Analyse de la plage de détection radar : intervalles de confiance de Monte Carlo pour les systèmes pulsés
Présentation pratique de l'utilisation du simulateur Radar Detection Monte Carlo pour évaluer un radar météorologique en bande X de 10 GHz, en comparant des modèles Swerling, en quantifiant l'impact de l'atténuation de la pluie et en extrayant des statistiques de rendement de fabrication à partir d'une analyse par bande de confiance.
Le problème des estimations de la plage de détection à point unique
Chaque manuel de radar vous donne l'équation de distance. Branchez votre puissance d'émission, votre gain d'antenne, votre facteur de bruit et votre RCS cible, et un numéro de plage de détection en sort. Les ingénieurs établissent les budgets complets du système en fonction de ce chiffre, puis se demandent pourquoi le radar fabriqué se comporte différemment des prévisions.
La raison en est que l'équation d'intervalle est déterministe, mais pas dans le monde réel. Le RCS cible fluctue. Le niveau de bruit du récepteur varie d'une unité à l'autre. La puissance d'émission est au minimum requis par une matinée froide et à son maximum dans un rack chaud. L'atténuation de la pluie dépend du taux de pluie instantané et non d'une moyenne annuelle. Une estimation en un seul point masque tout cela.
Cet article décrit l'utilisation du simulateur Radar Detection Monte Carlo pour analyser un radar pulsé en bande X, en montrant comment les bandes de confiance de Monte Carlo vous fournissent les informations dont vous avez besoin pour prendre de véritables décisions de conception.
Le design de référence
La conception est un radar au sol en bande X de 10 GHz avec les paramètres suivants :
| Paramètre | Valeur |
|---|---|
| Fréquence | 10 GHz |
| Puissance maximale Tx | 1 kW |
| Gain d'antenne Tx/Rx | 30 dBi |
| Figure de bruit du récepteur | 5 dB |
| Pertes Tx/Rx | 1,5 dB chacune |
| Largeur d'impulsion | 1 µs |
| Impulsions intégrées | 10 |
| RCS cible | 0 dBsm (1 m²) |
| Modèle Swerling | Swerling I |
| Pfa | 1 × 10⁄6 |
Configuration de l'analyse nominale
Entrez ces valeurs dans l'outil Radar Detection Monte Carlo. L'outil affiche immédiatement :
- R5 = 45,2 km — plage de détection nominale de 50 %
- R = 28,4 km — plage de détection de 90 % (niveau de confiance élevé)
- Gain d'intégration = 6,3× — à partir d'une approximation de n^0,8 avec 10 impulsions
# Comparaison des modèles Swerling
Changez maintenant le modèle Swerling de I à 0 (non fluctuant) et relancez. La distance entre la ligne R et la distance passe à 50,1 km, soit une augmentation de 10 %. Cela semble contre-intuitif : une cible fluctuante ne devrait-elle pas être plus difficile à détecter ?
La réponse dépend du Pd. À un Pd très élevé (> 0,9), les cibles non fluctuantes sont plus faciles à détecter car le RCS ne descend jamais à une valeur faible. Mais à un Pd modéré (50 %), des cibles fluctuantes (Swerling I) peuvent en fait atteindre des performances similaires ou supérieures, car le RCS dépasse parfois sa moyenne. La « perte fulgurante » apparaît principalement lorsque les besoins en Pd sont élevés.
Le passage au Swerling II (fluctuation rapide, même distribution RCS du chi² (2)) avec la même moyenne RCS donne R= 43,8 km, soit légèrement plus court que Swerling I à 50 % Pd. La fluctuation rapide est en fait utile lors de l'utilisation de nombreuses impulsions intégrées, car certaines impulsions présentent toujours un état RCS élevé.
Impact de l'atténuation de la pluie
Ajoutez maintenant de la pluie : réglez le taux de pluie sur 25 mm/h (fortes pluies tropicales). Recommencez avec Swerling I.
L'outil applique une atténuation bidirectionnelle UIT-R P.838 :
- À 10 GHz : k = 0,0101, α = 1,276
- Atténuation spécifique : γ = 0,0101 × 25^1,276 ≈ 0,57 dB/km unidirectionnel
- Dans les deux sens : 1,14 dB/km
C'est pourquoi les radars météorologiques en bande X présentent une marge significative par rapport à leur plage de détection par ciel clair. Le concepteur doit connaître la valeur de la température sous la pluie, et pas seulement dans des conditions nominales.
Les bandes de confiance MC
Remettre la pluie à 0 et regarder les bandes de confiance de Monte-Carlo pour Swerling I :
- Bande p95 (dans le meilleur des cas) : R = 52,1 km, soit 15 % de mieux que la valeur nominale
- bande p50 (médiane) : R = 45,2 km — correspond à la valeur nominale (attendue)
- bande p5 (pire des cas) : R = 38,7 km, soit 14 % de moins que la valeur nominale
Pour une spécification de fabrication, l'exigence doit être écrite en fonction de la courbe p5 : le radar doit atteindre une valeur R ≥ 38,7 km sur toutes les unités fabriquées, et pas seulement sur une base de mesure nominale sur banc.
Interprétation de la courbe ROC
La courbe ROC montre Pd par rapport à —log¹ (Pfa) à R5. Au point de fonctionnement (Pfa = 10, —log1 = 6) :
- Pd ≈ 0,50 — par construction (nous avons choisi la fourchette de 50 %)
Un glissement plus serré de Pfa à 10 (—log¹ = 8) fait chuter le Pd à 0,31. Relâcher la valeur de Pfa à 10 (—logᵉ = 4) augmente la valeur de Pd à 0,72. Il s'agit du compromis classique entre détection et fausse alarme utilisé par les processeurs CFAR dans les systèmes réels.
Principaux points à retenir pour le design
- Utilisez toujours la courbe p5 pour l'allocation des marges. La plage de détection nominale est une estimation optimiste en un point que seuls 50 % des scénarios opérationnels atteindront ou dépasseront.
- La pluie domine en bande X Dans les environnements humides, la plage de détection atténuée par la pluie est la contrainte de liaison, et non les performances matérielles par ciel dégagé.
- Le modèle Swerling est important lorsque les exigences en Pd sont élevées. À Pd = 0,9, le passage de Swerling 0 à Swerling I coûte environ 6 à 8 dB de SNR (la perte de Swerling). Cela correspond à une réduction d'environ 2 fois de la plage de détection à 90 % de Pd.
- L'intégration des impulsions vaut la peine d'être réalisée. 10 impulsions non cohérentes fournissent un gain SNR 6,3 fois, ce qui équivaut à une augmentation de la puissance de crête de 8 dB ou du gain d'antenne de 4 dBi.
Articles connexes
Wideband Impedance Matching for LNA Inputs: When Pi Networks Beat L-Networks
A practical walkthrough of matching a 50 Ω source to a 200 Ω LNA input across the 800–1200 MHz cellular band. Learn why L-networks fail on bandwidth, how Pi networks fix it, and when to add a third ladder section.
1 mars 2026
RF EngineeringRF Filter Yield Analysis: How Component Tolerances Kill Your Chebyshev Design
A 5th-order Chebyshev low-pass filter at 100 MHz looks perfect in simulation. But with 5% capacitors and inductors, Monte Carlo analysis reveals a yield problem that will hit you at the production line. Here is how to find it before you order parts.
1 mars 2026
RF EngineeringRF Link Budget Analysis: A Step-by-Step Engineering Guide
Learn how to perform an RF link budget analysis from scratch. Covers free-space path loss, antenna gain, cable losses, receiver sensitivity, and link margin calculation with worked examples.
22 janv. 2026