Разнесенный радар детектор 2020: Разнесенные радар-детекторы (антирадары) скрытой установки (под капот)

Содержание

Разнесённый сигнатурный радар-детектор SilverStone F1 R-BOT

Сплит-система обеспечивает новые возможности

Скрытая установка органично вписывается в дизайн интерьера автомобиля. Подходит для премиальных автомобилей с нестандартным остеклением:

  • внешняя GPS-антенна решает проблему с принятием GPS-сигнала, который блокируется в автомобилях с атермальными стеклами;
  • выносная радарная часть решает проблему приёма радиосигнала, который блокируется мелкоячеистыми стеклами с подогревом.

SilverStone F1 R-BOT

Выносная радарная часть
Фиксируется в районе радиаторной решетки авто, антикоррозийный провод и радарный блок не имеют соединений, обладают влагозащитой IPX6.
Блок управления
Это центр всей системы, объединяющий все блоки сплит-системы.
OLED-дисплей
Благодаря универсальному креплению дисплей можно установить на любую поверхность — торпедо, лобовое стекло, потолок.
Внешняя GPS-антенна
Обеспечивает устойчивый приём спутниковых сигналов.

Работа с мобильными и стационарными радарами

Радар-детектор
Улавливает сигналы в различных диапазонах, которые используют дорожные радары, а также сигналы лазеров.
Сигнатурная часть
Используя библиотеку сигнатур SilverStone F1, обрабатывает сигналы, определяя конкретную модель радара, и отсекает помехи в данном диапазоне.
GPS-информатор
Работает с помощью базы камер и радаров на картах России и СНГ. Используется для определения устройств, не посылающих сигналы, а также для информирования о скоростном режиме.

Тройная защита от ложных срабатываний

  1. Сигнатурная часть определяет тип радара и точно знает, идет ли замер скорости. Отсекает ложные сигналы в К-диапазоне, сравнивая входящий сигнал с современной, обновляющейся базой сигнатур.
  2. GPS-сопровождение фильтрует срабатывания по скорости — если вы едете с нормальной скоростью, режим Smart отключит лишние уведомления о радарах. Еженедельно обновляемые базы GPS (радары и камеры) и сигнатур.
  3. Система Anti-CAS (Collision Avoiding System) фильтрует сигналы различных систем, установленных в автомобилях (парктроники, круиз-контроль и другие частые источники помех)

Гарантированное корейское качество

  • Качественная сборка и материалы, благодаря которым устройство приятно взять в руки, а кнопки податливы, надежны, хорошо фиксируются.
  • Завод производитель осуществляет сборку на автоматизированных конвейерных линиях, что исключает возможность ошибки при производстве.
  • Ультрасовременный дизайн, разработанный с максимальным учетом эргономики радар-детекторов и последних тенденций промышленного дизайна.
  • Удобный дисплей и интуитивное управление делают использование устройства максимально удобным и понятным.
  • Богатый опыт корейских и российских инженеров, позволяющий моментально вносить изменения в ПО по мере появления новых запросов от пользователей.

SilverStone F1 R-BOT — совершенные технологии на страже вашей безопасности!

Комплектация

  • Яркая упаковка с выдвигающейся внутренней частью
  • OLED-дисплей с универсальным креплением
  • Блок управления
  • Радарный блок
  • GPS-антенна
  • Соединительные шнуры
  • USB-удлинитель
  • Набор аксессуаров для крепления радарного блока, OLED-дисплея и блока управления
  • Адаптер питания от бортовой сети
  • Руководство пользователя (инструкция по эксплуатации)

Установка радар-детектора в машину в Воронеже по доступной цене. Радар скрытой установки

Радар-детекторы

Для начала хотелось бы поговорить о разнице радар-детектора и антирадара. В обиходе уже давно оба вида приборов называют антирадарами. Антирадары созданы для того, чтобы блокировать пеленгующие сигналы оборудования ДПС, они запрещены на территории России и других стран.

Радар-детекторы же в свою очередь просто оповещают о излучаемых сигналах других систем проверяющих или предупреждающих о скорости движения. При замерах скорости службами ДПС идет отраженный сигнал от вашего автомобиля, когда прибор ловит прямые сигналы, что и позволяет Вам заранее подготовится к проверки скорости.

