منابع پایان نامه ارشد با موضوع آشکارسازی

پایلوتهای پراکنده حذف میشوند. برای حذف پیکهای ناشی از باند محافظ که در زمان Tu رخ میدهد کافیست سطح سیگنال دریافتی را در زمانی معادل زمان باند محافظ به سطح صفر رساند (blanking). نکتهای که باید به آن توجه کرد این است که درست است balnk کردن باند محافظ پیک اضافی موجود در زمان باند محافظ را حذف میشود اما پیکی دیگر در زمان صفر تولید میکند. در شکل شماره 2-18 تابع ابهام سیگنال DVB-T پس از حذف پیکهای اضافی نشان داده شده است [14].
شکل 2-18-الف: حذف پیکهای بین سمبلی از تابع ابهام
شکل 2-18-ب: حذف پیکهای درون سمبلی از تابع ابهام
شکل 2-18-ج: حذف تمام پیکهای اضافی از تابع ابهام
3- معرفی روشهای وفقی حذف تداخل در رادارهای پسیو مبتنی بر سیگنال DVB-T و چگونگی آشکارسازی هدف در آنها
3-1- مقدمه
میدانیم که رادارهای پسیو شامل دو کانال مرجع و مراقبت جهت جمعآوری دادهها هستند. کانال مرجع بعد از انجام پردازشهای اولیه شامل سیگنال مرجع و نویز میباشد. در کانال مراقبت رادارهای پسیو علاوه بر سیگنال اهداف مورد نظر برای آشکارسازی، نویز و سیگنالهای مزاحمی مانند سیگنال مسیرمستقیم و سیگنال ناشی از کلاتر (سیگنال چند مسیرگی) نیز حضور دارند. سیگنالهای دریافتی در دو کانال مراقبت و مرجع در شکل زیر نشان داده شده است. (فرستنده FM در نظر گرفته شده است که البته در کلیت موضوع تفاوتی ایجاد نمیکند.)
شکل 3-1: سیگنالهای دریافتی در کانال مرجع و مراقبت در رادار پسیو
سیگنالهای تداخلی در کانال مراقبت در نگاهی ساده نمونه تأخیر یافته از سیگنال کانال مرجع با داپلر صفر هستند. از آنجایی که این سیگنالهای مزاحم معمولاً توان بیشتری نسبت به سیگنال اهداف دارند حضور آنها در کانال مراقبت مانع از آشکارسازی صحیح اهداف میشود. سیگنال مسیر مستقیم معمولاً بسیار قوی بوده و عملاً در حضور این سیگنال آشکارسازی هیچ هدفی امکانپذیر نخواهد بود و تمام اهداف زیر سطح سایدلوبهای سیگنال مسیرمستقیم مدفون میشوند، سیگنالهای ناشی از کلاتر نیز میتوانند به اشتباه به عنوان سیگنال هدف شناسایی شده و باعث رخداد هشدارکاذب1 در آشکارسازی شوند، بنابراین حذف یا تضعیف سیگنالهای تداخل تا سطح نویز در رادارهای پسیو برای آشکارسازی صحیح اهداف اجتناب ناپذیر به نظر میرسد. در حالت کلی برای حذف یا تضعیف سیگنال مسیرمستقیم یا سیگنال چندمسیرگی میتوان از یکی از روشهای زیر استفاده کرد [16-17-34-35]:
• روشهای مبتنی بر الگوریتم Clean
• روشهای مبتنی بر نولگذاری در گیرنده کانال مراقبت
• روشهای وفقی
هر کدام از روشهای فوق معایب و مزایای خود را دارند.
در ادامه به معرفی و بررسی روشهای پرکاربرد وفقی برای حذف سیگنالهای مزاحم در کانال مراقبت میپردازیم.
3-2- جایگاه و عملکرد فیلترهای وفقی در رادارهای پسیو
در مسیر پردازش یک سیگنال، در تلاش برای بدست آوردن یک سیگنال مطلوب و عاری از هرگونه اختلال برای انجام آشکارسازی صحیح هستیم. به کار بردن فیلتر در مسیر پردازش، این امکان را به ما میدهد که از سیگنال ورودی آغشته به اختلال به یک سیگنال مطلوب و عاری از اختلال دست یابیم. هرگاه سیگنال تداخل و سیگنال مطلوب از نظر فرکانسی به خوبی قابل تفکیک باشند، می توان از فیلترهایی نظیر فیلتر پایینگذر یا بالاگذر استفاده نمود و در خروجی سیگنال مطلوب را بدست آورد. در اکثر مواقع سیگنال تداخل و سیگنال مطلوب از نظر فرکانسی قابل تفکیک نبوده و یا در مواردی دقیقاً در یک باند فرکانسی قرار دارند، در این موارد برای جداسازی سیگنالها باید از ویژگیهای آماری این سیگنالها کمک گرفت که این روند به نحوی به اصول فیلترهای وفقی باز میگردد. برای پیادهسازی فیلترهای وفقی ساختارهای متفاوتی وجود دارد که یکی از این ساختارها با نام ترکیب کننده خطی وفقی شناخته میشود. در شکل 3-2 دو فرم از این ساختار نشان داده شده است. در ساختار اول، ورودیها به طور همزمان از چند منبع سیگنال متفاوت دریافت میشوند اما در ساختار دوم که با نام فیلتر Transversal شناخته میشود ورودیها به صورت چند نمونه پشت سرهم از یک منبع سگینال یکسان دریافت میشوند. شکل 3-3 کمک به درک بهتر چگونگی عملکرد فیلترهای وفقی میکند. در این شکل ساختار Transversal از یک فیلتر وفقی نشان داده شده است که در آن وزنها با یک مکانیزم وفقی تنظیم و به روز میشوند. در واقع منظور از طراحی فیلترهای وفقی انتخاب و تنظیم ضرایب به نحوی است که به یک تخمین مناسب از سیگنال مطلوب در خروجی فیلتر دست یابیم و تفاوت در روشهای مختلف وفقی به همین مکانیزم کنترل و به روزرسانی وزنها باز میگردد [36-37-38-39].
