Diss / 12
.pdfR U 2 3 4 1 0 1 5 C 2
РОССИЙСКАЯ ФЕДЕРАЦИЯ |
(19) |
RU(11) 2 341 015(13) C2 |
||
|
(51) |
ÌÏÊ |
|
|
|
H03H |
21/00 |
(2006.01) |
|
|
G06F |
17/00 |
(2006.01) |
ФЕДЕРАЛЬНАЯ СЛУЖБА ПО ИНТЕЛЛЕКТУАЛЬНОЙ СОБСТВЕННОСТИ,
ПАТЕНТАМ И ТОВАРНЫМ ЗНАКАМ
(12) ОПИСАНИЕ ИЗОБРЕТЕНИЯ К ПАТЕНТУ
(21), (22) Çà âêà: 2007101649/09, 17.01.2007 |
(72) |
Автор(ы): |
|
(24) |
Дата начала отсчета срока действи патента: |
|
Бартенев Владимир Григорьевич (RU) |
|
|
||
|
17.01.2007 |
(73) |
Патентообладатель(и): |
(43) |
Дата публикации за вки: 27.07.2008 |
|
Бартенев Владимир Григорьевич (RU) |
|
|
(45) Опубликовано: 10.12.2008 Бюл. ¹ 34 |
|
|
|
|
|
|
|
|
|
|
R |
|||||||
|
|
|
|
|
|
|
|
|
|
U |
||||||||
(56) Список документов, цитированных в отчете о |
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|||||||||
поиске: BOWER D.E. Adaptive Clutter Filtering |
|
|
|
|
|
|
|
|
|
|
||||||||
Using Autoregressive Spectral Estimation. |
|
|
|
|
|
|
|
|
|
2 |
||||||||
IEEE Trans. vol.AES-15, N4,1979, p.538. RU |
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
3 |
|||||||||
1802616 A1, 10.08.1996. RU 12013784 C1, |
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|||||||||
30.05.1994. WO 97/27497 A1, 31.07.1997. US |
|
|
|
|
|
|
|
|
|
4 |
||||||||
2005/0286623 A1, 29.12.2005. БАКУЛЕВ П.А., |
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
1 |
|||||||||
СТЕПИН В.М. Методы и устройства селекции |
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|||||||||
движущихс |
целей. - М.: Радио и св зь, 1986. |
|
|
|
|
|
|
|
|
|
1 0 |
|||||||
Адрес дл |
переписки: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
117556, Москва, а/ |
75, В.Г. Бартеневу |
|
|
|
|
|
|
|
|
|
5 |
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
(54) СПОСОБ АДАПТИВНОЙ ФИЛЬТРАЦИИ ДИСКРЕТНЫХ ПОМЕХ |
|
|
|
|
|
|
|
C |
||||||||||
(57) Реферат: |
|
|
|
|
|
|
по одной |
выборке |
наблюдений, |
используют |
â |
|||||||
Изобретение относитс |
к цифровой обработке |
качестве весовых коэффициентов дл |
фильтрации |
2 |
||||||||||||||
радиолокационных |
сигналов. |
Достигаемый |
другой выборки наблюдений и наоборот. Разнос |
|||||||||||||||
|
||||||||||||||||||
технический |
результат |
- |
повышение |
частот повторени |
èëè |
несущих |
частот двух |
|
||||||||||
эффективности |
фильтрации дискретных |
помех. |
выборок |
наблюдени |
|
выбирают |
òàê, |
чтобы |
|
|||||||||
Способ состоит в том, что формируют весовые |
разность |
соответствующих |
èì |
|
доплеровских |
|
||||||||||||
коэффициенты |
фильтра, |
вл ющиес |
|
смещений частоты была бы значительно меньше |
|
|||||||||||||
коэффициентами |
авторегрессии |
входной |
выборки |
доплеровских смещений |
частоты дл |
каждой |
èç |
|
||||||||||
наблюдений, и используют их дл |
фильтрации. В |
выборок наблюдений. При этом из-за малости |
|
|||||||||||||||
ходе фильтрации отсчеты входной выборки |
скорости помехи и соответствующей разностной |
|
||||||||||||||||
наблюдений умножают |
íà |
соответствующие |
доплеровской частоты помехи она эффективно |
|
||||||||||||||
весовые коэффициенты и суммируют получаемые |
подавл етс . В то же врем |
полезный |
сигнал, |
|
||||||||||||||
произведени . Фильтрации подвергают две |
соответствующий большой скорости и большому |
|
||||||||||||||||
входных выборки наблюдений, имеющих разнос |
доплеровскому смещению, не компенсируетс . 1 |
|
||||||||||||||||
частот |
повторени |
èëè |
несущих |
частот. |
ç.ï. ô-ëû, 5 èë. |
|
|
|
|
|
|
|
|
|||||
Коэффициенты |
авторегрессии, |
сформированные |
|
|
|
|
|
|
|
|
|
|
Страница: 1
RU
R U 2 3 4 1 0 1 5 C 2
RUSSIAN FEDERATION |
(19) RU(11) 2 341 015(13) C2 |
||
|
(51) Int. Cl. |
|
|
|
H03H |
21/00 |
(2006.01) |
|
G06F |
17/00 |
(2006.01) |
FEDERAL SERVICE
FOR INTELLECTUAL PROPERTY,
PATENTS AND TRADEMARKS
(12) ABSTRACT OF INVENTION
(21), (22) Application: 2007101649/09, 17.01.2007 |
