Dijital Signal Processing (DSP) modern radar ve sonar sistemlerinin hesaplama arka kemiği olarak hizmet eder, bu analizler arasında radar ve sonlu ortamlarda etkili bir şekilde çalışabilmelerini sağlar.Aynı anda dijital verilere göre analog sinyalleri dönüştürmekle birlikte DSP algoritmaları, DSP'nin gürültülü ölçümlerden anlamlı bilgi elde etmek için sofistike matematiksel teknikler uygulayabilir.

Radar ve Sonar Sistemlerinin Temelleri

Radar (Radyo Tespit ve Ranging) ve sonar (Sound Navigation ve Ranging) sistemleri ortak bir ilke paylaşıyor: radar için bir sinyal (sonar için elektromanyetik), ve yankıları çevredeki nesnelerden yansıyan analiz eder.Rektör ve resepsiyon aralığı bilgileri, gelen yankıların yönünü gösterirken, bu yöndeki bilgiler, sabit bir şekilde sıkıştırılmış antenler veya sabit diziler kullanılarak elde edilir.

Sonar sistemleri, sudaki sesin yavaş hızı ve DSP'nin birden fazla kanala yansımaları nedeniyle daha fazla zorlukla karşı karşıya kalır. DSP, analog-sadece yöntemlerle bu sorunları telafi etmek için gerçek zamanlı filtreleme, naif sıkıştırma ve uyarlanabilir bir kirişin iki radar ve sonardan faydalanmasına olanak sağlar.

Adaptif Kirlendirici Anlamak

Adaptif bir kirişleme, gerçek alınan sinyallerin sabitlenmesine dayanan sinyal işleme tekniğidir. Bu, müdahale kaynaklarının her bir unsuruna uygulanır ve hedef doğrultusunda elde edilen ağırlığın yerine getirilmesine olanak sağlar.

Adaptif bir kiriş için temel matematiksel çerçeve, optimizasyon problemini çözmeyi içerir. En yaygın hedef, istenen sinyalin (SINR) veya kirişli çıkış ve referans sinyali arasındaki sabit cevabı en aza indirmektir. DSP bu optimizasyonlar, dizi kanallarından alınan verileri kullanarak sayısal algoritmaları kullanır.

Bir başka önemli ayrım, dar bant ve geniş bant kirişleri ile ilgilidir. Narrowband sistemleri sinyal bant genişliğinin taşıyıcı frekansına kıyasla küçük olduğunu varsayar, bu yüzden faz geçişleri sadece kirişli gecikme sistemleri, modern radarda frekans ayarlanmış dalgaformları veya aşırı yüklemeleri kullanarak yaygın olarak, farklı uygulamalarla doğru zaman gecikmeleri veya tapped-düzel yapılardan kaçınmak için yeterlidir. DSP'ler, çok geniş bant işlemelerini keserek geniş bant işlemeyi yönetmek için yeterlidir.

DSP'nin Adaptif Kirişte Rolü

DSP, bir dizi işlem aşaması aracılığıyla uygulanabilir bir uzaysal bilgiyi harekete geçirir. İlk aşama sayısallaştırma: her elementin analog sinyali örneklenir ve sayısal dönüştürücüler (ADC) Eşleştirme algoritmalarının (DÜDÜ) karmaşık ağırlıkları hesaplamalarını sağlar[TFL:3)

Kiriş Boru Hattında Anahtar DSP Fonksiyonlları

  • [[Dönetici:0) Varış (DOA) Estimasyon:[Döneticileri uygulamadan önce, sistem hedefin yönünü bilmek veya tahmin etmelidir. MUSIC, ESPRIT, veya konvansiyonel demet tarama gibi DSP algoritmaları seri kovarians matrisinden yüksek tahminler sağlar.
  • DSP, bu tahminin kalitesi ve büyüklüğü doğrudan algoritmaları etkiler - çok uzun bir pencerenin geçici kovarians matrisinin bu seri anlık vektörlerin dış ürünleri tarafından bu işlemden geçer.
  • DSP:0)Weight Computation:[Döneticileri kullanarak ve istenen yöndeki direksiyon vektörünü kullanarak, DSP, en uygun ağırlık vektörünü tam olarak çözmüş durumdaki tüm yükler için geri dönüşümlü güncellemeler kullanır.
  • DSP, nulls'in yeterince derin ve yansıttığını analiz edebilir. Ek kısıtlamalar - Birden fazla null veya analobe genişlik sınırları gibi - lineer olarak konulmuş minimum varitasyon (LCMV) yöntemleri ile dahil edilebilir.

