עיבוד אותות דיגיטלי (DSP) משמש כעמוד השדרה חישובי של מערכות מכ"ם מודרני ונואר, המאפשר להם לפעול ביעילות בסביבות מגובשות ומתותחרות.על ידי המרת אותות אנטנה או חומרים אקוסטיים לנתונים דיגיטליים, אלגוריתמי DSP יכולים ליישם טכניקות מתמטיות מתוחכמות כדי לחלץ מידע משמעותי ממדכאות רועשות אלה, התאמת beamforming מייצג יכולת קריטית המאפשרת מערכות מכ"ם ונוריות כדי לייעלות את תפקידן באופן בו-זמנית כדי לחיקוי של תכונות חיוניות להתאמה של תכונות אבטחה.

יסודות של Radar ו-Sonar Systems

Radar (Radio Detection and Ranging) ו- Sonar (Soundניווט ו- Ranging) מערכות חולקים עיקרון משותף: הם פולטים אות (אלקטרוניקה עבור מכ"ם, אקוסטי עבור סונר) ונתח את הדים שמשתקף מחפצים בסביבה.זמן עיכוב בין שידור וקבלת פנים מספק מידע, בעוד כיוון של הד הנכנס מציין את הנושא.

מערכות Sonar להתמודד עם אתגרים נוספים בשל המהירות האיטית של הצליל במים והסביבה הרב-פתטית המורכבת הנגרמת על ידי השתקפות משטח הים, תחתית, ושכבות תרמיות.DSP לפצות על נושאים אלה על ידי שימוש מסנן מותאם, הדופק דחיסה, והתאמה להתאמה כדי לשפר את ההחזרים היעד תוך דחיית התחדשות ורעש.

הבנה של Betamforming

beamforming הוא טכניקת עיבוד אותות הקובעת את המשקלים החלים על כל אלמנט של מערך באופן מונע נתונים.בניגוד למגרש קבוע, אשר משתמשת משקולות שנקבעו רק על בסיס גיאומטריה, אלגוריתמים הסתגלות מתעדים כל הזמן את וקטור המשקל המבוסס על אותות שהתקבלו בפועל.זה מאפשר למערכת לבטל באופן אוטומטי בכיוון של מקורות הפרעה ולהשיג את המטרה.

המסגרת המתמטית הליבה של beamforming כרוך בפתרון בעיה אופטימיזציה.המטרה הנפוצה ביותר היא למזער את כוח הפלט של המערך תוך שמירה על תגובה קבועה בכיוון של האות הרצוי.זה ידוע כתגובה מינימלית של שינוי ללא שינוי (MVDR) קריטריון של נתונים חלופיים כולל אופטימיזציה של יחס אות להשוואה (NRSI) או צמצום השגיאה המקובצת בין אלגוריתמים אלה.

הבחנה חשובה נוספת היא בין צר פס ורחב beamforming. Narrowband מערכות להניח רוחב הפס האות קטן בהשוואה לתדירות המוביל, כך ששינויים בשלב לבד מספיקים כדי לנווט את מערכות beam. Wideband, נפוץ ב מכ"ם מודרני באמצעות גלפורים בתדרים בתדרים או ב Sonar עם נוסחאות פס רחב, דורשים עיכובים בזמן אמת או מבני ברז-ד-ד-ד-ד-ד כדי להימנע מלהיות מלוטשונים.

תפקיד DSP ב-Beamforming

(ד) הופך נתונים למערך גולמי למידע מרחבי מעשי באמצעות סדרה של שלבים עיבוד.השלב הראשון הוא דיגיטציה: כל אות אנלוגי של אלמנט מודגם ומומרת לפורמט דיגיטלי באמצעות ממירים אנלוגיים-לספריים (ADCs) Synchronous Multi-channels ADC מבטיח כי מערכות יחסים שלב בין ערוצים נשמרים ו- 7.

