Содержание к диссертации
Введение
1. Экспериментальное исследование ионосферных радиолиний методом наклонного ЛЧМ-зондирования 22
1.1. Особенности ионосферных радиолиний 22
1.2. Метод наклонного ЛЧМ зондирования ионосферы 28
1.3. Обзор методов регистрации и обработки сигналов при зондировании ионосферы 32
1.4. Проблема автоматической обработки больших объемов экспериментальных данных наклонного зондирования ионосферы 38
1.5. Задачи диссертационного исследования 42
1.6. Выводы 45
2. Анализ и синтез алгоритмов адаптивной цифровой обработки сигнала со сверхбольшой базой ЛЧМ-ионозонда 48
2.1. Математическое моделирование прохождения непрерывного ЛЧМ сигнала со сверхбольшой базой в радиоканале 48
2.2. Формирование ионограммы. Виды объектов, отображаемых на ионограмме 53
2.3. Синтез алгоритма обнаружения сигнала в спектре разностной частоты 55
2.4. Методы выделения сигнала на фоне помех на ионограмме наклонного зондирования 65
2.5. Разработка обобщенного алгоритма адаптивной обработки ионограмм 2.6. Разработка методов и алгоритмов автоматической оценки радиотехнических параметров ионосферной радиолинии по данным ЛЧМ-зонда 79
2.7. Выводы 87
3. Адаптивной автоматизированной системы обработки экспериментальных данных наклонного зондирования ионосферных радиолиний 89
3.1. Описание автоматизированного комплекса ЛЧМ-ионозонда 89
3.2. Разработка принципов построения автоматизированной системы обработки данных наклонного зондирования ионосферы 92
3.3. Компоненты системы и их взаимодействие 102
3.4. Адаптация системы к решаемым задачам 109
3.5. Разработка методов и алгоритмов анализа больших объемов ионосферных данных 118
3.6. Выводы 126
4. Экспериментальная апробация и исследование эффективности разработанных алгоритмов и программ 129
4.1. Условия проведения экспериментов по НЗИ. Формирование банка данных радиотехнических параметров ионосферных радиолиний 129
4.2. Экспериментальный анализ спектров разностного сигнала на выходе ЛЧМ приемника 131
4.3. Экспериментальные исследования эффективности методов выделения полезного сигнала на фоне помех 144
4.4. Адаптация обобщенного алгоритма выделения сигнала при наличии комплекса помех к особенностям радиолиний различной протяженности... 148
4.5. Результаты экспериментального исследования эффективности алгоритма определения МНЧ 155
4.6. Апробация алгоритмов автоматической оценки радиотехнических параметров ионосферных радиолиний 158
4.7. Выводы 167
Заключение 169
Литература 170
- Обзор методов регистрации и обработки сигналов при зондировании ионосферы
- Формирование ионограммы. Виды объектов, отображаемых на ионограмме
- Разработка принципов построения автоматизированной системы обработки данных наклонного зондирования ионосферы
- Экспериментальные исследования эффективности методов выделения полезного сигнала на фоне помех
Обзор методов регистрации и обработки сигналов при зондировании ионосферы
Короткие волны могут распространяться на многие тысячи километров путем многократных последовательных отражений от ионосферы и земной поверхности. Это свойство KB используется для построения систем дальней радиосвязи и загоризонтной радиолокации. Однако, существует ряд неблагоприятных особенностей распространения KB, которые снижают эффективность использования ДКМ-диапазона. В основном они обусловлены особенностями среды распространения KB - ионосферы.
Ионосферой называют часть верхней атмосферы земли, которая простирается от высоты 50 км до высот порядка 1000-1500 км и заполняется частично ионизированным газом-плазмой [94, 108, ПО]. Структура и свойства ионосферы существенно зависят от процессов, протекающих на Солнце (11-летний цикл солнечной активности), вариаций магнитного поля Земли, движений в верхней атмосфере, плотности и состава атмосферного газа на разных высотах и географических широтах и т.д. [94].