Tüm bu fonksiyonlar katı gerçek zamanlı kısıtlamalar içinde çalışmalıdır. Tipik radarlar zamanlıdır (bir kiriş yönü için toplanan süre) mikrosaniyelerin milisaniyeler için siparişindedir. Sonar sistemleri daha uzun zaman ölçeklendirmeler için optimize edilmiştir (daha fazla düşük frekanslı diziler için saniyeler), ancak hala sürekli işlem gerektirir. DSP donanım - alan programlanabilir kapı dizileri (FPGA)

Adaptif Kiriş Açıklamaları için Algoritmalar

Algoritma seçimi, yakınlık hızı, hesaplama karmaşıklığı, sayısal stabilite ve müdahale ortamının istatistiksel doğasına bağlıdır. Aşağıda DSP aracılığıyla uygulanan en yaygın kullanılan a Adaptif algoritmaları vardır.

Asgari Variance Distortionless Response (MVDR)

MVDR, Capon kirişi olarak da bilinir, toplam çıktı gücüne aşağıdaki kısıtlamalara sahiptir.[Dönetici:0][Dönemli: · 8|Döntgenlik[Dönemli)[Dönemli)[Dönemli)[Dönemli)[Dönemli)[Dönemli)

Örnek Matrix Invers (SMI)

SMI doğrudan MVDR ağırlık vektörünü, kovarians matrisinin bir toplu tahminini kullanarak hesaplar. Hızlı bir şekilde bir araya gelir - bir N-element serisi için anlık görüntüler - ancak her seferinde bir matris gerektirir DSP uygulamaları genellikle bir blok-update planı kullanır ve sabit bir pencere üzerinde sabitlenir.

En küçük kareler (LMS) ve Recursive Least Squares (RLS)

LMS, eğimli bir hata ve güncellemelerin ağırlıkları iteratif olarak güncelleyen bir algoritmadır (k + +) = 0 3))[x|Döneticileri ve/veyaleri) ile birliktelik eden bir dizindeki (k) e-posta ile ilgili olarak, μmler ve e-posta ile ilgili olarak, μmler arasındaki farklar ve e-posta ile ilgili olarak, μm'nin bir araya gelmesi için bir sonraki sürümde, değiştirilebilir.

Karşılaştırma ve Seçim Kriterleri

Tek bir algoritma tüm uygulamaları hakim değildir. MVDR/SMI, LMS'den daha yüksek bir SINR sunar, ancak karmaşıklık ve hassasiyet için LMS'yi kullanarak, genellikle maliyetle hassas gömülü sistemlerde kullanılır. RLS, HTML kısıtlamaları nedeniyle burada bir denge sağlar, ancak metinde açıklanabilir.

  • [FONT=0)Convergence hızı:[Dönemli:[Dönemli:[Dönemli)
  • [FONT:0)C ⁇ maliyet per iteration: SMI (full invers) >> RLS > LMS > LMS
  • [FONT=0)Robustness to model hataları: MVDR ile digonal yükleme > RLS > LMS > LMS >
  • [FONT=0) Hareketlilik:[[Dönetici: · 4/01/2012)

DSP mühendisleri ayrıca bu algoritmaları kaynak-konstut donanıma uygularken sabit nokta arithmetic etkiler de dikkate almalıdır.

Faydaları ve Performans İyileştirmeleri

DSP-yerel olmayan kirişleme verimlerini radar ve sonar sistem performansını doğrulanabilir hale getirir.En önemli fayda, sinyal-to-interference-plus-noise oranına göre dramatik artıştır. Alan deneyleri, 15-30 dB'yi yoğun müdahale ortamlarında sabit bir şekilde geliştirme, doğrudan algılama aralıkları ve daha düşük yanlış alarm oranlarına dönüştürmektir.

Soner sistemler için, adaptif kirişler yeniden tahmin seviyelerini azaltır - sığ su oğlunun birincil sınırlaması - mekanik tarama olmadan çok fazla sempatiyi reddetme ve geç kalmış hedefleri tespit etme olasılığını artırır. Ek olarak, DSP (bazen çoklu zamanlı işlem olarak adlandırılır) kullanarak birden çok eşanlı kirişler oluşturmak için yeteneğin artması, mekanik tarama olmadan geniş çaplı gözetimi ve geç gecikme oranını azaltır.

