Détection radar : modèles Swerling et Monte Carlo

Ce que l'équation radar ne vous dit pas

L'équation de portée radar classique ne donne qu'un seul chiffre : la plage à laquelle votre SNR reçu atteint le seuil de détection. Propre, déterministe et complètement trompeur si vous pensez que c'est tout. L'équation suppose que votre cible possède un RCS fixe, que l'atmosphère est parfaitement transparente et que chaque composant de votre radar fonctionne exactement comme prévu. Les véritables cibles ne coopèrent pas.

Les aéronefs s'inclinent et font lacet, modifiant leur section transversale présentée de 20 dB ou plus d'une impulsion à l'autre. Les navires tanguent et roulent dans une mer agitée. La pluie ne se contente pas de rester là : elle diffuse votre signal, ajoutant entre 0,01 dB/km en cas de bruine légère et 20 dB/km en cas d'averse tropicale, soit une perte dans les deux sens. Votre klystron ou amplificateur à semi-conducteurs ? Il produit une puissance différente de ±1 dB d'une unité à l'autre hors de la chaîne de production, et une autre variation de ±2 dB lorsque la température change de l'hiver à l'été. L'équation de portée du radar vous donne une estimation ponctuelle. Ce dont vous avez réellement besoin, c'est d'une distribution de probabilité encadrant cette estimation, tenant compte de tout ce qui varie dans le monde réel.

Cette procédure pas à pas utilise le simulateur de détection radar pour analyser un radar de surveillance au sol fonctionnant à 3 GHz. Nous étudierons des modèles de fluctuation des cibles, ajouterons les conditions météorologiques et effectuerons des essais de Monte-Carlo pour déterminer dans quelle mesure votre plage de détection varie réellement en tenant compte des tolérances de fabrication et de l'incertitude environnementale.

Modèles cibles : choisir le bon étui Swerling

Avant d'exécuter quoi que ce soit, vous devez choisir un modèle de fluctuation cible. Les cinq boîtiers Swerling ont été développés dans les années 1950 et constituent toujours la norme car ils correspondent parfaitement aux mécanismes physiques de diffusion. Voici ce que chacun représente :

Swerling 0 est le cas le plus optimiste : le RCS cible est constant, ce qui vous permet de tirer pleinement parti d'une intégration non cohérente. Utilisez-le pour les sphères d'étalonnage ou les réflecteurs à angle trièdre où la géométrie est vraiment stable. Pour un avion de la taille d'un chasseur à 3 GHz avec intégration pulse-à-impulsion, Swerling 2 est le choix standard. L'hypothèse de « nombreux diffuseurs » est valable parce que vous voyez des signaux provenant du fuselage, des ailes, de la queue, des entrées du moteur et des surfaces de commande qui interfèrent les uns avec les autres. Le RCS suit une distribution de Rayleigh d'une impulsion à l'autre.

Swerling 1 est plus prudent : il suppose que le RCS cible change lentement, de sorte que vous intégrez efficacement la même valeur RCS sur toutes vos impulsions. Cela rend l'intégration moins efficace et produit une probabilité de détection plus faible pour le même SNR. La plupart des ingénieurs ignorent Swerling 1, mais si vous concevez un système dans lequel vous avez besoin d'une marge par rapport aux angles d'aspect cibles les plus défavorables, il vaut la peine d'exécuter à la fois Swerling 1 et Swerling 2 pour comparer vos performances.

Les combinaisons 3 et 4 s'appliquent lorsqu'un seul diffuseur domine. Pensez à un petit avion où l'entrée du moteur ou un réflecteur d'angle situé sur la queue domine le retour. La distribution RCS passe de Rayleigh à un chi-carré à quatre degrés de liberté, qui a une queue plus longue. Vous obtenez parfois de bons rendements qui facilitent la détection, mais la performance médiane est similaire à celle de Swerling 2.

Configuration du boîtier nominal

Configurons un radar de surveillance terrestre classique à 3 GHz. Ces paramètres représentent un système à moyenne portée tel qu'un radar de contrôle du trafic aérien en bande L ou un capteur de défense aérienne au sol :

Le simulateur calcule le SNR à chaque plage de distance à l'aide de l'équation radar de Friis, la version à perte de trajectoire bidirectionnelle où vous obtenez R＞ au dénominateur au lieu de R². Il mappe ensuite le SNR à la probabilité de détection à l'aide de la fonction Q de Marcum pour Swerling 0 ou de la CDF non centrale du chi carré appropriée pour Swerling 1 à 4. L'intégration non cohérente de N impulsions améliore votre SNR, mais pas du tout par le facteur N. Pour les cibles fluctuantes Swerling, l'efficacité d'intégration est plus proche de N^0,8 car l'affaiblissement de la cible décorréle vos impulsions.

