روشي جديد براي تخمين همزمان تاخير و داپلر از تابع ابهام: تلفيق فرآيندهاي تصادفي و پردازش هاي مكاني براي حذف كلاتر و نوفه

A New Method for Jointly Estimation of Delay and Doppler from Ambiguity Function: Combination of Stochastic Processes and Spatial processing for Noise and Clutter Suppression

در اين مقاله يك روش جديد براي تخمين همزمان تاخير و داپلر در رادارهاي مبتني بر تابع ابهام ارايه مي شود. در اين روش ابتدا هر سلول از تابع ابهام در قالب يك متغير تصادفي در نظر گرفته شده و با توجّه به تغييرات مقدار آن طي اسكن هاي متوالي رادار، يك فرآيند تصادفي براي آن تخمين زده مي شود. با استفاده از پارامترهاي فرآيندهاي تصادفي فوق، تابع ابهام رادار به بخش هاي با احتمال بالاي وجود هدف و با احتمال بالاي وجود كلاتر و نوفه افراز مي شود. سرانجام با استفاده از پردازش هاي مكاني، مقادير تاخير و داپلر مربوط به اهداف اصلي از تابع ابهام افراز شده فوق استخراج و بدين ترتيب اهداف مزبور آشكارسازي و تفكيك مي شوند. عملكرد روش پيشنهادي اين مقاله در دو حالت جداگانه و براي آشكارسازي اهداف با حركت سريع و اهداف با حركت كند آزموده مي شود. نتايج حاصل از آزمون هاي فوق حاكي از برتري روش پيشنهادي اين مقاله نسبت به روش هاي موجود در آشكارسازي هر دو نوع فوق از اهداف مي باشد. همچنين ملاحظه مي شود كه روش پيشنهادي اين مقاله در مقايسه با روش هاي موجود، بهبود چشم گيرتري را در آشكارسازي اهداف كند نسبت به آشكارسازي اهداف سريع ايجاد مي نمايد.

In this paper a new method is introduced for jointly delay and doppler estimation in ambiguity function based radars. In this method firstly each cell of ambiguity function is considered as a random variable, and then a stochastic process is estimated for each cell based on its value during consecutive radar scans. In the second step the ambiguity function is divided to high probability target and high probability clutter zones by using parameters of the estimated stochastic processes. Finally exact values of delay and doppler of radar targets is extracted and localized from the divided ambiguity function by employing spatial processing techniques. Performance of the proposed method is evaluated in two different scenarios, which the first scenario belongs to high speed targets and in the latter, targets are low speed. The obtained results showed the greater ability of the suggested method in detection both of above types of targets comparing with present approaches. Furthermore it can be shown that the proposed method causes the more considerable improvement in detection of low speed targets than high speed targets comparing with available methods.