Содержание к диссертации
Введение
Глава 1. Актуальные проблемы первичной обработки ГАС 17
1.1. Существующие методы обработки пространственно-временных сигналов 17
1.1.1. Базовые положения 17
1.1.2. Классическое ФХН 20
1.1.3. Оптимальные спектральные методы пространственной обработки 22
1.1.4. Параметрические методы пространственной обработки. 28
1.1.5. Недостатки оптимальных методов 29
1.1.6. Обработка широкополосных сигналов. Алгоритмы Фроста и Гриффитса-Джима 31
1.2. Пассивная гидролокация в среде с многолучевым распространением 35
1.2.1. Обоснование необходимости учета и параметризации среды 35
1.2.2. Традиционные методы оценки координат источника в пассивном режиме 37
1.2.3. Особенности распространения звука в мелком море 39
1.3. Проблемы реализации первичной обработки ГАС в
гидролокационных комплексах 43
1.3.1. Реализация различных этапов вычислений в современных ГАК 43
1.3.2. Современная техническая база пространственной оптимальной обработки в частотной области 47
1.3.3. Особенности аппаратной реализации первичной обработки ГАС во временной области
1.3.4. Оценка перспектив реализации широкополосной адаптивной обработки ГАС на программируемых логических БИС 59
1.4. Выводы 62
Глава 2. Применение итеративного моделирования помехо-сигнальной обстановки для первичной обработки ГАС 66
2.1. Принципы адаптивного моделирования для определения неизвестных параметров 66
2.2. Процедура первичной обработки ГАС с помощью итеративного моделирования 69
2.3. Исследование эффективности итеративного моделирования в задаче определения пространственных и спектральных характеристик источников звука 75
2.4. Сравнение обнаружительной способности итеративного моделирования и других методов пространственно-временной обработки ГАС в случае нескольких коррелированных источников звука 85
2.5. Выводы по проведенным программным экспериментам 94
Глава 3. Расширение возможностей итеративного моделирования в рамках первичной обработки при использовании модели окружающей среды 97
3.1. Постановка требований к модели для первичной обработки данных в стесненной водной среде 97
3.2. Расчет влияния отраженных сигналов 100
3.3. Возможности повышения эффективности при оценке дальности цели в стесненной водной среде с помощью моделирования многолучевого распространения в горизонтальной плоскости ... 102
3.4. Программный эксперимент по комплексному исследованию эффективности первичной обработки ГАС с помощью итеративного моделирования. Выводы 113
Глава 4. Способы повышения эффективности реализации программно аппаратного модуля первичной обработки ГАС 124
4.1. Электронный модуль обработки многоканального сигнала Сибирского Солнечного Радиотелескопа 124
4.1.1. Реализация спектрального анализа широкополосного сигнала в реальном времени на основе акустооптической ячейки 124
4.1.2. Использование ПЛИС для схемотехнической реализации сбора и предварительной обработки многоканальных данных 129
4.2. Оценка возможности реализации первичной обработки ГАС многоэлементной антенны на современной программируемой логике 133
4.2.1. Постановка задачи создания системы сбора и обработки широкополосных ГАС 133
4.2.2. Структура модуля сбора и обработки данных на основе FPGA Stratix II фирмы Altera 137
4.2.3. Функциональные блоки и процедура вычислений при расчете выхода ФХН и адаптации весов по методу НСКОО(ФХНФроста) 143
4.2.4. Сравнительный анализ реализации блока первичной обработки на FPGA и СП, перспективыиспользования FPGA для создания мобильных систем гидролокации... 146
Заключение 150
Список цитируемой литературы
- Пассивная гидролокация в среде с многолучевым распространением
- Исследование эффективности итеративного моделирования в задаче определения пространственных и спектральных характеристик источников звука
- Возможности повышения эффективности при оценке дальности цели в стесненной водной среде с помощью моделирования многолучевого распространения в горизонтальной плоскости
- Реализация спектрального анализа широкополосного сигнала в реальном времени на основе акустооптической ячейки
Введение к работе
Актуальность темы.
В настоящий момент произошло смещение интересов в области назначения морских гидролокационных систем. Раньше основной ареной действия служил открытый океан, в современном мире наибольшее внимание уделяется операциям у побережья в отдельных регионах, где складываются кризисные ситуации. Соответственно, в качестве потенциальных целей сейчас рассматриваются объекты, обладающие малой гидроакустической замет-ностью. Другим фактором становится все возрастающая потребность борьбы с незаконной деятельностью в прибрежной зоне, осуществляемой, как правило, с помощью небольших судов. Все это делает задачу обнаружения малых целей вблизи береговой линии (в бухтах, фиордах и т.д.) весьма актуальной. Это обстоятельство с учетом сложных гидролого-акустических условий на мелководье требует новых подходов к обработке гидроакустических сигналов (ГАС).
