레이더 탐지: 월링 모델 및 몬테카를로

레이더 방정식이 알려주지 않는 것

일반적인 레이더 범위 방정식에서는 수신한 SNR이 감지 임계값에 도달하는 범위라는 단일 숫자를 나타냅니다.명확하고, 확정적이며, 그게 전부라고 생각한다면 완전히 오해의 소지가 있습니다.이 방정식에서는 목표물에 고정된 RCS가 있고 대기가 완벽하게 투명하며 레이더의 모든 구성 요소가 사양에 정확히 부합하는 성능을 보인다고 가정합니다.실제 표적은 협력하지 않습니다.

한 펄스에서 다음 펄스로 표기된 횡단면을 20dB 이상 바꾼 항공기 뱅크와 요우.험준한 바다에서는 선박이 피칭하고 구르기도 합니다.비는 그냥 가만히 있는 게 아니라 신호를 산란시켜 0.01dB/km의 가벼운 이슬비부터 열대성 폭우시 20dB/km까지 늘어나는데, 이는 양방향 손실입니다.클라이스트론이나 솔리드 스테이트 앰프를 사용하시나요?생산 라인에서 유닛마다 ±1dB 다른 전력이 출력되고 겨울에서 여름으로 기온이 변함에 따라 또 다른 ±2dB 스윙이 발생합니다.레이더 범위 방정식을 통해 지점 추정치를 얻을 수 있습니다.실제로 필요한 것은 실제 세계에서 달라지는 모든 것을 고려하여 해당 추정치를 둘러싸는 확률 분포입니다.

이 연습에서는 레이더 탐지 시뮬레이터를 사용하여 3GHz에서 작동하는 지상 감시 레이더를 분석합니다.목표 변동 모델을 살펴보고, 날씨를 추가하고, 몬테카를로 실험을 실행하여 제조 허용 오차와 환경적 불확실성을 고려할 때 탐지 범위가 실제로 얼마나 달라지는지 알아보겠습니다.

대상 모델: 적합한 스월링 케이스 선택

실행하기 전에 목표 변동 모델을 선택해야 합니다.다섯 가지 Swerling 케이스는 1950년대에 개발되었으며, 물리적 산란 메커니즘에 깔끔하게 매핑되기 때문에 여전히 표준으로 사용되고 있습니다.각각이 나타내는 내용은 다음과 같습니다.

목표 RCS가 일정하기 때문에 일관성이 없는 통합의 이점을 충분히 누릴 수 있다는 점에서 소용돌이가 0이라는 것은 낙관적인 사례입니다.지오메트리가 정말 안정적인 캘리브레이션 스피어나 3면체 코너 리플렉터에 사용하세요.펄스-펄스 통합 기능을 갖춘 3GHz 전투기 크기의 항공기의 경우 Swerling 2가 표준 선택입니다.기체, 날개, 꼬리, 엔진 흡입구 및 제어 표면에서 돌아오는 부분이 모두 서로 간섭을 일으키기 때문에 “산란자가 많다”는 가정이 성립합니다.RCS는 펄스에서 펄스로의 레일리 분포를 따릅니다.

Swerling 1은 더 보수적입니다. 목표 RCS가 느리게 변한다고 가정하므로 모든 펄스에서 동일한 RCS 값을 효과적으로 통합할 수 있습니다.따라서 동일한 SNR에서 통합의 효율성이 떨어지고 검출 확률이 낮아집니다.대부분의 엔지니어는 Swerling 1을 건너뛰지만, 최악의 목표 종횡각에 대비하여 마진이 필요한 시스템을 설계하는 경우 Swerling 1과 Swerling 2를 모두 실행하여 성능을 비교하는 것이 좋습니다.

스월링 3과 4는 한 개의 주요 스캐터레이터가 있을 때 적용됩니다. 소형 항공기의 경우 엔진 흡입구나 꼬리 부분의 모서리 반사판이 리턴을 지배한다고 생각해 보세요.RCS 분포는 레일리에서 자유도가 4도이고 꼬리가 더 긴 카이제곱으로 바뀝니다.때때로 탐지에 도움이 되는 높은 수익률을 얻을 수 있지만 평균 성능은 Swerling 2와 비슷합니다.

노미널 케이스 설정

일반적인 3GHz 지상 감시 레이더를 구성해 보겠습니다.이러한 매개변수는 L-대역 항공 교통 관제 레이더 또는 지상 기반 방공 센서와 같은 중거리 시스템을 나타냅니다.

시뮬레이터는 분모에서 R² 대신 R를 구하는 양방향 경로 손실 버전인 Fris 레이더 방정식을 사용하여 각 범위 빈에서 SNR을 계산합니다.그런 다음 Swerling 0의 경우 Marcum Q-함수를 사용하고, Swerling 1부터 4까지의 경우에는 적절한 비중심 카이제곱 CDF를 사용하여 SNR을 탐지 확률에 매핑합니다.N 펄스의 비일관성 적분은 SNR을 향상시키지만 N의 전체 계수 만큼 향상되지는 않습니다. 변동하는 표적을 소용돌이킬 경우 표적 페이딩이 펄스와 역연관되기 때문에 적분 효율이 N^0.8에 더 가깝습니다.