Скрытая установка антирадара: ничего лишнего в салоне

Одним из критериев выбора радар детекторов является его чувствительность. Существует несколько типов усиления сигналов:

  1. прямой;
  2. на основе гетеродина;
  3. и супергетеродина;

В устройствах прямого сигнала, несмотря на свою простоту есть как достоинства, так и недостатки. Плюсом является то, что усиление сигнала очень низкое, здесь нет необходимости в функции «скрыть радар-детектор» в тех местах, где они запрещены. Но минусом является то, что они ловят почти все сигналы. Готовьтесь к тому, что все АЗС, торговые центры с авто дверями не останутся незамеченными.

Второй тип более современный и конечно не причинит Вам таких неудобств, но стоит помнить, что он так же излучает волны, которые необходимо будет скрыть в тех местах, где их применение запрещено. Для этого существуют специальные функции, так что Вам не стоит волноваться.

Стоит обратит обращать внимание не только на сами радары, но и на их установку. Тянущиеся провода через весь салон навряд ли прибавят эстетики. Для того, чтобы избежать этого, стоит обратиться в сервис, где за достаточно короткое время скроют все эти недостатки и вы не будете окутаны проводами.

Разнесенный радар-детектор: незаметный и эффективный

Особой популярностью пользуется разнесенный радар-детектор. Приемный блок располагается вне салона — под капотом, а вся информация поступает на смартфон или беспроводной пульт. Такой вид приборов быстро реагирует на сигналы оборудования ДПС, работающих во всех частотах, камеры слежения, фильтрует помехи. Их отличает простое управление, надежность и незаметность.

Их размещают чаще всего вблизи радиатора, а установку разнесенного радар детектора лучше доверять профессионалам: они требуют сложного подключения к электрике автомобиля с выделением линии питания, что под силу только опытным специалистам.

Основные плюсы этого вида антирадара:

  • не занимают места в салоне;
  • легко управляются;
  • не подвержены возможным помехам внутри салона;
  • свободное гнездо прикуривателя;
  • высокая точность.

Многие модели имеют расширенный функционал, совмещая регистратор, GPS-информатор, имеют несколько режимов работы и способны оповещать водителя о нежелательном превышении скорости.

Исходя из нашего опыта самыми удачными производителями являются:

  • Beltronics
  • Cobra
  • Sho-Me
  • Street Storm

Почему выбирают нас

Превосходный уровень сервиса Только современные технологии ремонта Превосходный уровень сервиса Безупречный ремонт в сжатые сроки

Популярные вопросы

Является ли ваш Автостайлинговый центр сертифицированным?

Да, наш центр является сертифицированным установочным центром, что даёт нам право устанавливать любое дополнительное оборудование на гарантийный автомобиль. Также наш центр является авторизованным установочным центром, таких компаний как Starline, Пандора, Гарант, Призрак и другие.

скрытой установки, антирадар с выносным датчиком под капот автомобиля, 2 в 1

Радар-детектор — это радиоприемник, который устанавливается в автомобиле с целью обнаружения полицейских определителей скорости. Это устройство заранее предупреждает водителя о приближении к зоне контроля скорости. Устройство разнесенных радар-детекторов немного отличается от стандартных, но принцип их работы тоже основан на обнаружении радиолокационного излучения полицейских радаров. Это позволяет избегать штрафов и административных наказаний в виде лишения водительских прав.

Особенности и отличия

Главное отличие заключается в том, что разнесенный радар-детектор состоит из 2 основных частей: приемника сигналов и центрального системного блока. Эти части можно «разнести» по разным местам в машине. Приемник устанавливается на торпедо, лобовом стекле или под капотом, а основной блок с панелью управления должен находиться в салоне автомобиля.

Предназначение и принцип работы

Такое устройство позволяет освободить прикуриватель, поскольку оно подключается к бортовой сети напрямую. Разнесенный детектор подходит для автомобилей, на которых установлено атермальное или подогреваемое стекло. Устройство можно установить под капотом, что позволяет освободить дополнительное пространство в салоне.

Устройство

В отличие от антирадара, детектор — это пассивное устройство, которое не препятствует правильному измерению скорости с помощью специальных систем. Разнесенные детекторы делятся на 2 основных вида: салонные и подкапотные. Центральный блок и приемник чаще всего связаны между собой несколькими проводами, которые бывает сложно скрыть от посторонних глаз, не нарушив при этом внутреннюю обивку автомобиля.