Распространение звуковых волн в прибрежной акватории в условиях мелководья принципиально отличается от распространения в открытом море. Здесь характерными являются множественные отражения звука от дна, поверхности воды и берегов, а также высокий уровень фонового шума и большое количество локальных направленных помех, связанных с высокой интенсивностью деятельности человека в прибрежной полосе. Все это повышает требования к разрешающей способности системы обработки ГАС и делает необходимым учет влияния среды на формирование акустического поля.
Важным фактором является также смена приоритетов и в конструкции антенн. Вместо стационарных комплексов, имеющих регулярную пространственную конфигурацию (линейные, цилиндрические, сферические), широкое распространение получают конформные антенны (по обводу корпуса судна), гибкие буксируемые антенны, а также приемные массивы, элементы которых устанавливаются на гидроакустических буях. Обработка сигналов с многоэлементных антенн произвольной конфигурации обладает своей спецификой, что накладывает отпечаток на выбор методов.
Отдельно следует отметить режим пассивной гидролокации (шумо-пеленгования), где предметом обработки является акустический сигнал, излучаемый собственно целью. Малое отношение сигнал-шум (ОСШ) при пассивном режиме требует более сложной процедуры обнаружения цели и выделения полезного широкополосного сигнала на фоне помех. Сложность обработки искупается возможностью вести сбор данных без демаскирования носителя гидроакустического комплекса, а также возможностью классификации цели, определению параметров ее движения и других характеристик по оценке данных, полученных в результате пространственно-временного анализа первичного поля цели. Основной задачей при проектировании комплексов пассивной гидролокации, в частности, систем первичной обработки ГАС, является поиск компромисса между эффективностью системы в задачах об-
наружения и идентификации целей и ее сложностью, которая определяется требуемой производительностью и характером обработки. Повышение сложности ведет к увеличению массы, габаритов, энергопотребления, стоимости, то есть таких параметров, на которые накладываются жесткие ограничения. Поэтому основными направлениями исследований в области вычислительной гидроакустики являются, с одной стороны, поиск новых эффективных алгоритмов обработки, которые позволили бы получать больше информации при том же объеме вычислений, с другой - разработка эффективных высокопроизводительных программно-аппаратных средств обработки массивов данных.
Цели и задачи исследования.
Цель работы - повышение эффективности систем первичной обработки гидроакустических сигналов многоэлементных антенн произвольной формы, предназначенных для использования в пассивном режиме в средах, характеризующихся большим количеством локальных помех и неоднородностью в горизонтальной плоскости.
Основные задачи работы:
Разработка методов обнаружения нескольких источников звука, в т.ч. коррелированных, определения их пространственных и акустических характеристик на основе моделирования помехо-сигнальной обстановки.
Исследование способов снижения объема вычислений при определении дальности источников звука для стесненных прибрежных участков за счет упрощения акустической модели среды и использования многолучевого распространения, вызванного горизонтальной неоднородностью среды.
Разработка программного исследовательского комплекса, включающего в себя генератор помехо-сигнальной обстановки для формирования тестовых выборок сигналов многоэлементной антенны, и программно-алгоритмическое обеспечение, реализующее обработку ГАС в соответствии с разработанными методами.
Исследование эффективности предложенных методов в задачах первичной обработки ГАС с помощью разработанного программного исследовательского комплекса.
5. Разработка высокопроизводительного программно-аппаратного
модуля первичной обработки широкополосных ГАС на основе современных
средств параллельных вычислений.
Научная новизна.
Разработан метод обнаружения целей, определения их пеленга и спектральных характеристик излучаемого звука в сложной помехо-сигнальной обстановке на основе итеративного моделирования. Метод позволяет увеличить вероятность обнаружения целей на фоне локальных помех (в т.ч. коррелированных с полезным сигналом) по сравнению с традиционными методами первичной обработки.
Предложен метод оценки расстояния до источника акустических колебаний на основе предсказания и моделирования трасс прохождения звуко-
вых волн с учетом отражений, вызванных батиметрической рефракцией в средах с многолучевым распространением в горизонтальной плоскости.
Показано, что реализация сбора и обработки широкополосных ГАС на основе современных высокопроизводительных микросхем программируемой логики позволяет увеличить производительность блока первичной обработки ГАС. Практическая значимость.
Разработанные методы могут быть использованы для создания блоков первичной обработки гидроакустических комплексов, предназначенных для обнаружения целей и определения их параметров на фоне большого количества локальных помех. Следовательно, они могут применяться в современных пассивных гидролокационных системах, создаваемых на основе многоэлементных антенн. Внедрение полученных результатов.
Результаты работы использовались при выполнении НИР «Цигуне» (2002-2004 гг.) и «Цурок» (2005-2007 гг.), посвященных исследованию методов первичной обработки ГАС в целях повышения эффективности систем пассивной и активной гидролокации.
