Perte de fluctuation - Fluctuation loss

La perte de fluctuation est un effet observé dans les systèmes radar lorsque l'objet cible se déplace ou change d'orientation par rapport au système radar. Il a été largement étudié au cours des années 1950 par Peter Swerling , qui a introduit les modèles Swerling pour permettre de simuler l'effet. Pour cette raison, il est parfois connu sous le nom de perte Swerling ou de noms similaires.

L'effet se produit lorsque la taille physique de la cible se situe dans une plage de valeurs clé par rapport à la longueur d' onde du signal radar. Comme le signal se réfléchit sur diverses parties de la cible, ils peuvent interférer lorsqu'ils retournent au récepteur radar. À n'importe quelle distance de la station, cela entraînera une amplification ou une diminution du signal par rapport au signal de base calculé à partir de l' équation radar . Au fur et à mesure que la cible se déplace, ces modèles changent. Cela fait fluctuer la force du signal et peut le faire disparaître complètement à certains moments.

L'effet peut être réduit ou éliminé en opérant sur plus d'une fréquence ou en utilisant des techniques de modulation comme la compression d'impulsions qui modifient la fréquence sur la période d'une impulsion. Dans ces cas, il est peu probable que le motif de réflexions de la cible provoque la même interférence destructive à deux fréquences différentes.

Swerling a modélisé ces effets dans un article célèbre de 1954 présenté alors qu'il travaillait chez RAND Corporation . Les modèles de Swerling considéraient la contribution de plusieurs petits réflecteurs, ou de plusieurs petits réflecteurs et d'un seul grand. Cela offrait la possibilité de modéliser des objets du monde réel comme des avions pour comprendre les effets de perte de fluctuation attendus.

Perte de fluctuation

Pour des considérations de base sur la force d'un signal renvoyé par une cible donnée, l' équation radar modélise la cible comme un point unique dans l'espace avec une section efficace radar (RCS) donnée . Le RCS est difficile à estimer sauf pour les cas les plus élémentaires, comme une surface perpendiculaire ou une sphère. Avant l'introduction de la modélisation informatique détaillée, le RCS pour les objets du monde réel était généralement mesuré au lieu d'être calculé à partir des premiers principes.

De tels modèles ne tiennent pas compte des effets du monde réel en raison du signal radar se reflétant sur plusieurs points de la cible. Si la distance entre ces points est de l'ordre de la longueur d'onde du signal radar, les réflexions sont soumises à des effets d' interférence d'ondes qui peuvent entraîner une amplification ou une diminution du signal selon les longueurs exactes des trajets. Au fur et à mesure que la cible se déplace par rapport au radar, ces distances changent et créent un signal en constante évolution. Sur l' écran radar , cela provoque un fondu entrant et sortant du signal, ce qui rend le suivi de la cible difficile. Cet effet est identique à l'évanouissement qui se produit dans les signaux radio d'une voiture lorsqu'elle se déplace, ce qui est causé par la propagation par trajets multiples .

Une façon de réduire ou d'éliminer cet effet est d'avoir deux fréquences ou plus dans le signal radar. A moins que les distances entre les pièces de l'aéronef ne soient réparties à un multiple des deux longueurs d'onde, ce qui peut être éliminé en choisissant des fréquences adaptées, l'un des deux signaux sera généralement exempt de cet effet. Cela a été utilisé dans le radar AN/FPS-24 , par exemple. Les signaux multifréquences de ce type confèrent également au système radar une agilité de fréquence , ce qui est utile pour éviter le brouillage d'un carcinotron .