В ионосфере различают три основные области, обозначаемые буквами D, Е, F; их называют также слоями. В слое F выделяют области Fj и F2. Кроме указанных слоев на высотах 90-120 км часто наблюдают спорадический слой Es, имеющий малую протяженность по высоте [101]. Кроме крупномасштабных квазирегулярных распределений электронной концентрации, ионосфера характеризуется развитой хаотической неоднородной структурой, представляющей электронные облака с повышенной или пониженной относительно среднего концентрацией электронов. Масштабы неоднородностей составляют от единиц метров до сотен километров. Эти неоднородности могут быть связаны как с турбулентной структурой атмосферы на ионосферных высотах, так и с многочисленными неустойчивостями ионосферной плазмы [94,111].
Распространение коротких радиоволн в ионосфере описывается лучами. Лучи, направленные под углом к слою, искривляются в нем (рефрагируют) из-за изменений электронной концентрации с высотой. Некоторые лучи искривляются настолько, что возвращаются к Земле (т.е. отражаются от ионосферы) за линией горизонта, обеспечивая распространение энергии на многие тысячи километров. В точку приема луч может прийти, отразившись от разных слоев Земли один, два или более раз (см. рис. 1.1). Лучи, распространяющиеся от передатчика к приемнику за счет скачков, называют скачковыми модами [94,101].
В их обозначениях указывается число скачков и отражающий слой. Например, обозначение 3F2 означает, что луч распространялся тремя скачками, отражаясь от слоя F2 ,а5Е- пятью скачками при отражении от слоя Е. Для ДКМ диапазона характерно, что в точку приема одновременно приходит несколько скачковых мод, что вызывает искажение сигнала. Кроме искажений сигнала в точке приема за счет многолучевости, большое влияние на качество связи оказывают помехи различного рода, возникающие в КВ-радиоканале.
Под помехами понимают все действующие в радиоканале колебания, которые мешают приему полезного сигнала и приводят к его искажению. Радиопомехи могут возникнуть внутри радиоприемного устройства (РПУ) (внутренние помехи приему) и вне РПУ, т.е. в среде распространения -ионосферном канале (внешние помехи приему). Совокупность всех помех определяет электромагнитную обстановку (ЭМО) в месте приема. Искажения полезного сигнала также возникают как вне РПУ так и внутри него. Искажения вне РПУ связаны прежде всего с физическими процессами, сопровождающими распространение радиоволн: многолучевость, частотная дисперсия, эффект Доплера и др. Искажения полезного сигнала внутри РПУ обусловлены неидеальностью его характеристик [5, 6, 7, 8]. При работе в ДКМ диапазоне мешающее действие оказывают как активные, так и пассивные помехи. Пассивные помехи (появляются из-за многолучевости, доплеровского смещения частоты, частотной дисперсии, сигналов кругосветного эха и рассеянных сигналов, отраженных от земной поверхности).
Активные помехи ДКМ диапазона имеют большую неравномерность по частоте и нестационарность по времени. В литературе [101-105, 108-111, 123] рассматриваются следующие виды активных помех: помехи, вызванные тепловым излучением земной поверхности; атмосферные помехи, которые делятся на импульсные (вызываются ближними грозами) и флуктуационные (дальние грозы) [123]; космические помехи (обусловлены радиоизлучениями звезд, межзвездного газа и имеют в основном флуктуационный характер и функцию распределения в рабочей полосе частот ДКМ диапазона близкую к гауссовскому закону); индустриальные помехи (почти всегда имеют непрерывный спектр частот); сосредоточенные помехи создаются радиостанциями и их энергия заключена, как правило, в узком частотном диапазоне [123].
Помехи характеризуются интенсивностью, законами распределения, спектральными, временными и пространственно-угловыми характеристиками и носят характер случайного процесса с коррелированными параметрами функций распределения уровней (небелый шум), что затрудняет строгую постановку задачи выделения сигналов на фоне помех.
Таким образом, на сигнал, принимаемый приемником РТС, работающей в ДКМ-диапазоне, действует целый комплекс помех, которые ухудшают качество приема сигнала. Степень влияния различных типов помех изменяется со временем и с частотой. Это необходимо учитывать при использовании ионосферных радиолиний. Для адаптации РТС, работающих в ДКМ-диапазоне к условиям распространения KB необходимо оперативно получать информацию о состоянии радиолинии.