В рамках диссертационной работы разработан и создан электронный блок управления, сбора и обработки данных акустооптического приемника (АОП) Сибирского солнечного радиотелескопа (ССРТ) для Института солнечной и земной физики (ИСЗФ) СО РАН (г. Иркутск), с весны 2005 три экземпляра которого внедрены в опытную эксплуатацию на ежедневных наблюдениях ССРТ для формирования радиоизображений Солнца. Основные положения, выносимые на защиту.
Метод обнаружения целей, определения их пеленга и спектральных характеристик излучаемого звука на основе итеративного моделирования обладает лучшим пространственным разрешением при разделении коррелированных волн, чем у всех известных спектральных методов, предназначенных для работы с многоэлементными антеннами произвольной формы.
В случае сложной помехо-сигнальной обстановки (большого количества источников) метод итеративного моделирования при реализации требует существенно меньшего объема вычислений, чем параметрические методы, при равной обнаружительной способности. При этом для построения итеративной модели не требуется априорной информации о помехо-сигнальной обстановке (количестве источников звука в среде, их пространственных и спектральных характеристиках).
Метод определения дальности источников акустических колебаний путем моделирования многолучевого распространения ГАС в горизонтальной плоскости позволяет существенно снизить объем вычислений при определении координат цели в пассивном режиме.
4. Использование микросхем программируемой логики общего на
значения в качестве вычислительной базы блока первичной обработки позво
ляет совмещать на одной микросхеме реализацию задач сбора данных, фор-
мирования диаграммы направленности и адаптивной пространственно-временной обработки широкополосных многоканальных ГАС. При этом структура современных микросхем программируемой логики, оптимизированная под параллельные вычисления, позволяет достичь в несколько раз большей производительности (при прочих равных параметрах) по сравнению с реализацией на сигнальных процессорах. Апробация работы.
Результаты работы докладывались на следующих международных конференциях: «Прикладные технологии гидроакустики и гидрофизики - ГА-2004», Санкт-Петербург, 2004 г.; «Актуальные проблемы электронного приборостроения - АПЭП-2004», Новосибирск, 2004; «7th International Conference on Pattern Recognition and Image Analysis: New Information Technologies -PRIA-7-2004», St.Petersburg, 2004; IASTED International Conference «Signal and Image Processing - ACIT-SIP 2005», Novosibirsk, 2005; IASTED International Conference « Automation, Control and Applications - ACIT-ACA 2005», Novosibirsk, 2005; «Прикладные технологии гидроакустики и гидрофизики -ГА-2006», Санкт-Петербург, 2006 г.
Материалы диссертации опубликованы в 8 печатных работах, в том числе в 2-х статьях. Структура и объем диссертации:
Работа состоит из введения, 4 глав, заключения, списка цитируемой литературы (62 пункта), изложена на 148 страницах, содержит 32 рисунка и 10 таблиц. В дополнение к содержательной части представлены 5 приложений, изложенных на 64 страницах, содержащих 32 рисунка и 1 таблицу.
Пассивная гидролокация в среде с многолучевым распространением
Выделение волны, приходящей с определенного направления или формирование характеристики направленности является одной из базовых операций первичной обработки и является необходимой в тех случаях, когда спектральные диапазоны полезного сигнала и помехи перекрываются, и для их разделения нельзя использовать частотную фильтрацию. Задача выделения полезного сигнала решается с помощью пространственной фильтрации за счет комбинированной обработки временной и пространственной информации выборки волнового поля, полученной на массиве сознательно распределенных в пространстве акустических датчиков (гидрофонов) [6]. Подобная обработка становится возможной в случае применения многоэлементной антенны. Аналогично частотной фильтрации, где эффективность напрямую зависит от размера накопленной выборки данных или «временной апертуры», для пространственной фильтрации необходима пространственная апертура, т.е., значения сигналов в различных точках среды, для чего применяются многоэлементные антенны. ФХН может использоваться для подавления направленных помех по другим пеленгам (когда известен угол прихода полезного сигнала), также и собственно для обнаружения целей, когда производится сканирование сектора среды с помощью веера характеристик направленности (ХН), после чего выявляются пики в интенсивности акустических волн с разных пеленгов. Аналогично спектральной фильтрации, ФХН можно делать как в частотной, так и во временной области.
Самым простым и надежным методом определения пеленга цели в пассивной гидролокации является классическое ФХН, представляющее собой простое сложение сигналов с гидрофонов с необходимыми задержками, так чтобы восстанавливался сигнал, приходящий с определенного направления. Со статистической точки зрения, этот подход представляет собой пространственное расширение спектральной фильтрации Винера [6]. Спектральный метод поиска — -целей-на основе классического ФХН в частотной области называется методом Бартлетта [7]. Определения и математический аппарат этой группы алгоритмов приведен в приложении А, раздел 1.