شکل 3-2-الف: ترکیب کننده خطی وفقی
شکل3-2-ب: ساختار فیلتر Transversal
شکل 3-3: ساختار فیلتر Transversal در رادار پسیو
در بحث فیلترهای وفقی از فیلترهایی با طول محدود2 و پایداری ذاتی استفاده میشود. همان طور که بیان شد طراحی فیلتر وفقی به معنای انتخاب ضرایب فیلتر به نحوی است که تخمین مناسبی از سیگنال مطلوب در خروجی فیلتر بدست آید. در روشهای وفقی انتخاب مناسب ضرایب فیلتر بر اساس کمینه کردن یک تابع هزینه صورت میگیرد که این تابع هزینه بسته به نوع سیگنالها به صورت قطعی یا تصادفی تعریف میشود. در حالتی که سیگنالهای ورودی قطعی فرض میشوند تابع هزینه یک تابع غیر آماری تعریف میشود که یکی از رایجترین این توابع، جمع وزندار مربع خطا میباشد، حل چنین توابع هزینهای منجر به اعمال فیلترهای وفقی به روش RLS3 میشود. در حالتی که سیگنالها به صورت تصادفی فرض میشوند تابع هزینه رفتاری آماری داشته و به صورت متوسط آماری مربع خطا تعریف میشود، در این حالت هرگاه سیگنالهای ورودی ایستان باشند کمینه کردن تابع هزینه منجر به اعمال فیلتر وینر میگردد. فیلترهای وینر غیرعملی بوده به همین دلیل از فرمهای عملی آن مانند LMS4، NLMS5، VSLMS6 وVSNLMS7 استفاده میشود [36-40-41].
پیش از آن که به معرفی جزییات روشهای وفقی بپردازیم جایگاه فیلترهای وفقی در رادارهای پسیو برای حذف تداخل، ورودی و خروجی این فیلترها و سیگنال مطلوب و سیگنال خطا را معرفی میکنیم. ساختار کلی این فیلترها در رادارهای پسیو به صورت شکل 3-4 میباشد [38]. با توجه به مفاهیم فیلتر وفقی، سیگنال ورودی فیلتر، سیگنال خروجی فیلتر، سیگنال مطلوب و سیگنال خطا به ترتیب برابر با xi[n]، xo[n]، xd[n] و xe[n] میباشد.
شکل 3-4: ساختار وفقی در رادار پسیو
در ساختار فوق، فیلتر وفقی تابع مابین سیگنالهای تداخل در کانال مراقبت و سیگنالهای پردازش شده در کانال مرجع را تقریب میزند. هر چه همبستگی سیگنال تداخل در کانال مراقبت و سیگنال پردازش شده در کانال مرجع بیشتر باشد فیلتر وفقی عملکرد مناسبتری داشته و میتواند سیگنالهای تداخل کانال مراقبت را به صورت بهتری در خروجی خود دنبال کند. ممکن است تفاوت بین سیگنالهای تداخل کانال مراقبت و سیگنال پردازش شده کانال مرجع تنها در تأخیر باشد، در این حالت اگر مقدار این تأخیر کمتر از طول فیلتر وفقی باشد فیلتر توانایی دنبال کردن سیگنال تداخل را در خروجی خود به خوبی خواهد داشت. حال اگر علاوه بر تأخیر، تفاوت در داپلر نیز بین سیگنال تداخل و سیگنال پردازش شده وجود داشته باشد میزان همبستگی بین این سیگنالها بسته به میزان داپلر کاهش یافته و این امکان وجود دارد که فیلتر وفقی نتواند تداخل را در خروجی خود به خوبی دنبال کند. حال باید به این نکته توجه داشت که از آنجایی که اهداف دارای داپلرهای نسبتاً بزرگ و یا تأخیر بیشتر از طول فیلتر وفقی هستند، فیلتر وفقی توانایی حذف آنها را در خروجی خود ندارد و لذا با استفاده از این فیلترها پس از حذف تداخل، اهداف به صورت صحیحی آشکارسازی میشوند. نکته دیگر قابل توجه این است که ذات سیگنال کانال مرجع خود نیز میتواند عاملی موثر بر عملکرد فیلتر وفقی باشد چرا که در رادراهای پسیو سیگنالهای مطلوب و سیگنالهای تداخلی همگی از جنس سیگنال مرجع هستند.
