レーダーレンジ解析:モンテカルロ信頼区間

シングルポイント検出範囲の推定があなたを裏切る理由

どのレーダー教科書にも距離方程式が書かれています。送信電力、アンテナゲイン、ノイズフィギュア、ターゲット RCS を接続し、クランクを回すと、数値が出力されます。エンジニアは、その数値に基づいてシステム全体の予算を立て、それに基づいてマージンを割り当てます。そして、製造されたレーダーが基準を満たさない場合は驚いた行動を取ります。

ここで問題となるのは、レンジ方程式は決定論的ですが、現実世界ではそれに対応するものは何もないということです。ターゲット RCS は静止しているわけではなく、アスペクト角と散乱メカニズムによって大きく変動します。レシーバのノイズ指数は？これは、生産ラインから出るユニットごとに異なります。送信電力は、寒い朝には最低スペックにとどまり、午後中ずっと暖かい機器ラックでレーダーを稼働させていると、スペックの最大値まで上がることがあります。雨の減衰量は、気象データベースから抽出した年間平均ではなく、現在空から実際に降っているものに依存します。

このような不確実性をすべて覆い隠すのが、一点推定です。それはあなたに誤った自信を与えます。実際に必要なのは確率分布、つまりさまざまな結果とそれに関連する可能性です。そこで役立つのがモンテカルロシミュレーションです。

この投稿では、レーダー探知モンテカルロシミュレーター を使用して X バンドパルスレーダーを解析する実例を紹介します。モンテカルロ信頼帯が、美しいパワーポイントのスライドだけでなく、防御可能な設計上の意思決定を行うために実際に必要な情報をどのように提供するのかを説明します。

リファレンスデザイン

検討しているのは、10 GHz X バンドの地上レーダーです。特異なものはありません。小型の監視システムや UAV 検出アプリケーションに見られるような、かなり標準的な構成です。パラメーターは以下のとおりです。

私たちが追跡しているターゲットは、小型の無人航空機、あるいはおそらく大きな鳥です。平均1m²のRCSで、変動特性が緩やかです。これをSwerling Iとしてモデル化しました。つまり、RCSは1回のドウェル内のすべてのパルスにわたってほぼ一定に保たれますが、スキャンごとに変化します。これは、積分時にアスペクト角があまり変化しないターゲットにとっては現実的です。

誤警報率は 10に設定されており、これはサーチレーダーではかなり標準的です。これよりもきついと、ずっとゴーストを追いかけていることになります。緩めると、オペレーターコンソールがクリスマスツリーのように点灯します。

ノミナル分析のセットアップ

これらの値を レーダー探知モンテカルロツール に入力します。電卓はすぐにいくつかの重要な数字を吐き出します。

-R= 45.2 km — これは公称50％の検出範囲で、ターゲットを検出する確率が偶数になる距離です -R= 28.4 km — 90% の検出範囲。はるかに控えめな数値なので、高い信頼性が得られます。 -積分ゲイン = 6.3× — 10個の非コヒーレント・パルスを用いたn^0.8近似による

SNR対レンジのプロットでは、積分後のSNRが検出閾値（10個の統合パルスでPfaのノイズフロアを約12.4dB上回る場合はノイズフロアを約12.4dB上回る）を約45kmで超えていることがわかります。これは従来のレンジ方程式から得られるものと一致しており、安心できます。少なくとも名目上のケースは理にかなっています。

しかしここで興味深いのは、Rと Rの間には大きなギャップがあるということです。50% の信頼度から 90% の信頼度に達すると、17 km 近く失われます。このスプレッドから、主にSwerling I RCS変動モデルによって駆動されるこのシステムの不確実性について、重要なことがわかります。

スワーリングモデルの比較

今度は何かを試してみてください。スワーリングモデルを I から 0 (変動しないターゲット) に変更して、シミュレーションを再実行してください。Rは 50.1 km にシフトします。これは 10% の増加です。一見すると、これは後ろ向きに見えます。変動するターゲットの方が検出が難しいはずではないでしょうか？