Несмотря на простоту и надежность классический метод пространственного спектрального анализа имеет ряд существенных недостатков. Вследствие конечности апертуры антенного массива детали, которые можно установить по пространственному спектру, полученными классическим ФХН, ограничены. Точность определения углового положения цели зависит от размера антенного массива, поскольку источник с определенного направления при обработке сигнала отображается как некоторая область излучения, размер которой зависит от ширины основного лепестка. Данный факт влияет также на разделение нескольких источников с близким угловым расположением (с перекрывающимися основными лепестками). Кроме того, возможны ложные оценки, когда изме 22 рения осуществляются по положению боковых лепестков диаграммы направленности. Если весовые коэффициенты выбраны так, что уменьшаются к краям антенны, то боковые лепестки могут быть подавлены, но при этом расширяется главный лепесток. Следовательно, при классическом подходе к измерению угловых координат повышение точности оценки положения цели может быть достигнуто только путем увеличения пространственной апертуры антенны.
К достоинствам такого подхода следует отнести малый объем вычислений, и простоту технической реализации, как в частотной, так и во временной области, в том числе нецифровыми средствами. Другим преимуществом классического ФХН является его робастность, являющаяся следствием независимости весов от статистики входных данных, что делает его устойчивым к ошибкам. Этот метод является оптимальным для одного источника, если помехи представлены только пространственно некоррелированным «белым» шумом. Однако в случае множества волн, приходящих с разных пеленгов, полезный сигнал может забиваться мощными помехами, приходящими через боковые лепестки ХН, что, как было сказано, затруднит их разделение. Поэтому в сложной среде с множеством направленных помех необходимо подавлять помехи оптимальной обработкой сигналов, где выбор весовых коэффициентов и задержек меняется в зависимости от направления наблюдения и характеристик звукового поля, воспринимаемого элементами антенной решетки.
Использование оптимальных методов обработки ГАС приобрело актуальность в связи прогрессом в снижении внешнего акустического поля целей, прежде всего ПЛ. Задачу пассивного обнаружения малошумной ПЛ в сложной среде приходится решать на фоне многочисленных помех от локальных источников (мешающих целей). Этими источниками могут быть надводные корабли и прочие суда, средства ГА противодействия, морские организмы и др. Задача в таком случае решается методом подавления таких помех в процессе пространственной обработки сигналов. При этом появляется возможность разделения целей, угловое расстояние между которыми меньше ширины главного лепестка ХН (эффект сверхразрешения) [1].
Веса ФХН в оптимальных методах выбираются на основе статистики полученных данных с целью увеличения ОСШ [7]. В общем случае, статистически оптимальное ФХН располагает нули по пеленгам направленных помех с целью улучшения приема или обнаружения полезного сигнала (случайного или детерминированного), когда наряду с ним присутствует несколько мешающих сигналов. При этом полезный сигнал может иметь один или несколько неопределенных параметров, которые необходимо оценить. Этими параметрами могут быть координаты источника, энергия сигнала и т.д. При реализации оптимальной первичной обработки должны учитываться следующие противоречивые требования: 1) аппаратурная сложность и стоимость; 2) скорость обработки данных; 3) разрешающая способность; 4) эффективность и устойчивость адаптивной системы к ошибкам.
Если сигнал и помехи представляют собой гауссовы процессы с известными спектрами, то сигнал может быть полностью охарактеризован статистикой второго порядка [1]. Для классических оптимальных систем базовым уравнением является уравнение Винера-Хопфа, когда веса по критерию минимума СКО выхода системы от полезного сигнала: W =R lP, (1.1) где R - корреляционная матрица входных сигналов, Р - вектор взаимокорреляционной функции полезного отклика и входного сигнала [8]. Это уравнение определяет теоретический предел эффективности, полезный при сравнении реальных систем [9]. Непосредственная реализация алгоритма оптимальной обработки оказывается невозможной, так как статистики, определяющие условия приема сигнала, как правило, неизвестны. К тому же применимость такого оптимального процессора будет ограниченной, так как он разработан для шума, имеющего гауссово распределение. Эмпирически получено, что для устойчивости оптимального ФХН для неподвижных или медленно перемещающихся целей должно быть накоплено не менее ЗМ реализаций для поиска оптимального решения, где М- число сенсоров. Поэтому чрезвычайно важны адаптивные методы реализации оптимальных процессоров, которые позволяют работать в переменчивой обстановке и имеют возможность варьировать объем вычислений при поиске компромисса между эффективностью системы и доступной производительностью вычислительных средств.
Адаптивный процессор автоматически подстраивает весовые коэффициенты для обеспечения требуемой пространственной и частотной фильтрации. [5]. Структура процессора для обработки сигналов антенного массива обусловлена выбранным критерием оптимальности и получается в результате математического решения рассматриваемой задачи. При этом ФХН становится частью алгоритма обработки. На практике все решения для оптимального весового вектора при использовании различных критериев эффективности сводятся к (1.1) при условии, что и шум и полезный сигнал являются гауссовыми процессами [5]. Поэтому выбор конкретного критерия обычно не имеет большого значения. Более важным является выбор алгоритма управления, предназначенного для подстройки диаграммы направленности решетки, поскольку он непосредственно влияет как на эффективность выделения полезного сигнала, так и на сложность технической реализации системы в целом.
