모노펄스 알고리즘의 추정 성능은 합 빔 패턴(Sum beam pattern) 및 차 빔 패턴(Difference beam pattern)으로 계산되는 모노펄스 MR(Monopulse Ratio) 커브에 의해 표적 방향 추정 성능이 결정된다. 그러나 레이더 빔의 조향 방향과 표적 방향과의 차이 값이 증가할수록 추정 값의 오차가 증가하여 알고리즘의 방향 추정 성능이 감소하는 문제가 있다. 또한, ...
모노펄스 알고리즘의 추정 성능은 합 빔 패턴(Sum beam pattern) 및 차 빔 패턴(Difference beam pattern)으로 계산되는 모노펄스 MR(Monopulse Ratio) 커브에 의해 표적 방향 추정 성능이 결정된다. 그러나 레이더 빔의 조향 방향과 표적 방향과의 차이 값이 증가할수록 추정 값의 오차가 증가하여 알고리즘의 방향 추정 성능이 감소하는 문제가 있다. 또한, 재밍 환경에서, 재머 스냅샷의 수가 적은 경우 정확한 재머 억제가 이루어지지 않아 큰 오차가 발생한다. ML 기반 모노펄스 알고리즘에서도 이러한 문제들이 발생한다. 본 논문에서는 ML 기반 모노펄스 알고리즘의 closed-form을 유도한 후, closed-form의 역함수를 이용하여 알고리즘의 추정 값 오차를 보상하여 방향 추정 성능을 향상시키는 방법을 제안한다. 또한 적은 수의 재머 스냅샷을 이용한 상황에서의 추정 오차를 줄이기 위해, 잡음 부공간을 이용한 모노펄스 알고리즘을 제안한다. 본 논문에서는 선형배열안테나 환경에서 MATLAB 모의실험을 수행하여 제안한 방법의 타당성을 검증하였다. ML 기반 모노펄스 알고리즘과 유도한 closed-form이 일치함을 보였고, closed-form의 역함수를 이용한 오차 보상 방법이 ML 기반 모노펄스 알고리즘의 추정 값 오차를 감소시켜 정확도가 높아짐을 보였다. 또한 적은 수의 재머 스냅샷을 이용한 환경에서 잡음 부공간을 이용한 모노펄스 알고리즘이 ML 기반 모노펄스 알고리즘과 비교하여 성능이 향상됨을 보였다.
모노펄스 알고리즘의 추정 성능은 합 빔 패턴(Sum beam pattern) 및 차 빔 패턴(Difference beam pattern)으로 계산되는 모노펄스 MR(Monopulse Ratio) 커브에 의해 표적 방향 추정 성능이 결정된다. 그러나 레이더 빔의 조향 방향과 표적 방향과의 차이 값이 증가할수록 추정 값의 오차가 증가하여 알고리즘의 방향 추정 성능이 감소하는 문제가 있다. 또한, 재밍 환경에서, 재머 스냅샷의 수가 적은 경우 정확한 재머 억제가 이루어지지 않아 큰 오차가 발생한다. ML 기반 모노펄스 알고리즘에서도 이러한 문제들이 발생한다. 본 논문에서는 ML 기반 모노펄스 알고리즘의 closed-form을 유도한 후, closed-form의 역함수를 이용하여 알고리즘의 추정 값 오차를 보상하여 방향 추정 성능을 향상시키는 방법을 제안한다. 또한 적은 수의 재머 스냅샷을 이용한 상황에서의 추정 오차를 줄이기 위해, 잡음 부공간을 이용한 모노펄스 알고리즘을 제안한다. 본 논문에서는 선형배열안테나 환경에서 MATLAB 모의실험을 수행하여 제안한 방법의 타당성을 검증하였다. ML 기반 모노펄스 알고리즘과 유도한 closed-form이 일치함을 보였고, closed-form의 역함수를 이용한 오차 보상 방법이 ML 기반 모노펄스 알고리즘의 추정 값 오차를 감소시켜 정확도가 높아짐을 보였다. 또한 적은 수의 재머 스냅샷을 이용한 환경에서 잡음 부공간을 이용한 모노펄스 알고리즘이 ML 기반 모노펄스 알고리즘과 비교하여 성능이 향상됨을 보였다.
The estimation performance of a Monopulse algorithm depends on MR(Monopulse Ratio) curve, which is calculated by sum beam pattern and difference beam pattern. But, the main problem is that the more the difference between the beam direction and target direction is larger, the more the estimation perf...
The estimation performance of a Monopulse algorithm depends on MR(Monopulse Ratio) curve, which is calculated by sum beam pattern and difference beam pattern. But, the main problem is that the more the difference between the beam direction and target direction is larger, the more the estimation performance is worse because estimation error is increased. Also in jamming scenario, the jammer won't be suppressed exactly and the large error will happen when the number of jammer snapshots are small. In the case of the monopulse algorithm based on ML method, these problems occur. In this thesis, a closed-form of the monopulse algorithm based on ML method was derived, and then the method to improve the estimation performance of target direction using inverse function of the closed-form is proposed. Also, the method that reduces the estimation error due to the rack of jammer snapshots was proposed. reduced by using monopulse algorithm, which is used noise subspace was proposed. In this thesis, the validity of proposed methods was verified using MATLAB simulations where linear array was assumed. It was shown that both the monopulse algorithm based on ML method and the derived closed-form are exactly the same. Also, it was shown that the compensated method using the inverse function of the closed-form reduces the estimation error and elevates an accuracy of the monopulse algorithm based on ML method. Finally, in the case using a few jammer snapshots, it was shown that the performance of the monopulse algorithm using noise subspace is improved in comparison with the performance of the monopulse algorithm based on ML method.
The estimation performance of a Monopulse algorithm depends on MR(Monopulse Ratio) curve, which is calculated by sum beam pattern and difference beam pattern. But, the main problem is that the more the difference between the beam direction and target direction is larger, the more the estimation performance is worse because estimation error is increased. Also in jamming scenario, the jammer won't be suppressed exactly and the large error will happen when the number of jammer snapshots are small. In the case of the monopulse algorithm based on ML method, these problems occur. In this thesis, a closed-form of the monopulse algorithm based on ML method was derived, and then the method to improve the estimation performance of target direction using inverse function of the closed-form is proposed. Also, the method that reduces the estimation error due to the rack of jammer snapshots was proposed. reduced by using monopulse algorithm, which is used noise subspace was proposed. In this thesis, the validity of proposed methods was verified using MATLAB simulations where linear array was assumed. It was shown that both the monopulse algorithm based on ML method and the derived closed-form are exactly the same. Also, it was shown that the compensated method using the inverse function of the closed-form reduces the estimation error and elevates an accuracy of the monopulse algorithm based on ML method. Finally, in the case using a few jammer snapshots, it was shown that the performance of the monopulse algorithm using noise subspace is improved in comparison with the performance of the monopulse algorithm based on ML method.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.