이러한 입력을 사용하면 Pd = 0.5에서의 공칭 감지 범위는 약 180km입니다.이것이 탐지점의 중앙값입니다. 이 범위에서 탐지할 수 있는 시간의 절반은 탐지할 수 있는 시간이고 절반은 감지하지 못할 때입니다.90% 감지 범위는 120km에 가깝습니다. 이 범위는 스캔 기회 10회 중 9번이 탐지 결과를 낼 수 있는 범위입니다.Pd = 0.5와 Pd = 0.9 사이의 60km 차이는 전적으로 목표 RCS 변동 때문입니다.Swerling 0 (상수 목표값) 을 사용했다면 이 두 범위가 훨씬 더 가까워졌을 것입니다.

레인 추가: ITU-R P.838 감쇠

이제 비가 오면 어떻게 되는지 봅시다.빗물 감쇠를 활성화하고 강우 속도를 16mm/hr로 설정합니다. 이는 ITU-R 기후대 K의 적당한 강우량에 해당합니다. 시뮬레이터는 P.838 특정 감쇠 모델을 적용합니다.

여기서 k와 α는 편광에 따라 달라지는 주파수 종속 계수입니다.수평 편광을 사용하는 3GHz에서는 k ≈ 0.00155 및 α ≈ 1.265입니다.R = 16mm/hr을 연결하면 γ _R ≈ 0.044 dB/km를 얻을 수 있습니다.별것 아닌 것 같지만 이 방법은 양방향 경로라는 점을 기억하세요.목표물까지 180km가 넘는 경로를 따라 돌아가면 16dB가 손실됩니다.이 정도면 탐지 범위를 180km에서 명목상의 경우 약 120km로 줄일 수 있습니다.

비가 오는 지역은 고도가 처음 4km로 제한됩니다. 즉, 높은 고도에서 증발하거나 눈으로 바뀌기 전에 비가 가장 많이 내리는 곳이라고 합니다.시뮬레이터는 목표물까지 비가 온다고 가정하지 않고 비가 오는 지역을 통과하는 유효 경로 길이를 계산하여 이 문제를 해결합니다.고도 10km에서 목표물을 관찰하는 지상 기반 레이더의 경우 경로의 대부분이 빗물층 위입니다.

폭우가 많을수록 상황은 훨씬 더 나빠집니다.시속 50mm (열대성 뇌우) 에서는 γ _R ≈ 0.21 dB/km의 영향을 받습니다.이는 180km 경로에서 양방향 손실이 거의 80dB에 달하는 것으로, 공칭 감지 범위가 90km 미만으로 줄어듭니다.X-대역 (10GHz) 이상에서는 강수량이 적거나 많을 경우 빗물 감쇠가 주요 손실 메커니즘이 됩니다.이것이 바로 장거리 항공 감시 레이더가 L-대역 또는 S-밴드에서 작동하는 이유이며, 빗물 손실을 관리할 수 있습니다.

몬테카를로: 시스템 불확실성 정량화

공칭 탐지 범위는 중앙값에 불과합니다. 제조된 전체 레이더 시스템의 절반은 이 수치보다 성능이 떨어집니다.전체 범위를 확인하려면 50,000회의 시험과 다음과 같은 허용 오차가 포함된 몬테카를로 시뮬레이션을 사용하십시오.

이러한 허용오차는 일반적인 제조 변동과 운영상의 불확실성을 나타냅니다.최대 전력은 증폭기 부품 허용 오차와 온도에 따른 편차로 인해 장치마다 다릅니다.안테나 게인은 피드 정렬, 레이돔 전송 손실 및 패턴 측정 정확도에 따라 달라집니다.시스템 손실에는 도파관 불일치, 필터 삽입 손실 및 수신기 프런트 엔드 불일치가 포함되며, 이 모든 오류는 장치마다 다릅니다.대상 RCS는 동일한 항공기라도 가로 세로 각도에 따라 ±3dB (또는 그 이상) 차이가 납니다.

몬테카를로 결과에 따르면 10번째 백분위수 탐지 범위 (시스템과 환경 간의 조합 중 최악의 10%) 는 95km입니다.이는 공칭 180km보다 25% 짧은 수치입니다.90번째 백분위수 (최고 10%) 는 155km에 이릅니다.이 스프레드는 다양한 조건에서 작동하는 레이더 제품군에서 볼 수 있는 실제 변동성을 나타냅니다.