Лучшие модели

Список лучших моделей разнесенных радар-детекторов:

  • Neoline X-Cop S300;
  • Whistler Pro-3600ST RU GPS;
  • Neoline X-Cop R750;
  • Roadgid X6 Bolid RD-6;
  • Radartech Pilot 31RS;
  • Subini STR-825RU.
  • Fujida Neo 9000

Neoline X-Cop S300

Этот необычный радарный комплекс устанавливается под капотом автомобиля. Он оснащается дальнобойным сверхчувствительным модулем EXD и фильтром Z-сигнатур. В комплекте есть внешняя антенна GPS, подходящая для автомобилей с атермальными стеклами, не пропускающими сигналы. Кроме антенны, коммутатора и системного блока, в комплекте присутствует дисплей класса OLED.

Whistler Pro-3600ST RU GPS

Панель управления этим устройством отличается небольшими габаритами, что позволяет закрепить ее в удобном для водителя месте. Распознается лазерное излучение и сигналы в диапазонах X, K, Ka. Встроенный модуль GPS своевременно предупреждает о приближении к радарным комплексам «Стрелка». Угол обзора детектора составляет 360°. Для города и трассы предусмотрены отдельные режимы. Громкость оповещений можно регулировать. Обновления для базы данных можно найти на официальном сайте производителя. Для их установки используется кабель USB.

Neoline X-Cop R750

Это гибридное устройство с беспроводным подключением внешнего радарного блока. В комплекте присутствует антенна GPS, видеорегистратор и карта памяти, емкостью 32 Гб. Компактный регистратор можно установить на зеркале заднего вида, а внешнюю антенну — на передней стойке.

Фильтр Z-сигнатур снижает количество ложных срабатываний радар-детектора. Модуль EXD обеспечивает максимальную дальность обнаружения радаров. При обнаружении прозвучит голосовое предупреждение, а на дисплее будет отображено расстояние до контрольной точки. Режим X-Cop предназначен для водителей, которые предпочитают не отвлекаться на посторонние оповещения.

Roadgid X6 Bolid RD-6

Комплект поставки этого комбинированного устройства включает в себя:

  • видеорегистратор;
  • радар-детектор;
  • крепление для лобового стекла;
  • зарядное устройство;
  • кардридер;
  • шнур USB;
  • рамка для установки детектора;
  • соединительные кабели;
  • винты;
  • тряпочка для протирания дисплея;
  • инструкция;
  • гарантийный талон.

Внешний блок радар-детектора устанавливается за решеткой радиатора. Для этого в комплекте предусмотрена специальная фиксирующая рамка. Системный блок устройства находится внутри видеорегистратора, он получает обработанную информацию по беспроводному протоколу.

Radartech Pilot 31RS

Эта модель разработана специально для использования на территории России и стран СНГ. Устройство состоит из таких компонентов, как:

  • внешний радарный модуль;
  • внешний лазерный модуль;
  • центральный блок с панелью управления и приемником GPS;
  • дополнительная внешняя антенна GPS.

Детектор распознает все радары, он предупреждает водителя о приближении к зоне контроля скорости за счет голосовых оповещений на русском языке. Если контрольные точки отсутствуют в базе данных, пользователь может добавить их самостоятельно.

Subini STR-825RU

Это устройство 2 в 1 выполняет функции видеорегистратора и радара-детектора. Детектор устанавливается под капотом и соединяется с системным блоком по беспроводному протоколу. Когда водитель превышает допустимую скорость, система предупреждает его голосовыми оповещениями. База данных содержит информацию о координатах малошумных радаров и точек видеофиксации. Если база устарела, ее можно скачать на сайте производителя.

Как установить

Если скрытый радар-детектор предназначен для салона, нужно найти место, скрытое от посторонних. Для монтажа антирадара под капотом следует выбрать место между радиатором и решеткой. Если детектор не беспроводной, кабелей будет много, поскольку нужно устанавливать и соединять между собой различные датчики, индикаторы и модули. В таких случаях рекомендуется обращаться за помощью к профессиональным автомобильным электрикам.

Нужно учитывать, что размещение радара-детектора скрытой установки возле радиатора имеет свои недостатки. В таком случае уменьшится эффективная зона охлаждения, а трубки радиаторной системы могут получить механические повреждения.

Альтернативный вариант — это установка выносного детектора в нише неметаллического бампера. Но у этого способа тоже есть недостаток, т.к. низкое расположение снижает дальность обзора.