(72) |
Inventor(s): |
|
(24) |
Effective date for property rights: 17.01.2007 |
|
Bartenev Vladimir Grigor'evich (RU) |
|
|
||
(43) |
Application published: 27.07.2008 |
(73) |
Proprietor(s): |
|
Bartenev Vladimir Grigor'evich (RU) |
||
|
|
|
|
(45) |
Date of publication: 10.12.2008 Bull. 34 |
|
|
Mail address: |
|
|
|
|
117556, Moskva, a/ja 75, V.G. Bartenevu |
|
|
(54) METHOD OF DISCRETE NOISE ADAPTIVE FILTRATION
(57) Abstract: |
|
|
|
|
FIELD: electrical engineering. |
|
|
||
SUBSTANCE: |
invention |
is related |
to |
digital |
processing of radio locating signals. |
Method |
|||
consists in the |
fact that |
weight ratios |
of |
filter |
are formed, which are ratios of autoregression of
observations |
input |
sampling, |
and |
they are |
used |
for filtration. |
In |
process |
of |
filtration |
counts |
if observations input sampling are multiplied by corresponding weight ratios and obtained products
are summed up. Two input samplings |
of |
|||||
observations that |
have |
diversion |
of |
repetition |
||
rates or carrier frequencies are subjected |
to |
|||||
filtration. |
Autoregression |
coefficients |
that |
are |
||
formed |
by single sampling of observations |
are |
||||
used as |
weight |
ratios for |
filtration |
of |
the other |
sampling |
of |
observations |
and |
vice |
verse. |
|
Diversion |
of |
repetition |
|
rates |
or |
carrier |
frequencies |
of |
two observation |
samplings is |
|||
selected |
so |
that |
difference |
of |
their |
corresponding Doppler shifts of frequency is
considerably |
less |
than |
Doppler |
shifts |
of |
frequency for |
every |
of observations |
sampling. |
At |
that due to smallness of noise velocity and
corresponding |
differential |
Doppler frequency |
of |
|
noise |
it is |
effectively suppressed. At the same |
||
time |
useful |
signal that |
corresponds to |
high |
velocity and significant Doppler shift is not compensated.
EFFECT: higher efficiency of discrete noise filtration.
2 cl, 5 dwg
2 C 5 1 0 1 4 3 2 U R
Страница: 2
EN
RU 2 341 015 C2
Предлагаемый способ относитс к радиотехнике, в частности к цифровой обработке радиолокационных сигналов. В практике защиты приемного радиолокационного тракта от сигналов дискретных коррелированных помех, вызванных отражени ми от гидрометеоров, стай птиц или роев насекомых, примен ют различные способы фильтрации.
5 Известен способ фильтрации сигналов мешающих отражений, основанный на формировании необходимой зоны режекции соответствующим выбором весовых коэффициентов фильтра [1]. Основным недостатком данного способа вл етс его низка эффективность, обусловленна использованием фиксированных весовых коэффициентов дл фильтрации сигналов, имеющих доплеровское смещение спектра. Кроме того, данный
10 способ не учитывает многомодовый характер спектра отражений от дискретных помех. Наиболее близким по технической сущности к за вл емому способу вл етс
авторегрессионный способ фильтрации мешающих отражений. Данный способ включает в себ формирование коэффициентов авторегрессии и использование их в качестве весовых коэффициентов дл фильтрации [2]. Данный способ позвол ет осуществл ть эффективную
15фильтрацию многокомпонентных помех с многомодовыми спектрами. Хот данный способ характеризуетс высокой эффективностью и возможностью режекции помех с многомодовыми спектрами, однако использование этого способа применительно к дискретным помехам наталкиваетс на большие трудности. Если коррелированна помеха
дискретна и занимает один дискрет дальности, то при наличии полезного сигнала в этом 20 же дискрете дальности сформированные коэффициенты авторегрессии будут учитывать
параметры и полезного сигнала, и при фильтрации он будет отфильтровыватьс так же, как и помеха. Таким образом, данный способ может работать только по классифицированной выборке наблюдений.