Формирование ионограммы. Виды объектов, отображаемых на ионограмме
По результатам цифрового спектрального анализа разностного сигнала на выходе приемника формируется ионограмма. Ионограмма НЗ представляет собой растровое изображение дистанционно-частотной характеристики (ДЧХ) ионосферного канала. Это матрица размером NxM. При этом N = (/к —/И)/ДГ, где А/- полоса канала, соответствующая одному спектру, a f„+fK - диапазон т разн рразн зондирования. М - — —-—, Ff03" -г FKpa3H - диапазон частот разностного сигнала, AF - элемент разрешения по частоте. Ячейки матрицы содержат уровень мощности сигнала. При отображении ионограммы по горизонтали откладывается частота зондирования, по вертикали - время группового запаздывания (или дальность хода луча). Таким образом, ионограмму можно отобразить в виде трехмерного (рис. 2.2) или плоского изображения (рис. 2.3).
В последнем случае мощность сигнала обозначается в зависимости от уровня соответствующим цветом из определенной цветовой шкалы. В общем случае при рассмотрении изображения ионограммы можно выделить три основных типа объектов: полезный сигнал (протяженные по горизонтали кривые), фоновый шум (основной фон) и сосредоточенные помехи (вертикальные линии), одиночные выбросы (локальные всплески яркости размером в 1-2 точки). Пример ионограммы полученной на трассе Хабаровск -Йошкар-Ола с указанием основных объектов изображения представлен на рис.
Основные элементы изображения ионограммы: 1 - полезный сигнал; 2 - фоновый шум; 3 - сосредоточенные (станционные) помехи Заметим, что на рисунках 2.2 и 2.3 амплитуда сигнала выводится в логарифмическом масштабе. Далее все методы выделения сигнала на фоне помех рассматриваются в контексте масштаба А = log2 А К, где А — амплитуда сигнала в линейном масштабе (в мВ), К - масштабный коэффициент. Максимально возможное значение яркости при таком представлении равно 255.
Для автоматического считывания с ионограммы радиотехнических параметров радиолинии необходима ее очистка от шумовых составляющих. Для этого необходимо разработать алгоритмы обнаружения и выделения полезного сигнала на фоне комплекса помех.
Обнаружение сигнала является первым шагом очистки ионограммы от помех. Цель этой процедуры — определить, какие области изображения содержат полезный сигнал, а какие только шум. На ионограмме каждый спектр (столбец пикселей) соответствует частотному каналу для входного сигнала с полосой пропускания, равной полосе элемента зондирующего сигнала на рабочей частоте.
Учитывая особенности ЛЧМ сигнала и шумов различной структуры и мощности в спектрах сигнала разностной частоты на выходе ЛЧМ приемника, необходимо разработать алгоритм автоматического обнаружения сигнала.
Отдельный элемент разностного сигнала на протяжении Тэ представляет собой отрезок гармонического колебания с разностной частотой пропорциональной его задержке. Поскольку А/э «/(/- текущая частота), то каждый элемент разностного сигнала относят к центральной частоте элемента А/э. Соответственно, спектр элемента сигнала также можно отнести к этой частоте. Последовательность спектров для всех частот из диагностируемого диапазона может быть представлена в виде ионограммы, где разностная частота пересчитывается в задержку по формуле:
При обнаружении сигнала разностной частоты A(t) на фоне шума un(t) в общем виде сигнал на входе обнаружителя можно записать в форме [116, 124]: u(t)=un(t)+xA(t), (2.21) где JC - параметр, который принимает значение х=0 при отсутствии сигнала (случай Во) и JC=/ при наличии сигнала (случай В}). Значения вероятностей р(В0) и p(Bt) заранее не известны, тогда вероятность ошибки обнаружения будет складываться из вероятности ложной тревоги и вероятности пропуска сигнала. Разностный сигнал на выходе приемника ЛЧМ сигнала [111] неизвестен точно. При многомодовом приеме он может занимать т (m N) элементов анализатора спектра. Как правило, амплитуда и начальная фаза полезного сигнала, а тем более, его мод заранее не известны.
