طرح‌های پیشرفته‌ی تشخیص راداری تحت مدل‌های سیگنال ناسازگار ۲۰۲۲
Advanced Radar Detection Schemes Under Mismatched Signal Models 2022

آشکارسازی تطبیقی سیگنال‌های مدفون‌شده در نویز گوسی همبسته، در دهه‌های اخیر، یک حوزه تحقیقاتی فعال بوده است. این موضوع در بسیاری از زمینه‌های پردازش سیگنال، مانند رادار، سونار، ارتباطات و تصویربرداری ابرطیفی، اهمیت دارد. بیشتر الگوریتم‌های تطبیقی موجود، با پیروی از استنتاج آشکارساز کلی طراحی شده‌اند، که دانش کامل بردار هدایت هدف را فرض می‌کند. با این حال، در سناریوهای واقعی، به دلیل عوامل محیطی و ابزاری، احتمال وقوع عدم تطابق وجود دارد. هنگامی که یک سیگنال نامنطبق در داده‌های تحت آزمایش وجود داشته باشد، الگوریتم‌های مرسوم ممکن است دچار افت شدید عملکرد شوند. وجود تداخل‌گرهای قوی در سلول تحت آزمایش، وظیفه آشکارسازی را چالش‌برانگیزتر می‌کند. یک راه موثر برای مقابله با این سناریو، تکیه بر استفاده از آشکارسازهای “تنظیم‌پذیر” است، یعنی آشکارسازهایی که قادرند از طریق تنظیم پارامترهای مناسب، جهت‌گیری خود را تغییر دهند. هدف این کتاب ارائه برخی از پیشرفت‌های اخیر در طراحی آشکارسازهای تنظیم‌پذیر است و تمرکز بر روی آشکارسازهای به اصطلاح دوسطحی است، یعنی الگوریتم‌های تطبیقی که از طریق آبشاری کردن دو آشکارساز با رفتارهای مخالف به دست می‌آیند. ما عبارات بسته‌شده دقیقی را برای احتمال هشدارهای اشتباه و احتمال آشکارسازی برای سیگنال‌های منطبق و نامنطبق مدفون‌شده در نویز گوسی همگن به دست می‌آوریم. مشخص می‌شود که چنین راهکارهایی، دامنه عملیاتی وسیعی را از نظر تنظیم‌پذیری تضمین می‌کنند، در حالی که در عین حال، عملکرد کلی در حضور سیگنال‌های منطبق، متناسب با آشکارساز کلی را حفظ می‌کنند. فهرست مطالب: مقدمه / آشکارسازی تطبیقی راداری اهداف / طرح‌های آشکارسازی تطبیقی برای سیگنال‌های نامنطبق / الگوریتم‌های پیشرفته حذف لوب جانبی تطبیقی / نتیجه‌گیری

Adaptive detection of signals embedded in correlated Gaussian noise has been an active field of research in the last decades. This topic is important in many areas of signal processing such as, just to give some examples, radar, sonar, communications, and hyperspectral imaging. Most of the existing adaptive algorithms have been designed following the lead of the derivation of Kelly’s detector which assumes perfect knowledge of the target steering vector. However, in realistic scenarios, mismatches are likely to occur due to both environmental and instrumental factors. When a mismatched signal is present in the data under test, conventional algorithms may suffer severe performance degradation. The presence of strong interferers in the cell under test makes the detection task even more challenging. An effective way to cope with this scenario relies on the use of “tunable” detectors, i.e., detectors capable of changing their directivity through the tuning of proper parameters. The aim of this book is to present some recent advances in the design of tunable detectors and the focus is on the so-called two-stage detectors, i.e., adaptive algorithms obtained cascading two detectors with opposite behaviors. We derive exact closed-form expressions for the resulting probability of false alarm and the probability of detection for both matched and mismatched signals embedded in homogeneous Gaussian noise. It turns out that such solutions guarantee a wide operational range in terms of tunability while retaining, at the same time, an overall performance in presence of matched signals commensurate with Kelly’s detector. Table of Contents: Introduction / Adaptive Radar Detection of Targets / Adaptive Detection Schemes for Mismatched Signals / Enhanced Adaptive Sidelobe Blanking Algorithms / Conclusions