פונקציות מפתח DSP בקופסת Beamforming

  • (FLT:0) ניהול של ההגעה (DOA) אסטימומציה: 1:1 לפני שמדליק יכול להיות מיושם, המערכת חייבת לדעת או להעריך את הכיוון של היעד. אלגוריתמים DSP כגון MUSIC, ESPRIT, או סריקה קונבנציונלית לספק דו-זמנית גבוהה הערכה של ממטריקס covariance.
  • (FLT:0) covariance Matrix Asimation: FIRLT:1 אלגוריתם הסתגלות דורש הערכה של מטריצה של ה-ERSP מקבל את זה על ידי שילוב של מוצרים חיצוניים של מערך תצלומים וקטורים על פני חלון זמן.איכות וגודל של הערכה זו משפיעים ישירות על ביצועי האלגוריתם - חלון קצר מדי מגביר את שחלות, בעוד חלון ארוך מדי עשוי להחמיץ הפרעה.
  • (FLT:0Weight Computation:FLT:1 השימוש במריצה covariance ואת הווקטור ההיגוי עבור הכיוון הרצוי, DSP פותר עבור וקטור המשקל האופטימלי עבור MVDR, זה כרוך למנוע את covarianceמטריקס (או באמצעות מריצה inversion lemma) ולהגדיל את הווקטור ההיגוי של זמן אמת משתמש לעתים קרובות recurivesives כדי למנוע העדכונים המלאים כל אחד מהם.
  • (FLT:0Beam Pattern Synthesis ו Null Steeringeur:FLT:1 לאחר משקולות מוחל, תבנית beam יעילה נוצר.DSP יכול לנתח את התבנית כדי להבטיח אפסים הם עמוק וצדדים הם מדכאים.

כל הפונקציות האלה חייבות לפעול בתוך מגבלות זמן אמתיות קפדניות.זמני מכ"ם טיפוסיים (התקופה שבה נאספים נתונים בכיוון אחד) נמצאים על סדר המיקרו-שניות ל- מילימטרים.מערכות Sonar יש יותר זמן (שניים עד דקות עבור מערך נמוך), אך עדיין דורשים עיבוד מתמשך.DSP חומרה – מערךים עמידים (FPGAs), אותות דיגיטליים או מעבדים, מקבילים, עבור מערכות GPU-מוחזקות, אך עדיין דורשות אלה.

Algorithms for Adaptive Beamforming

בחירת האלגוריתם תלויה בגורמים כגון מהירות ההתכנסות, מורכבות חישובית, יציבות מספרנית, והאופי הסטטיסטי של סביבת ההתערבות. להלן הם האלגוריתמים ההסתגלות הנפוצים ביותר המיושמים באמצעות DSP.

תגובה מינימלית (MVDR)

(ב) [[1924]]]], [[1924]]]], [[1924]]]]]], [[1924]]]]]], [[1924]]]]]], [[1924]]]]]]]]]], [[1924]]]]]]]], [[1924]]]]]]]]]]]]]], [[1924]]]]]]]]]], [[1924]]]]]]]]]]]]]]

מטריקס Inversion (SMI)

SMI ישירות מצמיד את ה- MVDR משקל וקטור באמצעות הערכה של ממטריקס covariance.It מתאחד במהירות - בתוך כ 2N תמונות עבור מערך N-element - אבל דורש ממטריקס בכל פעם את הסביבה שינויים.DSP יישום לעתים קרובות להשתמש תוכנית בלוק-update שבו השחלות הוא בממוצע על חלון מלוטש ובאופן זמני הוא משתנה עבור תרחישים יציבים או צוללת.

כיכרות Least Mean Squares (LMS) ו-Recursive Least Squares (RLS)

(הופנה מהדף אלגוריתם ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

השוואה ובחירת קריטריה

אף אלגוריתם יחיד אינו שולט בכל היישומים.MVDR/SMI מציע את ה- SINR הגבוהה ביותר כאשר התנאים הם נייחים, אך סובל ממורכבות ורגישות.עסקאות של מערכת ניהול עסקאות של ניהול פשטות, ומשמש לעתים קרובות במערכות משובצות בעלות רגישות עם דינמיקות איטיות. RLS מספק איזון אך דורש פעולות יותר אופטימיזציה מאשר מערכות DSP מודרניות ליישם תוכניות היברידיות - לדוגמה, באמצעות SMI לרכישה ראשונית ולאחר מכן לעבור ל-P עבור מעקב אחר טבלאות אופייניות (אך לא ניתן לתאר כאן טבלאות).

