منابع پایان نامه ارشد با موضوع آشکارسازی

پیشین و پسین فیلتر در جهت کمینه کردن مربع خطا محاسبه میشود.
• فیلتر پیشین15: در این فیلتر وزنهای قبلی چنان محاسبه و بهروز میشوند که خطای پیشین نمونه کمینه شود، این کار با استفاده از بردار ورودی انجام میپذیرد. در این فیلتر نیز مانند حالت قبل خطای پیشین با استفاده از وزنهای قبل و بعد جهت کمینه کردن مربع خطای فیلتر محاسبه میشود.
• فیلتر ضریب همگرایی16: با کمک ضریب همگرایی بهره مورد نیاز جهت بهروزرسانی وزنهای پیشین، پسین و … محاسبه و استخراج میشود.
• فیلتر تخمین توام17: این فیلترینگ وزنهای فیلتر را چنان بهروز میکند که خطای نهایی بین سیگنال ورودی فیلتر (سیگنال کانال مرجع) و سیگنال مراقبت (سیگنال مطلوب) کمینه شود.
بهروزرسانی وزنها در الگوریتم FT-RLS مطابق روابط زیر صورت میگیرد[36]:
در روابط فوق داریم:
: بردار ورودی
: سیگنال مطلوب
: بردار وزن فیلتر پسین
: بردار وزن فیلتر پیشین
: بردار وزن فیلتر تخمین توام
: بردار گین نرمالیزه شده
: جمع مربع خطای پسین18
: جمع مربع خطای پیشین19
از روابط بارز است که در هر مرحله ، ، ، ، و بهروزرسانی میشوند. در روابط فوق که همان ضریب همگرایی است مقادیری نامنفی را اتخاذ میکند. پارامتر در این الگوریتم با نام متغیر رهایی20 شناخته میشود. هرگاه این پارامتر مقداری منفی اتخاذ کند بدین معناست که عملکرد الگوریتم مناسب نبوده و در نهایت الگوریتم به همگرایی نمیانجامد. به همین دلیل هرگاه منفی شود الگوریتم باید متوقف شده و با تنظیم دوباره پارامترهای اولیه از ابتدا اجرا شود. از معایب این الگوریتم وابستگی زیاد نحوه عملکرد الگوریتم به محاسبات عددی و تا حدی ناپایداری این الگوریتم است. برای مطالعه بیشتر درباره الگوریتم FT-RLS میتوان به مرجع [36] مراجعه نمود.
3-4- مقایسه پیچیدگی محاسباتی روشهای وفقی
منظور از پیچیدگی محاسباتی روشهای وفقی مذکور، مرتبه محاسبات (جمع، ضرب و تقسیم) انجام شده در اجرای الگوریتم است. بر این اساس، پیچیدگی محاسباتی الگوریتمهای LMS و VSLMS از مرتبه L که همان طول فیلتر وفقی اعمالی است میباشد در حالی که پیچیدگی محاسباتی الگوریتم RLS از مرتبه L2 میباشد. با وجود آنکه الگوریتم LMS پیچیدگی محاسباتی کمتر از الگوریتم RLS دارد اما از جهت تضعیف سیگنالهای تداخلی و کشف اهداف عملکرد مناسبی نخواهد داشت و بهتر است با الگوریتم VSLMS جایگزین شود و در اکثر مواقع نیز در رادارهای پسیو استفاده از الگوریتم RLS برای تضعیف تداخل توصیه میشود [35]. حجم تمام محاسبات مورد نیاز (مجموع ضرب، جمع و تقسیمهای مورد نیاز) برای الگوریتم RLS برابر با L25/3 میباشد این در حالی است که همین مجموع برای الگوریتم FTF برابر با L14میباشد [36]. در رادارهای پسیو مولفههای کلاتر تا برد حدود 50 کیلومتری میتوانند حضور داشته باشد و با افزایش برد کلاتر طول فیلتر وفقی اعمالی نیز افزایش مییابد. در رادارهای پسیو مبتنی بر سیگنال DVB-T فرکانس نمونهبرداری زیاد میباشد از این رو طول فیلتر وفقی مورد نیاز برای پوشش برد کلاتر زیاد خواهد بود. جدول شماره 1 بیانگر حداقل طول فیلتر وفقی مورد نیاز و کل حجم محاسبات مورد نیاز در الگوریتم RLS و FT-RLS برای چندین برد مختلف کلاتر با فرکانس نمونهبرداری 9 گیگاهرتز میباشد. برای مثال اگر برد کلاتر را 50 کیلومتر در نظر بگیریم طول فیلتر وفقی مورد نیاز با فرکانس نمونهبرداری 9 گیگاهرتز حداقل باید 1525 باشد، در این حالت حجم محاسبات در الگوریتم RLS در حدود 8 میلیون خواهد بود در حالی که در همین شرایط حجم محاسباتی الگوریتم FTF در حدود 21000 میباشد. واضح است که در این حالت پیادهسازی الگوریتم RLS به علت حجم محاسباتی زیاد با وجود عملکرد مناسب با مشکل مواجه میشود و الگوریتم FT-RLS روشی مناسب برای حل این مشکل به نظر میرسد.