答えは、どの検出確率を気にするかによって大きく異なります。Pdが非常に高い（0.9を超える）場合、RCSが壊滅的に低い値に下がることはないため、変動しないターゲットの方が確実に検出しやすくなります。一定の最低リターンが保証されます。しかし、50% 前後の中程度のPdでは、変動するターゲット (Swerling I) は実際には同等かそれよりわずかに良いパフォーマンスを達成できます。その理由は？なぜなら、時折 RCS が平均値をはるかに上回るほど急上昇し、幸運にも高い RCS が実現すれば、検出範囲の中央値が引き上げられるからです。有名な「スワリング損失」（RCS の変動に対して支払うペナルティ）は、実際には高い検出確率を求めている場合にのみ現れます。

ここで Swerling II に切り替えます (変動が速く、RCS はパルスごとに変化しますが、それでも 2 自由度のカイ二乗分布に従います)。同じ平均RCS では、R= 43.8 km が得られます。これは、Pd が 50% であるスワーリング I よりもわずかに短くなります。多くのパルスを積分する場合、これらのパルスの中には高RCS状態をキャッチすることが保証されているものもあるため、変動が速いことは実際には少し役立ちます。微妙な影響ですが、実はあります。

雨による減衰の影響

さて、それではミックスに天気を追加しましょう。雨量を 25 mm/hr に設定します。これは、高速道路で車を停めるような激しい熱帯雨です。Swerling I を使用してシミュレーションを再実行します。

このツールは ITU-R P.838 の双方向減衰を適用します。10 GHz では、このモデルでは次の結果が得られます。 -k = 0.0101、α = 1.276 (周波数に依存する係数) -特定の減衰量:γ = 0.0101 × 25^1.276 ≈0.57 dB/km 片道 -双方向経路:1.14 dB/km

45 kmの公称検出範囲では、双方向の降雨損失は51.3 dBです。これは壊滅的です。Rは12.3 kmまで下がります。検出範囲が 3 倍以上も縮まりました。これで、システムはハードウェアの制限ではなく、完全に雨による制限を受けるようになりました。

これは、Xバンドレーダーの設計者が早い段階で学ぶ残酷な教訓です。送信電力とアンテナゲインを世界中に収めることはできますが、大雨では性能が損なわれるということです。このため、X バンドで動作する気象レーダーは、晴天の検出範囲に対してかなりのマージンがあります。設計者は、提案書で良いと思われる晴れの日の数値だけでなく、現実的な気象条件下でのR値を知る必要があります。

実際には、全天候型の性能が必要な場合は低い周波数 (S バンドまたは L バンド) で運用するか、X バンドシステムの降水範囲が狭くなることを受け入れたいと思うでしょう。フリーランチはありません。

モンテカルロコンフィデンスバンド

降雨率をゼロに戻し、Swerling Iのモンテカルロ信頼帯を詳しく見てみると、デザインの観点から興味深い点は次のとおりです。

-p95バンド (ベストケース): R= 52.1 km — 公称値よりも 15% 優れている -p50 バンド (中央値): R= 45.2 km — 予想どおり、名目上の予測値と一致しています -p5 バンド (最悪の場合): R= 38.7 km — 公称値よりも 14% 悪い

ここでの非対称性はかなり小さいです。というのも、統計的な広がりを支配するSwerling I RCSの変動と比較して、許容したパラメータ変動 (ノイズ指数が±0.5 dB、送信電力で±0.3 dB) が小さいためです。ハードウェアの許容誤差をさらに厳しくしても、あまり効果はありません。RCS の変動が制限要因であることに変わりはありません。

製造とテストに関する重要な知見は次のとおりです。要件は p5 カーブを基準にして記述する必要があります。レーダーは、部品公差のワーストケースの組み合わせも含めて、製造されたすべてのユニットで R≥ 38.7 km を達成する必要があります。公称45.2 kmを基準に仕様書を作成すると、生産ユニットの約半分が承認テストに失敗し、レーダーが「機能する」かどうかについて顧客と何ヶ月も議論することになります。