  • מהירות התפוצה:0 (ב) 1 (RLS ⁇ SMI > LMS)
  • (הופנה מהדף ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
  • (ב) [ה]הטבעה: [ה] [ה]] [ה]] [ה]] [ה']] [ה']], [ה'], [ה']]], [ה']'[ה']'[דרוש מקור]'[דרושה]
  • (ב) ⁇ (ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

מהנדסי DSP חייבים גם לשקול אפקטים קבועים של סיבולת כאשר ליישם אלגוריתמים אלה על חומרה ממוקדת משאבים.

יתרונות ושיפור ביצועים

הגדלת התשואות של DSP מונעות התאמה מתאמת מתשואת שיפורים קוונטיים בביצועי מערכת מכ"ם ובנראר.התועלת המשמעותית ביותר היא העלייה הדרמטית ביחס ל-L-interference-up-noise. ניסויים בשטח הראו כי היתרונות של SINR של 15-30 dB על פני מכנה קבוע בסביבות התערבות צפופה, ישירות מתורגם למגוון רחב של זיהויים ושיעורי אזעקה נמוכים יותר.

עבור מערכות Sonar, beamforming הסתגלות להפחית את רמות reveration - המגבלה העיקרית ב נבינר מים רדודים - על ידי דחיית כניסות מרובות-פת מכיוונים לא רצויים.זה משפר את ההסתברות של זיהוי עבור מטרות שקטות כגון צוללות דיזל או מל"טים תת-ימיים.בנוסף, היכולת ליצור מספר רב-פעפיים בו-זמנית באמצעות DSP (לעתים נקרא עיבוד רב-מב) מאפשר מעקב רחב ללא סריקה מכנית, הגדלת שיעורי עדכון וצמצום קצבי.

יתרון נוסף לעתים קרובות להתעלם הוא ההפחתה בגודל המערכת, משקל וכוח (SWaP) מכוונן אדפטי מאפשר היגוי אלקטרוני כי מבטל גימבומי כבד ומנגנוני כונן, בעוד רשתות דיגיטאליים מחליפים משמרות בשלב אנלוגיים מסיבי עם FPGA קומפקטי או יישום ASIC.מגמה זו חשובה במיוחד עבור כלי רכב לא מאוישים (UAV) וכלי רכב תת-קרקעיים אוטונומיים (V), שבו הם מגבלות חמורות.

אתגרים ושיקולים מעשיים

למרות היתרונות שלה, פריסת חיקוי מותאמים במערכות תפעוליות מציגה מספר אתגרים שמהנדסי DSP חייבים לטפל בהם.

מורכבות

קידוד מותאם בזמן אמת לערכים עם מאות או אלפי אלמנטים דורש חישובי מסיבי באמצעות חישוב.עדכון משקל MVDR באמצעות מטריקס inversion יש O(N3) מורכבות לעדכון, אשר הופך בלתי אוסר עבור מערך גדול. DSP משתמשים בטכניקות כגון מעקב subspace (למשל, שימוש בעדכון האגס) או מופחתת להיות מערכי מורכבות נמוכה יותר.

« קלבריות וארג'י אימדומים

מערך אמיתי סובל מהפיכה הדדית בין אלמנטים, רווח / פלזה לא מתאים, וטעויות מיקום חיישן.פגמים אלה מעוותים את הווקטור ההיגוי ואת ביצועים אדפטיים מדרגות.DSP יכול לפצות באמצעות קיטור מערך מערך, אשר מודד את ערכי המערך האמיתי Manifold וחנות תיקון. אלגוריתמים של אלגוריתמים באינטרנט, כגון אלה באמצעות מקורות ידועים או טכניקות של עצמו, באופן אוטומטי להתאים את המשקל לשגיאות מתאימות.

