پروژه پردازش سیگنال رادار پسیو با فیلتر وفقی چند کاره و الگوریتم LMS به همراه داکیومنت
در این پست پروژه پردازش سیگنال رادار پسیو با فیلتر وفقی چند کاره و الگوریتم LMS را به همراه داکیومنت در متلب آماده کرده ایم که دارای فیلم آموزشی نیز می باشد و در داکیومنت آن شرح عملکرد برنامه و خطوط برنامه نویسی شده کاملا توضیح داده شده. در ادامه به توضیحاتی در رابطه با این پروژه پردازش سیگنال پرداخته و قسمت هایی از فیلم آموزشی آن قرار داده شده است.
در این پروژه ما مرجع سیستم گیرنده رادار های پسیو در نظر می گیریم که می خواهیم سیگنال دریافتی از چندین منبع نامشخص را با یک سیگنال مرجعی مقایسه و بهترین سیگنال آشکار شده را مشخص کنیم. چند نمونه منبع دریافتی با ساختار های متفاوت نویزی در نظر می گیریم. یعنی سیگنال های دریافتی از منابع مختلف برابر است با سیگنال اطلاعات اولیه بعلاوه نویز با مدل گوسی با واریانس های متفاوت است.
در رادارهای پسیو هیچ نوع فرستنده اختصاصی وجود ندارد و در عوض از فرستنده های مغتنم موجود در محیط بهره می گیرند. در این پروژه از سیگنال ماهواره GEO به عنوان فرستنده موجود در محیط استفاده خواهیم کرد. ما به چهار دلیل از این نوع سیگنال استفاده خواهیم کرد که عبارتند از :پهنای باند مناسب، پیوستگی ارسال، ناحیه همگرایی مناسب، سادگی پردازش می باشند.
توضیحات بیشتر و فیلم خروجی پروژه پردازش سیگنال رادار پسیو با فیلتر وفقی چند کاره و الگوریتم LMS در ادامه مطلب.
همچنین برای استفاده از سیگنال ماهواره های GEO به منظور آشکارسازی لازم است با توجه به منطقه ای که قرار است آشکار سازی صورت گیرد، ماهواره های مناسب شناسایی شوند. لذا پردازش های لازم برای تشخیص بهینه را با استفاده از نرم افزار MATLAB انجام می دهیم.
پردازش سیگنال رادار اغلب برای تحقق کار های خاص انجام می گیرد. در مقاله ای که موضوع آن (پردازش سیگنال های رادار با استفاده از فیلتر های وفقی چندکاره) است برای پردازش سیگنال رادار از فیلتر وفقی استفاده شده است که به عنوان پردازنده چند منظوره طراحی شده است. در این مقاله SNR بالا را به منظور افزایش تشخیص اهداف در نظر گرفته اند. ما در پروژه خود، این کار را برای رادار های پسیو انجام خواهیم داد.
البته سیگنال های دریافتی از منابع مختلف با پارامترهای متفاوت واریانس پردازش می شوند. در مقاله ای دیگر که موضوع آن (الگوریتم های فیلترینگ تطبیقی در رادارهای پسیو) است، فیلتر وفقی و عملکرد انواع الگوریتم آنها نشان داده شده و با هم مقایسه شده است. ما در پروژه خود، فقط از الگوریتم LMS برای کاهش خطا استفاده خواهیم کرد.
با تغییر داپلر هدف، تاثیر مستقیم به کیفیت تغییرات وزن متناظر با فاصله هدف دارد و با تغییر داپلر هدف فاز مربوط به وزن هدف تغییر می کند و برای نشان دادن این موضوع از الگوریتم LMS استفاده خواهیم کرد. یکی از روش های حذف کلاتر و تداخل مسیر مستقیم، استفاده از فیلتر های وفقی در حوزه زمان می باشد.
تاکنون این روش ها در حذف کلاتر و تداخل مسیر مستقیم، جهت آشکار سازی اهداف هوایی به کار گرفته شده اند. در این کاربرد ها سیگنال های مزاحم نسبت به سیگنال کانال مرجع تنها دارای تاخیر و تضعیف هستند که با فیلتر های وفقی قابل حذف می باشند اما سیگنال اهداف، علاوه بر تاخیر و تضعیف دارای شیفت داپلر نیز هستند که این امر موجب عدم حذف آنها در خروجی فیلتر وفقی می گردد.
لذا در این کاربردها در خروجی فیلتر وفقی تداخل های با داپلر صفر حذف شده و اکو های با داپلر غیر صفر باقی می ماند و سپس با محاسبه تابع ابهام، اهداف کشف و ردیابی می شوند.
