Cervical dislocation

El presente proyecto se han detallado las técnicas de corrección típicas de los errores de movimiento, presentando los principales algoritmos de autoenfocado, y las características típicas de los sistemas basados en sensor de abordo.

La mayoría de los sistemas SAR trabajan en tiempo real y en el proyecto se ha intentado dar una idea de lo que supone esta afirmación. Se hace necesario optimizar las operaciones para incurrir en tiempos de proceso más cortos, y cuidar el almacenamiento de los datos para consumir la menor memoria posible. Estas dos medidas hacen que se computen los procesos de forma más eficiente. La implementación del procesado no es por tanto trivial, ya que se puede generar un mayor o menor ruido de cuantificación debido a las diferentes maneras de programar los algoritmos.

El sistema Areas dispone de unas rutinas de compensación de movimiento basadas en sensor, para su modo de operación Strip. Se ha probado las rutinas, verificando su correcto funcionamiento en doble precisión para los casos sin squint y con squint no nulo. Sin embargo al desarrollar las rutinas en simple precisión se ha observado que no funcionan correctamente. Esto se debe a que en su implementación se llega a unas expresiones que tienen diferencias de dos magnitudes muy grandes y a la vez muy parecidas, y no se tiene suficiente precisión para cuantificar esa diferencia muy pequeña, comparada con las magnitudes. Este hecho añadido a que esa diferencia está dividida por la longitud de onda, hace que el error sea aun mayor.

Además se ha puesto de manifiesto mediante simulaciones que este error de cuantificación es de banda ancha, y el actual autofocus del sistema Areas (PGA) solo es capaz de corregir las componentes de baja frecuencia de ese error, dejando pasar las altas frecuencias. El efecto final sobre la imagen es significativamente dañino, por lo cual se ha hecho necesario buscar alguna solución.

La solución adoptada ha pasado por cambiar lo que hasta el momento era el esquema de corrección del sistema Areas, por otro esquema capaz de trabajar en simple precisión sin degradar los resultados. Este nuevo esquema evita las comentadas diferencias entre magnitudes grandes mediante desarrollos en serie, y además calcula la estimación del error mediante un proceso incremental, consistente en calcular la corrección del pulso actual como una acumulación de la corrección de los pulsos anteriores, así se minimiza el error absoluto.

Se ha verificado que la solución adoptada funciona perfectamente tanto en el caso de squint, como sin squint. De ese modo se usará este nuevo esquema para ser más eficiente computacionalmente, obteniendo resultados equivalentes al procesado en doble precisión.

Además, se ha desarrollado de manera práctica un algoritmo de autoenfocado llamado Phase Difference. Este algoritmo se ha diseñado para ser operativo dentro de la cadena de procesado del sistema Areas. Por tanto podría ser usado como una opción de autoenfocado válida para el sistema.

Se ha trabajado en él mediante simulaciones y se han dado las pautas y consideraciones de diseño seguidas para su consecución. Dicho algoritmo PD es capaz

de corregir errores de fase cuadráticos, muy típicos después de los procesos de corrección basados en sensor.

La mayoría de los algoritmos de autoenfocado han sido ideados para modo Spot, sin embargo se pueden adaptar a modo Stripmap. En el proyecto se ha llevado a cabo esta adaptación para el algoritmo PD, que puede extrapolarse al resto de algoritmos de

autofocus. Se ha adaptado el algoritmo para trabajar con anchos de franja grandes,

mediante división en subaperturas de distancia. Además se ha diseñado para ser válido en modo Strip con y sin ángulo de squint. Mediante simulaciones se ha verificado el correcto funcionamiento en los dos casos anteriores, viendo que presenta muy buenos resultados.

Además se ha diseñado un algoritmo PD ampliado para corregir errores de fase hasta orden tres. El algoritmo corre perfectamente sobre la cadena de proceso del sistema Areas, y está también adaptado al modo Strip con y sin squint de la misma manera que su hermano más básico. También se ha verificado su funcionamiento mediante simulaciones y todos los resultados han sido satisfactorios.

Una futura línea de trabajo sería ampliar el algoritmo para que sea capaz de corregir errores de mayor orden. Esta ampliación se basa en la división de la apertura total en un mayor número de subapertuas. Sería interesante estudiar la perdida de resolución a medida que se aumenta el número de subaperturas, debido a que se dispone de un número menor de muestras por subapertura.

