Probabilité de détection radar : modèles swerling et analyse d'incertitude de Monte Carlo

Ce que l'équation radar ne vous dit pas

L'équation classique de portée radar vous donne un chiffre unique : la portée à laquelle le SNR reçu est égale à votre seuil de détection. Il suppose une cible ponctuelle avec un RCS fixe, aucune perte atmosphérique et des paramètres du système parfaits. Les véritables cibles radar ne fonctionnent pas de cette façon.

Les avions flottent, les navires roulent, les précipitations se dispersent : la section transversale du radar cible fluctue d'une impulsion à l'autre ou d'un balayage à l'autre. La pluie ajoute 0,01 à 20 dB/km de perte de trajectoire bidirectionnelle selon la fréquence et le taux de pluie. Votre puissance d'émission varie de ±1 dB d'une unité à l'autre et de ±2 dB en fonction de la température. L'équation de portée du radar vous donne un instantané ; le simulateur de détection vous donne une distribution de probabilité sur cet instantané.

Cette procédure pas à pas utilise le simulateur de détection radar pour analyser un radar de surveillance au sol fonctionnant à 3 GHz.

Modèles cibles : choisir le bon étui Swerling

Avant d'exécuter une simulation, vous devez sélectionner un modèle de fluctuation cible. Les cinq cas de Swerling vont de l'optimisme au réalisme :

Pour un avion de la taille d'un chasseur à 3 GHz avec intégration pulse-à-impulsion, Swerling 2 est le choix standard. Swerling 1 est plus pessimiste (une fluctuation lente rend l'intégration moins efficace) et produit un Pd plus faible pour le même SNR. Utilisez-le lorsque vous avez besoin d'une marge de liaison prudente.

Configuration du boîtier nominal

Entrez les paramètres suivants pour un radar de surveillance au sol à 3 GHz :

Le simulateur calcule le SNR à chaque plage de distance à l'aide de l'équation radar de Friis, puis mappe le SNR à Pd à l'aide de la fonction Q de Marcum (Swerling 0) ou du CDF chi-carré non central approprié pour Swerling 1—4. L'intégration non cohérente de N impulsions améliore le SNR d'environ N^0,8 pour les cibles fluctuantes de Swerling.

Avec ces entrées, la plage de détection nominale (Pd = 0,5) est d'environ 180 km. La plage de détection de 90 % est plus proche de 120 km, soit la plage dans laquelle neuf opportunités de scan sur dix permettront de détecter la cible.

Ajouter de la pluie : atténuation ITU-R P.838

Activez maintenant l'atténuation de la pluie et réglez le taux de pluie à 16 mm/h (pluie modérée, zone climatique UIT-R K). Le simulateur applique le modèle d'atténuation spécifique P.838 :

« MATHBLOCK_0 »

où k et α sont des coefficients dépendant de la fréquence. À 3 GHz avec polarisation horizontale, k ≈ 0,00155 et α ≈ 1,265, ce qui donne γ _R ≈ 0,044 dB/km à 16 mm/h. Sur un trajet bidirectionnel de 180 km, cela représente 16 dB de perte supplémentaire, ce qui est suffisant pour réduire la plage de détection à environ 120 km pour le boîtier nominal.

La zone de pluie est limitée aux 4 premiers kilomètres d'altitude (la bande lumineuse), ce que le simulateur gère grâce à une réduction efficace de la longueur de trajectoire. Des pluies plus abondantes (50 mm/h — orage tropical) produisent de la vapeur γ R ≈ 0,21 dB/km et réduisent la portée de détection nominale en dessous de 90 km.

Monte Carlo : quantification de l'incertitude du système

La portée de détection nominale est la médiane : la moitié des systèmes radar fabriqués seront moins performants. Activez Monte Carlo avec 50 000 essais et les tolérances suivantes :

Le résultat de Monte Carlo montre que la plage de détection du 10e centile (les 10 % les plus défavorables des combinaisons système-environnement) est de 95 km, soit 25 % plus courte que la valeur nominale. Le 90e percentile (10 % des meilleurs) atteint 155 km. Cet écart représente la variance de fabrication réelle, la dérive saisonnière du facteur de bruit et la variation de l'angle d'aspect cible.

Le paramètre le plus influent est le RCS cible, qui est à l'origine de près de 60 % de la variance de la plage de détection dans la rupture de sensibilité. Cela est attendu pour les cibles de Swerling 2 : le RCS fluctue d'impulsion en impulsion selon une distribution de Rayleigh, et les extrémités de cette distribution dominent le Pd à un SNR modéré. Cela implique qu'investir dans une puissance d'émission plus élevée ou un meilleur gain d'antenne a des rendements décroissants si vous ne tenez pas compte de la variance de l'angle d'aspect cible.

Lire la courbe ROC

La courbe des caractéristiques de fonctionnement du récepteur (ROC) trace Pd par rapport à Pfa pour une plage fixe. Utilisez-le pour répondre : « Si je relâche mon taux de fausses alertes de 10 à 10, quel gain de probabilité de détection ai-je à 150 km ? »

À 150 km avec les paramètres nominaux et en l'absence de pluie, le ROC montre que le Pd passe de 0,41 à Pfa=10⁄4 à 0,68 à Pfa=10¹. Cela représente un gain de 27 points de pourcentage en Pd pour deux ordres de grandeur supplémentaires de fausses alarmes, un compromis qui dépend entièrement du contexte opérationnel. Pour le contrôle de la circulation aérienne, Pfa=10¹ est obligatoire. Dans le cas d'un radar de recherche maritime dont les contacts de filtrage sont contrôlés par un opérateur humain, Pfa=10²,4 peut être acceptable.

Ce que cette simulation ne vous dira pas

Le simulateur modélise la détection du bruit thermique, le gain du traitement Doppler à distance (via une intégration non cohérente), l'atténuation de la pluie et la fluctuation du RCS cible. Il ne modélise pas l'encombrement (sol, mer, paillettes), l'ECM/le brouillage, les trajets multiples ou la perte de balayage de l'antenne. Pour une analyse complète du système radar, ces effets nécessitent des modèles distincts, mais pour la validation du budget des liaisons et l'analyse de sensibilité de la plage de détection, cette simulation vous fournit le cadre de probabilité essentiel.

[Simulateur de détection radar] (/tools/radar-detection)