Моделирование двухпозиционной РЛС авиационного базирования для оценки качества радиолокационных изображений, формируемых в передней зоне обзора


Авторы

Калинников В. В., Сергиев С. А.

АНО ВО «Университет Иннополис», Иннополис, Россия

Аннотация

В исследовании представлена математическая модель для оценки параметров качества радиолокационного изображения, формируемого в передней зоне обзора двухпозиционной авиационной РЛС, работающей в X диапазоне. Показано, что при длине базы между носителями РЛС и высоте полета в 1000 м, углах курса главного лепестка диаграммы направленности передающей антенны от 0° до -60° и  углах курса главного лепестка диаграммы направленности приемной антенны от 15° до 60° длина радиолокационного изображения меняется от 180 до 1300 м, а ширина – от 70 до 250 м. При отношении длины базы между носителями РЛС к высоте полета от 0,5 до 2,0, высоте полета в 1000 м, углах курса главного лепестка диаграммы направленности передающей антенны от 0° до -45° и углах курса главного лепестка углах курса главного лепестка диаграммы направленности приемной антенны от 15° до 60° разрешение радиолокационного изображения лежит в пределах от 0,12 до 0,45 м по горизонтальной дальности и от 0,06 до 0,15 м по азимуту. Отношение сигнал/шум фона радиолокационного изображения изменяется примерно на 20 дБ в зависимости от типа подстилающей поверхности. Облачный слой между толщиной 900 м способен уменьшить отношение сигнал/шум на 0,3 дБ. Слой сильного дождя толщиной в 1000 м уменьшает эту величину на 4 дБ. Модель реализована в виде инструмента – онлайн калькулятора.

Ключевые слова:

авиационная РЛС, двухпозиционная РЛС, передний обзор, разрешение радиолокационного изображения, отношение сигнал/шум радиолокационного изображения