הסתגלות איכות הסביבה

בתרחישים עם מטרות נעות במהירות או ג'קמרנים זריזים, האלגוריתם ההסתגלות חייב להתאסף במהירות מספיק כדי לעקוב אחר שינויים.הטבע של מאטריקס השגרתי של מקומות המטריקס covariance, דרישות סותרות: חלון ארוך של מיזוג מקטין רעש בהערכה אך מאט מעקב; חלון קצר מאפשר הסתגלות מהירה אבל מציג פתרונות הרזיה גבוהים, כולל גורמים משתנים, מסלולים מרובים, או מעבר בין אלגוריתמים המבוססים על מסלול מהיר, לדוגמה, לדוגמה, יכול להשתמש ב-מ"ם במהירות.

כיוונים עתידיים

טכנולוגיות מתפתחות מרחיבות את יכולות DSP עבור מחשוב מתאים.למידת מכונה, במיוחד רשתות עצביות עמוקות, נחקרות עבור הערכת doA ואפילו חישוב משקל ישיר.גישות היברידיות המשלבות DSP מבוסס מודל מסורתי עם ML מונע נתונים יכול להתמודד עם סביבות מורכבות שאינן לינאריות, כגון קלמנט מכ"ם עירוני או בנר במים מכוסים קרח.

גבול נוסף הוא השילוב של beamforming אדפטי עם MIMO (Multiple Input Multiple Output) מכ"ם ו- Sonar. מערכות MIMO משדרות גלפורים אורטוקונים מכל אלמנט, המאפשר התרחבות של מערך וירטואלית ופתרון מרחבי משופר.DSP חייב לעבד במשותף את הפלט התואם כדי ליצור דבורים - בעיה NP-Hard כי הוא קרוב לשימוש בטכניקות ספאריות או deconposition.

התקדמות ניכרת בגאון (Gallium Nitride) transceivers, קישורים אופטיים מהירים במהירות גבוהה, ו- photonic beamforming הבטחה להפחית את ADC ורכיבי בקבוק עיבוד.DSP אלגוריתמים המיושמים על מאיצים ספציפיים דומיין (שבבים AI, RFSoC וכו ') ימשיכו לדחוף את הגבולות של עיבוד בזמן אמתי בזמן אמת.

מסקנה

DSP הוא לא רק טכנולוגיה תומכת בזיהוי אדפטי - הוא המאפשר החיוני שהופך מערך סטטי של חיישנים למערכת זיהוי אינטליגנטית, מצב-מודעה.על ידי ביצוע אלגוריתמים מתוחכמים ההערכות כיוונים, חישוב משקולות אופטימליות, והפרעות אפס, DSP מאפשר מכ"ם ומערכות Sonar להשיג רמות ביצועים ללא יכולת מחשוב להמשיך להגדיל וחדשנות הדרגתית, ולכן יש צורך בטכניקות ניטור סביבתיות יותר, רק על ידי תכנון, כדי להשיג רמות אבטחה גבוהות יותר, כדי להשיג יעילות של טכניקות ניהוליות, תוך כדי להשיג יעילות של מערכות אבטחה מתקדמות של מערכות אבטחה, וטכנולוגיות אבטחה, רק על פני מערכות אבטחה מתקדמות, אשר יכולות מתקדמות, כדי להשיג יעילות, כדי להשיג יעילות, כדי להשיג יעילות יותר, כדי להשיג רמות אבטחה, כדי להשיג יעילות של מערכות אבטחה, כמו גם עם שיטות אבטחה מתקדמות יותר, כמו מחשוב, כדי להשיג יעילות, כמו גם עם שיטות אבטחה, כמו מחשוב, כדי להשיג יעילות, כדי לפתח אלגוריתמיות, כדי להשיג יעילות, כדי לפתח אלגוריתמיות, כדי להשיג יעילות גבוהה יותר, כמו מחשוב, כדי להשיג יעילות גבוהה יותר, כדי לפתח אלגוריתמים של טכניקות מתקדמות יותר, כדי להשיג יעילות, כדי להשיג יעילות, כדי להשיג יעילות גבוהה יותר, כדי לפתח אלגוריתמים של טכניקות מתקדמות יותר, כדי להשיג יעילות גבוהה