.5)
STFT se caracterizeaz prin valorile fixe ale rezoluiilor n timp i n frecven, fapt care
face ca totul s depind de lungimea temporal a ferestrei w(t): dac fereastra este ngust
46
rezult o bun rezoluie n timp (STFT i FS vor fi bine localizate n timp), dar rezoluia n
frecven va fi slab.
b. Rezoluia timp-frecven a STFT
(5.6)
(5.7)
STFT este perfect localizat n timp, dar nu are nici un fel de rezoluie n frecven.
b. Cazul al 2-lea este cel al rezoluiei perfecte n frecven, obinut cu ajutorul
ferestrei constante:
w(t) = 1, sau W(f) = (f) => F(t,f,w) = S(f)
(5.8)
adic STFT se reduce la o transformare Fourier clasic a semnalului s(t), care, dup
cum se tie, nu ofer nici un fel de rezoluie n timp.
5.3.2. Reprezentri de tranziie de la reprezentrile liniare la cele neliniare
n paragraful precedent au fost abordate una dintre reprezentrile timp-frecven,
respectiv transformata Fourier pe termen scurt (STFT); aceasta, ca i toate celelate
transformri timp frecven din clasa sa [B-15], realizeaz descompunerea semnalului n
componente elementare bine localizate n timp i frecven. Aceste reprezentri reprezint
transformri liniare ale semnalului.
Trecerea ctre reprezentrile neliniare se face prin intermediul unor aa-numite
transformri de tranziie, care, dei pstrnd, n esen un caracter liniar, au, cum se va
vedea n cele ce urmeaz, i caracteristici ale reprezentrilor neliniare.
a.
Spectrograma
FS (t , f ) = STFT (t , f ) =
2
s(u ) w (u t ) e
2
j 2 f u
du
(5.9)
(5.10)
Spre deosebire reprezentrile prezentate anterior (pct. 5.3.1, pct. 5.3.2 3) care dezvolt
semnalul n componente elementare, localizate n timp i frecven, reprezentrile neliniare
(timp-frecven) realizeaz distribuia energiei semnalului n planul timp-frecven.
Este cunoscut c energia semnalului poate fi exprimat att n timp ct i n frecven:
Es=
s (t ) dt =
2
S( f )
(5.11)
df
unde s(t ) i S ( f ) pot fi interpretate ca densiti de energie n timp respectiv frecven. Este
firesc de a cuta o densitate de energie mutual timp-frecven, s(t,f) astfel nct
2
Es =
(t , f )dt df
(5.12)
care reprezint o situaie intermediar ntre cele descrise prin relaia (4.1). Deoarece energia
este o funcie ptratic de semnal, distribuiile de energia timp frecven vor fi, n general,
reprezentri ptratice.
48
= S( f )
(t , f )dt
s
(5.13)
= s(t )
(t , f )df
s
(5.14)
Reprezentarea Wigner-Ville
s(t + / 2) s
WVs(t, f) =
(t / 2) e j2 f d
(5.15)
WVs(t, f) =
S ( f + / 2) S
( f / 2) e j 2 t d
(5.16)
(5.17)
(5.18)
(5.19)
49
pe ntreg domeniul ( , ) , fapt care poate fi, practic, dificil de realizat n multe cazuri. De
aceea, de multe ori, este mai convenabil de a restrnge domeniul de analiz al variabilei ,
prin nlocuirea funciei qs(t,) cu varianta ei ferestruit cu ajutorul funciei w(t), rezultnd o nou
distribuie, caracterizat prin relaia:
PWVs(t,f) =
w( ) s(t + / 2) s
(t / 2) e j2 f d
(5.20)
PWVs(t,f) = W ( f ) WVs (t , ) e j2 d
(5.21)
Cs(t,f; p) =
j 2 ( a t )
p( , ) s(a + / 2) s * (a / 2) e j2 f d da d
(5.22)
Cs(t,f; ) =
(a t , f ) W (a, ) da d
s
(5.23)
unde
(t,f) =
p( , ) e
j 2 ( f + t )
d d
(5.24)
este transformata Fourier bidimensional a funciei de parametrizare, p(,). Clasa lui Cohen
are un caracter de generalitate, ea cuprinznd un mare numr de transformri timp-frecven
50
particulare: astfel, WVD este cazul particular obinut pentru p(,) = 1 - funia (t,f) fiind un
dublu impuls Dirac n timp i n frecven, (t,f) = (t) (f).
Dac (t,f) se interpreteaz drept o funcie de netezire, atunci expresia (5.23) permite
interpretarea Cs(t,f; ) ca o versiune netezit (filtrat) a WVD. Se obine o nou distribuie
care va atenua, ntr-un anumit fel (conform aspectului particular ales al funciei de
parametrizare), termenii de interferen ai WVD.
Considernd fereastra de termen scurt w(t) i imaginea sa Fourier H(f), o alegere a
funciei (t,f) de forma:
(t,f) = g(t) H(f)
(5.25)
este echivalent cu controlul progresiv i independent al netezirii aplicate PWVD, att n timp
ct i n frecven.
Se obine o nou distribuie:
SPWVs(t,f) =
j 2 f
*
d
w( ) g (a t ) s(a + / 2) s (s / 2) ds e
(5.26)
domeniul
s (t ) s (t ) dt
1
frecven,
2
exprimat
prin
relaia
lui
Moyal:
s2
s1
FSs(t,f;w) =
WV (a, ) WV (t a, f ) da d
s
(5.27)
spectrogramei calculat n orice punct (t, f) n alt punct ( t , f ), care este, de fapt, centrul de
gravitate al distribuiei de energie a semnalului n jurul punctului (t,f).
Se arat c una dintre cele mai interesante proprieti ale reprezentrii redistribuite
este aceea c ea folosete i informaia de faz coninut n transformata Fourier pe termen
scurt (STFT), i nu numai ptratul modulului, precum spectrograma "obinuit", [B-16].
Se mai poate demonstra, [B-16], c spectrograma redistribuit, dei nu mai este o
transformare biliniar, pstreaz proprietatea de covarian n timp i n ferecven, precum i
cea de ne-negativitate (similar WVD).
e. Funcia de incertitudine
AFs(,) =
s(t + / 2) s (t / 2) e
j 2 t
dt
(5.28)
AFs(,) =
WV (t , f ) e
j 2 ( f t )
dt df
(5.28)
Astfel. AF este duala WVD n sensul transformrii Fourier, facnd astfel parte din clasa
lui Cohen. Aceasta face s existe i o coresponden ntre proprietile celor dou
reprezentri.
5.4 Extragerea informaiei din reprezentarea timp-frecven a unor
semnale de radiolocaie
5.4.1
t k ti
A2
[
(
)
]
cos
2
t
+
+
N (t ) ,
A
rect
i
k
0
t
SNR
k =0
i
N 1
53
(5.29)
s ignal
form
1
0. 8
0. 6
a
m
p
l
i
t
u
d
e
0. 4
0. 2
0
-0. 2
-0. 4
-0. 6
-0. 8
-1
20
40
60
t ime
80
100
120
0.45
0.4
f
r
e
q
u
e
n
c
y
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
20
40
60
time
80
100
120
Se poate constata c momentele celor dou schimbri de faz din cadrul semnalului
apar cu claritate: la momentul t1 = 40 i la momentul t2 = 87. Prima schimbare de faz este de
rad, iar a doua are o valoare de aprox. /4 rad.
Se mai poate constata c mrimea schimbrilor n amplitudine i form din reprezentarea
timp-frecven (n cazul considerat, pseudo Wigner-Ville netezit, SPWVD) este direct
proporional cu mrimea absolut a schimbrii din cadrul formei semnalului.
Aceast caracteristic se poate folosi pentru a detecta i localiza o variaie de faz a
semnalului.
5.4.3
Transformarea Wigner-Hough
Teoria analizei imaginilor ne ofer instrumente care se pot folosi pentru mbuntirea
interpretrii reprezentrilor timp-frecven. Unul dintre aceste instrumente l reprezint
transformarea Hough.
Vom exemplifica prin considerarea transformrii Hough pentru o linie. Ecuaia
parametric n coordonate polare a unei linii este:
(5.30)
= x cos + y sin
Pentru fiecare punct de imagine (x,y), tranformata Hough asociaz o sinusoid n planul
(,), amplitudinea fiecrui punct fiind egal cu intensitatea pixelului (x,y).
Astfel, se realizeaz integrarea de-a lungul liniilor imaginii I, iar valoarea fiecarei integrale
este asociat punctului (,).
Ca rezultat, dac ntr-o imagine mai muli pixeli de intensitate mai mare sunt concentrai
de-a lungul unei drepte, se va observa, n domeniul (,) un vrf ale crui coordonate sunt
legate direct cu parametrii liniei.
Aplicnd transformata Hough distribuiei Wigner-Ville, se obine o nou transformare,
numit transformarea Wigner-Hough (WHT), a crei expresie este [B-17]:
54
WVHx(f0,) =
s(t + / 2) s (t / 2) e
j 2 f 0 t + 2
2t
(5.31)
dt d
Signal spectrum
5
4
60
3
50
a
m
p
litu
d
e
a
m
p
litu
d
e
2
1
0
40
30
-1
20
-2
10
-3
-4
20
40
60
80
100
120
140
0.05
0.1
0.15
time
a)
0.2
0.25
frequency
0.3
0.35
0.4
0.45
b)
c)
d)
Fig.5.6 Semnal chirp cu dou componente pe fondul zgomotului: a) forma; b) spectrul; c) transformata
Wigner-Ville (reprezentare n plan); d) transformata Wigner-Ville (reprezentare 3D).
