Е.В. Егорова1, А.Н. Рыбаков2, М.Х. Аксяитов3

1 РТУ МИРЭА (Москва, Россия)

2 Всероссийский НИИ автоматики им. Н.Л. Духова (Москва, Россия)

3 АО «Концерн «Гранит-Электрон» (Санкт-Петербург, Россия)

Постановка проблемы. Результаты отечественных теоретических и экспериментальных исследований характеризуют основные направления исследований в области обнаружения и распознавания различных радиолокационных объектов. При этом основным инструментом исследований большинства работ является разработка перспективных математических моделей объектов и моделирование вторичных излучений для их распознавания, что позволяет в ряде случаев получать дополнительную информацию об этих объектах. Требуется совершенствование алгоритма автоматического обнаружения и распознавания малоконтрастных наземных целей, например, с использованием шумоподобных широкополосных сигналов, а также обоснование перспективности применения комбинированной обработки радиолокационных сигналов на фоне помех.

Цель. Разработать и обосновать комплексный алгоритм автоматического обнаружения и распознавания малоконтрастных радиолокационных объектов с использованием шумоподобных широкополосных сигналов, позволяющие определять траекторию движения анализируемого объекта.

Результаты. Применительно к шумовому зондирующему сигналу радиолокационной станции проанализировано применение корреляционного и спектрального методов при обработке шумовых сигналов с выявлением недостатков и достоинств каждого из методов. Описано функционирование структурной схемы одноканальной шумовой радиолокационной станции с последовательной спектральной обработкой суммарного сигнала. Рассмотрена блочная структурная схема математической модели обработки сигнала на основании разработанных алгоритмов выделения неподвижных целей на фоне местных предметов по радиолокационному портрету, а также по огибающей радиолокационного сигнала. Представлены практические результаты математического моделирования алгоритма распознавания сигналов при равной вероятности появления этих целей в анализируемом пространстве.

Практическая значимость. Предложенный оригинальный алгоритм обработки сигналов от воздушных объектов при их обнаружении и определении их координат синтезирует оптимальные алгоритмы при обнаружении радиолокационных объектов в случае наличия априорной информации о полезных сигналах и помехах, а также возможность определения траектории движения. Данное направление требует дополнительной проработки и совершенствования имеющихся форм математических моделей под конкретные задачи для разработки или совершенствования существующих образцов техники.

Егорова Е.В., Рыбаков А.Н., Аксяитов М.Х. Алгоритмы автоматического обнаружения и распознавания малоконтрастных радиолокационных объектов с использованием шумоподобных широкополосных сигналов // Электромагнитные волны и электронные системы. 2021. Т. 26. № 1. С. 21−30. DOI: https://doi.org/10.18127/j15604128-202101-01

1. Галушкин А.И. Теория нейронных сетей. М.: ИПРЖР. 2000.
2. Соколов А.В., Лазуткин Б.А., Попов Д.И., Родинов В.В. и др. Обнаружение и распознавание объектов радиолокации. М.: Радиотехника. 2006. 176 с.
3. Татарский Б.Т., Дьшорец Р.З. Синтез алгоритмов принятия решения для многопорогового обнаружителя // Радиотехника. 1999. № 2.
4. Егорова Е.В., Аксяитов М.Х., Рыбаков А.Н. Иерархические уровни обработки информации в системах обнаружения и сопровождения объектов // Наукоемкие технологии. 2019. № 7. С. 51−59.
5. Гейстер С.Р., Курлович В.И., Шаляпин С.В. Экспериментальные исследования спектральных портретов винтовых и турбореактивных самолетов в радиолокаторе обзора с непрерывным зондирующим сигналом // «Радиолокация и радиометрия». № 2. Радиолокационное распознавание и методы математического моделирования. Выпуск III. 2000.
6. Макаев В.Е. Метод радиолокационного распознавания воздушной цели по турбинному эффекту // Радиотехника. 2000. № 11.
7. Аксяитов М.Х., Егорова Е.В., Мартынов Н.В., Рыбаков А.Н. Обнаружение малоконтрастных целей // Успехи современной радиоэлектроники. 2017. № 1. С. 23−26.
8. Bolter R., Leberl F. // 3rd European Conference on Synthetic Aperture Radar (EUSAR 2000). Munich. 23−25 May. 2000. Berlin. Offenbach. VDE. 2000. С. 687−690.
9. Jochen M.H., Bernhard B. Real-time stap as a key technology for subclutter moving target detection // 3rd European Conference on Synthetic Aperture Radar (EUSAR 2000). Munich. 23−25 May. 2000. Berlin. Offenbach: VDE. 2000. С. 821−824.
10. Егорова Е.В. Гомоморфная обработка изображений // Электромагнитные волны и электронные системы. 2014. Т. 19. № 3. С. 38−41.
11. Быстров Р.П., Кузьмичев В.Е. и др. Применение гребенчатых фильтров для обработки сигналов в шумовых РЛС со спектральной обработкой сигнала // VIII Всерос. семинар «Волновые явления в неоднородных средах». Москва. ИРЭ РАН. 2001.
12. Fountain A.G., Jacobel R.W. Advances in ice radar studies of a temperate alpine glacier. South Cascade Glacier. Washington (USA) // Annals of Glaciology. 1997. V. 24. P. 303−308.
13. Vasilenko E.V., Sokolov V.G. et al. A digital recording system for radioglaciology studies. New Zealand. 2002. V. 35. P. 611−618.