Nghiên cứu cấu trúc bộ phát hiện lai cho ra đa cảnh giới trong điều kiện mục tiêu có thăng giáng tương quan
DOI:
https://doi.org/10.54939/1859-1043.j.mst.IITE.2025.83-90Từ khóa:
Ra đa cảnh giới; Phát hiện mục tiêu; Thăng giáng mục tiêu tương quan; Tích lũy tương can; Tích lũy không tương can; Cấu trúc bộ phát hiện lai.Tóm tắt
Bài báo nghiên cứu ảnh hưởng của tính thăng giáng của mục tiêu đến hiệu quả tích lũy chùm xung trong ra đa cảnh giới. Mô hình tín hiệu được giả thiết là proper Gaussian phức trên nền tạp trắng. Hai cấu trúc bộ phát hiện lai được xây dựng dựa trên lý thuyết phân tích các thành phần chính, trong đó một vùng tín hiệu được tích lũy tương can và xử lý không tương can cho vùng còn lại. Hybrid-1 chỉ thực hiện tích lũy tương can theo hướng riêng trội nhất, trong khi Hybrid-90 mở rộng đến không gian con bao hàm 90% năng lượng tín hiệu. Hiệu năng của các cấu trúc này, đặc trưng bởi xác suất phát hiện và độ phức tạp tính toán, được so sánh với hai phương án xử lý thông dụng là tích lũy tương can và tích lũy không tương can triển khai dưới dạng bộ lọc phối hợp. Đồng thời chúng được tham chiếu với thuật toán phát hiện tối ưu theo tiêu chuẩn hợp lý cực đại. Các mô phỏng Monte Carlo trong điều kiện thăng giáng nhanh chậm khác nhau cho thấy hai cấu trúc lai đề xuất đạt xác suất phát hiện ổn định hơn so với các sơ đồ thông thường, đồng thời tiến gần đến ngưỡng tối ưu. Riêng Hybrid-1 cho sự cân bằng hợp lý giữa độ tin cậy phát hiện và độ phức tạp tính toán. Những kết quả này cung cấp gợi ý thực tiễn cho việc cải tiến thiết kế ra đa cảnh giới và gợi mở các hướng nghiên cứu tiếp theo.
Tài liệu tham khảo
[1]. Skolnik, M. “Radar handbook,” 3rd ed., New York: McGraw-Hill, (2008).
[2]. Richards, M. A., Scheer, J. A., and Holm, W. A. “Principles of modern radar: Basic principles,” Raleigh, NC, USA: SciTech Publishing, Inc., (2010).
[3]. De Maio, A., and Greco, M. “Modern radar detection theory,” Pisa: University of Pisa, (2016).
[4]. Weinberg, G. “Radar detection theory of sliding window processes,” CRC Press, (2017).
[5]. De Maio, D., Farina, A., and Foglia, G. “Target fluctuation models and their application to radar performance prediction,” IEE proceedings – radar, sonar and navigation, 151(5), 261–269, (2004).
[6]. Zhang, L., Chen, H., Qu, Q., and Wang, Y. “Radar non-coherent integration detection for high-speed multiple targets via Doppler frequency compression,” IEEE transactions on aerospace and electronic systems, 61(2), 3092–3105, (2024).
[7]. He, Z., Chen, X., Zhang, H., and Zhang, L. “Long-time integration for drone targets detection based on digital ubiquitous radar,” in IEEE 5th international conference on electronic information and communication technology (ICEICT), Hefei, China, 21–23 August 2022, (2022).
[8]. Zhao, L., Tao, H., Chen, W., and Song, D. “Maneuvering target detection based on subaperture joint coherent integration,” remote sensing, 13(10), 1948, (2021).
[9]. Liu, G., Tian, Y., Wen, B., and Liu, C. “Combined coherent and non-coherent long-time integration method for high-speed target detection using high-frequency radar,” remote sensing, 16(12), 2139, (2024).
[10]. Xu, J., Zhou, X., Qian, L., Xia, X., and Long, T. “Hybrid integration for highly maneuvering radar target detection based on generalized radon-fourier transform,” IEEE transactions on aerospace and electronic systems, 52(5), 2554–2561, (2016).
[11]. Zhou, X., Qian, L., Ding, Z., Xu, J., Liu, W., and You, P. “Radar detection of moderately fluctuating target based on optimal hybrid integration detector,” IEEE transactions on aerospace and electronic systems, 55(5), 2408–2425, (2019).
[12]. Zhang, Z., Liu, N., Hou, Y., Zhang, S., and Zhang, L. “A coherent integration segment searching based GRT–GRFT hybrid integration method for arbitrary fluctuating target,” remote sensing, 14(11), 2695, (2022).
[13]. Zheng, H., Zhang, Q., Zhang, Y., and Yan, S. “Hybrid integration detection of moving target with moderately fluctuating RCS,” IET international radar conference (IRC 2023), 47, 4060–4064, (2024).
[14]. Jolliffe, I. T. “Principal component analysis,” New York: Springer, (2002).
[15]. Abdi, H., and Williams, L. J. “Principal component analysis,” wiley interdisciplinary reviews: computational statistics, 2(4), 433–459, (2010).