Fig. 5.7 Semnal chirp cu dou componente pe fondul zgomotului: transformata Wigner-Hough
55
0.5
5.5 Concluzii
Analiza semnalelor radar din cmpul de lupt electronic este o sarcin de baz pentru
sistemele de recepie de rzboi electronic. Aceasta este echivalent cu buna cunoatere a
ameninrii i, n consecin, este un prim pas spre combaterea acestuia.
Analiza semnalelor radar se pot face prin metode monodimensioanle i bidimensionale.
Primele, aprute primele, presupun analiza numai n timp sau numai n frecven i au
un grad mai sczut de complexitate; tocmai n aceasta rezid dezavantajul dar, paradoxal i
avantajul acestora: dezavantaj pentru c, dei ofer, n multe cazuri, o modalitate de prim
evaluare i i analiz rapid a semnalelor, n multe situaii, n special n cazul folosirii
semnalelor moderne de radiolocaie (semnale complexe, cu modulaii complicate i de band
larg, greu de analizat i de contracarat ntr-un timp suficient de scurt pentru ca riposta s fie
eficient).
Cea de-a doua categorie de metode, respectiv reprezentrile timp-frecven, liniare i
ptratice, reprezint instrumente puternice de analiz a semnalelor i, de aceea, sunt folosite,
ori de cte ori situaia o permite, la procesarea semnalelor.
De ce se folosesc reprezentrile timp-frecven? Rspunsul poate fi c anumite
proprieti ale semnalelor apar mult mai clar n reprezentrile mixte timp-frecven, dact n
reprezentrile monodimensionale, n timp sau n frecven
Aceste reprezentri fiind fcute n planul (domeniul) timp-frecven, este necesar
cutarea acelor reprezentri similare pentru toate semnalele dintr-o categorie dar diferite fa
de toate celelalte semnalele din alt categorie.
Este unanim acceptat faptul c nu exist o reprezentare universal, la fel de potrivit n
toate aplicaiile.
Mai mult, n situaii reale, cnd categoriile de semnale nu sunt cunoscute i sunt
specificate doar printr-un eantion aleator de realizri, este necesar implementarea unui
algoritm care s se poat gsi reprezentarea timp-frecven optim n mod automat.
Rspunsul la ntrebarea Cum arat o reprezentare timp-frecven bun? depinde de
aplicaie i nu are un caracter de generalitate
Eforturile de cercetare sunt n prezent ndreptate n direcia rezolvrii problemei
determinrii reprezentrii timp-frecven optime pentru o categorie dat de semnale i o
sarcin specific de analiz, problem care nu i-a gsit, pn n prezent, dect soluii
pariale.
56
Capitolul 6
Aplicarea analizei multivariabil la prelucrarea
semnalelor n receptorul de rzboi electronic de
radiolocaie
6.1. Introducere
O problem deosebit a analizei semnalelor, cu aplicabilitate n multe domenii, ntre care
receptoarele de rzboi electronic pot constitui un loc foarte potrivit, o reprezint identificarea
componentelor independente din cadrul unor semnale compuse, formate din suprapunerea
unor semnale elementare urmat de separarea acestora i recuperarea semnalelor originale.
Abordarea acestei probleme complexe se poate face prin apelarea la dou instrumente
puternice ale analizei statistice multivariabil: analiza componentelor principale i analiza
componentelor independente.
Aa cum o arat i numele, analiza multivariabil are drept obiect de studiu analiza
variabilelor (sau msurtorilor) multiple, tratndu-le ca o singur entitate (de exemplu,
variabilele rezultate din mai multe msurtori, fcute cu senzori diferii - n cazul nostru, mai
multe receptoare de rzboi electronic sau mai multe antene ale unui receptor de rzboi
electronic asupra aceluiai proces). n cadrul analizei multivariabil, variabilele multiple sunt
reprezentate, deseori, sub forma unei singure vector, care include diferite variabile, avnd
forma:
x = [x1 (t ), x 2 (t ),
x m 1 (t ), x m (t )] ,
pentru 1 m M
(6.1)
uor de calculat iar rezultatele lor sunt mai uor de interpretat. O transformare liniar se poate
reprezenta analitic sub forma:
M
y (t ) = wij xij (t ) ,
cu i = 1, , N
(6.2)
j =1
2 = W x 2 (t )
y M (t )
x M (t )
(6.3)
U' S U = D
22
S = 21
N 1 N 2
1N
2 N
(6.5)
NN
det S I = 0
det S I b i = 0
bi
(6.8)
bi' bi
59
n cazul a dou sau cel mult trei variabile, procedur expus poate fi realizat manual,
dar, pentru un numr mai mare de variabile calculul devine foarte greoi. Este mult mai uor de
a folosi descompunerea n valori singulare, care are avantajul de a lucra direct pe datele
matriciale i poate fi fcut ntr-o singur etap. Mai mult, descompunerea n valori singulare
se poate implementa relativ simplu n Matlab, prin funcia svd, rezolvnd o ecuaii similare cu
cea dat de relaia (6.4), respectiv:
X = UD
(6.9)
U'
0.5
s1(t)
snef1(t)
1
0
-2
-1
0
0.2
0.4
0.6
0.8
1.2
timp
1.4
0.2
0.4
0.6
0.8
1.2
timp
20
10
1.4
-8
x 10
0
-10
-1
-2
-8
x 10
s2(t)
snef2(t)
0
-0.5
-1
-20
0
0.2
0.4
0.6
0.8
timp
1.2
1.4
0.2
0.4
0.6
0.8
timp
-8
x 10
1.2
1.4
-8
x 10
(a)
(b)
Fig. 6.1 Obinerea semnalelor care vor fi supuse PCA (a) componentele semnalelo; (b) semnalele obinute
prin amestecul aditiv, cu ponderi diferite, a celor dou componente la care s-a adugat i zgomot
Fiecare din semnalele s1(t) i s2(t) este format n acelai mod, din aceleai dou surse;
acest lucru face ca cele dou semnale (sau variabile - n limbajul analizei multivariabil) s
aib un grad considerabil de similaritate, mai exact, de corelaie.
Acest fapt este ilustrat i de valorile coeficienilor de corelaie al celor dou semnale (v.
matricea de corelaie Rxx2) precum i de graficul de corelaie al celor dou semnale, s1(t) i
s2(t) - fig. 6.2. (n fig 6.2 a fost redat i graficul de corelaie al componentelor snef1(t) i snef2(t)
al semnalelor s1(t) i s2(t), ilustrativ pentru gradul sczut de corelaie al componentelor
originale).
60
15
1
10
5
0
s2
snef2
0.5
-5
-0.5
-10
-1
-1.5
-1.5
-15
-1
R xx1
-0.5
=
(a)
0
snef1
0.5
1
0.0595
0.0595
1
-20
-0.8
1.5
-0.6
-0.4
-0.2
R xx2
0
s1
0.2
0.4
1
0.8806
0.8806
1
0.6
0.8
(b
Fig. 6.2 Graficele de corelare ale componetelor s1(t) i s2(t) ale semnalelor (a),
respectiv ale semnalelor obinute din acestea (b), mpreun cu matricile
de corelaie aferente
Astfel, corelaia dintre semnale este 0.8806, n timp ce componentele din care provin
acestea sunt, practic, necorelate (corelaia are valoarea 0.0595).
Gradul ridicat de corelaie al semnalelor (snef1(t) i snef2(t)) este echivalent cu faptul c,
din cunoaterea valorilor unuia dintre semnale se pot deduce cu uurin informaii despre
cellalt semnal i vice-versa.
Cu toate acestea, valoarea coeficientului de corelaie fiind, totui, subunitar, valorile
oricruia dintre semnale nu determin, n mod unic, valorile celuilalt semnal.
n cazul unor date necorelate (cum sunt, de exemplu, componentele din care s-au
construit semnalele), graficul de corelaie este practic simetric n raport cu ambele axe de
coordonate, iar cunoaterea valorilor unuia dintre semnale nu ofer niciun indiciu despre
valorile celuilalt semnal.
Componentele principale ale semnalelor s1(t) i s2(t) precum i matricea de corelaie a
acestora au fost calculate cu ajutorul procedurii descrise anterior - relaiile (6.4) (6.9);
graficul i matricea de corelaie ale componentelor principale sunt cele din fig. 6.3.
Se poate constata (v. matricea de corelaie) decorelarea complet a acestor noi semnale,
acesta fiind, de altfel, i scopul ilustrativ al exemplului de fa.
Graficul de corelatie al componentelor principale
0.4
0.3
0.2
pc2
0.1
0
-0.1
-0.2
-0.3
-0.4
-20
-15
-10
-5
0
pc1
10
15
20
Fig. 6.3 Graficele de corelare ale componetelor principale din exemplul 6.1,
mpreun cu matricea de corelaie aferent
61
Exemplul 6.2
n mod similar exemplului anterior (ex.6.1) se va trata un caz mai complex, pentru a
permite evaluarea mai complet a metodei PCA, mai ales din punctul de vedere al utilitii
acesteia n prelucrarea de semnal caracteristic receptorului de rzboi electronic de
radiolocaie.