После покупки устройства нужно обязательно ознакомиться с инструкцией, поскольку некоторые функции могут оказаться лишними. Отдельные модули можно будет отключить программно или физически. Также нужно учитывать, что подобные устройства потребляют много электроэнергии, так что для их подключения используются провода с сечением не менее 1 мм².

Скрытая установка радар-детекторов NEOLINE на BMW 4 серии в Москве и регионах

Дисплей Сенсорный 2,8 дюймов IPS

Процессор/Матрица Ambarella/SONY

Разрешение Full HD 1920×1080 (30 к/с)

Угол обзора/Оптика 135°/стекло (6 линз)

Автоматический ночной режим записи Eсть

Антибликовый CPL фильтр Eсть

Детектируемые комплексы контроля (Х, К, Ка, Laser) Маломощные радары (Кречет, Робот, Крис, Арена, MESTA и др.)Стационарные радары (Стрелка, Автоураган, Кордон, Крис, Vocord, Поток, Рапира, Одиссей и др.)Мобильная засада ДПС (Бинар, Беркут, Визир, ЛИСД, Амата, Искра и др.)

Дальнобойный сверхчувствительный модуль EXD (увеличение дальности детектирования до 130%, в т.ч. «в спину») Eсть

GPS-база полицейских радаров и камер 45-ти стран Eсть GPS и ГЛОНАСС

Интеллектуальная обработка камер контроля средней скорости Eсть

Оповещение о камерах контроля ПДД (полоса ОТ, «в спину», обочина, перекресток, светофор, пеш. переход) Eсть

Фильтр Z-сигнатур для снижения ложных срабатываний радара Eсть

Режимы чувствительности «Город», «Трасса», «Турбо» Eсть

Автоматический режим чувствительности «Х-СОР» от скорости Eсть

Многоуровневая фильтрация помех Eсть

Режим «Парковка» Eсть

LDWS Eсть

Добавление ложных и опасных зон с настройкой радиуса Eсть

Настройка допустимого превышения скорости Eсть

Настройка дальности оповещения по GPS Eсть

Отключение отдельных типов радаров в базе GPS Eсть

Беззвучный режим «Тишины» Eсть

Отсечка максимальной скорости Eсть

Экстренная запись Автоматический и ручной режимы. Длина видеоролика 1 м.

Интерфейс Усовершенствованный Neoline Easy Touch +

Голосовое оповещение о радарах и камерах Детальное оповещение о 45-ти типах радаров и камер

Отображение текущей, разрешенной, средней скорости на дисплее Eсть

Отображение расстояния до радара на дисплее Отображение расстояния до ближайшего радара и отображение расстояния до последующего

Автоприглушение звука Eсть

Голосовые подсказки на русском языке Eсть

Управление жестами Motion Control Нет

Крепление 3М с активной зарядкой

Управление файлами Просмотр, перемотка, блокирование, удаление

ZOOM гос. номера Eсть

Карта памяти в комплекте Eсть

Макс. объём карты памяти 128 Gb

2 слота для карт памяти Нет

Быстрое меню Eсть

Управление с помощью смартфона Eсть

Заставка с отображением спидометра Eсть

Производство Корея

Разнесенный радар детектор Neoline X-COP S300

Разнесенный радар детектор Neoline X-COP S300

СКРЫТАЯ УСТАНОВКА
Радарный комплекс Neoline X-COP S300 состоит из коммутатора радарного блока OLED дисплея внешней GPS антенны. Все элементы радарного комплекса органично устанавливаются в салон автомобиля и подкапотное пространство. Надежное кабельное соединение гарантирует стабильную работу всего устройства.
При отсутствии навыков подключения электрооборудования в автомобиле обратитесь в сервисный установочный центр. Перечень сервисных установочных центров вы можете найти ниже на этой странице.