Исследование эффективности итеративного моделирования в задаче определения пространственных и спектральных характеристик источников звука
Процедура интерполяции и ФХН линейны и могут выполняться в любой последовательности. Выбор последовательности этих процедур определяется соображениями экономии аппаратных средств при реализации. Эффективность того или иного метода находится в зависимости от соотношения числа элементов антенны и числа формируемых лучей. При выборе места интерполяционного фильтра необходимо учитывать требования к его динамическому диапазону. Естественно, что эти требования выше при расположении фильтра на выходе сформированной ХН.
Тем не менее, достигнутый прогресс в области микроэлектроники снизил остроту проблемы по частоте дискретизации, связанной с применением описанных выше методов, позволив формировать ХН антенны без процедуры интерполяции. Прямой метод формирования ХН во временной области является наиболее эффективным, т. к. позволяет минимизировать систему управления. Методы цифровой реализации ФХН, инвариантные к геометрии антенн, реализуются в настоящее время на средствах цифровой вычислительной техники: с помощью специализированных БИС или СП.
Существующие на сегодняшний день средства сбора и обработки данных позволяют осуществлять дискретизацию сигналов с избыточной частотой квантования (десятки МГц), позволяющей реализовывать цифровое ФХН с приемлемой точностью, при этом большая производительность процессоров и программируемых логических матриц делает возможным использование одних и тех же вычислительных блоков для множества каналов в реальном времени. Все это делает первичную обработку во временной области привлекательной. 1.3.4. Оценка перспектив реализации широкополосной адаптивной обработки ГАС на программируемых логических БИС.
Современный этап развития методов и техники обработки сигналов определяется как новыми возможностями однокристальных цифровых процессоров обработки сигналов, так и применением архитектурно перепрограммируемых логических БИС (ПЛИС), оптимизированных для выполнения наиболее характерных для цифровой обработке сигналов арифметических операций, в частности, умножения с накоплением.
За последнее десятилетие программируемая логика общего назначения стала конкурировать с сигнальными процессорами и специализированными БИС в области приложений цифровой обработки сигналов. Это стало возможным благодаря нескольким факторам. Во-первых, резко возросла логическая емкость ПЛИС при одновременном падением цены на микросхемы большой емкости. Во-вторых, у микросхем новых поколений ПЛИС - FPGA (field programmable gate array) помимо стандартного набора из программируемых логических ячеек и каналов ввода-вывода, на кристалле имеются также блоки памяти RAM, однотактные умножители (в том числе с возможностью реализации операций с плавающей точкой), блоки PLL (phase locked loop) для генерации управляющих импульсов и т.д. Все узлы FPGA могут перепрограммироваться в различные режимы работы и связываются между собой благодаря развитой схеме межсоединений. В-третьих, резко возросла производительность программируемой логики, так что на сегодняшний день тактовая частота реконфи-гурируемых блоков FPGA всего в несколько раз меньше тактовой частоты сигнальных процессоров из того же ценового сегмента. В табл. 1.2. приведены сравнительные характеристики наиболее быстродействующих на сегодняшний день СП с фиксированной точкой и FPGA. Высокая производительность, универсальность и низкая стоимость позволило применять FPGA для решения многих задач обработки сигналов, особенно для тех, где естественными являются параллельные вычисления.
Микросхема (серия) Тип Фирма-производитель Макс, количество умножителей (16x16) Макс, тактовая частота, МГц Производительность (16х16ММАСвсек.) TMS320C64 СП Texas Instruments 4 1000 4000 MSC8144 СП Freescale (бывш. Motorola) 16 1000 16000 Stratix II FPGA Altera 384 450 172800 Virtex-5 FPGA Xilinx 192 550 105600 В связи с этим появилось большое количество исследований, посвященных сравнительному анализу FPGA и других платформ, в частности сигнальных процессоров, в плане их применения для цифровой обработки сигналов. Результаты этих исследований позволяют сделать вывод, что современная программируемая логика общего назначения действительно является привлекательной для реализации некоторых приложений [49, 50]. Проектируемые на ПЛИС системы позволяют сочетать в себе высокую производительность специализированных под задачу БИС и высокую гибкость сигнальных процессоров, а также возможность размещения на одном кристалле ПЛИС всей структуры системы, включая нестандартную периферию. А аппаратный уровень организации потоков вычислений и большое количество пользовательских линий ввода-вывода (как специальных, так и общего назначения) на программируемой логике позволяет проще и быстрее разрабатывать устройства на основе нескольких микросхем для многоканальных систем обработки. При этом не тратятся ресурсы на синхронизацию и обмен данными между отдельными микросхемами, как в мультипроцессорной системе.