Воспользуемся хорошо известным критерием отношения правдоподобия [115,135], согласно которому, для обнаружения A(t) необходимо определить величину отношения правдоподобия и сравнить ее с величиной порога: где рсп - плотность вероятности сигнала и при условии, что он создан смесью сигнала и шума; рп - плотность вероятности сигнала, созданного только шумом; / - определяет отношение априорных вероятностей наличия и отсутствия сигнала (р(В0) и p(Bj)). Рассмотрим случай, когда эти вероятности равны, тогда /=1 и условие оптимальности порога иопт имеет вид: РспМ = р„(ц). (2.23) Таким образом, корень уравнения (2.23) и будет являться оптимальным порогом обнаружения по критерию максимального правдоподобия. Однако, в условии решаемой задачи 1 1, т.к. это эквивалентно ситуации, когда количество элементов спектра, занятых сигналом равно количеству элементов спектра, занятых только шумом.
Поскольку рабочих частот в нашем случае около 280, то нам необходимо обнаружить сигнал в таком же количестве спектров сжатого сигнала, причем каждый из них требует определения своего порога обнаружения.
Разработка принципов построения автоматизированной системы обработки данных наклонного зондирования ионосферы
Так как целевая область применения системы связана с научными исследованиями, в течение ее жизненного цикла возможны изменения не только набора изучаемых объектов, но и наборов их атрибутов, вычисляемых параметров, а так же методов обработки данных. Кроме того, по мере корректировки модели предметной области (в связи с изменением представлений или появлением новых данных об ионосферных радиолиниях) или появления новых требований к функциональности могут меняться логические связи (отношения) между изучаемыми объектами. Следовательно, необходимо предусмотреть в системе средства для описания модели предметной области и настройки системы для решения конкретных прикладных и научно-исследовательских задач.
При построении системы хранения данных на основе реляционной СУБД, где сущности и отношения МПО представляются в виде таблиц, необходимо обеспечить создание, удаление, изменение структуры таблиц и связей между ними при соответствующих изменениях в МПО.
Отсюда исходит также требование к пользовательскому интерфейсу программных средств для ввода и обработки данных - адекватно отображать содержимое таблиц при любой их конфигурации. Встроенная система поиска информации должна также быть адаптивной к набору сущностей и атрибутов.
Для обеспечения требуемой гибкости в организации хранения, связывания, представления и обработки данных необходимо хранить и иметь возможность модифицировать такой набор служебной информации, который бы описывал предметную область. При этом все изменения в нем должны динамически (в ходе работы системы и без потери хранимых данных) отражаться на прикладные данные. То есть физическая модель прикладных данных должна всегда соответствовать логической модели, которая описывает предметную область.
Для того чтобы система хранения и обработки данных удовлетворяла предъявляемым требованиям, в структуре базы данных логически были выделены две области: область метаданных; область прикладных данных.
Прикладные данные - это данные, подлежащие обработке, и результаты обработки. Прикладные данные характеризуются разнообразием их источников и приемников, а также разнообразием структур и форматов представления в этих источниках и приемниках.
Описания прикладных данных представляют собой данные, называемые управляющими или метаданными. По определению Билла Инмона, метаданные "представляют собой описание структуры данных, их содержания, ключей, индексов и т.д." [155]. Более конкретно, в среде хранилищ данных метаданные являются информацией о сведениях, помещаемых в хранилище, о том, каким образом можно извлечь данные из хранилища, а также информацией о качестве данных в хранилище. Метаданные также могут содержать информацию о том, как использовать различные инструменты хранилища для выполнения тех или иных задач [157]. Метаданные позволяют пользователям и приложениям-клиентам выяснять, какие виды данных находятся в хранилище, что означают эти данные, как получить к ним доступ, каким образом можно их обрабатывать [148,158,159].
Для хранения метаданных была разработана структура БД, которая является статической. Набор ее таблиц неизменен для любой модели предметной области. На основе содержащейся в ней информации формируется и обрабатывается область прикладных данных.