С целью исключени подавлени полезного сигнала при фильтрации
25неклассифицированной выборки предлагаетс способ, который включает в себ формирование весовых коэффициентов фильтра, вл ющихс коэффициентами авторегрессии входной выборки наблюдений с последующим использованием этих
весовых коэффициентов дл фильтрации, отличающийс тем, что фильтрации подвергают две входных выборки наблюдений, отличающихс частотой повторени или несущей
30частотой, при этом коэффициенты авторегрессии, сформированные по одной выборке наблюдений, используют в качестве весовых коэффициентов дл фильтрации другой выборки наблюдений и наоборот, а результаты фильтрации одной и другой выборок наблюдени объедин ют на выходе. Предлагаемый способ отличаетс тем, что разнос частот повторени или несущих частот двух выборок наблюдени выбирают так, чтобы
35разность соответствующих им доплеровских смещений частоты была бы значительно меньшей доплеровских смещений частоты дл каждой из выборок наблюдений.
Таким образом, предлагаемый способ раскрывает новые функциональные возможности
|
фильтрации дискретных помех с многомодовыми спектрами при работе по |
|
неклассифицированным выборкам, что позвол ет сделать вывод о соответствии |
40 |
за вл емого решени критерию "существенные отличи ". |
|
Действительно, в способе, вз том в качестве прототипа, фильтраци входного сигнала |
|
в виде комплексного вектора z(n) (который может быть представлен своими квадратурными |
|
составл ющими) осуществл етс с помощью нерекурсивного фильтра, у которого |
|
комплексные весовые коэффициенты - коэффициенты авторегрессии а(р) |
45 |
y[n]=a1z[n]+a2z[n-1]+...+apz[n-p], |
|
р - пор док авторегрессии, определ щий пор док фильтра. |
|
Вопрос о том, как формировать коэффициенты авторегрессии, состоит не в том, каким |
дл этого известным алгоритмом следует воспользоватьс (Максимальной Энтропии, Берга или Левинсона [3]), а в том как исключить вли ние полезного сигнала на формируемые
50коэффициенты авторегрессии. Дл прот женной помехи, занимающей много элементов разрешени по дальности, когда оценки коэффициентов авторегрессии формируютс с усреднением по элементам дальности, прот женность коррелированной помехи значительно превышает прот женность полезного сигнала, что дает основание
Страница: 3
DE
RU 2 341 015 C2
рассматривать входную выборку наблюдений классифицированной и вли нием полезного сигнала на коэффициенты авторегрессии позвол ет пренебречь. Совсем другое дело, когда помеха дискретна, и когда дл оценки коэффициентов авторегрессии производитс усреднение только по обрабатываемой пачке импульсов, и когда формируемые
5коэффициенты авторегрессии учитывают в том числе и полезный сигнал. Как в этом случае
|
можно поступить? Дл этого предлагаетс использовать существенные различи в |
|
|
доплеровской скорости наблюдаемых объектов: медленно движущихс |
(помеха) и быстро |
|
движущихс (полезный сигнал). При этом дл обработки предлагаетс |
использовать не |
|
одну, а две выборки наблюдений, отличающихс или несущей частотой или частотой |
|
10 |
повторени . Разницу в несущих частотах или частоте повторени предлагаетс выбирать |
|
|
так, чтобы коэффициенты авторегрессии дл медленно движущейс помехи практически |
|
|
совпадали, а вот дл полезного сигнала существенно различались. Поэтому, если дл |
|
|
фильтрации сигналов одной выборки наблюдений использовать коэффициенты |
|
|
авторегрессии другой выборки наблюдений, помеха будет компенсироватьс , а полезный |
|
15 |
сигнал - нет. |
|
|
Проиллюстрируем работу предллагаемого способа на конкретных примерах, прибегнув к |
|
|
моделированию с помощью системы MATLAB. |