가장 영향력 있는 파라미터는 민감도 분류에서 감지 범위 변동의 거의 60% 를 구동하는 표적 RCS입니다.이는 Swerling 대상 2개에 적합합니다. RCS는 레일리 분포에 따라 펄스 대 펄스 변동을 일으키고, 중간 SNR에서는 해당 분포의 꼬리가 탐지 확률을 지배합니다.실제 의미는 대상 종횡각 변동을 제대로 고려하지 않으면 더 높은 전송 전력이나 더 큰 안테나에 투자하면 수익이 감소한다는 것입니다.10dB RCS 페이드를 3dB 더 높은 전송 전력으로 고칠 수는 없습니다. 계산은 여러분에게 유리하지 않습니다.

두 번째로 큰 영향을 미치는 파라미터는 보통 피크 파워이고 그 다음이 시스템 손실입니다.기계 설계를 제대로 했다면 안테나 게인은 놀라울 정도로 안정적입니다.노이즈 지수는 이미 SNR이 제한된 장거리에서는 더 중요하지만 SNR 마진이 있는 짧은 범위에서는 노이즈 지수의 불확실성이 전체 감지 범위 변동에 덜 기여합니다.

ROC 곡선 읽기

ROC (수신기 작동 특성) 곡선은 고정된 범위의 오경보 확률과 감지 확률을 표시합니다.“오경보 발생률을 10에서 10로 낮추면 150km에서 탐지 확률이 얼마나 높아지나요?” 라는 질문에 대한 답을 제공합니다.

공칭 파라미터를 적용하고 비가 오지 않는 150km에서 ROC는 Pfa = 10에서의 Pd가 Pfa = 10에서의 0.41에서 Pfa = 10에서 0.68로 상승하는 것을 보여줍니다.이는 허위 경보를 2배 더 많이 발생시킬 경우 탐지 확률이 27% 포인트 증가한다는 의미입니다.이러한 절충안이 타당한지 여부는 전적으로 운영 상황에 따라 달라집니다.

항공 교통 관제의 경우 Pfa = 10는 사실상 필수입니다. 즉, 오퍼레이터가 스캔당 수백 개의 허위 연락처를 선별하도록 할 수는 없습니다.이미 해수 오퍼레이터와 기상 현황을 조사하고 있는 작업자가 있는 해상 수색 레이더의 경우 Pfa = 10는 완벽하게 허용될 수 있습니다.어차피 운영자는 여러 스캔에서 접촉자의 상관관계를 분석할 것이므로 스캔당 허위 경보를 몇 번 추가한다고 해서 작업량이 크게 늘어나지는 않습니다.

ROC 곡선은 또한 감지 임계값 (무릎) 을 보여줍니다. 이 지점은 Pfa를 더 높여도 Pd를 더 많이 얻을 수 없는 지점입니다.대부분의 스월링 사례의 경우, 이 무릎은 Pfa = 10³ ~ 10부근에서 발생합니다.그 이하에서는 허위 경보를 탐지 확률과 매우 효율적으로 교환할 수 있습니다.그 이상에서는 노이즈 플로어에 빠지고 트레이드오프가 불리해집니다.

이 시뮬레이션으로는 알 수 없는 것

시뮬레이터는 열 노이즈 감지, 비일관성 통합을 통한 레인지-도플러 프로세싱 게인, ITU-R P.838을 통한 레인 감쇠, Swerling 모델을 사용한 목표 RCS 변동을 모델링합니다.이는 링크 버짓 검증 및 감지 범위 민감도 분석을 위한 견고한 토대를 제공합니다.하지만 모든 것을 모델링하지는 않습니다.

땅, 바다, 날씨, 왕겨 등 잡동사니는 포함되지 않습니다.저고도 표적을 내려다보는 지상 기반 레이더의 경우 지반 클러터가 열 잡음을 30dB 이상 지배할 수 있습니다.이를 처리하려면 별도의 클러터 모델과 도플러 프로세싱이 필요합니다.ECM과 재밍도 모델링되지 않습니다. 누군가가 레이더를 적극적으로 거부하면 감지 범위가 열 노이즈 통계에서 예측할 수 없는 방식으로 축소됩니다.지상 또는 해상 반사로 인한 다중 경로 때문에 특정 고도 각도에서 적용 범위가 크게 무효화될 수 있습니다.안테나 스캐닝 손실, 즉 게인이 시야 밖으로 떨어지면 스캔 볼륨의 가장자리에서의 감지 범위가 줄어듭니다.

전체 레이더 시스템 분석을 위해서는 이러한 효과에 자체 모델이 필요합니다.하지만 실제 시스템 허용 오차와 대기 영향을 고려하여 자유 공간에서 특정 지점 표적에 대해 레이더가 어떻게 작동하는지 이해하려면 이 시뮬레이션을 통해 필수 확률 프레임워크를 얻을 수 있습니다.대부분의 엔지니어는 결정론적 레이더 범위 방정식에 의존하고 나중에 필드 측정값이 예측과 일치하지 않는 이유를 궁금해하면서 이 단계를 완전히 건너뛰고 있습니다.

레이더 탐지 시뮬레이터