Bir diğer sık sık göz ardı edilen fayda, sistem büyüklüğü, ağırlık ve güç (SWaP) Adaptive kirişformating, ağır gimbals ve sürücü mekanizmaları ortadan kaldırırken, dijital kirişler kompakt FPGA veya ASIC uygulamaları ile değiştirir.Bu eğilim, insansız hava araçları (UAVs) ve otonom sualtı araçları (AUVs) için özellikle önemlidir.

Meydanlar ve Pratik Bakışlar

Avantajlarına rağmen, operasyonel sistemlerde adaptif bir kiriş dağıtma, DSP mühendislerinin ele alması gereken birkaç zorluk sunar.

C ⁇ Kompleksiity

Gerçek zamanlı adaptive kirişler için yüzlerce veya binlerce elementle ayarlanması, büyük bir hesaplama gerektirir. Bir MVDR ağırlığı, matrix inversiyonunu kullanarak güncellenmede O(N^3) karmaşıklık, bu, büyük boyutlu sistemler için geniş çaplı bir eğilim için geçerlidir. DSP tasarımcıları, bir sonraki nesil radarda (örneğin, ABD Donanması'nın SPY'nin SPY'nin donanımını kullanarak) veya FPGA mantığına doğru eğilim önemlidir.

Kalibrasyon ve Diziler Imperfections

Gerçek diziler elementler arasında karşılıklı darbeden muzdarip, gerçek dizin ve mağaza düzeltme faktörlerini ölçebilir, bu tür bilinen kaynakları veya kendini teşvik eden teknikler gibi, doğru kalibrasyon olmadan hataları otomatik olarak azaltır. DSP aslında ayarlanabilir bir şekilde ayarlanabilir.

Dinamik Çevre Adaptasyon

Hızlı hareket hedefleri veya çevik jammerler ile senaryolarda, uyarlanabilir bir algoritma değişiklikleri takip etmek için yeterince yakınlaştırmalıdır. Covariance matrix yerlerinin doğası çatışma talepleri: uzun bir avering pencere tahminde gürültüyü azaltır, ancak yavaş bir MVDR; kısa bir pencere hızlı adaptasyon sağlar ancak yüksek kilo jitter. DSP çözümleri, faktörleri takip eden faktörleri, çoklu parametre parçaları veya çevre demet sensörlerine dayanan algoritmaların arasında geçiş yapar. Örneğin, bir radar, yolda hızlı bir şekilde bir şekilde yüksek bir RAM kullanabilir.

Future Yol Tarifi

Gelişen teknolojiler, DSP'nin uyarlanabilir kirişler için yeteneklerini genişletiyor. Makine öğrenimi, özellikle derin sinir ağları, DOA tahminleri için araştırılıyor ve hatta doğrudan ağırlık hesaplaması için eğitim veri tabanlı DSP'yi veriye dayalı ML ile birleştiren yaklaşımlar karmaşık olmayan ortamları ele alabilir, örneğin kentsel radarı karıştırır veya buz kaplı sularda oğlumuz gibi.

Bir başka sınır, MIMO ile adaptif bir kirişin entegrasyonudur (Multiple Access multiple Çıkış) radar ve sonar. MIMO sistemleri her elementten gelen veya on veya decomposition tekniklerini kullanarak yaklaşık olarak kullanılan NP-hard problemi.

GaN'de (Gallium Nide) transceivers, yüksek hızlı optik bağlantı ve fotonik kirişler ADC ve işleme şişeleri azaltma konusunda söz verir. DSP algoritmaları farklı görevler için kullanılan fly.

Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç

DSP sadece uyarlanabilir bir kirişde bir destek teknolojisi değildir - performans seviyelerini analog bir dizi sensörleri akıllı, durum farkında algılama sistemi haline getiren temel bir olasılıktır.DSP, tahmin edilen yönlerden, hesaplanabilir ağırlıkları hesaplamak ve null müdahalesini kullanarak, DSP, radar ve sonlu sistemler analog mühendisler ve sistemle ulaşılamaz hale getirmeli. Bu nedenle, DSP'nin rolü, DSP'nin gerçek zamanlı olarak, gerçek zamanlı olarak, gerçek zamanlı olarak, gerçek zamanlı olarak, gerçek zamanlı olarak, DSP'nin rolü, ancak daha merkezi, savunma, en iyi algılama platformlarını kullanarak, daha iyileştirici bir şekilde, deniz güvenliği, ve çevresel izleme sistemleri geliştirmeli.