Análise da faixa de detecção de radar: intervalos de confiança de Monte Carlo para sistemas pulsados

O problema com estimativas de faixa de detecção de ponto único

Cada livro didático de radar fornece a equação de alcance. Conecte sua potência de transmissão, ganho de antena, valor de ruído e RCS alvo, e sairá um número de alcance de detecção. Os engenheiros constroem orçamentos inteiros do sistema em torno desse número — e depois se perguntam por que o radar fabricado se comporta de maneira diferente da previsão.

O motivo é que a equação do intervalo é determinística, mas o mundo real não. O RCS alvo flutua. O valor do ruído do receptor varia de unidade para unidade. A potência de transmissão está em sua especificação mínima em uma manhã fria e sua especificação máxima em um rack quente. A atenuação da chuva depende da taxa de chuva instantânea, não de uma média anual. Uma estimativa de um único ponto esconde tudo isso.

Esta postagem mostra como usar o simulador de Detecção de Radar de Monte Carlo para analisar um radar pulsado de banda X, mostrando como as faixas de confiança de Monte Carlo fornecem as informações necessárias para tomar decisões reais de design.

O design de referência

O design é um radar terrestre de banda X de 10 GHz com os seguintes parâmetros:

O alvo é um pequeno UAV ou pássaro — RCS médio de 1 m², flutuação lenta (Swerling I — o RCS está correlacionado em todos os pulsos integrados em uma residência, mudando de varredura para varredura).

Configurando a análise nominal

Insira esses valores na ferramenta Radar Detection Monte Carlo. A ferramenta mostra imediatamente:

• R․ = 45,2 km — faixa de detecção nominal de 50%
• R․ = 28,4 km — faixa de detecção de 90% (alta confiança)
• Ganho de integração = 6,3× — a partir da aproximação n^0,8 com 10 pulsos

O gráfico SNR versus alcance mostra o SNR pós-integração cruzando o limite de detecção (≈ 12,4 dB acima do piso de ruído para Pfa = 10․ com 10 pulsos) a cerca de 45 km. Isso é consistente com a predição clássica da equação de intervalo.

Comparação do modelo Swerling

Agora altere o modelo Swerling de I para 0 (não flutuante) e execute novamente. R․ muda para 50,1 km — um aumento de 10%. Isso parece contra-intuitivo: um alvo flutuante não deveria ser mais difícil de detectar?

A resposta depende do Pd. Com Pd muito alto (> 0,9), alvos não flutuantes são mais fáceis de detectar porque o RCS nunca cai para um valor baixo. Mas com Pd moderado (50%), metas flutuantes (Swerling I) podem realmente atingir um desempenho semelhante ou melhor porque, ocasionalmente, o RCS ultrapassa sua média. A “perda escaldante” aparece principalmente em altos requisitos de Pd.

Mudar para Swerling II (flutuação rápida, mesma distribuição de chi² (2) RCS) com o mesmo RCS médio dá R= 43,8 km — ligeiramente mais curto do que Swerling I a 50% Pd. A flutuação rápida realmente ajuda ao usar muitos pulsos integrados, porque alguns pulsos sempre apresentam um estado de alto RCS.

Impacto de atenuação da chuva

Agora adicione chuva: defina a taxa de chuva para 25 mm/h (chuva tropical forte). Execute novamente com Swerling I.

A ferramenta aplica a atenuação bidirecional ITU-R P.838:

• A 10 GHz: k = 0,0101, α = 1,276
• Atenuação específica: γ = 0,0101 × 25 ^ 1,276 ≈ 0,57 dB/km unidirecional
• Bidirecional: 1,14 dB/km

Na faixa nominal de detecção de 45 km, isso totaliza 51,3 dB de perda de chuva bidirecional — catastrófica. Rcai para 12,3 km. O alcance de detecção agora é limitado pela chuva, não pelo hardware.

É por isso que os radares meteorológicos de banda X têm uma margem significativa em relação ao seu alcance de detecção em céu claro. O projetista precisa conhecer o R․ sob chuva, não apenas as condições nominais.

As bandas de confiança do MC

Colocando a chuva de volta em 0 e analisando as faixas de confiança de Monte Carlo para o Swerling I:

• banda p95 (melhor caso) : R= 52,1 km — 15% melhor que o nominal
• banda p50 (mediana) : R= 45,2 km — corresponde à nominal (esperada)
• banda p5 (pior caso) : R= 38,7 km — 14% pior do que o nominal

A assimetria é pequena aqui porque as variações dos parâmetros (± 0,5 dB NF, ± 0,3 dB Pt) são modestas em comparação com a flutuação do Swerling I RCS, que domina a propagação.

Para uma especificação de fabricação, o requisito deve ser escrito em relação à curva p5: o radar deve atingir R≥ 38,7 km em todas as unidades fabricadas, não apenas em uma medição nominal de bancada.

Interpretação da curva ROC

A curva ROC mostra Pd vs —log․ ․ (Pfa) em R․. No ponto de operação (Pfa = 10․ ․, —log․ ․ = 6):

• Pd ≈ 0,50 — por construção (escolhemos a faixa de 50%)

Deslizar Pfa com mais firmeza para 10․ (—log․ ․ = 8) reduz Pd para 0,31. Relaxar o Pfa para 10†⁴ (—log․ = 4) aumenta o Pd para 0,72. Essa é a clássica troca de detecção versus falso alarme que os processadores CFAR usam em sistemas reais.

Principais conclusões para o design

1. Sempre use a curva p5 para alocação de margem. A faixa nominal de detecção é uma estimativa otimista de ponto único que somente 50% dos cenários operacionais atenderão ou excederão.
2. A chuva domina na banda X. Em ambientes úmidos, a faixa de detecção atenuada pela chuva é a restrição vinculativa, não o desempenho do hardware em céu limpo.
3. O modelo Swerling é importante com altos requisitos de Pd. Em Pd = 0,9, mudar de Swerling 0 para Swerling I custa aproximadamente 6—8 dB de SNR (a perda de Swerling). Isso corresponde a uma redução de aproximadamente 2 vezes na faixa de detecção a 90% Pd.
4. Vale a pena fazer a integração de pulsos. 10 pulsos não coerentes fornecem ganho de SNR de 6,3 ×, equivalente a aumentar a potência de pico em 8 dB ou o ganho da antena em 4 dBi.