Además sería también interesante buscar una forma de poder utilizar el algoritmo con aperturas de mayor tamaño. Se ha considerado una primera idea de intentar subdividir la apertura total y aplicar el algoritmo a cada trozo de forma independiente. Sin embargo esto presentará problemas de discontinuidades en la estimación de los errores, ya que en cada trozo la estimación será distinta. Estas limitaciones deberían ser analizadas para encontrar una forma de modificar el algoritmo que solucionase el problema.

ANEXO

A.- Resumen del Programa Areas.

Tanto el capítulo V como el VI, tratan sobre algoritmos que corren sobre un sistema real denominado Areas. A continuación se realiza un breve resumen de las características de este sistema. Concretamente se introduce la cadena de proceso del sistema y los parámetros y requisitos operativos que lo definen. Se puede encontrar información exhaustiva sobre el sistema Areas en [3].

A.1.- Cadena de Proceso.

El sistema Areas consta de la cadena de proceso que se puede ver en el esquema de la figura A.1:

Figura A.1.- Esquema de la cadena de proceso del sistema Areas

Después de la captación analógica y el proceso de conversión A/D se comienza con el procesado digital de señal:

El primer paso corresponde al módulo de calibración. Dentro de ese módulo podemos distinguir los bloques de Compensación I-Q, Ecualización FI y corrección de la rampa de referencia. Con este módulo se corrigen las variaciones en las señales generadas por la desviación de la respuesta de los dispositivos con respecto a su modelo ideal.

Compensación

IQ Ecualización FI “Deskew” Remuestreo Distancia

Corrección Velocidad Compresión

Distancia

Descompresión

Distancia Corner Turn

Clutterlock y

Autofocus Presumado RMA Procesado Imagen

1º Corr. Rampa MOCO1 2º Corr. Rampa

Después se lleva a cabo la compensación de movimiento de primer orden (MOCO1). Que corrige el efecto de los errores de desplazamiento en la dirección LOS, debido al derramping erróneo de la señal.

Le sigue el Deskew que es un proceso de filtrado que elimina la fase residual del proceso de derramping, y reduce el número de muestras que deben ser procesadas.

Tras este proceso se comprime la imagen en distancia para aplicar la compensación de movimiento de segundo orden MOCO2, que refina la corrección MOCO1 para blancos fuera del slant-plane nominal. Posteriormente se descomprime la imagen en distancia.

El proceso de corrección de velocidad se realiza por columnas, por ello es necesario realizar un corner-turn antes de llevarlo a cabo. La corrección se efectúa mediante una interpolación de la señal recibida para llevarla a su posición dentro de la trayectoria ideal. Es por tanto el encargado de corregir las desviaciones de velocidad del avión con respecto a la nominal.

A continuación se lleva a cabo un proceso de clutterlock para estimar y eliminar el centroide doppler real, y se realiza un proceso de autoenfocado que debe eliminar cualquier error de fase residual que aun quede en la historia de fase de los blancos.

El proceso de presumado realiza un diezmado en frecuencia de la señal, lo cual supone una reducción en el número de muestras a procesar.

Por último se forma la imagen mediante el algoritmo RMA (Range Migration

Algorithm) que combina la información en distancia y acimut, teniendo en cuenta la

migración en distancia, para generar la imagen.

A.2.- Parámetros del sistema

El conjunto de parámetros correspondiente al sistema Areas, viene definido mediante las siguientes cuatro tablas de datos:

Parámetro Símbolo Unidades Valor Comentarios

Altura nominal de la plataforma HA/C m 10000 Altura mínima de la plataforma m 3500 Altura máxima de la plataforma m 15000 Velocidad nominal de la plataforma VA/C Km./h 600 Velocidad mínima de la plataforma Km./h 300 Velocidad máxima de la plataforma Km./h 900