Возможности повышения эффективности при оценке дальности цели в стесненной водной среде с помощью моделирования многолучевого распространения в горизонтальной плоскости
Как можно видеть по предыдущему программному эксперименту, точность оценки частотного распределения энергии определяется размером выборки, в свою очередь зависящей от частоты дискретизации и размера интервала накопления (временной апертуры). С одной стороны, чем больше размер выборки, тем точнее будет оценка, с другой стороны меньшее время накопления позволит отслеживать динамику быстроменяющейся помехо-сигнальной обстановки. В случае коррелированных (но не полностью когерентных) помех при малом времени накопления для разных выборок будет разный фазовый сдвиг между волнами. Таким образом, в момент наименьшей корреляции волн на антенном массиве, возможно их более точное пространственное разделение, что может служить дополнительным стимулом ограничения размера выборки, если не требуется большое частотное разрешение. Рассмотрим результаты одного из подобных случаев, смоделированных в программном эксперименте для той же антенны. Частота дискретизации (1 кГц), размер выборки (1024) и интервал дискретизации спектра (0.98 Гц) здесь также аналогичны численному эксперименту для множества источников, описанному в предыдущем разделе. В среде моделировались источники гармонических колебаний с частотами от 8 до 300 Гц и интенсивностями в точке приема от 94 до 111 дБ, параметры источников приведены в табл. 2.2 (столбец «исходные данные»). Уровень фонового шума - 90 дБ, таким образом, для самой сильной гармоники ОСШ 10, для самой слабой ОСШ -1.5.
На рис. 2.6 приведен график распределения спектра звукового поля, полученного с помощью классического ФХН. Как можно видеть, спектральная картина окружающей обстановки не дает полной информации: непосредственно выделяются только 4 главных максимума. Мощные когерентные помехи как бы маскируют более слабые источники звука: низкочастотный (№6) с частотой 8 Гц на фоне основного лепестка коррелированной помехи (№4) и источник №2 с частотой 186 Гц на фоне боковых лепестков находящихся по бокам более сильных источников той же частоты (№№1,3). Следует отметить, что 8 Гц меньше нижней границы частотного диапазона данной антенны, и, следовательно, на апертуре (40 м) не укладывается половины длины волны ( 90 м) такого низкочастотного сигнала. Несмотря на это, точность пространственно-временной обработка для источников №№ 4,6 была не хуже чем для других целей, в основном благодаря размеру интервала накопления, в который укладывалось несколько длин волн этих источников.
Для порога 90 дБ адаптация заняла здесь 10 шагов (см. табл. 2.2). Здесь показаны исходные данные, используемые в генераторе поммехо-сигнальной обстановки и параметры добавляемых на каждом шаге источников звука. Если пеленг моделируемых волн на разных итерациях совпадают, то считаются, что излучаются одним источником, интенсивность которого равна сумме интен-сивностей всех моделируемых волн по данному пеленгу. Результатом обработки стало фиксирование всех присутствующих источников гармонических колебаний и определение их пеленга с погрешностью не более 1. Погрешность больше шага углового обзора (0.5) обусловлена корреляцией между сигналами, и, соответственно, сдвигом максимумов (как на рис. 2.5). источников очень мала. При этом появился максимум в невязке по пеленгу 61, связанный с влиянием на спектр источника №2 и который нельзя было наблюдать на оригинальном спектре Н. В данном случае, только благодаря разработанному методу удалось обнаружить слабый источник звука №2 на фоне 2-х более мощных когерентных помех, интенсивность которых на почти 17 дБ больше. Рис. 2.8 иллюстрирует аналогичную ситуацию с источником №6, маскируемым основным лепестком более сильного (на 11 дБ) источника №4. Поскольку помимо этих гармоник в данном секторе есть еще источник №5, графики на рис. 2.8 отображают не сумму интенсивности по пеленгу, а величину Нп для индекса п, соответствующего ближайшей к 8 Гц частоте (7.81 Гц, п - 8).
Спектр обработки входных сигналов для п = 8 (7.81 Гц) в секторе источников №№4-6 в сравнении с пеленгом и относительной интенсивностью исходных и смоделированных источников (цифрами показаны номера источников в соответствии с табл. 2.2.) в логарифмическом масштабе.
По результатам этого программного эксперимента можно сделать вывод, что при работе с коррелированными источниками метод итеративного моделирования показывает лучшую обнаружительную способность, чем спектральный метод поиска целей, основанный на классическом ФХН.
С целью сравнительной оценки эффективности предложенного метода с другими алгоритмами пространственного анализа для антенн произвольной формы для данного случая была также произведена обработка с помощью наиболее популярного адаптивного ФХН по критерию минимальной дисперсии при неискаженном отклике в нужном направлении, во временной области таким методом является алгоритм Фроста.
