Detección de radar: modelos Swerling y Monte Carlo

Lo que la ecuación del radar no te dice

La ecuación clásica de alcance de un radar arroja un solo número: el rango en el que la SNR recibida alcanza el umbral de detección. Limpia, determinista y completamente engañosa si crees que esa es toda la historia. La ecuación supone que tu objetivo tiene un RCS fijo, que la atmósfera es perfectamente transparente y que cada componente de tu radar funciona exactamente según las especificaciones. Los objetivos reales no cooperan.

Los aviones se inclinan y giran, cambiando su sección transversal actual en 20 dB o más de un pulso al siguiente. Los barcos se inclinan y ruedan en alta mar. La lluvia no se queda ahí, sino que dispersa la señal y añade entre 0,01 dB/km en una llovizna ligera y 20 dB/km en un aguacero tropical, lo que supone una pérdida en ambos sentidos. ¿Tu amplificador de klystron o de estado sólido? Produce una diferencia de potencia de ±1 dB de una unidad a otra fuera de la línea de producción, y otra oscilación de ±2 dB a medida que la temperatura cambia de invierno a verano. La ecuación del alcance del radar proporciona una estimación puntual. Lo que realmente necesitas es una distribución de probabilidad alrededor de esa estimación, que tenga en cuenta todo lo que varía en el mundo real.

Este tutorial utiliza el simulador de detección de radar para analizar un radar de vigilancia terrestre que funciona a 3 GHz. Analizaremos los modelos de fluctuación objetivo, añadiremos las condiciones meteorológicas y realizaremos ensayos en Montecarlo para ver cuánto varía realmente el alcance de detección si tenemos en cuenta las tolerancias de fabricación y la incertidumbre medioambiental.

Modelos objetivo: cómo elegir la funda Swerling adecuada

Antes de ejecutar cualquier cosa, debe elegir un modelo de fluctuación objetivo. Los cinco estuches Swerling se desarrollaron en la década de 1950 y siguen siendo el estándar porque se adaptan perfectamente a los mecanismos de dispersión física. Esto es lo que representa cada uno:

El Swerling 0 es un caso optimista: el RCS objetivo es constante, por lo que se obtienen todos los beneficios de una integración no coherente. Utilízalo para esferas de calibración o reflectores de esquinas triédricas en los que la geometría sea realmente estable. Para un avión del tamaño de un caza a 3 GHz con integración de pulso a pulso, el Swerling 2 es la opción estándar. La hipótesis de que hay «muchos dispositivos de dispersión» es válida, ya que los retornos del fuselaje, las alas, la cola, las entradas del motor y las superficies de control interfieren entre sí. El RCS sigue una distribución de Rayleigh de pulso a pulso.

Swerling 1 es más conservadora: supone que el RCS objetivo cambia lentamente, por lo que estás integrando de forma efectiva el mismo valor de RCS en todos tus pulsos. Esto hace que la integración sea menos eficaz y produce una menor probabilidad de detección con la misma SNR. La mayoría de los ingenieros se saltan el Swerling 1, pero si estás diseñando un sistema en el que necesitas un margen con respecto a los peores ángulos de orientación posibles, vale la pena utilizar tanto el Swerling 1 como el Swerling 2 para mejorar tu rendimiento.

El Swerling 3 y el 4 se aplican cuando tienes un punto de dispersión dominante. Piensa en un avión pequeño en el que la entrada del motor o un reflector en las esquinas de la cola dominan el ángulo de retorno. La distribución RCS cambia de Rayleigh a una chi-cuadrada con cuatro grados de libertad, que tiene una cola más larga. De vez en cuando se obtienen buenos rendimientos que ayudan a la detección, pero el rendimiento medio es similar al de Swerling 2.

Configuración del caso nominal

Vamos a configurar un radar de vigilancia terrestre típico de 3 GHz. Estos parámetros representan un sistema de alcance medio, como un radar de control de tráfico aéreo de banda L o un sensor de defensa aérea terrestre:

El simulador calcula la SNR en cada intervalo de alcance mediante la ecuación del radar de Friis, la versión bidireccional con pérdida de trayectoria en la que se obtiene R4 en el denominador en lugar de R². A continuación, asigna la SNR a la probabilidad de detección mediante la función Q de Marcum para Swerling 0 o el CDF chi-cuadrado no central apropiado para Swerling 1 a 4. La integración no coherente de N pulsos mejora la SNR, pero no por el factor completo de N. En el caso de los objetivos fluctuantes de Swerling, la eficiencia de integración se acerca a N^0.8 porque la atenuación del objetivo descorrelaciona los pulsos.