На рис. 3.5 показана физическая модель области метаданных. Таблица «СУЩНОСТИ» содержит описание сущностей предметной области, «ОТНОШЕНИЯ» - связи между ними, «СКРИПТЫ» - сценарии обработки для каждой сущности (типа данных). Описание атрибутов сущностей заносится в таблицу «АТРИБУТЫ». Возможные наборы значений атрибутов (типы представления информации) описываются в таблице «ТИПЫ АТРИБУТОВ».
Очевидно, что система, реализующая весь цикл сбора и обработки экспериментальных данных НЗИ, должна состоять из нескольких модулей, имеющих между собой различную степень связности. Поэтому при разработке системы необходимо определить и формализовать принципы взаимодействия программных модулей. Рассмотрим два крайних пути решения этой задачи:
1. Построить систему из уже существующих специализированных и универсальных программных продуктов, не связанных или слабо связанных между собой. При этом минимизируется набор программного обеспечения, подлежащего разработке, и обеспечивается гибкость системы. Однако при этом возникают большие сложности с формализацией процессов обработки данных, поскольку такие системы требуют от пользователя знания всех используемых им модулей и имеют низкое быстродействие из-за полу-ручного или пакетного режима обработки данных.
2. Разработать «монолитную» систему с жестко определенной структурой и функциональностью. Такие системы наиболее эффективны в плане быстродействия, но ввиду малой гибкости морально устаревают уже к моменту сдачи в эксплуатацию. Поэтому такой подход может эффективно использоваться для решения определенных прикладных задач, но мало пригоден для построения научно-исследовательских комплексов.
Альтернативой является компонентный подход [164,167]. Он позволяет разбить систему на отдельные функциональные модули, которые могут обновляться в режиме «горячей замены», добавляться и удаляться, не требуя при этом изменения системы в целом и не прерывая ее работу. Новые модули должны одновременно обеспечивать новые технологические подходы и совместимость со старой структурой.
Считается, что объектно-ориентированная парадигма [150], лежащая в основе компонентного подхода, наиболее естественным образом моделирует суждения об окружающем мире, в том числе о процессах обработки данных. Абстрактный объект (скажем, временной ряд, ионограмма, приемник) обладает определенными свойствами и методами. Свойствами ионограммы, например, являются время сеанса зондирования, диапазон и скорость изменения частоты ЛЧМ сигнала, зондируемая радиолиния и т.д.
Экспериментальные исследования эффективности методов выделения полезного сигнала на фоне помех
Кроме того метод обнаружения сигнала должен быть устойчивым к изменениям режимов приема. Поэтому был проведен дополнительный анализ 24 ионограмм для радиолинии Хабаровск - Йошкар-Ола, не содержащих полезного сигнала и полученных в режиме автоматической регулировки усиления (АРУ) приемника (см. таблицу 4.1). Из представленных данных видно, что статистическая устойчивость параметров распределения при использовании АРУ увеличилась.
Далее по разработанной методике был проведен анализ 511 ионограмм (122130 спектров), содержащих помехи и полезный сигнал (для радиолиний: Хабаровск - Йошкар-Ола, Иркутск - Йошкар-Ола, Великобритания - Йошкар-Ола, Шпицберген - Йошкар-Ола, Кипр - Йошкар-Ола). На рис.4.7 представлены гистограммы вычисленных значений. Слева - гистограммы значений исследуемых числовых характеристик законов распределения. На графиках справа сплошной линией изображена экспериментальные плотности вероятностей: СКО (а), коэффициентов асимметрии (б) и эксцесса (в) для спектров без сигнала, пунктирной линией - для спектров с сигналом.
Из представленных данных видно, что гистограмма значений коэффициента асимметрии является бимодальной, что позволяет выделить порог обнаружения, по которому возможно принятие решения о наличии в спектре разностной частоты полезного сигнала. Кроме того, для коэффициента асимметрии наблюдается наименьшая площадь пересечения графиков плотности вероятностей для двух классов спектров, т.е. наименьшая область неопределенности оценочного параметра при обнаружении. Это позволяет выделить коэффициент асимметрии в качестве экспериментального критерия обнаружения полезного сигнала в спектрах разностной частоты на выходе приемника ЛЧМ ионозонда. В таблице 4.2 приведены параметры экспериментальных законов распределений для СКО, асимметрии и эксцесса.