В разделе 2.3 было показано, что данный метод действительно обладает лучшей разрешающей способностью, чем классический ФХН, в случае если нет коррелированных помех. Оптимальная обработка позволяет сузить основной максимум и подавить боковые лепестки (рис. 2.3). Однако при аналогичной предыдущему эксперименту ситуации, когда необходим поиск и оценка нескольких источников одновременно, ФХН Фроста уже не будет обладать пре 91 имуществом перед классическим ФХН, а наоборот, будет менее эффективен. Иллюстрацией к этому могут служить рис. 2.11, позволяющий сравнить результаты обработки помехо-сигнальной обстановки, содержащей источники, параметры которых приведены в табл. 2.2. Антенна, размер выборки, частота дискретизации, уровень фонового шума и прочие условия здесь также аналогичны эксперименту с итеративным моделированием. Для ФХН Фроста (длина фильтра - 10) адаптация весов производилась на каждой выборке, в качестве ц выбрана верхняя граница неравенства (38) из приложения А.
На рис. 2.11 приведен график спектра, характеризующий источники №№1-3, для низкочастотных источников №№4,6 ситуация аналогичная - при наличии коррелированных между собой источников колебаний сам процесс адаптации весов приведет к подавлению сигналов на выходе. При этом полученная форма пространственного спектра не позволит выделить слабые замаскированные сигналы на фоне сильных, как и при спектральной оценке с помощью классического ФХН. С ростом числа отводов трансверсального фильтра уменьшается время адаптации и увеличивается объем вычислений, но общая картина та же - коррелированные источники не разделяются, а основной сигнал подавляется.
Фрагмент пространственного спектра (содержащего в модели три гармонических (186 Гц) источника по пеленгам 35.6, 61.0 и 90.0), полученного в результате обработки классическим ФХН и ФХН Фроста. Можно предположить, что при обработке в частотной области будут получены сходные результаты. Классическая оценка Бартлетта даст ту же форму спектра, что и ФХН во временной области, при этом объем вычислений будет несравненно больше (табл. 2.3). То же самое касается и применения MVDR вместо ФХН Фроста, спектральный анализ не позволит выделить слабые коррелированные источники на фоне сильных, однако здесь следует ожидать более слабого подавления сигнала по направлению приема из-за коррелированных помех. Это связано с тем, что на процесс адаптации не влияют ошибки, вызванные конечной частотой дискретизации при цифровом ФХН.
Следовательно, можно сделать вывод, что подход, использующий итеративное моделирование проявляет лучшую обнаружительную способность в сложной среде с большим количеством источников, в том числе коррелированных между собой, чем все известные спектральные методы первичной обработки ГАС.
Разделить все имеющиеся источники может упомянутый ранее параметрический алгоритм взвешенной подгонки подпространства (WSF), который для приведенного здесь примера помехо-сигнальной позволит определить координаты всех целей, аналогично итеративному моделированию, даже с большей точностью. Однако для подобного применения WSF необходима априорная информация о числе источников, при этом объем вычислений будет очень большим, поэтому данный подход нельзя рассматривать в качестве реального прикладного способа первого этапа первичной обработки пространственной информации, даже при наличии дополнительной информации об источниках (их спектральной полосы излучения и мощности).
Реализация спектрального анализа широкополосного сигнала в реальном времени на основе акустооптической ячейки
Модули первичной обработки, входящие в состав современных как отечественных, так и зарубежных гидроакустических комплексов представляют собой сложные многопроцессорные системы сбора и обработки данных [1,2]. Помимо исследования оптимизации методов расчета с целью снижения объема вычислений без потери точности и эффективности оценок (или при минимальной потере), полученных в результате, одной из актуальных проблем становится упрощение аппаратуры модуля первичной обработки ГАС. Как показано в разделе 1.3, путем решения этой проблемы может служить применение высокопроизводительных средств нецифровой обработки.
К исследованию методов реализации сбора и обработки широкополосных, пространственно распределенных сигналов, актуальных для первичной обработки ГАС, можно отнести разработку электронного блока акустооптиче-ского приемника (АОП) Сибирского Солнечного Радиотелескопа (ССРТ). ССРТ - это самый большой в мире солнечный радиотелескоп (радио гелиограф), предназначенный для исследования солнца в микроволновом диапазоне, представляет собой сложную систему сбора и обработки радиосигналов в узком диапазоне частот. Параболические антенны в количестве 128 штук располагаются в ССРТ крестом, ориентированным строго по 4 сторонам света, и на одинаковом расстоянии в 4.9 м. Одним из основных элементов ССРТ является анализатор спектра реального времени, состоящий из оптической системы построенной на широкополосной акустооптической ячейке, на вход которой подается высокочастотный радиосигнал с антенн ССРТ. Учитывая особенности исследуемого спектра (центральная частота - 5730 ГГц, и относительно узкий диапазон - от 120 до 500 МГц), хорошо отработанным и удобным на практике элементом систем такой оптической обработки сигналов (частотный спектр в заданном диапазоне) является акустооптическая ячейка в режиме дифракции Брэгга.
