Probabilidad de detección de radar: modelos de Swerling y análisis de incertidumbre de Monte Carlo

Lo que la ecuación del radar no te dice

La ecuación clásica del alcance del radar te da un solo número: el rango en el que la SNR recibida es igual a tu umbral de detección. Supone un objetivo puntual con un RCS fijo, sin pérdidas atmosféricas y unos parámetros de sistema perfectos. Los objetivos de radar reales no funcionan de esta manera.

Los aviones revolotean, los barcos ruedan, la precipitación se dispersa: la sección transversal del radar objetivo fluctúa de un pulso a otro o de un escaneo a otro. La lluvia añade entre 0,01 y 20 dB/km de pérdida de trayectoria en ambos sentidos, según la frecuencia y la velocidad de la lluvia. La potencia de transmisión varía ± 1 dB de una unidad a otra y ± 2 dB con la temperatura. La ecuación del alcance del radar le brinda una instantánea; el simulador de detección le brinda una distribución de probabilidad sobre esa instantánea.

Este tutorial utiliza el simulador de detección de radar para analizar un radar de vigilancia terrestre que funciona a 3 GHz.

# Modelos objetivo: cómo elegir la funda Swerling adecuada

Antes de ejecutar una simulación, debe elegir un modelo de fluctuación objetivo. Los cinco casos de Swerling abarcan desde lo optimista hasta lo realista:

Para un avión del tamaño de un caza a 3 GHz con integración de pulso a pulso, el Swerling 2 es la opción estándar. El Swerling 1 es más pesimista (la fluctuación lenta hace que la integración sea menos efectiva) y produce un Pd más bajo con la misma SNR; úselo cuando necesite un margen de enlace conservador.

Configuración del caso nominal

Introduzca los siguientes parámetros para un radar de vigilancia terrestre de 3 GHz:

El simulador calcula la SNR en cada intervalo de alcance mediante la ecuación del radar de Friis y, a continuación, asigna la SNR a Pd mediante la función Q de Marcum (Swerling 0) o el CDF chi-cuadrado no central apropiado para Swerling 1—4. La integración no coherente de N pulsos mejora la SNR en aproximadamente N^0,8 para los objetivos fluctuantes de Swerling.

Con estas entradas, el rango de detección nominal (Pd = 0,5) es de unos 180 km. El rango de detección del 90% se acerca a los 120 km, el rango en el que nueve de cada diez oportunidades de escaneo detectarán el objetivo.

Añadir lluvia: atenuación ITU-R P.838

Ahora habilite la atenuación de la lluvia y establezca la velocidad de lluvia en 16 mm/h (lluvia moderada, zona climática K de la UIT-R). El simulador aplica el modelo de atenuación específico del P.838:

donde k y α son coeficientes dependientes de la frecuencia. A 3 GHz con polarización horizontal, k ≈ 0,00155 y α ≈ 1,265, lo que arroja γ_R ≈ 0,044 dB/km a 16 mm/h. En una trayectoria bidireccional de 180 km, se produce una pérdida adicional de 16 dB, suficiente para reducir el alcance de detección a unos 120 km en el caso nominal.

La región de lluvia se limita a los primeros 4 km de altitud (la franja brillante), lo que el simulador gestiona reduciendo eficazmente la longitud de la trayectoria. Las lluvias más intensas (50 mm/h en caso de tormenta tropical) producen γ_R ≈ 0,21 dB/km y reducen el alcance nominal de detección por debajo de los 90 km.

Montecarlo: cuantificación de la incertidumbre del sistema

El rango de detección nominal es la mediana: la mitad de todos los sistemas de radar fabricados tendrán un rendimiento peor. Habilite Montecarlo con 50 000 ensayos y las siguientes tolerancias:

El resultado de Montecarlo muestra que el rango de detección del percentil 10 (el 10% peor de las combinaciones entre sistema, entorno y sistema) es de 95 km, un 25% más corto que el nominal. El percentil 90 (el 10% mejor) alcanza los 155 km. Este diferencial representa la varianza real de la fabricación, la deriva de las cifras de ruido estacional y la variación del ángulo de aspecto objetivo.

El parámetro más influyente es el RCS objetivo, que impulsa casi el 60% de la varianza del rango de detección en el desglose de la sensibilidad. Esto es lo que se espera de los objetivos del Swerling 2: el RCS fluctúa de pulso a pulso con una distribución de Rayleigh, y los extremos de esa distribución dominan el Pd con una SNR moderada. Esto implica que invertir en una mayor potencia de transmisión o en una mejor ganancia de antena tiene un rendimiento decreciente si no se tiene en cuenta la varianza del ángulo de orientación del objetivo.

Leyendo la curva ROC

La curva de características operativas del receptor (ROC) representa el Pd con el Pfa en un rango fijo. Utilízala para responder: «si reduzco mi frecuencia de falsas alarmas de 10 a 10, ¿cuánto ganaré en probabilidad de detección a 150 km?»

A 150 km, con los parámetros nominales y sin lluvia, la República de China muestra que la Pd aumenta de 0,41 en Pfa=10±8 a 0,68 en Pfa=10−4. Esto supone un aumento de 27 puntos porcentuales en la concentración de partículas por dos órdenes de magnitud más de falsas alarmas, una compensación que depende totalmente del contexto operativo. Para el control del tráfico aéreo, es obligatorio el uso de Pfa=10-1. En el caso de un radar de búsqueda marítima en el que un operador humano controle los contactos, puede ser aceptable un valor de Pfa=10-5.4.

Lo que esta simulación no te dirá

El simulador modela la detección del ruido térmico, la ganancia del procesamiento de distancia-Doppler (mediante una integración no coherente), la atenuación de la lluvia y la fluctuación del RCS objetivo. No modela el desorden (tierra, mar, paja), la interferencia del ECM, la interferencia, la trayectoria múltiple ni la pérdida por escaneo de la antena. Para un análisis completo del sistema de radar, esos efectos necesitan modelos independientes, pero para la validación del presupuesto de enlaces y el análisis de la sensibilidad del rango de detección, esta simulación proporciona el marco probabilístico esencial.

[Simulador de detección de radar] (/tools/radar-detection)