Con estas entradas, el rango de detección nominal a Pd = 0,5 es de unos 180 km. Ese es el punto medio de detección: la mitad de las veces detectarás a esta distancia y la otra mitad de las veces no lo harás. El rango de detección del 90% se acerca a los 120 km, que es el rango en el que nueve de cada diez oportunidades de escaneo producirán una detección. Esa diferencia de 60 km entre Pd = 0,5 y Pd = 0,9 se debe enteramente a la fluctuación del RCS objetivo. Si estuvieras usando Swerling 0 (objetivo constante), esas dos distancias estarían mucho más cerca una de la otra.

Añadir lluvia: atenuación ITU-R P.838

Ahora veamos qué pasa cuando llueve. Activa la atenuación de la lluvia y establece la velocidad de lluvia en 16 mm/h, lo que corresponde a una lluvia moderada en la 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 que varían con la polarización. A 3 GHz con polarización horizontal, k ≈ 0.00155 y α ≈ 1.265. Conecta R = 16 mm/h y obtendrás γ_R ≈ 0,044 dB/km. No parece mucho, pero recuerda que se trata de un camino de doble sentido. Si recorres un camino de 180 km hacia el objetivo y viceversa, pierdes 16 dB. Eso es suficiente para reducir el rango de detección de 180 km a unos 120 km en el caso nominal.

La región lluviosa se limita a los primeros 4 km de altitud, es decir, la denominada franja brillante, en la que la lluvia es más intensa antes de que comience a evaporarse o a convertirse en nieve en altitudes más altas. Para ello, el simulador calcula la longitud efectiva de la trayectoria a través de la región de lluvia, en lugar de dar por sentado que llueve hasta el objetivo. En el caso de un radar terrestre que mire a un objetivo a 10 km de altitud, la mayor parte de su trayectoria estará por encima de la capa de lluvia.

Las lluvias más intensas empeoran la situación. A 50 mm/h (una tormenta tropical) se obtiene γ_R ≈ 0,21 dB/km. Esto equivale a una pérdida bidireccional de casi 80 dB en una trayectoria de 180 km, lo que reduce el alcance nominal de detección por debajo de los 90 km. En la banda X (10 GHz) o más, la atenuación de la lluvia se convierte en el mecanismo de pérdida dominante en precipitaciones moderadas o intensas. Esta es la razón por la que los radares de vigilancia aérea de largo alcance funcionan en la banda L o la banda S: la pérdida de lluvia es manejable.

Montecarlo: cuantificación de la incertidumbre del sistema

El rango de detección nominal es solo la mediana: la mitad de todos los sistemas de radar fabricados funcionarán peor que ese número. Para ver la dispersión completa, habilite la simulación de Montecarlo con 50 000 ensayos y las siguientes tolerancias:

Estas tolerancias representan la varianza típica de fabricación y la incertidumbre operativa. La potencia máxima varía de una unidad a otra debido a las tolerancias de los componentes del amplificador y a las variaciones con la temperatura. La ganancia de la antena depende de la alineación de la alimentación, la pérdida de transmisión del radomo y la precisión de la medición del patrón. Las pérdidas del sistema incluyen la falta de coincidencia de la guía de ondas, la pérdida de inserción del filtro y la falta de coincidencia en la parte frontal del receptor, todas las cuales varían de una unidad a otra. El RCS objetivo varía ± 3 dB (o más) según el ángulo de orientación, incluso para la misma aeronave.

El resultado de Montecarlo muestra que el rango de detección del percentil 10 (el 10% peor de las combinaciones de sistema, entorno y sistema) es de 95 km. Eso es un 25% más corto que los 180 km nominales. El percentil 90 (el 10% mejor) alcanza los 155 km. Esta dispersión representa la variabilidad real que observará en una flota de radares que funcionan en diferentes condiciones.