ПОДХОДИТ ДЛЯ АВТОМОБИЛЕЙ С АТЕРМАЛЬНЫМИ СТЕКЛАМИ
В радарный комплекс подключается внешняя GPS антенна которая устанавливается под декоративную обшивку передней стойки и гарантирует стабильное подключение к спутникам даже в автомобилях с атермальным лобовым стеклом или стеклом с подогревом. line

ФИЛЬТР Z СИГНАТУР
Уникальная технология разработанная компанией Neoline для снижения кол-ва ложных срабатываний. Своевременно распознает и блокирует ложные срабатывания от Датчиков Мертвых (Слепых) Зон автомобилей с системами: «Blind Spot Monitoring» «Side Assist» «Blind Spot Detection»
Существенное отличие данной технологии от других сигнатурных технологий в том что при использовании Фильтра Z сигнатур не будут блокированы настоящие полицейские радары в частности но не ограничиваясь:

  • Стационарный и мобильный комплекс «АРЕНА»
  • Ручной радар «ВИЗИР» 
  • Комплекс фиксации нарушений ПДД «КРЕЧЕТ» 
  • Фоторадарный комплекс «КОРДОН»

РЕЖИМЫ ФИЛЬТРАЦИИ Z СИГНАТУР
В Neoline X-COP S300 интегрированы два режима фильтрации Z сигнатур действие которых напрямую зависит от вашей текущей скорости. Также данные режимы интегрированы в автоматический режим Х-СОР.

Максимальный режим фильтрации Z сигнатур:

  • блокировка ложных срабатываний от Датчиков Мертвых (Слепых) Зон автомобилей
  • значительная отсечка ложных срабатываний 
  • сниженная дальность детектирования 
  • в сочетании с режимом «Город» обеспечивает максимальную фильтрацию ложных срабатываний 

Минимальный режим фильтрации Z сигнатур:

  • блокировка ложных срабатываний от Датчиков Мертвых (Слепых) Зон автомобилей 
  • умеренная отсечка ложных срабатываний 
  • увеличенная дальность детектирования (в сравнении с Макс. режимом) 
  • в сочетании с режимом «Трасса» обеспечивает комфортную фильтрацию ложных срабатываний и высокую дальность детектирования

РАДАРНЫЙ БЛОК И СВЕРХЧУВСТВИТЕЛЬНЫЙ МОДУЛЬ EXD
Радарный блок Х-СОР S300 оснащен сверхчувствительным дальнобойным модулем EXD и устанавливается под капот автомобиля для обеспечения максимальной дальности детектирования. Совместно с режимом «Турбо» полностью раскрывает свой потенциал в дальности обнаружения полицейских радаров в т.ч. маломощных радаров при детектировании «в спину».

* Возможный максимальный выигрыш в расстоянии детектирования в сравнении с обычным радар-детектором

GPS БАЗА И МОДУЛЬ «СТРЕЛКА»
Neoline X-COP S300 содержит точки полицейских радаров 45 стран.
В базу GPS также внесены точки камер системы контроля средней скорости «АВТОДОРИЯ». Данная система не излучает радиосигналы обнаружить ее можно только благодаря установленным в GPS базе координатам.
X-COP S300 предупредит вас о таких камерах и проинформирует на дисплее и звуковым оповещением если вы превысите разрешенную среднюю скорость на участке дороги.
В радарный блок также установлен модуль «Стрелка» который позволяет детектировать сигналы одноименного полицейского радара.

МИНИАЛИЗМ В САЛОНЕ АВТОМОБИЛЯ
Единственный элемент радарного комплекса Neoline X-COP S300 который будет виден в салоне автомобиля это миниатюрный контрастный OLED дисплей.

На дисплей выводится максимум информации:

  • схематическое изображение типа полицейского радара
  • разрешенная скорость на участке дороги
  • тип поступающего сигнала
  • мощность сигнала
  • текущая скорость автомобиля
  • средняя скорость автомобиля
  • расстояние до точки GPS
  • текущее время

ГОЛОСОВОЕ ОПОВЕЩЕНИЕ О 45 ТИПАХ ПОЛИЦЕЙСКИХ РАДАРОВ
Neoline X-COP S300 оповестит о типе полицейского радара разрешенной скорости на участке дороги выдаст информацию о расстоянии к радару и средней скорости (в случае детектирования «Автодории»).

В базу занесены 45 различных типов радаров такие как «Стрелка» «Робот» «Кордон» «Крис» «Кречет» «Автодория» и др. Каждый новый полицейский радар оперативно добавляется в базу и доступен в новых прошивках.