|
|
Осуществим фильтрацию двух выборок наблюдений на разных несущих частотах 500 |
|
|
МГц и 550МГц с посто нным периодом повторени 0,001 сек. |
|
20 |
Зададим параметры полезного сигнала и двухкомпонентной помехи дл каждой выборки |
|
|
наблюдений: |
|
as=1; % амплитуда полезного сигнала
fs1=200; % доплер полезного сигнала, Гц дл первой выборки наблюдений am=1; % амплитуда 1 компоненты помехи
25fm1=10; % доплер 1 компоненты помехи, Гц дл первой выборки наблюдений l1=300/500; % длина волны дл первой выборки наблюдений с несущей 500 МГц l2=300/550; % длина волны дл второй выборки наблюдений с несущей 550 МГц fc1=20; % доплер 2 компоненты помехи, Гц дл первой выборки наблюдений ас=2; % амплитуда 2 компоненты помехи
30 |
vm=fm1*l1/2; fm2=2*vm/l2; % доплер 1 компоненты помехи, Гц дл второй выборки % |
|
|
наблюдений |
|
|
vc=fc1*l1/2; fc2=2*vc/l2; % доплер 2 компоненты помехи, Гц дл |
второй выборки % |
|
наблюдений |
|
|
vs=fs1*l1/2;% fs2=2*vs/l2; % доплер полезного сигнала, Гц дл |
второй выборки % |
35 |
наблюдений |
|
|
% ФОРМИРОВАНИЕ ВЫБОРОК НАБЛЮДЕНИЙ |
|
t=0:0.001:0.256; % врем наблюдени 256 мсекунд с тактом 1 мсек % входной сигнал дл первой выборки наблюдений
z1=ac*exp(2*fc1*pi*t*sqrt(-1))+am*exp(2*fm1*pi*t*sqrt(-1))+as*exp(2*fsl*pi*t*sqrt(-
401))+.1*randn(1,length(t));
%входной сигнал дл второй выборки наблюдений
z2=2*exp(2*fc2*pi*t*sqrt(-1))+am*exp(2*fm2*pi*t*sqrt(-1))+as*exp(2*fs2*pi*t*sqrt(- 1))+. 1*randn(1,length(t));
figure (1) % изображение спектра входных сигналов дл первой и второй % выборки 45 наблюдений
Z1=fft(z1,256);% дл 1 канала f=256*(0:127)/256; plot(f,10*log10(abs(Z1(1:128))), 'K') hold on
50Z2=fft(z2,256);% дл 2 канала f=256*(0:127)/256; plot(f,10*log10(abs(Z2(1:128))), 'K')
% ФОРМИРОВАНИЕ КОЭФФИЦИЕНТОВ АВТОРЕГРЕССИИ
Страница: 4
RU 2 341 015 C2
%метод максимальной энтропии MEM, 4 пор док авторегрессии
%дл первой выборки наблюдений
[PP1,ff,aa1]=pmem(z1,4); % 4th order model 1 канал % дл второй выборки наблюдений
5[PP2,ff,aa2]=pmem(z2,4); % 4th order model 2 канал
.% ФИЛЬТРАЦИЯ С ВЕСАМИ-КОЭФФИЦИЕНТАМИ АВТОРЕГРЕССИИ y1=filter(aa1.',1,z1); % ПРОТОТИП
10
15
у2=filter(aa1.',1,z2); % фильтраци 2 выборки наблюдений весами 1 выборки % наблюдений
у3=filter(aa2.',1,z1) % фильтраци 1 выборки наблюдений весами 2 выборки % наблюдений
% Спектры после фильтрации figure(2) % ПРОТОТИП Y1=fft(y1,256); f=256*(0:127)/256;
plot(f,10*log10(abs(Y1(1:128))), ['K','-']) hold on plot(f,10*log10(abs(Z1(1:128))), ['K','--']) figure(3) % спектр выходного сигнала
20Y2=fft(y2,256); plot(f,10*log10(abs(Y2(1:128))),['K','-']) plot(f,10*log10(abs(Z2(1:128))),['K','-'])
Следует отметить, что дл формировани коэффициентов авторегрессии кроме метода
максимальной энтропии (функци pmem в MATLAB) были также апробированы метод Берга
25(функци pburg в MATLAB) и метод Юла-Уокера (функци pyulear в MATLAB) [3], которые дали близкие результаты. Использованный метод нерекурсивной фильтрации классический и описываетс во временной области разностным уравнением КИХ фильтра (функци filter (a,1,z) в MATLAB [4]). Спектральное представление на входе двухмодовой дискретной помехи и полезного сигнала представлено на Фиг.1. Результаты фильтрации дискретной
30 |
помехи дл двух выборок с разными несущими частотами представлены дл способа, |
|
|
вз того в качестве прототипа, на Фиг.4, а дл предлагаемого способа на Фиг.5. Как |
|
|
видно из этих графиков, дл способа, вз того в качестве прототипа, отфильтровываетс |
|
|
и помеха и полезный сигнал, а в предложенном способе дискретна помеха |
|
|
отфильтровываетс , а полезный сигнал остаетс . |
|
35 |