Pentru un set de cinci semnale, generate pornind de la dou oscilaii independente (n
prim instan, o oscilaie armonic i una n impuls) plus zgomotul, se vor calcula
componentele principale i valorile proprii asociate cu ajutorul descompunerii n valori
singulare..
S-au obinut rezultatele din fig. 6.4 6.7:
Componetele semnalelor
Graficul de corelare al componentelor semnalelor
2
1.5
1
1
0
-1
0.5
0.5
1.5
timp
2.5
-8
s nef2
-2
x 10
-0.5
0
-1
-1
-2
0.5
1.5
timp
-1.5
-1.5
2.5
-1
-8
x 10
-0.5
0
snef1
R xx1
0.5
1.5
0.352
1
=
1
0.352
s1(t)
2
0
-2
0.5
1.5
2.5
-8
x 10
s2(t)
2
0
-2
0.5
1.5
2.5
-8
x 10
s3(t)
2
0
-2
0.5
1.5
2.5
-8
x 10
s4(t)
2
0
-2
0.5
1.5
2.5
-8
x 10
s5(t)
0.5
0
-0.5
0.5
1.5
timp
2.5
-8
x 10
Fig. 6.5 Cele cinci semnale de la exemplul 6.2 (cazul 1), obinute pornind de la componentele
din fig. 6.4 prin amestec aditiv liniar cu diferite ponderi
62
Valorile proprii
1.8
1.6
1.4
lambda
1.2
1
0.8
0.6
0.4
0.2
0
1.5
2.5
3
N
3.5
4.5
Componenta principala
3
1.5
pc(t)
-1
0.5
-3
0.5
1.5
timp
2.5
-8
x 10
pc 2
-2
Componenta principala
1.5
-0.5
1
0.5
pc(t)
-1
0
-1.5
-3
-0.5
-2
-1
-1.5
0.5
1.5
timp
2.5
-8
x 10
-1
0
pc1
1 0
R xx 2 =
0 1
S= 0
0
0
0 0
0.1369
0
0 0
0
0.0304 0 0
0
0
0 0
0
0
0 0
0
PC 15
100 %
PC 25
9.416 %
PC 35
1.7105 %
PC 5
0%
PC 45
0%
Ultimele trei componente (PC 35) au o pondere de numai 1.7 % n variana ntregului
set de date, fapt care sugereaz, dup cum indic i graficul din fig. 6.6 - punctul de inflexiune
- c dimensiunea real a setului de date este mai apropiat de 2 dect de 5.
Formele componentelor principale sunt redate n fig. 6.7 i cu toate c sunt necorelate,
nu reflect formele celor dou surse independente (oscilaiile din care am format cele cinci
semnalele). Acest lucru se ntmpl deoarece componentele principale, neavnd o distribuie
gaussian, decorelarea, (realizat de ctre PCA) nu realizeaz i independena lor.
Dac se consider alte semnale, formate din alte dou oscilaii (una armonic iar cealalt
cu modulaie liniar de frecven), se obin rezultatele din fig. 6.8 6.11.
Componetele semnalelor
2
0.0982
1
Rxx1 =
1
0.0982
1
0
-1
0.5
timp
7
-9
x 10
s n e f2
-2
-0.5
0
-1
-1
timp
7
-9
-1.5
-1.5
-1
-0.5
0
snef1
x 10
0.5
1.5
s1(t)
2
0
-2
7
-9
x 10
s2(t)
2
0
-2
7
-9
x 10
2
s3(t)
0
-2
7
-9
x 10
2
s4(t)
-2
0
-2
7
-9
x 10
0.5
s5(t)
0
-0.5
4
timp
7
-9
x 10
Fig. 6.9 Cele cinci semnale de la exemplul 6.2 (cazul al 2-lea), obinute pornind de la componentele
din fig. 6.8 prin amestec aditiv liniar cu diferite ponderi
64
Valorile proprii
2
1.8
1.6
1.4
lambda
1.2
1
0.8
0.6
0.4
0.2
0
1.5
2.5
3
N
3.5
4.5
Componenta independenta
3
p
c(t)
0.5
pc2
-1
-2
-3
timp
-0.5
-9
x 10
Componenta independenta
1.5
-1
-1.5
-3
pc(t)
0.5
-2
-1
0
pc1
1 0
R xx 2 =
0 1
-0.5
-1
-1.5
4
timp
7
-9
x 10
Fig. 6.11 Componentele principale ale semnalelor s1(t) s5(t) mpreun cu graficul i matricea de corelaie
corespunztoare
Nici de aceast dat constatrile nu difer prea mult fa de primul caz considerat; cel
mai important, din punctul de vedere al recunoaterii structurii semnalelor, este confirmarea
mediocritii metodei PCA i gradul relativ sczut de interes pentru folosirea acesteia n cadrul
prelucrrii semnalelor n receptorul de rzboi electronic radar.
6.3.
pentru i = 1, , N
(6.10)
Sub form matricial, relaia (6.10) se pune sub forma (6.11), care este similar cu (6.3):
s1 (t )
x1 (t )
x (t )
2 = A s 2 (t )
s n (t )
x n (t )
(6.11)
x = A s
(6.12)
sau:
unde s este vectorul compus din toate sursele de semnal, A este matricea de mixare format
din elemente constante aij, iar x este vectorul semnalelor msurate.
Tehnicile ICA se folosesc pentru a rezolva problema matricii de mixare A, din care, apoi,
se pot obine componentele independente, s, printr-o inversiune de matrici:
(6.13)
s = A 1 x
Odat cunoscut matricea de mixare, atunci sursele, s, se pot determina prin rezolvarea
ecuaiei (6.13). Pentru estimarea matricii de mixare, n cadrul metodei ICA este nevoie de a se
face trei ipoteze:
sursele de semnal, s, sunt independente;
sursele de semnal sunt nongaussiene (ambele condiii sunt ndeplinite, de obicei,
cnd sursele sunt semnale reale condiie necesar pentru c metoda ICA folosete
statistici de ordin superior pentru separarea variabilelor);
matricea de mixare trebuie s fie ptrat, adic, numrul surselor trebuie s fie egal
cu numrul semnalelor msurate. (Aceast condiie nu este greu de ndeplinit,
deoarece se poate aplica ntotdeauna metoda PCA pentru a reduce dimensiunea
setului de date, x, n aa fel nct s fie egal cu numrul de surse din setul de date,
s.)
66
s
1
(t)
0.5
-0.5
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.05
0.1
0.15
0.25
0.3
0.35
s
2
(t)
0.5
-0.5
0.2
timp
-0.5
4
3
2
1
0
-1
0.05
0.1
0.15
0.2
0.25
0.3
0.35
timp
1200
1000
Valoarea proprie
s
3
(t)
0.5
800
600
400
200
1.5
2.5
3
n
3.5
4.5
67
Componenta independenta
2
c
i(t)
1
0
-1
-2
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.25
0.3
0.35
0.25
0.3
0.35
timp
Componenta independenta
2
c
i(t)
1
0
-1
-2
0.05
0.1
0.15
0.2
timp
Componenta independenta
4
c
i(t)
2
0
-2
-4
0.05
0.1
0.15
0.2
timp
6.4 Concluzii
Pornind de la cele prezentate la pct. 6.1 6.3, considerm c este corect de a aprecia
c analiza multivariabil (prin cele dou metode exemplificate, i anume analiza
componentelor principale respectiv analiza componentelor independente) poate reprezenta un
instrument util de lucru al procesrii semnalelor de radiolocaie n receptorul de rzboi
electronic.
Un avantaj al metodelor PCA i/sau ICA, l reprezint faptul c acestea metode au
nevoie, ca dat minim de intrare, doar de semnalele msurate de ctre fiecare senzor; nu
sunt necesare (i, de altfel, nici nu sunt disponibile), matricea de mixare si nici componentele
originale ale semnalelor recepionate de ctre senzori.
Cea mai util dintre cele metode exemplificate, din punctul de vedere al procesrii
semnalelor n receptorul de rzboi electronic, este metoda ICA, datorit posibilitii acesteia de
a separa toate componentele originale din semnalele recepionate. Cu toate acestea, i
aceast metod are limitri ei, materializate prin:
existena unor ambiguiti pe care aceasta nu le rezolv ntre componentele pe care
le estimeaz. n special, metoda ICA nu poate determina varianele, n consecin nici
energia sau amplitudinea fiecrei componente originale. Dac nu sunt disponibile
date suplimentare despre componentele originale, (de exemplu, direcia de sosire,
nivelul, etc.), atunci aceast ambiguitate nu poate fi rezolvat.
spre deosebire de PCA, metoda ICA nu permite stabilirea ordinii componentelor
independente. Depirea acestui neajuns este posibil doar dac se cunosc mai
multe informaii despre matricea de mixare; acest fapt este, prin definiie, imposibil,
matricea de mixare nefiind disponibil receptorului. Se poate aprecia, totui, c lipsa
informaiei despre ordinea componentelor principale relativ la cea a componentelor
originale nu reprezint, n economia rezultatelor prelucrrii semnalelor din receptorul
de rzboi electronic, un neajuns foarte serios.