ほとんどのエンジニアはこのステップをスキップし、後で最初の生産ユニットが統合テストから戻ってきて予測範囲に完全には達しなかったときに後悔します。モンテカルロ分析では、どのマージンを割り当てる必要があるかが事前にわかります。

ROC カーブの解釈方法

ROC（受信者動作特性）曲線は、Rの範囲における検出確率と—log（Pfa）との比較を示しています。私たちが選んだ操作点（Pfa = 10、つまり横軸上の—log= 6）では、 -Pd ≈0.50 — 当社では特に 50% の検出範囲を選択したため、構成によります。

しかし、誤警報率をスライドさせるとどうなるか見てみましょう。Pfa を 10まで引き下げると (—log= 8)、検出確率は0.31に低下します。検出器を保守的にしすぎたため、この範囲では 3 分の 2 以上の確率でターゲットを見逃しています。逆に、Pfa を 10まで緩めると (—log= 4)、Pd は 0.72 まで上昇します。これは、CFAR (コンスタント・フォールス・アラーム・レート) プロセッサが実際の運用システムで常に処理している、従来の検出と誤報のトレードオフです。

実際には、局所的なノイズ環境に基づいて調整される適応型閾値を実装することになるでしょう。しかし、ROC 曲線を見ると、作業中の基本的なトレードオフ空間がわかります。十分な SNR がなければ、誤報を低く抑え、検出確率を高くする魔法のアルゴリズムはありません。物理的にはそれが許されません。

設計に関する重要なポイント

やめておくべきことがいくつかあります。

マージンの配分には常にp5曲線を使用してください。 名目上の検出範囲は楽観的な一点推定値であり、これを満たすか上回るのは運用シナリオの 50% だけです。システム仕様書または契約要件を作成する場合は、中央値ではなく p5 または p10 パーセンタイルを基準にしてください。将来の自分 (およびテストエンジニア) はきっとあなたに感謝するでしょう。 Xバンドでは雨が支配的です 濡れた環境では、晴天のハードウェア性能ではなく、雨による減衰検出範囲が制約となります。熱帯環境や海洋環境で動作する必要があるシステムを設計する場合は、周波数を低くするか、降水量の範囲を大幅に狭めても構いません。ITU-R 減衰モデルには対抗できません。 Pd要件が高い場合、スワリングモデルが重要になります。 Pd = 0.9では、スワリング0 (変動なし) からスワリングIに切り替えると、約6～8 dBのSNR、いわゆるスワリング損失が発生します。これは、90% Pdでは検出範囲が約2倍に減少することを意味します。お客様が変動するターゲットに対して高い検出確率を求めている場合、変動しない場合と比較して、レンジ性能は大きな打撃を受けます。 パルス積分を行う価値はあります。 10個の非コヒーレント・パルスはSNRゲインが6.3倍になり、ピーク電力が8dB、アンテナ・ゲインが4dBi増加するのと同等です。これはほぼ自由な性能です。より多くのサンプルを収集して平均化しているだけです。積分ゲインは、非コヒーレント積分ではおおよそ n^0.8 の法則に従います (これに対し、完全コヒーレント積分では理想的な n^1.0 になります)。コヒーレントでないペナルティがあっても、これは大きなメリットです。

モンテカルロ法では、レーダーの性能について確率論的に考える必要がありますが、これはずっと考えていたはずのことです。決定論的レンジ方程式は簡単な推定には役立ちますが、システム・テスト中に気になる不確実性を隠してしまいます。設計段階の早い段階でモンテカルロシミュレーションを実行し、信頼区間を理解し、それに応じてマージンを割り当ててください。プログラムマネージャーは控えめな数字が気に入らないかもしれませんが、少なくとも、レーダーが試験範囲に現れたときに仕様を満たさない理由を慌てて説明することはないでしょう。