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 tiene sentido para los objetivos del Swerling 2: el RCS fluctúa de pulso a pulso con una distribución de Rayleigh, y los extremos de esa distribución dominan la probabilidad de detección con una SNR moderada. La implicación práctica es que invertir en una mayor potencia de transmisión o en una antena más grande tiene un rendimiento decreciente si no se tiene en cuenta adecuadamente la variación del ángulo de orientación del objetivo. No se puede corregir una atenuación RCS de 10 dB con 3 dB más de potencia de transmisión; los cálculos no funcionan a tu favor.

El segundo parámetro más influyente suele ser la potencia máxima, seguida de las pérdidas del sistema. La ganancia de la antena es sorprendentemente estable si has realizado el diseño mecánico correctamente. La cifra de ruido es más importante a larga distancia, donde ya tienes una SNR limitada, pero en distancias más cortas en las que tienes un margen de SNR, la incertidumbre de la cifra de ruido contribuye en menor medida a la varianza general del rango de detección.

Leyendo la curva ROC

La curva de características operativas del receptor (ROC) representa la probabilidad de detección comparándola con la probabilidad de falsa alarma en un rango fijo. Responde a la pregunta: «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 pasa de 0,41 en Pfa = 10-4 a 0,68 en Pfa = 10-4. Esto supone un aumento de 27 puntos porcentuales en la probabilidad de detección de dos órdenes de magnitud más de falsas alarmas. Que esa compensación tenga sentido depende completamente de su contexto operativo.

Para el control del tráfico aéreo, en la práctica es obligatorio que el operador compruebe cientos de contactos falsos por escaneo. En el caso de un radar de búsqueda marítima con un operador humano que ya está observando el desorden del mar y los resultados meteorológicos, Pfa = 10-5.4 puede ser perfectamente aceptable. De todos modos, el operador correlacionará los contactos entre varios escaneos, por lo que unas cuantas falsas alarmas adicionales por escaneo no aumentan significativamente la carga de trabajo.

La curva ROC también muestra el umbral de detección de la rodilla, es decir, el punto en el que aumentar aún más la Pfa no significa que se obtenga mucha más Pd. En la mayoría de los casos de Swerling, la rodilla se presenta en torno a los valores de Pfa = 10-1 ³ a 10-4. Por debajo de eso, estás intercambiando las falsas alarmas de manera muy eficiente por la probabilidad de detección. Por encima de eso, se encuentra en un nivel de ruido mínimo y la compensación se vuelve desfavorable.

Lo que esta simulación no te dirá

El simulador modela la detección del ruido térmico, la ganancia del procesamiento rango-Doppler mediante una integración no coherente, la atenuación de la lluvia mediante el ITU-R P.838 y la fluctuación del RCS objetivo utilizando los modelos de Swerling. Proporciona una base sólida para la validación del presupuesto de enlaces y el análisis de la sensibilidad del rango de detección. Pero no lo modela todo.

El desorden (tierra, mar, clima o paja) no está incluido. En el caso de un radar terrestre que mire hacia objetivos a baja altitud, el desorden del suelo puede dominar el ruido térmico en 30 dB o más. Necesitas un modelo de desorden independiente y un procesamiento Doppler para manejarlo. El ECM y la interferencia tampoco se modelan: si alguien niega activamente tu radar, tu rango de detección se reduce de una manera que las estadísticas de ruido térmico no predicen. Los reflejos en el suelo o en el mar pueden provocar que la cobertura quede completamente anulada en ángulos de elevación específicos. La pérdida de la antena al escanear (es decir, el hecho de que la ganancia disminuya cuando no se puede ver desde lejos) reduce el alcance de detección en los bordes del volumen de escaneo.

Para un análisis completo del sistema de radar, esos efectos necesitan sus propios modelos. Sin embargo, para comprender el rendimiento de un radar frente a un objetivo puntual en el espacio libre, teniendo en cuenta las tolerancias realistas del sistema y los efectos atmosféricos, esta simulación proporciona el marco probabilístico esencial. Además, la mayoría de los ingenieros omiten este paso por completo, ya que se basan en la ecuación determinista del alcance del radar y, más adelante, se preguntan por qué sus mediciones de campo no coinciden con las predicciones.

Simulador de detección de radar