Cu toate c rezultatele simulrile efectuate la pct. 6.2 i 6.3 pot fi apreciate drept
promitoare, sunt, totui, necesare pruden i discernmnt la aplicarea metodelor expuse
anterior, mai ales dac se ine seama i de dezavantajele expuse ale metodelor analizei
multivariabil, aplicarea metodei analizei multivariabil la procesarea datelor din receptoarele
de rzboi electronic de radiolocaie meritnd totui atenie i dezvoltri viitoare.
68
Capitolul 7
Scheme de procesare a semnalelor n receptoarele
de rzboi electronic de radiolocaie
Pentru a putea avea o imagine de ansamblu asupra problematicii modelrii receptoarelor
de rzboi electronic de radiolocaie, innd seama de aspectele abordate n lucrare, am
considerat util ilustrarea implementrii unitare a unor tehnici i metode prezentate n lucrare,
ntr-un lan logic de prelucrare de semnal, formalizat n dou variante.
n acest fel considerm c este posibil implementarea unor noi proceduri de procesare
a semnalelor radar, aplicabile n cazul receptoarelor de rzboi electronic de radiolocaie; dac
receptorul are i funcionaliti de tip SIGINT, atunci este necesar folosirea analiza timpfrecven.
Capitolul de fa are un rol precumpnitor de deschidere, prezentndu-se aspectele
legate de abordarea unitar a instrumentelor de analiz analizate, modelate i exemplificate n
lucrare; este evident c una din direciile de cercetare, abordabil n viitorul imediat, o
reprezint analiza detaliat a acestor scheme logice de prelucrare i, mai ales, implementarea
lor practic, din acestea rezultnd feed-back-ul att de necesar dezvoltrii ulterioare a
domeniului.
7.1. Scheme moderne de procesare de semnal prezentarea rezultatelor
modelrii
Pornind de la aspectele abordate n capitolele anterioare ale lucrrii, se propune
realizarea modelarea i analiza un lan de procesare a unui set de trei semnale uzuale radar
dintr-un receptor de rzboi electronic de radiolocaie, folosind, drept instrumente principale,
analiza multivariabil a datelor (mai precis analiza componentei principale), precondiionarea
semnalelor de intrare (pentru a realiza o cretere a raportului semnal-zgomot) i analiza timpfrecven (rezultnd o mbuntire substanial a capacitii de distingere i recunoatere a
semnalelor, n special n cazul mediilor electromagnetice zgomotoase i a existenei
semnalelor simultan suprapuse).
Se trateaz att cazul n care analiza i extragerea componentelor independente se face
nainte de pre-condiionarea semnalelor (cazul 1), ct i cel n care aceast operaiune se
face dup reducerea nivelului de zgomot din semnalele recepionate de la numrul considerat
de cinci antene (cazul al 2-lea).
Schemele corespunztoare celor dou cazuri sunt cele din fig. 7.1, respectiv 7.8, iar
rezultatele simulrii sunt redate n fig. 7.2 7.7, pentru cazul 1, respectiv fig. 7.9 7.15,
pentru cazul al 2-lea.
69
Simularea
semnalelor originale
i a obinerii
amestecului de
semnale
corespunzator a m
senzori (antene)
Se aplic
metoda
ICA,
algoritmul
Jade
Se afieaz doar
STFT (transformata
Fourier pe termen
scurt), fr e afecta
generalitatea
problemei
Aplicarea filtrrii
LMS cu o singur
celul
Precondiionarea
fiecrei
componente
independente
Extragerea
componentelor
independente
Calculul i
afiarea
transformatelor
timp-frecven
Ctre
analiz,
evaluare,
clasificare
Fig. 7.1 Exemplu de procesare a semnalelor din receptorul de rzboi electronic radar: analiza componentelor
independente se face nainte de pre-condiionarea semnalelor
s id 1(t)
1
0
-1
-2
7
-8
x 10
2
s id2(t)
1
0
-1
-2
7
-8
x 10
2
1
s id 3(t)
0
-1
-2
4
timp
70
7
-8
x 10
s1(t)
0.5
0
-0.5
-1
7
-8
x 10
1
s2(t)
0.5
0
-0.5
-1
7
-8
x 10
1
0
-0.5
timp
-8
x 10
Semnalele amestecate
9
X(t)
-1
timp
7
-8
x 10
Fig. 7.4. Simularea semnalelor obinute prin amestecarea, n fiecare anten, a componentelor originale din
fig. 7.3 (s-au considerat cinci semnale amestecate, corespunztor la cinci antene)
Componentele independente
4
CI(t)
2
0
-2
-4
timp
7
-8
x 10
Componentele independente
4
2
CI(t)
-1
0
-2
-4
timp
7
-8
x 10
Componentele independente
4
2
CI(t)
s3(t)
0.5
0
-2
-4
timp
Fig. 7.5 Componentele independente separate din semnalele din fig. 7.4
71
7
-8
x 10
cifilt
1
0
-1
-2
200
400
600
timp
800
1000
1200
1000
1200
1000
1200
cifilt
1
0
-1
-2
200
400
600
timp
800
cifilt
1
0
-1
-2
200
400
600
timp
800
Fig. 7.6 Componentele independente din fig. 7.5 dup reducerea nivelului de zgomot
frecventa
frecventa
x 10
9
x210
2
2.2
2.2
2.4
2.4
2.6
2.6
2.8
2.8
3
3 0
0
1
1
2
2
4
timp
timp
STFT a componenetei
independente
STFT a componenetei independente
x 10
9
x210
5
5
6
6
-8
x 10
-8
x 10
frecventa
frecventa
2
2.2
2.2
2.4
2.4
2.6
2.6
2.8
2.8
3
3 0
0
3
3
1
1
2
2
4
timp
timp
STFT a componenetei
independente
STFT a componenetei independente
x 10
9
x210
5
5
6
6
-8
x 10
-8
x 10
frecventa
frecventa
2
2.2
2.2
2.4
2.4
2.6
2.6
2.8
2.8
3
3 0
0
3
3
1
1
2
2
3
3
timp
timp
4
4
5
5
6
6
Fig. 7.7 Imaginile timp-frecven ale semnalelor din fig. 7.6 (componentele independente condiionate)
72
-8
x 10
-8
x 10
Aplicarea
filtrrii
LMS cu o
singur
celul
Simularea
semnalelor originale
i a obinerii
amestecului de
semnale
corespunzator a m
senzori (antene)
Se aplic
metoda ICA,
algoritmul
Jade
Precondiionarea
fiecrui semnal
de la antene
Extragerea
componentelor
independente
Se afieaz doar
STFT (transformata
Fourier pe termen
scurt), fr e afecta
generalitatea
problemei
Calculul i
afiarea
transformatelor
timp-frecven
Ctre
analiz,
evaluare,
clasificare
Fig. 7.8 Exemplu de procesare a semnalelor din receptorul de rzboi electronic radar: analiza componentelor
independente se face dup de pre-condiionarea semnalelor
sid1(t)
1
0
-1
-2
7
-8
x 10
2
sid2(t)
1
0
-1
-2
7
-8
x 10
sid3(t)
1
0
-1
-2
timp
7
-8
x 10
73
2
0
-2
200
400
600
timp
Semnalul real de la senzorul "m"
800
1000
1200
200
400
600
timp
Semnalul real de la senzorul "m"
800
1000
1200
200
400
600
timp
Semnalul real de la senzorul "m"
800
1000
1200
200
400
600
timp
Semnalul real de la senzorul "m"
800
1000
1200
200
400
600
timp
800
1000
1200
5
0
-5
1
0
-1
5
0
-5
5
0
-5
Fig. 7.10. Simularea semnalelor obinute prin amestecarea, n fiecare anten, a componentelor originale din
fig. 7.9 (s-au considerat cinci semnale amestecate, corespunztor la cinci antene)
1
0
-1
200
400
600
800
timp
Semnalul de la senzorul "m", "curatat" de zgomot
1000
1200
200
400
1000
1200
200
400
1000
1200
200
400
1000
1200
200
400
1000
1200
Xfilt
1
0
-1
600
800
timp
Semnalul de la senzorul "m", "curatat" de zgomot
Xfilt
0.5
0
-0.5
600
800
timp
Semnalul de la senzorul "m", "curatat" de zgomot
Xfilt
1
0
-1
600
800
timp
Semnalul de la senzorul "m", "curatat" de zgomot
Xfilt
1
0
-1
600
timp
800
74
Componentele independente
4
CI(t)
2
0
-2
-4
200
400
600
timp
800
1000
1200
800
1000
1200
800
1000
1200
Componentele independente
4
CI(t)
2
0
-2
-4
200
400
600
timp
Componentele independente
0
-2
-4
0
200
400
600
timp
Fig. 7.12 Componentele independente extrase din semnalele din fig. 7.11
frecventa
x 10
2
0
1
9
frecventa
-6
3
timp
6
-8
x 10
x 10
2
0
1
9
frecventa
CI(t)
3
timp
6
-8
x 10
x 10
2
0
3
timp
Fig. 7.13 Imaginile timp-frecven ale componentelor independente din fig. 7.12
75
6
-8
x 10
7.2. Concluzii
Prezentarea i modelarea schemelor de procesare a avut un dublu scop:
a. pe de o parte, unul mai restrns, i anume de a analiza i decide poziia relativ, n
cadrul fluxului de procesare a semnalului, a extragerii componentelor independente
i a reducerii nivelului de zgomot al semnalelor recpeionate;
b. pe de alt parte a existat un scop mai larg, ce a vizat descrierea unui posibil flux de
prelucrare de semnal n receptorul de rzboi electronic radar, folosind elementele
analizate n prezenta lucrare.
