ИМИТАЦИОННАЯ МОДЕЛЬ МАЛОВЫСОТНОГО МЕТОДА ПРОФИЛИРОВАНИЯ ОТРАЖАЮЩЕЙ ПОВЕРХНОСТИ
Ключевые слова:
Радиолокатор с синтезированной апертурой (РСА), маловысотное профилирование, линейная частотная модуляция (ЛЧМ), имитационная модель, MATLAB, разрешающая способностьАннотация
Статья посвящена разработке и исследованию нового метода маловысотного профилиро-
вания отражающей поверхности с использованием радиолокатора с синтезированной апертурой
(PCA), который позволяет получать радиолокационные изображения с высоким разрешением как
по дальности, так и вдоль линии пути. В документе детально рассматриваются теоретические
основы функционирования PCA систем, особенности формирования и обработки сигналов, а
также создание имитационной модели для проверки эффективности предложенного метода.
В работе анализируются основные принципы работы РСА систем, включая использование зонди-
рующих сигналов с линейной частотной модуляцией (ЛЧМ). Эти сигналы играют критически
важную роль в достижении высокой разрешающей способности, необходимой для качественного
отображения мелких деталей на поверхности земли. В статье уделяется внимание учету особен-
ностей движения носителя РСА, таких как его скорость и высота полета. Эти параметры ока-
зывают существенное влияние на качество получаемых изображений, и их правильное управление
позволяет значительно улучшить конечный результат. Авторы рассматривают влияние фазового
фронта волны и эффекта Доплера на форму принимаемого траекторного сигнала. Понимание
этих процессов необходимо для корректной интерпретации данных и повышения точности ра-
диолокационных изображений. Представлена разработанная имитационная модель на языке про-
граммирования MATLAB, которая позволяет симулировать работу радиолокатора и оценивать
качество получаемых изображений. Эта модель является важным инструментом для тестиро-
вания и оптимизации предложенного метода. В работе приводятся примеры результатов моде-
лирования, которые подтверждают работоспособность и адекватность предложенной модели.
Эти результаты показывают, что метод способен эффективно работать даже в сложных усло-
виях и обеспечивать получение высококачественных радиолокационных изображений. Таким обра-
зом, статья представляет новый и перспективный метод маловысотного профилирования от-
ражающей поверхности, который может быть использован в самых различных областях, вклю-
чая научные исследования, мониторинг окружающей среды, сельское хозяйство, а также военные
и гражданские приложения.
Библиографические ссылки
1. Антипов В.Н. и др. Радиолокационные станции с цифровым синтезированием апертуры антен-
ны. – Радио и связь, 1988.
2. Лобач В.Т. Статистические характеристики радиолокационных сигналов, отраженных от мор-
ской поверхности. – М.: Радио и связь, 2006. – 250 с.
3. Лобач В.Т. Влияние изменчивости локального коэффициента отражения на статистические
характеристики отраженного электромагнитного поля в условиях ограниченного пространст-
венного разнесения точек излучения и приема // Антенны. – 2003. – № 6.
4. Верба В.С., Неронский Л.Б., Осипов И.Г., Турук В.Э. Радиолокационные системы землеобзора
космического базирования. – М.: Радиотехника. 2010. – 675 с.
5. Коберниченко В.Г. Радиоэлектронные системы дистанционного зондирования Земли: учеб. по-
собие. – 2016.
6. Gorham L.R.A., Moore L.J. SAR image formation toolbox for MATLAB // Algorithms for Synthetic
Aperture Radar Imagery XVII. – SPIE, 2010. – Vol. 7699. – P. 46-58.
7. Bakumenko A. et al. Connected component labeling algorithm in streaming image processing with
FPGAs // SPIE Future Sensing Technologies 2021. – SPIE, 2021. – Vol. 11914. – P. 328-340.
8. Bakumenko A. et al. Crop seed classification based on a real-time convolutional neural network //
SPIE Future Sensing Technologies. – SPIE, 2020. – Vol. 11525. – P. 654-667.
9. Ковалев А.В., Бакуменко А.Н. Алгоритм маркировки связанных областей при потоковой обра-
ботке изображения // Инженерный вестник Дона. – 2022. – №. 4 (88). – С. 191-201.
10. Бахчевников В.В., Деркачев В.А., Бакуменко А.Н. Способ использования средств быстрого про-
тотипирования для реализации сверточной нейронной сети на ПЛИС // Известия ЮФУ. Техни-
ческие науки. – 2020. – №. 3 (213). – С. 146-156.
11. Деркачев В.А., Бахчевников В.В., Бакуменко А.Н. Классификатор изображений семян сельскохо-
зяйственных культур с использованием сверточной нейронной сети // Известия ЮФУ. Техни-
ческие науки. – 2020. – №. 4 (214). – С. 32-39.
12. Бахчевников В.В., Деркачев В.А., Бакуменко А.Н. Метод разработки искусственных нейронных
сетей для прототипирования на ПЛИС с помощью средств Xilinx System Generator и Matlab //
Компьютерные и информационные технологии в науке, инженерии и управлении" КомТех-
2020". – 2020. – С. 462-468.
13. Cox C., Munk W. Measurement of the roughness of the sea surface from photographs of the sun’s glitter
// Josa. – 1954. – Vol. 44, No. 11. – P. 838-850.
14. Hughes B.A., Grant H.L., Chappell R.W. A fast response surface-wave slope meter and measured
wind-wave moments // Deep Sea Research. – 1977. – Vol. 24, No. 12. – P. 1211-1223.
15. Haimbach S., Wu J. Field trials of an optical scanner for studying sea-surface fine structures // IEEE
journal of oceanic engineering. – 1985. – Vol. 10, No. 4. – P. 451-453.
16. Hwang P.A., Shemdin O.H. The dependence of sea surface slope on atmospheric stability and swell
conditions // Journal of Geophysical Research: Oceans. – 1988. – Vol. 93, No. C11. – P. 13903-13912.
17. Христофоров Г.Н. и др. Лазерная локация топографических неоднородностей на шероховатой
морской поверхности // Морской гидрофизический журнал. – 1993. – № 6. – С. 64-73.
18. Gatebe C.K. et al. Airborne spectral measurements of ocean directional reflectance // Journal of the
atmospheric sciences. – 2005. – Vol. 62, No. 4. – P. 1072-1092.
19. Bréon FM., Henriot N. Spaceborne observations of ocean glint reflectance and modeling of wave
slope distributions // Journal of Geophysical Research: Oceans. – 2006. – Vol. 111. – No. C6.
20. Мысленков С.А., Михайлов В.А. Измерение параметров волн в голубой бухте (Геленджик) при по-
мощи видеокамеры и рейки // Комплексные исследования Мирового океана. – 2019. – С. 372-373.
21. Prager S., Moghaddam M. Application of ultra-wideband synthesis in software defined radar for
UAV-based landmine detection // IGARSS 2019-2019 IEEE International Geoscience and Remote
Sensing Symposium. – IEEE, 2019. – P. 10115-10118.