КАМЕРЫ КОНТРОЛЯ ПРАВИЛ ДОРОЖНОГО ДВИЖЕНИЯ
Радарный комплекс Neoline X-COP S300 оповещает о всех камерах контроля ПДД и заранее предупреждает о таких типах контроля как:

  • Контроль полосы общественного транспорта
  • Контроль проезда светофора и перекрестка
  • Контроль проезда пешеходного перехода
  • Контроль проезда обочин
  • Фотофиксация проезда автомобиля «в спину»

НОВЫЙ РЕЖИМ X-COP
В радарный комплекс X-COP S300 интегрирован обновленный автоматический режим Х-СОР
Описание:
1. Передвижение в пробках. Скорость от 0-40 км/ч.
Максимально тихий режим: выключен Стрелка и К диапазон без звука и голосовых оповещений Максимальный режим фильтрации Z сигнатур
2. Передвижение в небольших населенных пунктах. Скорость от 41-60 км/ч.
Тихий режим: режим «Город» Максимальный режим фильтрации Z сигнатур
3. Передвижение в городах и на трассе. Скорость от 61-80 км/ч. 
Комфортный режим: режим «Город» Минимальный режим фильтрации Z сигнатур 
4. Передвижение на трассе. Скорость от 81-110 км/ч. 
Чувствительный режим: режим «Трасса» Минимальный режим фильтрации Z сигнатур 
5. Передвижение по автомагистралям. Скорость от 110-130 км/ч. 
Дальнобойный режим: режим «Турбо» Минимальный режим фильтрации Z сигнатур 
6. Передвижение по автомагистралям и автобанам. Скорость от 130 км/ч и более. 
Сверхчувствительный режим без фильтрации: режим «Турбо»

ГРОМКИЙ ДИНАМИК
В коммутатор устройства встроен громкий динамик. Голосовые подсказки на русском языке всегда помогут вам настроить радарный комплекс Neoline X-COP S300 и будут помогать во время движения.
X-COP S300 имеет функцию затухания громкости на 50% через 6 сек после обнаружения полицейского радара. Тем самым водитель избежит надоедливого звукового сопровождения.

ОПАСНАЯ ЗОНА
Вы можете самостоятельно добавлять в свою GPS базу Опасную зону под которой подразумеваются точки расположения полицейских радаров (если таковых нет в текущей базе) оживленные перекрестки лежачие полицейские и т.д. В следующий раз при движении в этом месте радар-детектор заблаговременно проинформирует вас предупреждающим сигналом.
Радиус Опасной зоны можно задать в Меню устройства.
Зоны устанавливаются в память устройства и не удалятся при перепрошивки или установки новой GPS базы.

РЕЖИМ ТИШИНЫ
Данный режим действует исходя из текущей скорости. Вы выставляете порог ограничения скорости при котором радар-детектор будет срабатывать на получаемые сигналы только информируя вас на дисплее без звукового и голосового сопровождений.
С помощью данного режима вы не будете отвлекаться на работу радар-детектора когда это не нужно.
*не работает при установленном режиме «Х-СОР». line 

ПРИОРИТЕТ GPS
Данная функция необходима для минимизации оповещений об одном и том же полицейском радаре по GPS и по радарному модулю. При включенной функции приоритет в оповещении отдается точкам в базе GPS. Во время стандартного GPS оповещения о полицейской камере если детектируется сигнал радио модулем то информация об этом сигнале подается только на дисплей без звукового и голосового оповещения.

МАКСИМАЛЬНАЯ СКОРОСТЬ
Очень удобная функция которая помогает не превышать вами же установленный лимит скорости. Установите скорость при достижении которой будет произведено звуковое предупреждение о превышении скорости. Данная функция не привязана к базе GPS и функционирует отдельно от детектирования полицейских радаров.

ДАЛЬНОСТЬ GPS ОПОВЕЩЕНИЙ
Дальность оповещений к полицейским радарам в базе GPS может быть установлена исходя из ваших предпочтений:
1) По значению в базе – каждой камере в базе GPS производителем присвоено свое значения в метрах за которое начнется оповещение.
2) По установленному значению в настройках – каждой камере в базе GPS присваивается значение на выбор: 300 м — 900 м
3) По текущей скорости автомобиля – чем выше скорость тем за большее расстояние вы узнаете об установленном полицейском радаре. line

ДЕМО РЕЖИМ
Для удобства пользователя в Демо режиме будет показана работа радар-детектора (звуковое и голосовое оповещение индикация на дисплее).
Для входа в демо режим нажмите одновременно DIM/MUTE и CITY кнопки на 2 сек. Радарный комплекс выйдет из демо режима после завершения всего цикла оповещений и индикаций.