Considerm c ambele scopuri au fost atinse:
a. din examinarea comparativ a fig. 7.2 7.13 se poate constata c prima variant de
prelucrare este mai avantajoas, permind o identificare preliminar mai precis a
componentelor originale ale semnalelor recepionate
b.conform simulrilor prezentate n acest capitol, dar i restul lucrrii, considerm c
realizarea prelucrrii utiliznd schemele din fig. 7.1 i/sau 7.8 dar i alte elemente ce
in de: precondiionarea semnalelor cu ajutorul filtrrii adaptive, analiza timp-frecven
a semnalelor i analiza statistic multivariabil a semnalelor recepionate, este
posibil i util, chiar dac implic un volum mare de date de prelucrat i, n
consecin, necesitatea unei puteri de calcul apreciabile.
Utilitatea aplicrii schemelor de prelucrare prezentate dar i a celorlalte instrumente de
prelucrare se traduce n posibilitatea realizrii unei analize preliminare a semnalelor
recepionate, nc nainte de analiza i clasificarea acestora, fapt care poate ajuta, ntr-o
msur considerabil, la o performan mai bun a receptorului de rzboi electronic, n
ansamblul su.
Prin aplicarea instrumentelor i metodelor prezentate se faciliteaz procesarea
semnalelor recepionate, la nivelul etajului de frecven intermediar, nainte de demodulare,
rezultnd posibilitatea de corecie spectral a semnalului precum i de cretere a sensibilitii
receptorului (n special prin creterea SNR, realiznd precondiionarea semnalului cu ajutorul
filtrrii adaptive).
Filtrul adaptiv folosit n lanul de prelucrare de semnal propus pentru receptorul de rzboi
electronic de radiolocaie trebuie s poat funciona la aplicarea unor semnale de mic sau
foarte mic putere i cu un nivel foarte mare al zgomotelor (de multe ori superior celui al
componentei utile a semnalului).
Cercetrile din domeniul metodelor de prelucrrii semnalelor radar n receptorul de rzboi
electronic, folosind tehnicile filtrrii adaptive, sunt nc n faza de nceput. Oricum, aa cum
rezult i din prezenta lucrare, aceste tehnici pot reduce n mod semnificativ costurile
sistemelor de rzboi electronic de radiolocaie, prin posibilitatea de a renuna la sisteme de
antene de dimensiuni mari i costuri ridicate.
Totodat, prin folosirea filtrelor adaptive este posibil de a realiza filtrarea semnalelor de benzi
foarte largi (sute de MHz GHz) mult mai eficient dect alte sisteme, cum ar fi sistemele de
recepie multicanal, care au, n prezent, o arie foarte larg de rspndire i utilizare.
Un alt aspect de cert importan al procesrii de semnal caracteristice rzboiului
electronic de non-comunicaii (radiolocaie) l reprezint faptul c receptoarele specifice
76
77
Capitolul 8
Concluzii, contribuii personale i direcii viitoare de
cercetare
Receptoarele de rzboi electronic de radiolocaie precum i modelarea funcionrii
acestora reprezint domenii deosebit de vaste i de dinamice, iar o lucrare, orict ar fi ea de
complex, nu poate acoperi, la nivel de amnunt, tot ceea ce implic domeniul menionat.
A fost necesar o alegere: din motive care in de gradul de noutate i de nivelul
impactului potenial asupra dezvoltrii unor metode de procesare n receptoarele de rzboi
electronic radar s-a optat pentru tratarea unor aspecte legate de metode de mbuntire a
procesrii de semnal i de interpretare a rezultatelor acesteia, specifice domeniul rzboiului
electronic de non-comunicaii (de radiolocaie).
n consecin, au fost tratate urmtoarele aspecte:
definirea cadrului general i a impactului a utilizrii tehnicilor i tehnologiilor
numerice n spaiul de lupt modern (Cap. 2, pct. 2.1);
prezentarea cadrului formal, a conceptelor i preocuprilor actuale din domeniul
rzboiului electronic modern (Cap.2, pct. 2.2);
identificarea cerinelor operaionale ale receptorului de rzboi electronic de noncomunicaii (de radiolocaie), cu exemplificarea pentru un receptor de tip
ESM/ELINT (Cap. 2, pct. 2.3.2.1);
identificarea unor direcii de aciune pentru ndeplinirea unora dintre cerinele
operaionale, folosind metode i tehnici moderne (Cap.2, pct. 2.4);
metode de mbuntire a extragerii semnalului din zgomot n receptoarele de
rzboi electronic de radiolocaie:
o mbuntirea extragerii semnalului prin estimarea spectral a semnalelor
(Cap. 3, pct. 3.1);
o utilizarea filtrelor adaptive pentru mbuntirea raportului semnal zgomot n
receptoarele de rzboi electronic (Cap.3, pct.3.2);
precondiionarea semnalelor n receptorul de rzboi electronic de radiolocaie cu
ajutorul unui filtru adaptiv (Cap. 4);
folosirea metodelor timp-frecven pentru analiza semnalelor de radiolocaie n
receptoarele de rzboi electronic (Cap. 5);
aplicarea analizei multivariabil la prelucrarea semnalelor n receptorul de rzboi
electronic (Cap. 6);
formularea posibilitilor de aplicare unitar a metodelor descrise anterior la
procesarea i analiza semnalelor ntr-un receptor de rzboi electronic radar (Cap.
7).
78
8.1. Concluzii
n urma studierii aspectelor menionate mai sus, se pot formula concluzii care vizeaz,
n special, problematica prelucrrii de semnal n receptoarele de rzboi electronic de
radiolocaie. Prezentate n mod sintetic, concluziile sunt urmtoarele:
1. Extragerea semnalelor din zgomot reprezint una dintre problemele cheie ale
prelucrrii i analizei semnalelor din orice receptor de rzboi electronic, inclusiv din
cele de rzboi electronic de radiolocaie.
2. Aceast problem se poate rezolva prin analiz spectral, prin prelucrri de semnal
n domeniul timp, prin analiz timp-frecven i/sau prin aplicarea combinat a
unora dintre aceste metode.
3. O categorie de metode de analiz spectral sunt cele care determin puterea
spectral a semnalelor i sunt bazate pe transformarea Fourier (numite i metode
clasice). Acestea sunt cele mai robuste dintre toate tipurile de estimri spectrale.
Ele nu presupun cunoaterea apriori a unui volum mare de caracteristici ale
semnalului de analizat (cu toate acestea, cunoaterea a priori a unor date despre
semnal ar fi utile la selecia ferestrei i a modalitii de mediere).
a. O caracteristic a metodelor clasice este presupunerea c semnalul de analizat
este nul n afara ferestrei de analiz. Cum aceast situaie este, n realitate, rar,
rezult distorsiuni ale estimrii spectrale. Mai mult, alegerea unei forme sau a alteia
a ferestrelor de analiz duce, la rndul ei, la apariia unor deformri importante ale
estimrii spectrale.
4. O alt categorie de metode de analiz spectral o reprezint aa-numitele metode
moderne: metode parametrice (sau bazate pe un model) i metode neparametrice.
5.
Aceste metode sunt concepute astfel nct s depeasc unele dintre deformrile
produse de ctre metodele clasice i sunt destul de eficace mai ales n cazul
segmentelor de analiz scurte.
6.
Toate tehnicile moderne (parametrice sau ne-parametrice) ncearc s depeasc
limitrile tehnicilor tradiionale prin folosirea avantajoas a oricrei informaii
cunoscute, sau presupus a fi cunoscut, despre semnal.
a.
De exemplu, n cazul n care sunt cunoscute anumite date/caracteristici ale
procesului care a generat semnalul de analizat, atunci, aplicnd metodele
parametrice (bazate pe model), se pot face unele prezumii despre forma
semnalului n afara ferestrei de analiz.
b. Acest fapt poate duce la eliminarea necesitii de ferestruire i poate mbunti
rezoluia i precizia spectral, mai ales n cazul n care semnalul cuprinde o
proporie nsemnat de zgomot.
c. Orice mbuntire a rezoluiei i preciziei depinde extrem de mult de modelul
selectat.
d. n consecin, metodele moderne de estimare spectral impun o analiz preliminar
mai detaliat dect metodele clasice de estimare spectral.
7. Metodele parametrice fac apel la mai multe tipuri de modele, difereniate prin natura
funciei lor de transfer. Cele mai utilizate modele sunt: modelul autoregresiv (AR),
modelul cu medie mobil (moving average - MA) i modelul cu medie mobil
autoregresiv (autoregressive moving average ARMA).