Список источников

  1. Krieger G. Advanced Bistatic and Multistatic SAR Concepts and Applications // European Conference on Synthetic Aperture Radar (EUSAR). – Dresden, Germany, 2006. – P. 1–101.
  2. Daun M., Koch W. and Klemm R. Tracking of ground targets with bistatic airborne radar // IEEE Radar Conference. – Rome, Italy, 2008. – P. 1–6.
  3. Grathwohl A., Meinecke B., Widmann M., Kanz J. and Waldschmidt C. UAV-Based Bistatic SAR-Imaging Using a Stationary Repeater // IEEE Journal of Microwaves. – 2023. – Vol. 3, No. 2. – P. 625–634.
  4. Hu N., Li Y., Pan W., Shao S., Tang Y. and Li X. Geometric Distribution of UAV Detection Performance by Bistatic Radar // IEEE Transactions on Aerospace and Electronic Systems. – 2024. – Vol. 60, No. 2. – P. 2445-2452.
  5. Zhu J., Lin B., Pan J. et al. Unmanned Airborne Bistatic Interferometric Synthetic Aperture Radar Data Processing Method Using Bi-Directional Synchronization Chain Signals // Remote Sens. – 2024. – 16(5), 769. Avialable at:  https://doi.org/10.3390/rs16050769. (accessed 16.05.2025)
  6. Лифанов А.С. Определение движущихся объектов на одноантенной радиолокационной системе с синтезированной апертурой // Труды МАИ. – 2003. – Выпуск № 11. URL: https://trudymai.ru/published.php?ID=34485. (дата обращения 16.05.2025).
  7. Shepeta A.P., Nenashev V.A. Accuracy characteristics of object location in a two-position system of small onboard radars // Information and Control Systems. – 2020. – No. 2. – P. 31–36.
  8. Xu F., Zhang Y., Wang R. et al. Heuristic Path Planning Method for Multistatic UAV-Borne SAR Imaging System // IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. – 2021. – Vol. 14. – P. 8522–8536.
  9. Неронский Л.Б., Михайлов В.Ф., Брагин И.В. Микроволновая аппаратура дистанционного зондирования поверхности Земли и атмосферы. Радиолокаторы с синтезированной апертурой антенны. – СПб.: СПбГУАП. 1999.
  10. Rodriguez-Cassola M., Baumgartner SV, Krieger G. et al. Bistatic spaceborne-airborne experiment TerraSAR-X/F-SAR: data processing and results // IEEE International Geoscience and Remote Sensing Symposium – Boston, MA, USA, 2008. – P. III451–III454.
  11. Rodriguez-Cassola M., Prats-Iraola P., Krieger G., Reigber A. and Moreira A. Bistatic SAR image formation: A systematic approach // IEEE Geoscience and Remote Sensing Symposium. –  Quebec City, QC, Canada, 2014. – P. 3945–3948.
  12. Favenza A., Imam R., Dovis F. and Pini M. Detecting water using UAV-based GNSS-Reflectometry data and Artificial Intelligence // 2019 IEEE International Workshop on Metrology for Agriculture and Forestry (MetroAgriFor). – Portici, Italy, 2019. – P. 7–12
  13. Калинников В.В., Устинов А.В., Косарев Н.С. Опыт использования метода ГНСС-рефлектометрии для измерения высоты снежного покрова // Вестник СГУГиТ. – 2023. – Т. 28, № 1. – С. 6–13.
  14. Верба В. С. Проблемы и общесистемные вопросы разработки бортовых РЛС нового поколения // Журнал радиоэлектроники. – 2016. – № 1. – С. 1–29.
  15. Кондратенков Г.С., Фролов А.Ю. Радиовидение. Радиолокационные системы дистанционного зондирования Земли. – М.: Радиотехника. 2005.
  16. Занин К.А. Разработка модели оценки пространственного разрешения космического радиолокатора синтезированной апертуры // Труды МАИ. – 2017. – Выпуск № 96. URL: http://trudymai.ru/published.php?ID=85931. (дата обращения 16.05.2025).
  17. Хазов А.С., Ортиков М.Ю., Гусев С.Н. Методика оценивания разрешающей способности космического радиолокатора с синтезированной апертурой антенны с учетом компенсации атмосферных искажений // Труды МАИ. – 2022. – Выпуск № 126. URL: https://trudymai.ru/published.php?ID=169001. (дата обращения 16.05.2025).
  18. Ненашев В.А. Особенности классификации подстилающих поверхностей земли по характеристикам эхо-сигналов в бортовых РЛС // Труды МАИ. – 2021. – Выпуск № 118. URL: https://trudymai.ru/published.php?ID=158246. (дата обращения 16.05.2025).
  19. Marquez-Martinez J. and Alvarez-Perez J. A First Study on the use of TerraSAR-X for Meteorological Purposes // 2006 IEEE International Symposium on Geoscience and Remote Sensing. – Denver, CO, USA, 2006. – P. 1930–1933.
  20. Alozie E, Abdulkarim A, Abdullahi I, Usman AD, Faruk N, Olayinka I-FY, Adewole KS, Oloyede AA, Chiroma H, Sowande OA, et al. A Review on Rain Signal Attenuation Modeling, Analysis and Validation Techniques: Advances, Challenges and Future Direction // Sustainability. – 2022. –  No 14(18):11744. Avialable at:  https://www.mdpi.com/2071-1050/14/18/11744. (accessed 16.05.2025)
  21. ITU-R P.840-7. Attenuation due to clouds and fog, 2017.
  22. Egorov D. P., Ilyushin Ya. A., Kutuza B. G. and Koptsov Ya. V. Cloud Liquid Content Retrieval Errors Related to the Flat-layered Cloudfield Model Usage // Photonics & Electromagnetics Research Symposium (PIERS). – Hangzhou, China, 2021. – P. 1978–1984.
  23. ITU-R P.838-3. Specific attenuation model for rain for use in prediction methods, 2005.


Скачать статью

mai.ru — информационный портал Московского авиационного института

© МАИ, 2000—2025

 Вход