Radar-Erfassungsbereichsanalyse: Monte-Carlo-Konfidenzintervalle für gepulste Systeme

Das Problem mit Schätzungen der Einpunkt-Erkennungsreichweite

Jedes Radar-Lehrbuch enthält die Entfernungsgleichung. Geben Sie Sendeleistung, Antennenverstärkung, Rauschzahl und Ziel-RCS ein, und das Ergebnis ist eine Nummer für den Erfassungsbereich. Ingenieure berechnen ganze Systembudgets um diese Zahl herum — und fragen sich dann, warum sich das hergestellte Radar anders verhält als vorhergesagt.

Der Grund dafür ist, dass die Reichweitengleichung deterministisch ist, die reale Welt jedoch nicht. Das Ziel-RCS schwankt. Die Rauschzahl des Empfängers variiert von Gerät zu Gerät. Die Sendeleistung ist an einem kalten Morgen auf dem niedrigsten Wert und in einem warmen Rack auf dem höchsten Wert. Die Regendämpfung hängt von der aktuellen Regenrate ab, nicht vom jährlichen Durchschnitt. Eine Einzelpunktschätzung verbirgt all dies.

In diesem Beitrag wird die Verwendung des Monte-Carlo-Simulators zur Radarerkennung zur Analyse eines gepulsten X-Band-Radars beschrieben. Es wird gezeigt, wie Monte-Carlo-Konfidenzbänder Ihnen die Informationen liefern, die Sie für echte Konstruktionsentscheidungen benötigen.

Das Referenzdesign

Das Design ist ein bodengestütztes 10-GHz-X-Band-Radar mit den folgenden Parametern:

Das Ziel ist ein kleines UAV oder ein Vogel — 1 m² mittlerer RCS, langsame Fluktuation (Swerling I — das RCS korreliert über alle integrierten Impulse in einer Verweildauer und wechselt von Scan zu Scan).

Einrichtung der Nominalanalyse

Geben Sie diese Werte in das Radar Detection Monte Carlo-Tool ein. Das Tool zeigt sofort:

• RΦ = 45,2 km — nominale Erfassungsreichweite von 50%
• R= 28,4 km — Erfassungsreichweite von 90% (hohe Zuverlässigkeit)
• Integrationsgewinn = 6,3× — ab einer Näherung von n^0,8 bei 10 Impulsen

Das Diagramm zwischen SNR und Reichweite zeigt, dass das SNR nach der Integration bei etwa 45 km die Erkennungsschwelle (≈ 12,4 dB über dem Grundrauschen für Pfa = 10bei 10 Impulsen) überschreitet. Dies entspricht der Vorhersage der klassischen Reichweitengleichung.

# Vergleich des Swerling-Modells

Ändern Sie nun das Swerling-Modell von I auf 0 (nicht schwankend) und führen Sie es erneut aus. Der Wert von R wird auf 50,1 km verschoben — eine Steigerung von 10%. Das scheint kontraintuitiv zu sein: Sollte ein schwankendes Ziel nicht schwieriger zu erkennen sein?

Die Antwort hängt von Pd ab. Bei einem sehr hohen Pd (> 0,9) sind nicht schwankende Ziele leichter zu erkennen, da das RCS nie auf einen niedrigen Wert absinkt. Bei moderatem Pd (50%) können schwankende Ziele (Swerling I) jedoch tatsächlich eine ähnliche oder bessere Leistung erzielen, da der RCS gelegentlich seinen Mittelwert überschreitet. Der „Swerling-Verlust“ tritt hauptsächlich bei hohen Pd-Anforderungen auf.

Bei der Umstellung auf Swerling II (schnelle Fluktuation, gleiche chi² (2) -RCS-Verteilung) mit gleichem mittleren RCS ergibt sich ein Wert von Rφ = 43,8 km — geringfügig kürzer als bei Swerling I mit 50% Pd. Die schnelle Fluktuation hilft sogar, wenn viele integrierte Impulse verwendet werden, da bei einigen Impulsen immer ein hoher RCS-Zustand auftritt.