Экспериментальный анализ зависимости статистических параметров спектров от отношения S/N Как следует из соотношений, представленных в 2.3, коэффициент асимметрии закона распределения амплитуд в спектре должен зависеть от отношения S/N. Для проверки этой гипотезы построим матрицы сопряженности значений СКО, асимметрии и эксцесса с отношением S/N (см. рис. 4.8).
Корреляционный анализ показал, что коэффициенты корреляции отношения S/N и а, у, ц4 соответственно равны 0.773, 0.885, 0.726. Видно, что наибольшую корреляцию с S/N показывает коэффициент асимметрии. 20 40 0 ско
Используя полученную экспериментально матрицу сопряженности, найдены законы распределения для коэффициентов асимметрии при различных пороговых значениях (S/N), примеры которых приведены на рис.4.9.
Исследование по критерию %2 показало, что в 95% случаев законы распределения коэффициента асимметрии соответствуют нормальному закону. Видно, что при отсутствии сигнала коэффициент асимметрии закона распределения амплитуд для совокупности элементов анализатора спектра является строго отрицательным. Появление сигнала приводит к тому, что мода закона распределения смещается по оси абсцисс вправо. Анализ экспериментальных законов распределения коэффициентов асимметрии для спектров, не содержащих полезный сигнал (результаты приведены в таблице 4.1), показал, что коэффициент асимметрии закона распределения в таких спектрах изменяется в пределах (-1.5...0). Появление в спектре объекта, соответствующего полезному сигналу, вносит изменение в закон распределения, при этом закон распределения становится бимодальным, а коэффициент асимметрии в этом случае обычно имеет значения (0...4). При этом коэффициент асимметрии растет с увеличением отношения сигнал/шум. Этот результат подтверждает выводы проведенных в 2.3 теоретических исследований.
Полученное экспериментальное подтверждение влияния полезного сигнала на коэффициент асимметрии, а так же найденная величина порога, позволило построить алгоритм работы обнаружителя, основывающийся на вычислении у (2.3). Проведем экспериментальную оценку вероятности ошибки обнаружения.
Для исследования эффективности работы обнаружителя проведем статистический анализ экспериментально полученных значений асимметрии в спектрах (для спектров с сигналом и без него) и оценим вероятность ошибки обнаружения. Для этого все спектры 511 (117530 спектров) обработанных ионограмм поделим на два подмножества: содержащие и не содержащие полезный сигнал. Критерием отсутствия сигнала будем считать условие S/N (№ Оценка проводилась следующим образом. Для различных уровней отношения S/N в спектре по критерию идеального наблюдателя (минимум вероятности ошибки) определялся оптимальный порог обнаружения упор и соответствующая ему минимальная вероятность ошибки РЕШІП- При этом множество пар значений (S/N; у) для спектров без сигнала для всех измерений было неизменным, а множество, соответствующее спектрам с сигналом, определялось согласно уровню S/N. Последний варьировался от 0 до 14 дБ.
Затем по на основе полученных распределений строилась зависимость вероятности ложной тревоги Рт, вероятности пропуска сигнала Рпс, и суммарной вероятности ошибки РЕ от порога обнаружения (рис. 4.11).
В результате были построены зависимости оптимального порога обнаружения (рис. 4.12а) и минимальной вероятности ошибки (рис. 4.126) от уровня отношения сигнал-шум. На рис. 4.126 также показаны графики для вероятностей ложной тревоги и пропуска сигнала при использовании оптимального порога.
Не смотря на приблизительность сделанных оценок (из-за зависимости вычисленных значений отношения сигнал-шум от используемого алгоритма очистки), можно сделать следующие выводы: Вероятность ложной тревоги при использовании оптимального порога (по критерию идеального наблюдателя) не превышает 3%, а для обнаружения сигнала в спектрах с S/N 10flB составляет 1%. Вероятность пропуска сигнала при обнаружении сигнала в спектрах с S/N 12flB составляет 10"3.