حال به معرفی و بررسی جزییات روشهای متفاوت وفقی میپردازیم[36-37].
3-3- معرفی روشهای وفقی حذف تداخل
3-3-1- فیلتر وینر
در ابتدا به نحوه طراحی فیلترهای وینر میپردازیم زیرا درک مفهوم فیلتر وینر کمک بسیاری به درک مفاهیم در فیلترهای وفقی میکند. در بحث فیلتر وینر سیگنالها به صورت تصادفی فرض شده و تابع هزینه به صورت زیر تعریف میشود:
منظور از همان متوسطگیری آماری است. در واقع در این روش با کمینه کردن تابع هزینه که به صورت فوق تعریف میشود ضرایب بهینه فیلتر نتیجه میشود. هرگاه طول فیلتر وفقی با طولی برابر L و با ساختار عرضی مطابق شکل 3-2 در نظر گرفته شود، میتوان بردار ضرایب و ورودی فیلتر را بنابر شکل 3-3 به صورت زیر تعریف کرد:
با توجه به روابط فوق خروجی فیلتر به صورت زیر تعریف خواهد شد:
در نتیجه سیگنال خطا و تابع هزینه به صورت زیر قابل استخراج هستند:
که در رابطه فوق داریم:
همان طور که مشخص است تابع هزینه به صورت یک تابع درجه دوم از ضرایب فیلتر میباشد. حل معادله کمینهسازی تابع هزینه فوق منجر به معادله وینر-هوف میگردد که به صورت زیر میباشد:
در معادله فوق اگر R یک ماتریس غیرتکین باشد (ماتریسی با مقادیر ویژه غیر صفر) ضرایب بهینه wo از رابطه زیر بدست میآید:
اگر سیگنالهای xi[n] و xd[n] در بازه زمانی پردازشی ایستان باشند این امکان وجود دارد که با فیلترینگ بهینه به صورت فوق به میزان کمینه تابع هزینه که برابر با است، دست یافت. به علت آن که شرط حل معادله وینر-هوف همواره در دست داشتن R وP و عدم وابستگی آنها به زمان است و از آنجایی که در عمل وابستگی به زمان در این ماتریسها وجود دارد دستیابی به میزان کمینه تابع هزینه میسر نخواهد بود، در عمل تابع هزینه به صورت زیر خواهد بود:
در رابطه فوق نشانگر ضرایب قابل دسترس در عمل میباشد [36-37].
3-3-2- الگوریتم LMS
الگوریتم LMS در سال 1960 توسط ویدرو و هوف پیشنهاد شده است و تا قبل از مطرح شدن الگوریتم RLS پرکاربردترین الگوریتم به حساب میآمد. همان طور که بیان شد الگوریتم LMS حالت عملی پیادهسازی فیلتر وینر میباشد با این تفاوت که این الگوریتم بدون نیاز به دانستن ماتریسهای R و P (ماتریس همبستگی سیگنال ورودی فیلتر و ماتریس همبستگی متقابل ورودی فیلتر و سیگنال مطلوب) و بدون نیاز به محاسبه معکوس ماتریس R برای حل معادله وینر-هوف، معادله وینر-هوف را به صورتی تکرارپذیر حل کرده و وزنهای بهینه برای کمینه کردن تابع هزینه را نتیجه میدهد. برای پیادهسازی الگوریتم LMS ابتدا یک مقدار اولیه به وزنها اختصاص میدهیم (معمولاً مقدار اولیه وزنها صفر در نظر گرفته میشود) سپس مراحل زیر را برای بهروزرسانی وزنها به ترتیب انجام میدهیم:
1- گرادیان تابع هزینه را محاسبه میکنیم. در واقع مربع خطا را به صورت لحظهای بنابر رابطه زیر محاسبه میکنیم:
در رابطه فوق و بیانگر تخمین لحظهای ماتریسهای P وR بوده و از روابط زیر بدست میآیند:
2- پس از محاسبه گرادیان لحظهای با استفاده از آن عمل بهروزرسانی وزنها مطابق رابطه زیر انجام میشود:
در رابطه فوق μ به عنوان اندازه گام الگوریتم LMS شناخته میشود که عاملی مهم در عملکرد الگوریتم به حساب میآید.
عملیات محاسبه گرادیان و بهروزرسانی وزنها تا جایی ادامه مییابد

دیدگاهتان را بنویسید