79
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
Alegerea celui mai potrivit model implic existena anumitor date cunoscute despre
forma probabil a spectrului semnalului de analizat.
Metodele AR ca i alte metode din categoria lor, pot fi instrumente utile de estimare
spectral n cazul n care se dispune de anumite date a priori despre semnal, dar
este necesar mult discernmnt la folosirea lor n alte cazuri (cum este i cel al
receptoarelor de cercetare radar), fiind vorba, mai ales, de alegerea potrivit a
tipului i ordinului modelului, avnd n vedere necesitatea extragerii semnalului din
zgomot.
Metodele neparametrice de estimare spectral sunt caracterizate de o mai bun
rezoluie i caracteristici de estimare n frecven mai bune dect alte metode, n
special la nivele mari ale componentei de zgomot din semnal.
Metodele neparametrice sunt eficace n identificarea semnalelor de band ngust
pe fondul zgomotului alb, dar, pentru zgomote cu alte caracteristic spectrale
(gaussian, colorat, etc.), performanele metodelor ne-parametrice sunt mai
modeste.
Cel mai critic aspect la aplicrii metodelor ne-parametrice (sau analiza spectral pe
baza vectorilor proprii) l reprezint alegerea dimensiunii corecte a subspaiului
semnalului respectiv al celui al zgomotului. Dac se cunoate numrul de semnale,
atunci subspaiul acestora poate fi dimensionat pe baza acestei informaii; n alte
aplicaii, dimensiunea subspaiului semnalelor poate fi determinat pe baza lungimii
valorilor proprii.
Nu se poate da, ns, o regul general: ca i n cazul determinrii unor parametrii
ai altor metode de estimare spectral, determinarea dimensiunii subspaiului
semnalelor este un proces iterativ de ncercri.
O alt abordare a extragerii semnalelor din zgomote const din ndeprtarea
componentelor nedorite (din semnal) prin folosirea unui algoritm de optimizare, care
s duc, n final, la obinerea unui filtru optim; aceast metod constituie obiectul
filtrrii adaptive.
n acest sens, este util de a aminti c exist o multitudine de metode de realizare a
unui filtru optim, funcie de rspunsul la ntrebarea ct de mult se cunoate despre
caracteristicile semnalului i zgomotului?
Dac este disponibil o reprezentare a formei semnalului dorit (ideal, adic fr
zgomot) atunci se poate aplica o clas extrem de cunoscut i de bine dezvoltat
de filtre, respectiv filtrele Wiener.
Conceptul de baz a teoriei filtrelor Wiener const n minimizarea diferenei dintre
ieirea filtrat i forma dorit a semnalului.
Performanele optime de filtrare pot fi atinse numai dac semnalele de la intrarea
receptorului se adapteaz cu semnalele apriori pentru care a fost proiectat filtrul.
n majoritatea sistemelor de comunicaii (cu deosebire n cele de rzboi electronic),
cunoaterea apriori, ca dat de intrare pentru proiectare, a semnalelor de intrare,
este de multe ori parial, dar, n cele mai multe cazuri, este absent.
n aceast situaie o soluie o poate reprezenta implementarea unui algoritm
adaptiv, ca parte de software a filtrului adaptiv, care s permit ajustarea dinamic
a parametrilor acestuia, funcie de natura semnalului de la intrarea sa.
80
30. Avnd n vedere aceste aspecte, s-a optat pentru alegerea unui filtru adaptiv avnd
structura ALE (adaptive line enhancer) simpl sau dubl.
31. n vederea optimizrii eficienei filtrului, privit ca instrument de precondiionare a
semnalelor radar prin mrirea raportului semnal-zgomot, s-au luat n consideraie:
a. influena nivelului zgomotelor din semnalul de intrare;
b. influena valorii ntrzierii din schema celulei de filtrare;
c. influena valorii factorului de convergen;
d. influena lungimii filtrului.
32. Au rezultat urmtoarele:
a. existena unui maxim (optim) al lungimii filtrului n ceea ce privete
eficacitatea reducerii zgomotelor; nivelul componentei de zgomot din
semnalul filtrat este n legtur direct cu eficacitatea filtrului ca reductor
de zgomot: cu ct nivelul zgomotelor este mai ridicat, cu att mai eficace
este aciunea filtrului, fapt ce rezult din principiul su de funcionare (v.
pct. 3.2.2);
b. existena unei zone de optim bine definit, relativ plat, a curbei de variaie
a eficienei funcie de ntrzierea intern a filtrului adaptiv, zon care se
termin brusc de ndat ce valoarea ntrzierii depete valoarea egal
cu lungimea filtrului;
c. existena unei zon de optim a eficienei filtrului n raport de coeficientul de
convergen, zon suficient de ngust pentru a nu permite o plaj prea
mare de alegere a valorii coeficientului de convergen.
33. Conform modelrilor prezentate (Cap. 4, pct. 4.4, tab. 4.1), precondiionarea
semnalelor cu ajutorul filtrrii adaptive cu una sau dou celule LMS, poate
mbunti (mri) raportul semnal-zgomot, n medie, cu aproximativ 10-12 dB, cu
variaii importante n cazul semnalelor nestaionare.
34. Ultima modalitate de extragere semnalelor din zgomote, abordat n lucrare, este
constituit din reprezentrile timp-frecven. Acestea sunt instrumente puternice de
analiz a semnalelor i, de aceea, sunt folosite, ori de cte ori situaia o permite, la
procesarea semnalelor.
35. Folosirea acestora este determinat de faptul c proprieti ale semnalelor apar
mult mai clar n reprezentrile mixte timp-frecven, dect n reprezentrile
monodimensionale, n timp sau n frecven.
36. Este binecunoscut c nu exist o reprezentare universal, la fel de potrivit n
toate aplicaiile.
37. Mai mult, n situaii reale, cnd categoriile de semnale nu sunt cunoscute i sunt
specificate doar printr-un eantion aleator de realizri, este necesar
implementarea unui algoritm care s se poat gsi reprezentarea timp-frecven
optim n mod automat.
38. Rspunsul la ntrebarea Cum arat o reprezentare timp-frecven bun? depinde
de aplicaie i nu are o form general valabil.
39. Eforturile de cercetare sunt n prezent ndreptate n direcia rezolvrii problemei
determinrii reprezentrii timp-frecven optime pentru o categorie dat de semnale
i o sarcin specific de analiz, problem care nu i-a gsit, nc, dect soluii
pariale.
82
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
85
86
BIBLIOGRAFIE
1.
Ministerul Aprrii Naionale, Statul Major General, Direcia Cercetare, R.E.-1 Doctrina pentru rzboi electronic,
Bucureti, 2003
2.
3.
Sorin Topor, Rzboiul electronic naval, Editura Universitii Naionale de Aprare, Bucureti, 2005
Lk. Ting, C.F.N. Cowan, R.F. Woods, P.R. Cork, C.J. Sprigings, Tracking performance of leakage LMS for chirped
signals, 0-7803-7145-3/01/$10.00 02001 IEEE
4.
S. Haykin, Adaptive Filter Theory. third edition, New Jersey: Prentice-Hall, 1996
5.
6.
Stergios Stergiopoulos, Advanced signal processing handbook, Boca Raton: CRC Press, 2001
7.
8.
Ayman F. Naguib, Adaptive antennas for CDMA wireless networks, PhD dissertation, Stanford University, 1996
9.
David L. Adamy , Introduction to Electronic Warfare Modeling and Simulation, Artech House, 2003
10.
David Brandwood, Fourier Transforms in Radar and Signal Processing, Artech House 2003
11.
Bassem R. Mahafza, Radar Systems Analysis and Design Using MATLAB Chapman & Hall/CRC, 2000
12.
Malek G. M. Hussain, Principles of SpaceTime Array Processing for Ultrawide-Band Impulse Radar and Radio
13.
Fernando L. Taboada, Detection and classification of low probability of intercept radar signals using parallel filter arrays
Communications, IEEE Transactions on Vehicular Technology, Vol. 51, No. 3, May 2002
and higher order statistics, Masters Thesis, Naval Postgraduate School, Monterey, California, 2002
14.
Jen-Yu Gau, Analysis of low probability of intercept (LPI) radar signals using the Wigner distribution, Masters Thesis,
Naval Postgraduate School, Monterey, California, 2002
15.
Christophe De Luigi, Claude Jauffret, Estimation and classification of FM signals using time-frequency transforms, IEEE
16.
F. Auger and P. Flandrin, The why and how of time-frequency reassignment, IEEE International Symposium on Time-
Transactions on Aerospace and Electronic Systems Vol. 41, No. 2 APRIL 2005
Frequency and Time-Scale Analysis, 1994, Philadelphia
17.
Richard G. Wiley, The future of EW and modern radar signals, IEEE-AESS, 2004
18.
Richard G. Baraniuk, Mark Coates, Philippe Steeghs, Hybrid Linear/Quadratic TimeFrequency Attributes, IEEE
Transactions On Signal Processing, Vol. 49, No. 4, April 2001
19.
Miguel ngel Snchez, Mario Garrido, Marisa Lpez-Vallejo, Jess Grajal Carlos Lpez-Barrio, Digital channelised
receivers on FPGAS platforms, 2005, IEEE
20.
