دانلود ترجمه مقاله شناسایی هدف متحرک در رادار چند ورودی-چندخروجی توزیع شده روی پلتفرم های متحرک

1. مقدمه 2. مدل داده و فرموله کردن مسئله 3. شناساگرهای مبتنی بر ماتریس کوواریانس 4. روش های پیشنهادی 5. نتایج شبیه سازی 6. نتیجه گیری

چکیده – این مقاله شناسایی هدف متحرک در رادار چند ورودی-چند خروجی توزیع شده با شناساگرهای نصب شده روی پلتفرم متحرک را بررسی می کند. برخلاف پژوهش های قبلی که تمرکز آنها بر پلتفرم های ثابت بود، ما بطور صریح اثرات حرکت سکو را بررسی می کنیم که نایکنواختی پارازیتی ذاتی در این سیستم ها را تشدید می کند و مسئله را بسیار مشکل تر می کند. دو شناساگر جدید پیشنهاد می شود. اولی شناساگری بر پایه پراکندگی است که با بکارگیری یک نمایش پراکنده از پارازیت در دامنه داپلر، بطور انطباقی از سیگنال آزمایشی زیرفضای پارازیت تخمین می زند که برای جفت فرستنده/گیرنده های مختلف متمایز است و بعلاوه می تواند در کل پهنای باند داپلر پخش شود. دومی یک شناساگر پارامتری کاملاً انطباقی است که یک مدل پارازیت پارامتری خودکاهنده (اتورگرسیو) بکار می گیرد و انتخاب درجه مدل مشترک، ارزیابی/کاهش پارازیت و شناسایی هدف در یک فرآیند یکپارچه و کامل را ارائه می کند. هر دو شناساگر در در چارچوب آزمون نسبت احتمال تعمیم یافته (GLRT) و برای برطرف کردن نیاز به سیگنال های آموزشی که برای شناساگرهای معمولی ضروری هستند، اما در عمل بخاطر نایکنواختی پارازیت بدست آوردن آنها دشوار است، توسعه داده می شود. نتایج عددی نشان می دهد که شناساگرهای بدون آموزش پیشنهادی عملکرد شناسایی بهتری نسبت به شناساگرهای بر پایه شبکه (وقتی مقدار متوسطی از سیگنال های اموزشی دارند)، دارد.

This paper examines moving target detection in distributed multi-input multi-output radar with sensors placed on moving platforms. Unlike previous works which were focused on stationary platforms, we consider explicitly the effects of platform motion, which exacerbate the location-induced clutter non-homogeneity inherent in such systems and thus make the problem significantly more challenging. Two new detectors are proposed. The first is a sparsity based detector which, by exploiting a sparse representation of the clutter in the Doppler domain, adaptively estimates from the test signal the clutter subspace, which is in general distinct for different transmit/receive pairs and, moreover, may spread over the entire Doppler bandwidth. The second is a fully adaptive parametric detector which employs a parametric autoregressive clutter model and offers joint model order selection, clutter estimation/mitigation, and target detection in an integrated and fully adaptive process. Both detectors are developed within the generalized likelihood ratio test (GLRT) framework, obviating the need for training signals that are indispensable for conventional detectors but are difficult to obtain in practice due to clutter non-homogeneity. Numerical results indicate that the proposed training-free detectors offer improved detection performance over covariance matrix based detectors when the latter have a moderate amount of training signals.