Стохастическая обработка сигналов в адаптивных измерительных системах с грубыми пространственно-временны́м и статистиками: метод обращаемого спектрального анализа

Представлен модифицированный метод эффективной спектральной и корреляционной пространственно-временно́й обработки сигналов, предназначенный для работы в условиях высокой динамики интенсивности входного потока и варьирования частотно-временно́го ресурса цифровой обработки. В основе метода лежат адаптация алгоритмов и уточнение целей и задач обработки. Разработана методика достижения высокого инструментального разрешения сигналов по спектральным и/или корреляционным признакам. Рассмотрены аспекты повышения эффективности пространственно-временно́й обработки сигналов, актуальные для радиотехнических измерительных систем с цифровыми фазированными антенными решётками и системами селекции движущихся целей. В модифицированном методе учтена вариабельность (изменение типа) обрабатываемых сигналов. Предложены меры по снижению требований к динамическому диапазону входного потока за счёт использования грубых (малоразрядных и бинарных) статистик. Расширена номенклатура частот, включая временны́е и пространственные спектры законов распределений (характеристических функций). Учтены технические (аппаратные и программные) ограничения, предполагающие применение грубого квантования сигналов. Эффективность обработки достигается путём обеления (режекции доминирующих составляющих) пассивных помех до основного этапа – применения метода обращаемого спектрального анализа, а также традиционных стохастических алгоритмов, включая увеличение размеров выборок (апертур, окон) и повышение скорости сходимости измерений в базовом методе Монте-Карло. Полученные результаты можно использовать в радиотехнических измерительных комплексах, включая радиолокационные системы, для задач радиои радиотехнического мониторинга, а также для измерения координат дальности и пеленга.

1. Горбунов Ю. Н. Радиолокация высокого разрешения: обращаемый спектральный анализ. Журнал радиоэлектроники. 2(10) (2018). https://doi.org/10.30898/1684-1719.2018.10.7; https://www.elibrary.ru/yokzvr

2. Горбунов Ю. Н., Куликов Г. В., Шпак А. В. Радиолокация: стохастический подход: Монография. Горячая линия – Телеком, Москва (2016). htt ps://www.elibrary.ru/rcdxsl

3. Монзинго Р. А., Миллер Т. У. Адаптивные антенные решетки: Введение в теорию: Перевод с английского под ред. В. А. Лексаченко. Радио и связь, Москва (1986).

4. Воскресенский Д. И. Антенны с обработкой сигнала: Учебное пособие для вузов. САЙНС-ПРЕСС, Москва (2002).

5. Ba sh B. A., Goeckel D., Towsley F. Limits of reliable communication with low probability of detection on AWGN channels. 2012 IEEE International Symposium on Information Theory Proceedings, Cambridge, MA, USA, 2012, pp. 448-452 (2012). https://doi.org/10.1109/ISIT.2012.6284228; https://www.elibrary.ru/rpgcrh

6. Котельников В. А. Теория потенциальной помехоустойчивости. Госэнергоиздат, Москва (1956).

7. Горбунов Ю. Н. Стохастическая линеаризация пеленга в адаптивных антенных решётках с грубыми пространственно-временными статистиками. Автоматика и телемеханика, (12), 103–114 (2019). ht tps://doi.org/10.1134/S0005231019120067; https://www.elibrary.ru/ewlzgz

8. Кей С. М., Марпл мл. С. Л. Современные методы спектрального анализа: обзор. Труды института инженеров по электротехнике и радиоэлектронике (ТИИЭР), 69(11), 5–51 (1981).

9. Марпл мл. С. Л. Цифровой спектральный анализ и его приложения. Мир, Москва (1990).

10. Первозванский А. А. Поиск. Наука, Москва (1970).

11. Цыпкин Я. З. Адаптация и обучение в автоматических системах. Наука, Москва (1968).

12. Me tropolis N., Ulam S. The Monte Carlo Metod. Journal of the American Statistical Association, 44(247), 335–341 (1949). https://doi.org/10.1080/01621459.1949.10483310

13. Горбунов Ю. Н. Угловое сверхразрешение характера движения глаз для повышения чёткости изображения предметов в условиях ограничений. Вестник РАЕН, 19(1), 13–20 (2019). https://www.elibrary.ru/wxjuwz

14. Горбунов Ю. Н. Когерентно-шумовая РЛС с «грубыми» пространственно-временными статистиками и применением метода стохастического обращаемого спектрального анализа. DSPA: вопросы применения цифровой обработки сигналов, 8(3), 124–128 (2018). https://www.elibrary.ru/yntwfn

15. Калинин В. И. Сверхширокополосная радиолокация с двойной спектральной обработкой шумовых сигналов. Радиотехника, 3, 25–35 (2005).

16. Калинин В. И., Чапурский В. В. Эффективность двойного спектрального анализа и шумовой радиолокации при действии отражений от местных предметов. Радиотехника и электроника, 51(3), 303–313 (2006). https://www.elibrary.ru/njtflt

17. Пуарье Дж. Шумовая радиосвязь. Зарубежная радиоэлектроника, (7) (1969).

18. Волжин В. Н., Якимчук Ю. В., Кислов В. Я. и др. Способ радиолокации: Авторское свидетельство СССР № 792183 (1980).

19. Гоноровский И. С. Радиотехнические цепи и сигналы: Учебник для вузов. 4-е изд., перераб. и доп. Радио и связь, Москва (1986).

20. Соболь И. М. Численные методы Монте-Карло. Наука, Москва (1973).

21. П. А. Созинов (ред.). Радиоэлектронная борьба. Тезаурус. Справочник. Радиотехника, Москва (2020).

22. Ляпунов А. М. Собрание сочинений. В 3 томах. Изд-во АН СССР, Москва (1954–1959).

23. Бакулин М. Г., Варукина Л. А., Крейнделин В. Б. Технология MIMO: принципы и алгоритмы. Горячая линия – Телеком, Москва (2014). https://www.elibrary.ru/mhxjoj

24. Антенная система на основе линзы Ротмана для сбора свободной энергии 5G на частоте 28 ГГц. Вестник Воронежского государственного технического университета, 15(4) (2019).

25. Ceлютин А. Ю. Технология линий задержки в печатной линзе Ротмана. Радиотехника, 85 (3), 134–147 (2021). https://doi.org/10.18127/j00338486-202103-14; https://www.elibrary.ru/fowslw