Структурная схема, описывающая алгоритм действия разработанного АОП ССРТ приведена на рис. 4.1. На акустооптическую ячейку подается электрический сигнал с антенн радиотелескопа, который возбуждает акустические колебания той же частоты, поглощаемые на другой стороне. Под углом к фронту звуковой волны на светозвукопровод падает пучок монохроматического света от лазера. Частота света и угол падения этого пучка в соответствии с толщиной светозвукопровода АОЯ выбираются из расчета обеспечения режима дифракции Брэгга. Лучи, отклоненные от образованных решеток, характеризуют какую либо частоту входного сигнала и их интенсивность пропорциональна амплитуде гармоники данной частоты. После собирающей линзы, фокусирующей отклоненные по углу световые пучки в параллельный поток, оптические данные подаются на фотоприемник, который снова преобразует их в электрические сигналы, но уже с пространственным разделением входного сигнала по спектру.
Основной целью наблюдений с помощью АОП, как было сказано, является исследование колебаний и флуктуации радиоизлучения активных областей на Солнце. Возможны наблюдения колебаний с периодами от 14 мс до нескольких часов, в том числе пространственные колебания источников и измерение положения колеблющихся источников с точностью до нескольких секунд дуги.
Поэтому для решения подобных задач предусмотрена регистрация только интенсивности, что и обусловливает выбор высокочастотного спектроанализатора на основе АОЯ в качестве регистрирующего устройства. Необходимое временное разрешение при этом должно быть порядка единиц мс.
Максимальный частотный разнос между каналами задается расстоянием между соседними диаграммами направленности и составляет менее 0.5 МГц. Если принять во внимание ширину желаемого диапазона (120 МГц), при таком разносе число частотных каналов должно быть не менее 240. Желательно иметь число каналов около 500, такая избыточность обусловлена учетом влияния шумового характера принимаемого сигнала и шумов системы. При этом коррели-рованность сигналов в соседних каналах не будет препятствовать пространственному отождествлению источников.
Чувствительность АОП определяется временем интегрирования и шумами системы. Шумы складываются из собственных шумов входных усилителей, шумов из-за потерь в тракте до усилителя и приведенного к входу усилителя сигнала от Солнца на каждой антенне. Динамический диапазон АОП задается необходимостью регистрации всплесков на фоне излучения спокойного Солнца и шумов системы. Опыт наблюдений показывает, что для большинства всплесков поток от источника всплеска превышает поток спокойного Солнца не более чем в 300 раз, а для излучения спокойного Солнца ОСШ составляет около 20 [58, 59]. Следовательно, динамический диапазон системы должен быть порядка 50 дБ, из которых 31 дБ можно задействовать благодаря программно управляемому аттенюатору. Для всплесков большей интенсивности (при малых угловых размерах источников) предусмотрен ручной аттенюатор [60].
В качестве фотоприемника более предпочтительна ПЗС-линейка, так как в фото диодных линейках отсутствуют параллельные выходные регистры. Поэтому во время считывания с них необходимо закрывать свет, а это дополнительное управляющее устройство и потеря времени накопления сигнала. Исходя из упомянутых выше требований, выбор был остановлен на семействе ПЗС-линеек фирмы SONY (ILX751B, ILX551A). Число элементов у этих линеек 127 2048, динамический диапазон - более 30 дБ, что полностью удовлетворяет требованиям АОП ССРТ для различных приложений (с центральной частотой 210 МГц и полосой 120 МГц и центральной частотой 1.5 ГГц и полосой 500 МГц).
Оценим производительность подобного модуля спектрального анализа. Для полосы 120 МГц на центральной частоте 210 МГц потребовалась бы частота дискретизации, равная 540 МГц. Для разложения сигнала на 2048 частотных каналов необходима регистрация значений в течение 2048 выборок с последующим ДПФ, таким образом каждые 3.8 мс необходимо производить 2048-Log2(2048) = 22528 MAC (операций умножения с накоплением). Таким образом, производительность такого модуля в пересчете на количество операций цифровых средств обработки составляет 5940 ММАС/сек. Для сравнения, чтобы осуществлять такую обработку в реальном времени, потребовалось бы как минимум 9 сигнальных процессоров TMS320C6727B-350 (тактовая частота: 350 МГц, производительность: 700 ММАС) - наиболее быстродействующих СП с плавающей точкой фирмы Texas Instruments.
Назначение электронного модуля управления и сбора данных, разработка которого и являлось задачей автора в данном проекте, состоит в считывании накопленных зарядов ГОС-линейки (запуск по импульсу извне - необходимое условие для синхронизации с прочим оборудованием ССРТ), преобразование сигналов в цифровой код и передача этой информации в ЭВМ. Дополнительной задачей является фиксирование текущего времени с точностью до 1 мс с внешней шины, а также битов конфигурации антенн ССРТ в момент выборки и передача всей этой информации как маркера вместе с пакетом данных выборки. Помимо этого на электронный блок возлагается управление аттенюатором сигнала с антенн ССРТ.