Lok-Kee Ting, Roger Woods,Colin. F. N. Cowan, Virtex FPGA implementation of a pipelined adaptive LMS predictor for
electronic support measures receivers, IEEE Transactions on Very Large Scale Integration (VLSI) Systems, Vol. 13, No.
1, January 2005
21.
Adam KAWALEC', Robert Owczarekt, Radar emitter recognition using intrapulse data, 2004
22.
Dumitru cheianu, Compendiu de teoria semnalelor n locaie, Editura Aldo, Bucureti, 1998
23.
H. E. Hassan, A new algorithm for radar emitter recognition, Proceedings of the 3rd International Symposium on Image
and Signal Processing and Analysis (2003)
24.
Johan Falk, Effects of frequency and phase errors in electronic warfare TDOA direction-finding systems, 0-7803-814081031$17.00 (C) 2003 IEEE
25.
H. E. Hassan, Joint deinterleaving recognition of radar pulses, 0-7803-7871-7/03/$17.00 0 2003 IEEE Radar 2003
26.
Yafeng Yao, Zailu Huang, Using linear smoothing to improve the modulation recognition performance, 0-7803-79020/03/$17.00 0 2003 IEEE.
27.
Hossam E. Abou-Bakr Hassan, Franqois Chan, Y . T. Chan Joint deinterleaving / recognition of radar pulses, CCGEI
2003, Montreal, May 2003 IEEE
28.
Fredrik Gustafsson And Fredrik Gunnarsson, Positioning using time-difference of arrival measurements, IEEE VI - 553
ICASSP 2003
87
29.
Heinrich Meyr, Marc Moeneclaey, Stefan A. Fechtel, Digital Communication Receivers, Synchronization, Channel
Estimation and Signal Processing, John Wiley & Sons, 1998
30.
Yifeng Zhou , Jim P. Y. Lee Combining clustering techniques and information theoretic criteria based approach for emitter
number detection in ESM applications, 0-7803-5700-0/99/$10.0001999 IEEE
31.
Andre Quinquis, Alexandru erbnescu, Emanuel Rdoi, Semnale i sisteme-Aplicaii MATLAB, Editura Academiei
Tehnice Militare, Bucureti, 1998
32.
tefan Demeter, Anton Lucian, Liviu Ionescu, Radiolocaia de nalt rezoluie, Editura Matrix Rom, Bucureti, 2000
33.
Mahafza, Bassem R. Matlab simulations for radar systems design, Chapman & Hall, 2004
34.
David C. Swanson, Signal processing for intelligent sensor systems Marcel Dekker, 2000.
35.
Steve Middleditch, Ian C. Hunter, Roger D. Pollard, MMIC solutions for noise jammers for EW systems, 1st EMRS DTC
Technical Conference - Edinburgh 2004
36.
Anthony Chan Carusone, Digital algorithms for analog adaptive filters, PhD Thesis, University of Toronto, 2002
37.
tefan Demeter, Analiza i sinteza semnalelor de radiolocaie, Editura Academiei Tehnice Militare, Bucureti, 1992
38.
S.D. Curtis, Electronic Warfare In The Information Age. London: Artech House, 1999.
39.
S. Haykin And A. Steinhardt, Adaptive Radar Detection And Estimation. New York, Wiley, 1992
40.
R. Nitzberg, Radar Signal Processing And Adaptive Systems. Boston, London Artech House, 1999
41.
H.K. Raymond And W.J. Edward, A Variable Step Size LMS Algorithm, IEEE Trans. on Signal Processing, Vol 40, No. 7,
1992.
42.
D.T.M. Slock, On the convergence behaviour of the LMS and the normalized LMS algorithms, IEEE Trans. on Signal
43.
Joint Publication 1-02, Department of Defense, Dictionary of Military and Associated Terms, 12 April 2001, (As
Amelia Molea, Maria Gabriela Moraru, Dicionar de termeni i definiii NATO, Editura Academiei Tehnice Militare, 2004
45.
Odile M. Macchi, Neil J. Bershad, Adaptive Recovery of a Chirped Sinusiud in Noise, Part 1: Performance of the RLS
Algorithm, IEEE Trans. on Sign. Proc., vol. 39, March 1991
46.
Odile M. Macchi, Neil J. Bershad, Adaptive Recovery of a Chirped Sinusiud in Noise, Part 1: Performance of the LMS
Algorithm, IEEE Trans. on Sign. Proc., vol. 39, March 1991
47.
C F N Cowan, An Introduction to Adaptive Filters, The Institution of Electrical Engineers, 1996, printed and published by
the IEE, Savoy Place, London WC2R OBL, UK
48.
Z. Malouche, O. Macchi, Adaptive Separation of an Unknown number of Sources, 0-8186-8005-9/97, 1997 IEEE
49.
C.F.N.Cowan, S.Semnani , A Novel Non-Linear Adaptive Structure For Time Variant Equalisation, 1997 The Institution
of Electrical Engineers, printed and published by the IEE, Savoy Place, London WC2R OBL, UK
50.
Lok-Kee Ting, Roger Woods, Colin. F. N. Cowan,Virtex FPGA Implementation of a Pipelined Adaptive LMS Predictor for
Electronic Support Measures Receivers, IEEE Transactions on Very Large Scale Integration (VLSI) Systems, Vol. 13, No.
1, January 2005
51.
Yuu-Seng Lau, Zahir M. Hussian, Richard Harris, A Time-Varying Convergence Parameter for the LMS Algorithm in the
Presence of White Gaussian Noise, Centre for Advanced Technology in Telecommunications (CATT) - School of
Electrical and Computer Engineering, RMIT University, Melbourne, Victoria, Australia, 1996
52.
Michael Hutson, Acoustic Echo Cancellation Using Digital Signal Processing, the School of Information Technology and
Electrical Engineering, The University of Queensland, 2003
53.
James Hedge, James B. Y. Tsui, David Sharpin, Sensitivity of Digital Electronic Warfare Systems, WRDC/AAWP-1,
WPAFB, 1990
54.
R. B. Sanderson, J. B. Y,. Tsui, N. Freese, Reduction of Aliasing Ambiguities Through Phase Relations, IEEE Trans. on
Aerospace and Electronic Systems, Vol. 28, No. 4, October 1992
55.
Preston S. T. Steent, Graham. F. Stott, Frank Fallside, The Application of Feed-Forward Connectionist Models to ESM
Bearing Estimation Using Signal Amplitude, Racal Research Limited, North Weylands Industrial Estate, Molesey Road,
Walton-on-Thames, Surrey KT12 3PL, Cambridge University Engineering Department, Trumpington Street, Cambridge
CB IPZ, 1993
88
56.
C.J.Flynn, Analysis of Radar Signals Using a Novel Acousto-Optic System with Polychromatic Illumination, Defence
Research Agency, Copyright @ Controller HMSO London 1992
57.
S L Fearnley and E P Meakin EW against Anti-Ship Missiles, Naval Abovewater Studies Group of SD-Scicon, UK
Limited, 1993
58.
Erik Boch, Michael Stapleton, Direction-Finding Performance of a Ka-Band ESM Receiver, IEEE Microwave and Guided
Wave Letters. Vol 4. No. I . January 1994
59.
J. Roe, A. Pudner, The Real-Time Implementation of Emitter Identification for ESM, Crown Copyright 1994\DRA,
Published with the permission of the Controller of Her Britannic Majestys Stationery Office
60.
Ian Kimber, Generic Techniques for the Identification of Wanted and Unwanted Modulations on Pulses, 1994 The
Institution of Electrical Engineers, Printed and published by the LEE. Savoy Place, London WC2R OBL, UK
61.
Barry D. Trimmer, Laurence V. Barker, Signal Detection: Future Receiver Technologies, THORN EMI Electronics,
Sensors Group, Manor Royal. Crawley, W. Sussex RH10 2PZ, 1994 The Institution of Electrical Engineers, Printed and
published by the IEE, Savoy Place, London WCPR OBL, UK
62.
P.C.J. Hill, P.D. Wells, Antenna Beamforming for EW using Adaptive Layered Networks, School of Electrical Engineering
and Science, Cranfield University - RMCS. Shrivenham UK, 1994 The Institution of Electrical Engineers, Printed and
published by the IEE. Savoy Place, London WCPR OBL UK
63.
G.F.Scott, DIGITAL MODULATION FOR RADAR JAMMING, Racal Research Limited, Worton Grange Industrial Estate,
Reading RG2 OSB, 1994 The Institution of Electrical Engineers, Printed and published by the IEE, Savoy Place, London
WCPR OBL, UK
64.
Timothy W. Fields, David L. Sharpin, James B. Tsui, Systems Research Laboratories, Wright Laboratory Dayton, Ohio
Digital Channelized Ifm Receiver, CH3389-4/94/0000-1667$01.00 1994 IEEE, 1994 IEEE MTT-S Digest
65.
David L. Sharpin, James B. Y. Tsui, (Wright Laboratoy), Analysis of the Linear Amplifier/Analog-Digital Converter
Interface in a Digital Microwave Receiver, IEEE Transactions on Aerospace and Electronic Systems, Vol. 31, No. 1,
January 1995
66.
