RFrftools.io
RF Engineering4 mars 20269 min min de lecture

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 :

ParamètreValeur
Fréquence10 GHz
Puissance maximale Tx1 kW
Gain d'antenne Tx/Rx30 dBi
Figure de bruit du récepteur5 dB
Pertes Tx/Rx1,5 dB chacune
Largeur d'impulsion1 µs
Impulsions intégrées10
RCS cible0 dBsm (1 m²)
Modèle SwerlingSwerling I
Pfa1 × 10⁄6
La cible est un petit drone ou un oiseau : RCS moyen de 1 m², fluctuation lente (Swerling I — le RCS est corrélé entre toutes les impulsions intégrées d'une habitation, changeant d'un scan à l'autre).

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
Le diagramme SNR en fonction de la portée montre que le SNR après l'intégration franchit le seuil de détection (≈ 12,4 dB au-dessus du bruit de fond pour Pfa = 10) à environ 45 km. Ceci est cohérent avec la prédiction classique de l'équation de distance.

# 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
À la plage de détection nominale de 45 km, cela représente 51,3 dB de perte de pluie bidirectionnelle, ce qui est catastrophique. La distance entre la ligne R et la distance passe à 12,3 km. La plage de détection est désormais limitée par la pluie et non par le matériel.

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
L'asymétrie est faible ici car les variations des paramètres (±0,5 dB NF, ±0,3 dB Pt) sont modestes par rapport à la fluctuation Swerling I RCS, qui domine l'écart.

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

  1. 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.
  2. 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.
  3. 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.
  4. 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