جدول شماره 3-1: طول فیلتر وفقی مورد نیاز و حجم محاسبات در الگوریتمهای RLS و FTF-RLS
برد کلاتر (کیلومتر)
طول فیلتر وفقی (L)
حجم محاسبات در الگوریتم FT-RLS
حجم محاسبات در الگوریتم RLS
30
915
12000
3000000
40
1220
17000
5000000
50
1525
21000
8000000
3- 5- آشکارساز GLR21
آشکارسازی هدف در رادارهای پسیو مبتنی بر سیگنال DVB-T از جمله مباحثی است که چندان مورد بحث و توجه قرار نگرفته است [9-41-47]. در پردازشگر رادارهای پسیو بعد از حذف سیگنال تداخل شامل سیگنال چندمسیرگی و سیگنال مسیر مستقیم و کلاتر، معمولاً از روشهای آشکارسازی متفاوت جهت کشف اهداف استفاده میشود[48]. جهت آشکارسازی مناسب هدف ابتدا باید سیگنالهای تداخل شامل سیگنال مسیر مستقیم و کلاتر توسط یکی از روشهای وفقی حدف شوند و سپس توسط یکی از روشهای آشکارسازی به کشف هدف پرداخت. برای مثال یکی از روشهای متداول آشکارسازی روش CA22 است که بر اساس خروجی تابع ابهام عمل میکند [49]. در سیگنالینگ DVB-T به علت وجود پیکهای ناخواسته و قابل توجه در تابع ابهام استفاده از این روش آشکارسازی مناسب به نظر نمیرسد. در فصل بعد با استفاده از نتایج شبیهسازیهای انجام شده این سیگنالینگ و رسم تابع ابهام آن نشان خواهیم داد که حتی پس از تضعیف و حذف پیکهای ناخواسته و مزاحم نیز باز هم تابع ابهام شرایط مطلوب و مناسبی جهت آشکارسازی هدف نخواهد داشت و استفاده از آشکارسازهای مبنی بر خروجی تابع ابهام چندان مناسب بهنظر نمیرسد. به همین دلیل در این پایاننامه به سراغ نوع دیگری از آشکارساز میرویم. آشکارساز مورد استفاده در این پایاننامه، فرم ساده شدهای از آشکارساز ارائه شده در مرجع [50] میباشد. این آشکارساز عملکردی با نرخ هشدار کاذب داشته و از جهت آشکارسازی هدف در رادارهای پسیو مبتنی بر سیگنال DVB-T رفتار مناسبی دارد. در آشکارساز کلی تابع تست بصورت زیر تعریف میشود:
در رابطه فوق U بیانگر ماتریس مربوط به سیگنالهای تداخلی شامل کلاتر و اهداف تداخلی است و π┴ ماتریس تصویری متعامد نامیده میشود که تصویر یک بردار را در زیرفضای عمود بر زیر فضای سیگنال تداخل نتیجه میدهد و از رابطه بدست میآید. در این حالت در حضور کلاتر و اهداف تداخلی به کشف اهداف پرداخته میشود. در سیگنالینگ DVB-T به علت فرکانس نمونهبرداری بالا و زیاد بودن طول بردارهای مورد استفاده پیادهسازی آشکارساز کلی میسر نیست. در این پایاننامه حذف کلاتر با استفاده از الگوریتمهای وفقی انجام میپذیرد و به علت رزولوشن در برد بالای این سیگنالینگ که در حدود 20 متر است میتوان از اثر هدفی بر روی هدف دیگر صرفنظر کرد و در نتیجه میتوان از فرم ساده شده آشکارساز که در ادامه معرفی خواهیم کرد استفاده کرد.
در این پایاننامه پس از اعمال روشهای وفقی جهت حذف تداخل و تمیز کردن سیگنال مشاهدات از مولفههای کلاتری به سیگنال میرسیم. حال جهت آشکارسازی هدف در هر مختصات تأخیر و داپلر (Nd، wd) از فرم ساده شدهای از آشکارساز GLR ارائه شده در مرجع [50] که خاصیت CFAR23 دارد، استفاده مینماییم. تابع تست این آشکارساز به صورت زیر میباشد [50]:
که بردار بردار مشاهدات تمیز شده بعد از اعمال فیلتر وفقی میباشد و بردار با استفاده از سیگنال گیرنده مرجع یعنی به صورت زیر ساخته میشود:
نکته قابل توجه آن است که در بحث آشکارسازی با توجه به این که میدانیم اهداف فرکانس داپلری بسیار بیشتر نسبت به مولفههای کلاتری دارند پس از استفاده از روشهای مناسب حذف تداخل، آشکارسازی هدف با کمک این آشکارساز به خوبی انجام خواهد گرفت. منظور از روشهای مناسب حذف تداخل روشهایی است که بیشترین میزان تضعیف را در حالت کلاتر با مولفه داپلری صفر دارا باشد و در فرکانس داپلر غیر صفر تضعیف به مراتب کمتری داشتهباشد. در این صورت در اثر تضعیف سیگنالهای تداخل و کلاتر تضعیف موثری بر اهداف اعمال نخواهد شد.
4- نتایج شبیهسازی در بررسی عملکرد فیلترهای وفقی در حذف تداخل و آشکارسازی هدف در رادارهای پسیو مبتنی بر سیگنال DVB-T

دیدگاهتان را بنویسید