Scott Fehr, David A. McClung, Greg Nagao, (Applied Research Laboratories, the University of Texas at Austin),
Computing RF Propagation for Use in Simulation, Modeling and Analysis, ISBN 0-8186-6440-1, Copyright (C) 1994
IEEE, all rights reserved
67.
R. J. Inkol V. Szwarc and L. Desormeaux M. Esonu, D. AI-Khalili, A GaAs Integrated Circuit for Wideband Digital
Quadrature Demodulation, CH3577-4/95/0000-1011$01.00 1995 British Crown Copyright, 1995 IEEE MTT-S Digest
68.
69.
I. Vaughan L. Clarkson, Jane E. Perkins, and Iven M. Y. Mareels, Number/ Theoretic Solutions to Intercept Time
Problems, IEEE Transactions on Information Theory, Vol. 42, No. 3, May 1996
70.
W. Gregory Lyons, Duane R. Arsenault, Alfredo C. Anderson, T. C. L. Gerhard Sollner, Peter G. Murphy, Mark M. Seaver,
Rene R. Boisvert, Richard L. Slattery, and Richard W. Ralston, High Temperature Superconductive Wideband
Compressive Receivers, IEEE Transactions on Microwave Theory and Techniques, Vol. 44, No. 7, July 1996
71.
Guo-Chun Liang, Chien-Fu Shih, Richard S. Withers, Brady F. Cole, and Marie E. Johansson, Space-Qualified
Superconductive Digital Instantaneous Frequency-Measurement Subsystem, IEEE Transactions on Microwave Theory
and Techniques, Vol. 44, No. 7, July 1996
72.
Stephen G. Kaiser, Northrop Grumman Corporation, Rolling Meadows, Illinois, Digital Receiver Technology, Architecture
and Application, 0-7803-3246-6/96/$5.00 IEEE, 1996 IEEE IMTT-S Digest
73.
M. Wicks, (Rome Laboratory, Directorate Of Surveillance And Photonics, Griffiss AFB NY 13441), D. Piwinski, P. Li,
(Syracuse Research Corporation, Syracuse, NY 13210), Space-Time Adaptive Processing In Modern Electronic Warfare
Environments, 0-7803-212 0-0/95/0000-06$049. 00 1995 IEEE, IEEE International Radar Conference
74.
Robert R. Proulx and Jonathan Ladd, (Sawtek Incorporated, Orlando, Florida), Radar and Electronic Warfare Applications
of SAW-Based Subsystems, CH3577-8/95/0000-0043$01.00 1995 IEEE 1995 IEEE Microwave Systems Conference
75.
James P. Stephens, (Wright Laboratory), Advances in Signal Processing for Electronic Warfare, IEEE AES Systems
Magazine, November 1996
89
76.
Robert Inkol, Kolin Baetz (Defence Research Establishment Ottawa), Michel Herzig, Ron Saper (Vantage Point
International), The Measurement of Digital Receiver Phase Errors Associated with Analog-to-Digital Conversion,
CCECE9G 0-7803-3143-5 /96/$4.00 1996 IEEE
77.
David Pok, Chien-In Henry Chen, C. Montgomery , B. Y. Tsui, WL/AAMP, ASIC DESIGN FOR MONOBIT RECEIVER,
1063-0988/97/$10.000 1997 IEEE
78.
David S. K. Pok, Chien-In Henry Chen, John J. Schamus, Christine T. Montgomery, James B. Y. Tsui, Chip Design for
Monobit Receiver, IEEE Transactions on Microwave Theory and Techniques, Vol. 45, No. 12, December 1997
79.
P. S. RAY, (Defence Science and Technology Organisation), Australia, A Novel Pulse TOA Analysis Technique for Radar
Identification, IEEE Transactions on Aerospace and Electronic Systems, Vol. 34, No. 3 July 1998
80.
81.
Yifeng Zhou and Jim P. Y. Lee, (Electronic Support Measures Section Defence, Research Establishment Ottawa), A MDL
Approach for Determining the Number of Emitters Using Intra-Pulse Information, 0-7803-5582-2/99/$10.00 1999 IEEE
82.
Jim P.Y. Lee (Electronic Support Measures Section Defence, Research Establishment Ottawa), A Multi-Channel Digital
Receiver for Intrapulse Analysis and Direction-Finding, 0-7803-5582-2/99/$10.00 1999 IEEE
83.
Chen Jianwen, Wang Yongliang, (Key Research Lab, Wuhan Radar Academy, Wuhan, 430010, China), Research on
Practical Approaches to Space-Time Adaptive Processing for Heliborne Battlefield Surveillance Radar, Proceedings of
ICSP2000, 0-7803-5747-7/00/$10.00 @ 2000 IEEE
84.
Dr.A.R. Jha, (Technical Director, Jha Technical consulting Services, 12354 Charlwood St, Cerritos), High Performance
Analog-to-Digital Converters(ADCs) for Signal Processing, 2000 2nd International Conference on Microwave and
Millimeter Wave Technology Proceedings, 0-7803-5743-4/00/$10.00 @ 2000 IEEE
85.
Oleg A. Mukhanov, Vasily K. Semenov, Wenquan Li, Timur V. Filippov, Deepnarayan Gupta, Alan M. Kadin, Darren K.
Brock, Alex F. Kirichenko, Yury A. Polyakov, Igor V. Vernik, A Superconductor High-Resolution ADC, IEEE Transactions
on Applied Superconductivity, Vol. 11 , No. 1 , March 2001, l051-8223/01$10.00 2001 IEEE
86.
Jesus Grajal, Raul Blazquez, Gustavo Lopez, Jose M. Sanz, Mateo Burgos, (ETSIT, Universidad Politecnica Madrid),
Monobit Receiver For Electronic Warfare, 0-7803-701 1-2/01/$10.00 2001 IEEE
87.
P.R. Milne, P.E. Pace, Wigner Distribution and Analysis of FMCW and P-4 Polyphase LPI Waveforms, 0-7803-7402 -
88.
Jesus Grajal, Raul Blazquez, Gustavo Lopez-Risueno, Jose M. Sanz, Mateo Burgos, Alberto Asensio, (Technical
Andrei Szilagyi, (Military Equipment Technology&Research Agency, Romania), Cristian-Ioan Coman, (Tehnical University
Delft, The Netherlands), Shared Aperture Intelligent Antenna Array, 2006 METRA Symposium, Bucharest
90.
Andrei Szilagyi, Simularea receptoarelor de cercetare radar n condiii de rzboi electronic, Referat prezentat la
Academia Tehnic Militar, Bucureti, 2005
91.
Andrei Szilagyi Research Report: Documentation on Conformal Antennas and Arrays,Technical University Delft, IRCTRS-030-05, Scientific Report 28 November 2005
92.
Andrei Szilagyi, Consideraii privind utilizarea semnalelor complexe pe timpul desfurrii rzboiului electronic, Referat
prezentat la Academia Tehnic Militar, Bucureti, 2004
93.
Andrei Szilagyi, Studiu privind funcionarea n regimuri liniare i neliniare a amplificatoarelor de microunde, Referat
prezentat la Academia Tehnic Militar, Bucureti, 2003
94.
Sistem de protecie activ combinat laser-radar, Simpozion NATO, RTA, Complementarty of Radar-Ladar, Praga, 2002
95.
Sisteme integrate de securitate pentru obiective militare, Sesiunea a 32-a de comunicri tiinifice a A.C.T.T.M., 2002
96.
Sistem de antene conforme pentru focoase radio de proximitate, Sesiunea a 32-a de comunicri tiinifice a A.C.T.T.M.,
2001
97.
Algoritm de sintez pentru antena de tip cosecantic, Sesiunea a 31-a de comunicri tiinifice a A.C.T.T.M., 1999
98.
Sistem individual de protecie a autovehiculelor blindate, la cercetare laser i radar inamic a cmpului tactic, Simpozionul
internaional de rzboi electronic a Academiei de nalte Studii Militare, 1998
90
99.
Observaii privind rolul antenelor ntr-un sistem de determinare a direciei, Sesiunea a 29-a de comunicri tiinifice a
I.C.D.A., 1997
100.
Creterea stabilitii la declanri provocate de bruiaj a focoaselor radio de proximitate pentru rachete aer-aer, Sesiunea a
28-a de comunicri tiinifice a I.C.D.A., 1996
101.
Studiu comparativ asupra unor surse primare folosite n sistemele de anten monoimpuls, Sesiunea a 22-a de comunicri
102.
Legtura dintre parametrii antenei i performanele globale ale unui sistem monoimpuls de nsoire a intelor, Sesiunea a
Generator cu diod Gunn n banda Ku, Sesiunea a 21-a de comunicri tiinifice a I.C.S.I.T.A., 1989
104.
Comparatoare aritmetice pentru sisteme de radiolocaie monoimplus de tip amplitudine sum-diferen, Comparatoare
aritmetice pentru sisteme de radiolocaie monoimplus de tip amplitudine sum-diferen, 1988
105.
Amestectoare de frecven utilizate n receptoarele de dirijare cu coeren extern, Sesiunea a 19-a de comunicri
tiinifice a I.C.S.I.T.A., 1987
106.
Cuplor direcional hibrid de 3 dB n banda Ku, Sesiunea de comunicri tiinifice de radiolocaie a I.C.S.I.T.A., 1987
91