Resolución en

distancia Rbin m 5

Resolución en

azimut Xbin m 5

Distancia mínima ymin Km 50 Sobre el terreno

Distancia máxima ymax Km 100 Sobre el terreno

Ancho de la zona

explorada ∆y Km 2

Ángulo de grazing ΨA/C grados 1.42º a

16.7º

Ángulo de squint σq grados ±45 Ángulo que forma la velocidad

del avión con su trayectoria lineal. Coeficiente de reflectividad del terreno equivalente NESZ dBm2/m2 -25 Nivel de Pico de Lóbulos Laterales PSLR dB > -20 Relación de la energía integrada por el resto de lóbulos y la integrada por el lóbulo principal ISLR dB > -15 Nivel de ambigüedad de blancos puntuales PTAL dB > 35 Probabilidad de error para un blanco

fijo

CEP m 100 para RCS< 10m2, 50% de

CEP, y distancia máxima. Margen dinámico

del sistema SGDR dB 32

Tabla I. Requisitos operativos

Parámetro Dato Condiciones

Frecuencia central de transmisión Banda X Fc Ganancia Tx (GTx) (Pérdidas incluidas) > 38 dB (tbc) fc, Az y El = 0° Ganancia Rx (GRX) (Pérdidas incluidas) > 38 dB (tbc) fc, Az y El = 0° Anchura de haz a 3 dB en acimut (Tx)(f(θθθθ)) < 1.00*(fc/f)° (tbc) 0° Anchura de haz a 3 dB en acimut (Rx)(f(θθθθ)) < 1.00*(fc/f)° (tbc) 0°

Anchura de haz a 3 dB en

elevación (Tx)(f(θθθθ)) < 4.00*(fc/f)° (tbc) 0°

Anchura de haz a 3 dB en

elevación (Rx)(f(θθθθ)) < 4.00*(fc/f)° (tbc) 0°

Región de exploración eléctrica ±45° Az ; ± 1° El

Ancho de banda de trabajo < TBD MHz Apenas influye en

cálculos

Potencia transmitida < 3 Kw Array activo

Ciclo de trabajo < 15 % Valor medio

Caída del pulso < 0.009 dB / µs

Figura de Ruido < 9 dB

Longitud del pulso < 300 µs

Ancho de banda instantáneo < 250 MHz

Margen dinámico, frecuencia de

muestreo < 10 bits, < 216 MHz mercado; canales I- Valor típico en el Q

Punto de Intercepción de 3er

orden > - 39 dBm A la entrada del receptor

CE+RFC TOI > -23 dBm En la entrada del _{conversor de RF}

Ruido máximo de modulación

en el receptor - 3dBc/octava (<300Hz) - 80 dBc/Hz (300 Hz) - 115 dBc/Hz (3 KHz to 50

MHz)

Señales espurias máximas - 50dBc (<300Hz)

- 90 dBc (3 KHz to 50 MHz)

Tabla II. Características del sensor

Parámetro Unidades Valor Comentarios

Frecuencia de

trabajo GHz 9 Banda X

Ancho de banda

transmitido MHz 41.3 Para el caso peor: distancia mínima.

Frecuencia de

Repetición de pulsos Hz 700

Longitud del pulso

transmitido µs 29 Relación de compresión de pulsos - 1197 Pendiente de la "chirp" MHz/µs 1.424 Duración de la ventana de

Ancho de banda de frecuencia intermedia MHZ 30.08 Frecuencia de muestreo MHz 54 Número de puertas de distancia - 5412 Ancho de banda de

la rampa de FM MHz 71.38 Para la ventana de procesado

Tabla III. Propiedades de la señal

Parámetro Unidades Valor Comentarios

Desviación típica de velocidad eje x m/s 0.379 Desviación típica de velocidad eje y m/s 0.410 Desviación típica de velocidad eje z m/s 0.495 Tiempo de correlación eje x s 12 Tiempo de

correlación ejes y,z s 1

Desviación típica

del pitch-rate rad/s 0.033

Desviación típica

del yaw-rate rad/s 0.02

Desviación típica

del roll-rate rad/s 0.143

Tiempo de correlación de

actitud s 1

DATOS DEL SENSOR DE MOVIMIENTO Desviación típica

del error del GPS m 7

Ancho de banda de

ruido del error GPS Hz 0.05 Tras integración de la medida con un

filtro de Kalman Desviación típica

del error del INS

eje x m 0.1

Desviación típica del error del INS

Desviación típica del error del INS

eje z m 0.3

Desviación típica del error angular del

INS rad 0.005

Ancho de banda del

error INS Hz 0.5 Tras integración de la medida con un

filtro de Kalman Frecuencia de

actualización de

datos del sensor Hz 50

Tabla IV. Errores de movimiento

BIBLIOGRAFÍA

[1] W. Carrara y R. Goodman. “Spotlight Synthetic Aperture Radar”. Norwood M.A, Artech House 1995.