Чтобы проиллюстрировать работу предложенного способа, когда две выборки |
|
|
наблюдений имеют одну несущую частоту, но разные частоты повторени , внесем |
|
|
небольшие изменени в исходные данные. В частности, теперь обе несущие равны 500 |
|
|
МГц, остальные параметры полезного сигнала и двухкомпонентной помехи дл каждой |
|
|
выборки наблюдений оставим прежними кроме периода повторени , отличающегос дл |
|
40 |
второй выборки наблюдений на 5%: |
|
|
l1=300/500; % длина волны дл |
первой выборки наблюдений с несушей 500 МГц |
|
l2=300/500; % длина волны дл |
второй выборки наблюдений с несушей 500 МГц |
|
% ФОРМИРОВАНИЕ ВЫБОРОК НАБЛЮДЕНИЙ с разным периодом повторени |
|
|
t1=0:0.001:0.256; % Врем наблюдени 256 мсекунд с периодом 1 мсек |
|
45 |
% входной сигнал дл первой выборки наблюдений |
|
|
z1=ac*exp(2*fc1*pi*t1*sqrt(-1))+am*exp(2*fm1*pi*t1*sqrt(-1))+ |
|
|
as*exp(2*fs1*pi*t1*sqrt(-1))+.1*randn(1,length(t)); |
|
|
% входной сигнал дл второй выборки наблюдений |
|
|
t2=0:0.00105:0.256; % Врем наблюдени 268,8 мсекунд с периодом 1.05 мсек |
|
50 |
z2=2*exp(2*fc2*pi*t2*sqrt(-1))+am*exp(2*fm2*pi*t2*sqrt(-1))+ |
|
|
as*exp(2*fs2*pi*t2*sqrt(-1))+.1*randn(1,length(t)). |
|
|
Расчеты коэффициентов авторегрессии и фильтраци остаютс в этом случае |
|
|
неизменными в соответствии с предложенным способом. Результаты фильтрации |
Страница: 5
RU 2 341 015 C2
дискретной помехи дл двух выборок с разными частотами повторени представлены на Фиг.5. Здесь также про вл етс положительный эффект предложенного способа - помеха отфильтрована, а полезный сигнал нет. Таким образом, проведенное моделирование в системе MATLAB полностью подтверждает положительный эффект от применени
5предложенного способа фильтрации дискретных помех по неклассифицированным
|
выборкам наблюдений. |
|
|
ПЕРЕЧЕНЬ ИСТОЧНИКОВ |
|
|
1. Бакулев П.А., Степин В.М. Методы и устройства селекции движущихс целей. - М., |
|
|
"Радио и св зь", 1986. |
|
10 |
2. |
Bower D.E. "Adaptive Clutter Filtering Using Autoregressive Spectral |
|
Estimation", IEEE Trans. vol.AES-15, ¹4, 1979, p.538. |
|
|
3. |
Marple S.L. "Digital Spectral Analysis", Englewood Cliffs, NJ: Prentice Hall, 1987, Chapter 7. |
|
4. |
Потемкин В.Г. "Справочник по MATLAB". Анализ и обработка данных. http: |
|
//matlab.exponenta.ru/m1/book2/chapter8/. |
|
15 |
|
|
|
|
Формула изобретени |
|
1. |
Способ адаптивной фильтрации дискретных помех, включающий в себ |
|
формирование весовых коэффициентов фильтра, вл ющихс коэффициентами |
|
|
авторегрессии входной выборки наблюдений с последующим использованием этих |
20весовых коэффициентов дл фильтрации, дл чего отсчеты входной выборки наблюдений умножают на соответствующие весовые коэффициенты и суммируют получаемые произведени , отличающийс тем, что фильтрации подвергают две входных выборки наблюдений, имеющих разнос частот повторени или несущих частот, при этом
|
коэффициенты авторегрессии, сформированные по одной выборке наблюдений, |
25 |
используют в качестве весовых коэффициентов дл фильтрации другой выборки |
|
наблюдений и наоборот, причем разнос частот повторени или несущих частот двух |
|
выборок наблюдени выбирают так, чтобы разность соответствующих им доплеровских |
|
смещений частоты была бы значительно меньшей доплеровских смещений частоты дл |
|
каждой из выборок наблюдений. |
30 |
2. Способ по п.1, отличающийс тем, что формирование коэффициентов авторегрессии |
|
производ т по неклассифицированным выборкам наблюдений, включающим как помеху, |
|
так и полезный сигнал. |
35 |
|
40
45
50
Страница: 6
CL
RU 2 341 015 C2
Страница: 7
DR
RU 2 341 015 C2
Страница: 8
RU 2 341 015 C2
Страница: 9