Avec ces entrées, la plage de détection nominale à Pd = 0,5 est d'environ 180 km. C'est le point de détection médian : la moitié du temps vous détecterez à cette distance, la moitié du temps vous ne le ferez pas. La plage de détection de 90 % est plus proche de 120 km, soit la plage dans laquelle neuf opportunités de scan sur dix produiront une détection. Cette différence de 60 km entre Pd = 0,5 et Pd = 0,9 est entièrement due à la fluctuation du RCS cible. Si vous utilisiez Swerling 0 (cible constante), ces deux plages seraient beaucoup plus proches l'une de l'autre.

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

Voyons maintenant ce qui se passe quand il pleut. Activez l'atténuation de la pluie et réglez le taux de pluie à 16 mm/h, ce qui correspond à une pluie modérée dans la zone climatique UIT-R K. Le simulateur applique le modèle d'atténuation spécifique P.838 :

§ 0§

où k et α sont des coefficients dépendant de la fréquence qui varient avec la polarisation. À 3 GHz avec polarisation horizontale, k ≈ 0,00155 et α ≈ 1,265. Branchez R = 16 mm/h et vous obtenez γ _R ≈ 0,044 dB/km. Cela ne semble pas beaucoup, mais n'oubliez pas qu'il s'agit d'un chemin à double sens. Sur un trajet aller-retour de 180 km vers la cible, vous perdez 16 dB. C'est suffisant pour réduire votre portée de détection de 180 km à environ 120 km pour le boîtier nominal.

La zone pluvieuse est limitée aux 4 premiers kilomètres d'altitude, ce que l'on appelle la bande lumineuse où la pluie est la plus intense avant de commencer à s'évaporer ou à se transformer en neige à des altitudes plus élevées. Le simulateur gère cela en calculant une longueur de trajet effective à travers la zone de pluie plutôt que de supposer qu'il pleut jusqu'à la cible. Pour un radar au sol qui observe une cible à 10 km d'altitude, la majeure partie de votre trajectoire se situe au-dessus de la couche de pluie.

Les fortes pluies ne font qu'empirer la situation. À 50 mm/h, soit un orage tropical, vous obtenez γ _R ≈ 0,21 dB/km. Cela représente une perte bidirectionnelle de près de 80 dB sur un trajet de 180 km, ce qui réduit votre plage de détection nominale en dessous de 90 km. Dans la bande X (10 GHz) ou plus, l'atténuation de la pluie devient le principal mécanisme de perte en cas de précipitations modérées à fortes. C'est pourquoi les radars de surveillance aérienne à longue portée fonctionnent en bande L ou en bande S : la perte de pluie est gérable.

Monte Carlo : quantification de l'incertitude du système

La plage de détection nominale n'est que la médiane : la moitié de tous les systèmes radar fabriqués seront moins performants que ce chiffre. Pour voir la répartition complète, activez la simulation Monte Carlo avec 50 000 essais et les tolérances suivantes :

Ces tolérances représentent la variance typique de fabrication et l'incertitude opérationnelle. La puissance maximale varie d'une unité à l'autre en raison des tolérances des composants de l'amplificateur et des variations de température. Le gain de l'antenne dépend de l'alignement de l'alimentation, de la perte de transmission du radôme et de la précision de la mesure du diagramme. Les pertes du système incluent la non-concordance du guide d'ondes, la perte d'insertion du filtre et la non-concordance frontale du récepteur, qui varient toutes d'une unité à l'autre. Le RCS cible varie de ± 3 dB (ou plus) en fonction de l'angle d'aspect, même pour le même avion.

Le résultat de Monte Carlo montre que la plage de détection du 10e percentile, soit les 10 % les plus défavorables des combinaisons système-environnement, est de 95 km. C'est 25 % plus court que les 180 km nominaux. Le 90e percentile (10 % des meilleurs) atteint 155 km. Cet écart représente la variabilité réelle que vous constaterez sur un parc de radars fonctionnant dans différentes conditions.