رادار های پسیو فاقد فرستنده های تشعشعاتی هستند و فقط بعنوان گیرنده عمل می کنند. این رادارها سیگنال های مخابراتی که معمولا FM یا UHF هستند، دریافت می کند. پردازش گر های پیشرفته برای تجزیه و تحلیل سیگنال ها بکار گرفته شده است. هدف ما در این پروژه، بررسی نحوه آشکار سازی رادار PASSIVE برای سه نوع منبع متفاوت سیگنال FM و نویز سفید گوسی با استفاده از الگوریتم LMS در فیلتر های وفقی می باشد.
شرح فرایند شبیه سازی و پارامتر های مربوطه:
برنامه در زمان اجرا روی گام حرکت (µ=۰٫۰۰۲) تنظیم می گردد و نمودار های زیر که به ترتیب، شامل نمودار سیگنال شبیه سازی شده ماهواره با مدولاسیون ۱۶QAM بر روی موج حامل با فرکانس ۱٫۵ گیگا هرتز، نمودار ترکیب سه سیگنال ماهواره ای نویزی با واریانس های مختلف، نمودار سیگنال نویزی انتخاب شده در منوی کشویی، نمودار خطای تصحیح، و در نهایت نمودار فیلتر شده و اصلاح شده به روش فیلتر تطبیقی LMS می باشد.
نتیجه گیری:
فیلتر تطبیقی به عنوان یک فیلتر چند منظوره، بیشترین کاربرد را در طراحی و توسعه نرم آفزای رادار های پسیو و حتی رادار های فعال دارد، سیگنال های محیطی و یا سیگنال های جمینگ و هر گونه سیگنال تولید شده عمدی و غیر عمدی، میتواند به شکل تداخل دامنه و یا تداخل فرکانس خودش را نشان دهد، عموما تداخل دامنه تاثیر مخربی بر روی سیگنال دارد، لذا استفاده از مدولاسیون دامنه معمولا نسبت به مدولاسیون فرکانس دارای مزیت کمتری می باشد، با این وجود در این پروژه از سیگنال مدولاسیون دامنه ماهواره استفاده شده است.
اما فرکانس بالای سیگنال حامل آن را در یک پهنای باند وسیع توزیع میکند که عموا تاثیر کمی از محیط میبیند و اصولا نویز سفید به دلیل اثرات یکسان بر روی تمامی فرکانس ها به عنوان اصلی ترین اثر تخریبی بر روی سیگنال می باشد، از این رو در این تحقیق اثر سیگنال نویز سفید مورد بررسی قرار گرفت، استفاده از فیلتر تطبیقی با توجه به ویژگی خود تنظیمی آن میتواند براحتی نویز سفید را از تمامی فرکانس ها حذف کند، که نتیجه این تحقیق نشان دهنده عملکرد، بالای فیلتر تطبیقی بر روی نویز های تداخلی با توان و توزیع مختلف می باشد.
اما باید یاد آور شد که گام حرکت نقش مهمی در نتیجه کار دارد، چرا که گام حرکت خیلی کوچکتر بار زیادی را برای پردازش نیاز دارد و گام حرکت بزرگتر نیز به نوبه خود تاثیر کمی در حذف نویز دارد، و باید گفت که گام حرکت بین ۰٫۰۱ تا ۰٫۰۲ به عنوان گام های موثر در این تحقیق شناخته شد.
فیلم آموزشی، توضیحات بیشتر و توضیح خط به خط برنامه به همراه پروژه ارائه می گردد.
تصویر خروجی:
مشاهده ویدئو در این باره
سلام دستتون درد نکنه مشکلم حل شد ممنون که راهنماییم کردید .
سلام می خوام این پروژرو خرید کنم آیا همه چیزش کامله ایرادی که نداره عذر می خوام می خواستم مطمئن شم تو بعضی سایتها اصلا به مشتریها توجه نمی شه همه به فکر منفعت خودشونن واسه اون می پرسم .
بله همشون اجرا میشن با متلب 2013a تست شده و کامل اجرا میشه.
سلام در حال پیاده سازی یک مقاله راداری هستم که به مشکل برخوردم. در زمینه تابع ابهام اطلاعاتی دارید؟ از یک سیگنال با نمونه های بالا میخوام تابع ابهام بگیرم ولی با مشکل کمبود حافظه برنامه متلب روبرو میشم
سلام آیا این ریاضیات مدلسازی سیستم رادار پسیودر این آموزش تدریس شده است؟
فرمولی که روش کار رو اثبات کنه و پروژه بر اساس مدل های ریاضی باشه خیر، در داکیومنت یکسری توضیحات برای موضوع پروژه ارائه شده و در ادامه خط به خط کدها تشریح شده. در فیلم آموزشی نیز عملکرد برنامه آموزش داده شده که چطور کار می کند.