[2] J.C. Curlander, R.N. McDonough. “Synthetic Aperture Radar”. John Wiley, 1991

[3] F. Pérez, M. Burgos, I. González, S. Llorente. “Estudio de Viabilidad

Técnica para la Generación de Mapas de Alta Resolución en un Radar Embarcado”.

Programa Coincidente. INDRA-GMR. Abril 2003.

[4] J.C. Kirk “Motion Compensation for Synthetic Aperture Radar”. IEEE Trans. on Aerospace and Electronic Systems. Vol. 11. No. 3. May 1975

[5] M. Burgos, A. del Coso, J.M. Pardo, M. González, C. Castillo. “Desarrollo

de Técnicas de Compensación de Movimiento para SAR Aéreo Basadas en Sensor de Abordo”. Informe relativo al convenio de colaboración INDRA-GMR. Mayo 2003.

[6] M. Burgos, S. Llorente, J.M. Pardo, A. del Coso, C. Castillo. “Documento de

Implementación de la Cadena de Proceso para Sistema SAR de Alto Squint”. Julio

2003.

[7] M. Burgos, A. del Coso, J.M. Pardo, S. Llorente , C. Castillo. “Técnicas de

Enfoque y Autoenfoque en Sistemas SAR con squint”. Informe relativo al convenio de

colaboración INDRA-GMR. Junio 2003.

[8] Thomas A. Kennedy. “Strapdown Inertial Measurements Units For Motion

Compensation For SAR”.IEEE Aerospace and Electronics Systems Magazine , Volume:

3 Issue10 , Oct. 1988

[9] A.V. Chernodarov. “Adaptive Robust Damping of Divergent Oscillations in

Updatable Inertial Systems”. 2000 2nd International Conference on Control

Oscillations and Chaos. Proceedings. IEEE, Piscataway, NJ, USA

[10] S. Buckreuss. “Motion Compensation for Airborne SAR Based on Inertial

Data, RDM and GPS”. International Geoscience and Remote Sensing Symposium.

IGARSS '94.New York 1994

[11] C. Fuxiang, B. Zheng, Y. Jianping. “Motion Compensationfor Airborne

SAR”. Proceedings of the ICSP'2000.

[12] D.J. Difilippo, W.S.Windall. “Evaluation of a Kalman Filter for SAR

Motion Compensation”. IEEE PLANS. 1988.

[13] S.N. Madsen. “Estimating the Doppler Cantroid of SAR Data”, IEEE

Transactions on Aerospace and Electronic Systems, vol 25, pp. 134-140, 1988.

[14] Niho, Yoji G, “Phase difference auto focusing for synthetic aperture radar

[15] Terry M. Calloway, Gregory W. Donohoe, “Subaperture Autofocus for

Syntethic Aperture Radar”, IEEE, 1994.

[16] D.G. Thompson, J.S. Bates and D.V. Arnold, “Extending the Phase

Gradient Autofocus Algorithm for Low-Attitude Stripmap Mode SAR”, IEEE, 1999.

[17] J.C. Crespo, J. Gutiérrez. “An Improved RDM Method Specially Useful for

Low Cost SAR Hight Squint Processing”, Radar Conference. Proceedings of the IEEE,

pp. 194-199, 2002.

[18] Oppenheim, A.V Schafer, R.W., Buck, J.R., “Discrete-Time Signal

Processing”, Prentice Hall , 1999, Second Edition

[19] Hanselman D., Littlefield B., “Matlab, edición del estudiante”, Prentice Hall, 1998.

[20] “Apuntes de Radiación y propagación”, Servicio de Publicaciones de la ETSIT, UPM, 2003.

[21] A. Papoulis. “Probability , Random Variables and Stochastic Processes”, McGraw-Hill, pp.197-198 y 483-485, 1965.

In document European Food Safety Authority- AHAW/04-027 (Page 194-197)