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 logique pour les cibles Swerling 2 : le RCS fluctue d'impulsion en impulsion selon une distribution de Rayleigh, et les extrémités de cette distribution dominent votre probabilité de détection à un SNR modéré. L'implication pratique est qu'investir dans une puissance d'émission plus élevée ou dans une antenne plus grande a des rendements décroissants si vous n'avez pas correctement pris en compte la variation de l'angle d'aspect cible. Vous ne pouvez pas corriger un fondu RCS de 10 dB avec 3 dB de puissance de transmission en plus. Les calculs ne jouent pas en votre faveur.

Le deuxième paramètre le plus influent est généralement la puissance maximale, suivie des pertes du système. Le gain de l'antenne est étonnamment stable si vous avez correctement conçu votre mécanique. Le facteur de bruit est plus important à longue distance où le SNR est déjà limité, mais à des distances plus courtes où vous avez une marge SNR, l'incertitude du facteur de bruit contribue moins à la variance globale de la plage de détection.

Lire la courbe ROC

La courbe ROC (Receiver Operating Characteristic) représente la probabilité de détection par rapport à la probabilité de fausse alerte pour une plage fixe. Il répond à la question suivante : « si je relâche mon taux de fausses alertes de 10 à 10, combien est-ce que je gagne en probabilité de détection à 150 km ? »

À 150 km avec les paramètres nominaux et en l'absence de pluie, le ROC indique que le Pd passe de 0,41 à Pfa = 10 à 0,68 à Pfa = 10. Cela représente un gain de 27 points de pourcentage en termes de probabilité de détection pour deux ordres de grandeur supplémentaires de fausses alarmes. La pertinence de ce compromis dépend entièrement de votre contexte opérationnel.

Pour le contrôle du trafic aérien, Pfa = 10 est effectivement obligatoire : vous ne pouvez pas demander à l'opérateur de détecter des centaines de faux contacts par scan. Pour un radar de recherche maritime avec un opérateur humain qui surveille déjà l'encombrement de la mer et les données météorologiques, Pfa = 10⁄4 peut être parfaitement acceptable. L'opérateur va de toute façon corréler les contacts entre plusieurs scans, de sorte que quelques fausses alarmes supplémentaires par scan n'augmentent pas significativement la charge de travail.

La courbe ROC vous indique également le seuil de détection du genou, c'est-à-dire le point où une augmentation supplémentaire de Pfa ne vous permet pas d'acheter beaucoup plus de Pd. Dans la plupart des cas de Swerling, ce genou se situe autour de Pfa = 10 à 10. En dessous de cela, vous échangez les fausses alarmes de manière très efficace contre la probabilité de détection. Au-delà de cela, vous êtes dans le bruit de fond et le compromis devient défavorable.

Ce que cette simulation ne vous dira pas

Le simulateur modélise la détection du bruit thermique, le gain du traitement Doppler à distance par intégration non cohérente, l'atténuation de la pluie via l'ITU-R P.838 et la fluctuation du RCS cible à l'aide des modèles Swerling. Il vous fournit une base solide pour la validation du budget des liens et l'analyse de sensibilité de la plage de détection. Mais il ne modélise pas tout.

L'encombrement (sol, mer, intempéries ou paillettes) n'est pas inclus. Pour un radar au sol qui surveille des cibles à basse altitude, l'encombrement du sol peut dominer le bruit thermique de 30 dB ou plus. Vous avez besoin d'un modèle d'encombrement distinct et d'un traitement Doppler pour gérer cela. L'ECM et le brouillage ne sont pas non plus modélisés : si quelqu'un bloque activement votre radar, votre plage de détection s'effondre d'une manière que les statistiques du bruit thermique ne permettent pas de prévoir. Les trajets multiples provoqués par les réflexions du sol ou de la mer peuvent entraîner des nuls profonds dans votre couverture à des angles d'altitude spécifiques. La perte de balayage de l'antenne, c'est-à-dire le fait que votre gain diminue hors champ de vision, réduit la portée de détection aux limites de votre volume de numérisation.

Pour une analyse complète du système radar, ces effets nécessitent leurs propres modèles. Mais pour comprendre les performances de votre radar par rapport à une cible ponctuelle dans l'espace libre, en tenant compte des tolérances réalistes du système et des effets atmosphériques, cette simulation vous fournit le cadre de probabilité essentiel. Et la plupart des ingénieurs sautent complètement cette étape, se fiant à l'équation déterministe de la portée radar et se demandant plus tard pourquoi leurs mesures sur le terrain ne correspondent pas aux prévisions.

Simulateur de détection radar