Modèles de cibles Swerling

Les modèles de cible Swerling abordent ces problèmes en modélisant la cible comme un certain nombre de radiateurs individuels et en considérant le résultat à l'aide de la distribution du Khi-deux :

${\displaystyle p(\sigma )={\frac {m}{\Gamma (m)\sigma _{av}}}\left({\frac {m\sigma }{\sigma _{av}}}\ à droite)^{m-1}e^{-{\frac {m\sigma }{\sigma _{av}}}}I_{[0,\infty )}(\sigma )}$

où fait référence à la valeur moyenne de . Ce n'est pas toujours facile à déterminer, car certains objets peuvent être vus le plus souvent sous une plage d'angles limitée. Par exemple, un système radar basé en mer est plus susceptible de voir un navire de côté, de devant et de derrière, mais jamais du haut ou du bas. est le degré de liberté divisé par 2. Le degré de liberté utilisé dans la fonction de densité de probabilité chi carré est un nombre positif lié au modèle cible. Des valeurs comprises entre 0,3 et 2 se sont avérées se rapprocher étroitement de certaines formes simples, telles que des cylindres ou des cylindres à ailettes. ${\displaystyle \sigma _{av}}$${\style d'affichage \sigma }$${\style d'affichage m}$${\style d'affichage m}$

Étant donné que le rapport de l'écart type à la valeur moyenne de la distribution du chi carré est égal à ^−1/2 , des valeurs plus élevées de entraîneront des fluctuations plus faibles. S'il est égal à l'infini, le RCS de la cible est non fluctuant. ${\style d'affichage m}$${\style d'affichage m}$${\style d'affichage m}$

La différence entre les modèles réside en grande partie dans les degrés de liberté et la disposition générale de la cible. Les quatre premiers de ces modèles ont été considérés dans l'article original de Swerling et sont appelés modèles I à IV. Le modèle V, également appelé modèle 0, est le cas dégénéré avec un nombre infini de degrés de liberté.

Je Swerling

Un modèle où le RCS varie selon une fonction de densité de probabilité chi-carré avec deux degrés de liberté ( ). Cela s'applique à une cible composée de nombreux diffuseurs indépendants de surfaces à peu près égales. Aussi peu qu'une demi-douzaine de surfaces de diffusion peuvent produire cette distribution. Ce modèle est particulièrement utile pour considérer les formes des avions. ${\style d'affichage m=1}$

Swerling I décrit le cas où la vitesse de la cible est faible par rapport au temps d'observation, et peut donc être considérée comme immobile. C'est le cas d'un radar à balayage, qui balaie son signal au-delà de la cible en un temps relativement court, souvent de l'ordre de quelques millisecondes. Le mouvement de la cible n'est ainsi vu que d'un balayage à l'autre, et non intra-balayage. Dans ce cas, le pdf se réduit à :

${\displaystyle p(\sigma )={\frac {1}{\sigma _{av}}}e^{-{\frac {\sigma }{\sigma _{av}}}}}$

Swerling II

Similaire à Swerling I, sauf que les valeurs RCS changent d'impulsion à impulsion, au lieu de balayage à balayage. C'est le cas des cibles à très grande vitesse, ou, plus communément, des radars « fixes » comme les radars de conduite de tir ou les radars de recherche qui sont verrouillés sur une seule cible.

Swerling III

Un modèle où le RCS varie selon une fonction de densité de probabilité Chi-deux avec quatre degrés de liberté ( ). Ce PDF se rapproche d'un objet avec une grande surface de diffusion avec plusieurs autres petites surfaces de diffusion. Les exemples incluent certains hélicoptères et avions à hélice, car l'hélice/le rotor fournit un signal constant fort. Le modèle III est l'analogue de I, en considérant le cas où le RCS est constant à travers un seul balayage. Le pdf devient : ${\style d'affichage m=2}$

${\displaystyle p(\sigma )={\frac {4\sigma }{\sigma _{av}^{2}}}e^{-{\frac {2\sigma }{\sigma _{av}} }}}$

Swerling IV

Similaire à Swerling III, mais le RCS varie d'une impulsion à l'autre plutôt que d'un balayage à l'autre.

Swerling V (également connu sous le nom de Swerling 0)

RCS constant, correspondant à des degrés de liberté infinis ( ). ${\displaystyle m\to \infty }$

Les références

• Skolnik, M. Introduction aux systèmes radar : troisième édition. McGraw-Hill, New York, 2001.
• Swerling, P. Probabilité de détection des cibles fluctuantes. Numéro de document ASTIA AD 80638. 17 mars 1954.
• "Perte de fluctuation" . Tutoriel radar .