Auswirkung der Regendämpfung

Fügen Sie nun Regen hinzu: Stellen Sie die Regenrate auf 25 mm/h ein (starker tropischer Regen). Führen Sie den Vorgang mit Swerling I erneut aus.

Das Tool wendet die ITU-R P.838 bidirektionale Dämpfung an:

• Bei 10 GHz: k = 0,0101, α = 1,276
• Spezifische Dämpfung: σ = 0,0101 × 25^1,276 ≈ 0,57 dB/km in einer Richtung
• Wechselseitig: 1,14 dB/km

Bei einer nominalen Erfassungsreichweite von 45 km ergeben sich daraus insgesamt 51,3 dB an wechselseitigem Regenverlust — katastrophal. Der Wert R = 12,3 km sinkt auf 12,3 km. Der Erfassungsbereich ist jetzt auf Regen begrenzt, nicht auf Hardware begrenzt.

Aus diesem Grund haben X-Band-Wetterradare einen erheblichen Abstand zu ihrem Erfassungsbereich bei klarem Himmel. Der Konstrukteur muss wissen, wie hoch die Temperatur bei Regen ist, und nicht nur bei nominalen Bedingungen.

Die MC Confidence Bands

Ich setze den Regen wieder auf 0 und schaue mir die Monte Carlo Confidence Bands für Swerling I an:

• p95-Band (im besten Fall) : R= 52,1 km — 15% besser als der Nennwert
• p50-Band (Median) : R‡ = 45,2 km — entspricht dem Nennwert (erwartet)
• p5-Band (schlimmster Fall) : R‡ = 38,7 km — 14% schlechter als der Nennwert

Die Asymmetrie ist hier gering, da die Parameterschwankungen (±0,5 dB NF, ±0,3 dB Pt) im Vergleich zur Swerling I RCS-Fluktuation, die den Spread dominiert, bescheiden sind.

Für eine Fertigungsspezifikation sollte die Anforderung anhand der p5-Kurve berechnet werden: Das Radar muss bei allen hergestellten Einheiten einen Wert von R10 ≥ 38,7 km erreichen, nicht nur bei einer Nennmessung auf dem Prüfstand.

Interpretation der ROC-Kurve

Die ROC-Kurve zeigt Pd im Vergleich zu —log( Pfa) bei R. Im Betriebspunkt (Pfa = 10′, —log= 6):

• Pd ≈ 0,50 — konstruktionsbedingt (wir haben den Bereich von 50% gewählt)

Schiebt man Pfa fester auf 10― (—log= 8), sinkt Pd auf 0,31. Wenn Sie Pfa auf 10lockern (—log= 4), erhöht sich Pd auf 0,72. Dies ist der klassische Kompromiss zwischen Erkennung und Fehlalarm, den CFAR-Prozessoren in realen Systemen finden.

Wichtige Erkenntnisse für das Design

1. Verwenden Sie für die Margenzuweisung immer die p5-Kurve. Der nominale Erkennungsbereich ist eine optimistische Einzelpunktschätzung, bei der nur 50% der Betriebsszenarien erfüllt oder überschritten werden.
2. Regen dominiert im X-Band. In nassen Umgebungen ist der regengedämpfte Erfassungsbereich die verbindliche Einschränkung, nicht die Hardwareleistung bei klarem Himmel.
3. Das Swerling-Modell ist wichtig bei hohen Pd-Anforderungen. Bei Pd = 0,9 kostet der Wechsel von Swerling 0 zu Swerling I etwa 6—8 dB SNR (der Swerling-Verlust). Dies entspricht einer etwa zweifachen Reduzierung des Erfassungsbereichs bei 90% Pd.
4. Die Impulsintegration lohnt sich. 10 inkohärente Impulse sorgen für eine 6,3-fache SNR-Verstärkung, was einer Erhöhung der Spitzenleistung um 8 dB oder der Antennenverstärkung um 4 dBi entspricht.