Sadevälkkeen mallinnus ilmavalvontatutkajärjestelmää varten

Abstract

Tutkat muodostavat Suomen rauhanajan ilmavalvonnan rungon. Ilmatilassa on lentokoneiden lisäksi paljon muitakin kohteita, jotka ilmavalvontatutka havaitsee. Naita ei toivottuja kaikuja kutsutaan välkkeeksi. Sadevälke on tilavuusvälkettä. Tämän työn tarkoituksena on löytää menetelmä tai malli, jolla voitaisiin mallintaa sadevälkkeen vaikutus ilmavalvontatutkassa. Toisaalta myös sadevälkkeen suodatus on työn keskeinen tavoite. Käytettyjä suodatusmenetelmiä olivat adaptiivinen suodatus ja doppler-suodatus. Suodinpankkiin eli doppler-suodatukseen lisättiin vielä CFAR Työn tuloksena voi todeta, että sadevälkkeen suodatus onnistui hyvin mutta itse sadevälkkeen mallintamista tulee kehittää edelleen. Työssä käytetyt menetelmät on esitetty algoritmimuodossa. Mittausaineiston keräys suoritettiin keskivalvontatutkalla ja SP-testerillä. Varsinaiset suodatuskokeet ja mallin testaus tehtiin Matlab-ohjelmistolla.

At peacetime airspace of Finland is mainly controlled by air surveillance radars on a real time basis. A radar system is used to detect targets, which can be aircraft as well as many other objects. The targets a radar detects can be divided into wanted and unwanted targets. Some of unwanted targets are called clutter. Clutter caused by rain is volume clutter. The purpose of this work is create a model of rain clutter which could be useful in air surveillance radars. On the other hand rain clutter filtering is also important. Using these filtering techniques effectively requires an understanding of detection process and familiarity with the characteristics of the rain clutter. Applied clutter reduction methods included adaptive filtering and doppler filtering with and without CFAR. As a result of the work show that the filtering of the rain clutter succeeded but the modelling of the rain clutter has to be improved. The filtering methods are presented in algorithmic form. The measurement data was collected by the middle range radar and SP tester. The implementation and testing of the filtering was carried out by using the Matlab application.