MADE IN КOREA
Neoline X-COP S300 – это разработка ведущих корейских специалистов в области автомобильной электроники направленная на повышение безопасности водителя.
Neoline X-COP S300 – идеальное сочетание корейского качества и надежности.

ОБНОВЛЕНИЕ ПРОШИВКИ И БАЗЫ GPS
При выходе новых прошивок и баз GPS необходимо обновлять их с помощью USB порта и флеш карты. Актуальная прошивка и база GPS позволят не пропускать недавно установленные полицейские радары и камеры.

ТЕХНИЧЕСКИЕ ХАРАКТЕРИСТИКИ

  • Дальнобойный сверхчувствительный радарный модуль EXD (X K Ka Laser)
  • Режимы фильтрации Z сигнатур
  • GPS-база полицейских радаров и камер 45-ти стран (РФ ЕС Белоруссия Казахстан Узбекистан Азербайджан Армения Грузия и др.)
  • Интеллектуальная обработка камер системы «Автодория»
  • Радиомодуль обнаружения полицейских радаров «Стрелка»
  • Оповещение о камерах контроля ПДД (выделенная полоса фотофиксация «в спину» обочина перекресток светофор пешеходный переход)
  • Голосовое оповещение о 45 типах стационарных радаров
  • OLED дисплей
  • Отображение на дисплее текущего расстояния до полицейского радара / скорости / разрешенной скорости / средней скорости / мощности сигнала / названия полицейского радара
  • Режимы Город / Трасса / Турбо / Х-СОР
  • Добавление Опасных и Ложных зон
  • Установка радиуса Опасных и Ложных зон
  • Режим Тишины
  • Приоритет GPS
  • Максимальная скорость / Допустимое превышение скорости
  • Голосовые подсказки на русском языке
  • Звуковое оповещение
  • Автоприглушение звука
  • Настройка громкости / яркости
  • Демо режим
  • Дальность обнаружения до 2 5 км
  • Защита от обнаружения VG-2 / Spectre 4
  • Обновление прошивки через порт USB
  • Входное напряжение 12-24 В

Комплектация

  • Радарный блок под капот Neoline X-COP S300
  • Коммутатор
  • OLED дисплей
  • Внешняя GPS антенна
  • Кабель питания от коммутатора к бортовой сети автомобиля
  • Металлическая пластина для крепления радарного блока
  • Металлическая площадка для крепления радарного блока
  • Крепление для OLED дисплея на 3М скотче
  • Комплект винтов и гаек для крепления радарного блока: T5.0x20.0 винты (4шт) пружинные шайбы (7шт) шайбы (7шт) гайки (7шт) М5.0х12.0 винты (7шт) T4.0х10.0 винты (2шт) Т4.0х14.0 винты (2шт) Т4.0х16.0 винты (2шт)
  • Крепежный элемент для кабеля (8шт)
  • Элемент для соединения кабеля (3шт)
  • Памятка по быстрой настройки устройства
  • Руководство пользователя
  • Гарантийный талон

Новинка от Silverstone F1 — Разнесённый радар-детектор R-BOT


Сплит-система обеспечивает новые возможности

Скрытая установка органично вписывается в дизайн интерьера автомобиля. Подходит для премиальных автомобилей с нестандартным остеклением:

• внешняя GPS-антенна решает проблему с принятием GPS-сигнала, который блокируется в автомобилях с атермальными стеклами
• выносная радарная часть решает проблему приёма радиосигнала, который блокируется мелкоячеистыми стеклами с подогревом.

SilverStone F1 R-BOT

Выносная радарная часть

Фиксируется в районе радиаторной решетки авто, антикоррозийный провод и радарный блок не имеют соединений, обладают влагозащитой IPX6.

Блок управления — центр всей системы, объединяющий все блоки сплит-системы.

OLED-дисплей
Благодаря универсальному креплению дисплей можно установить на любую поверхность — торпедо, лобовое стекло, потолок.

Внешняя GPS-антенна — устойчивый приём спутниковых сигналов.

Работа с мобильными и стационарными радарами


Радар-детектор
Улавливает сигналы в различных диапазонах, которые используют дорожные радары, а также сигналы лазеров.

Сигнатурная часть
Используя библиотеку сигна- тур SilverStone F1, обрабатывает сигналы, определяя конкретную модель радара, и отсекает помехи в данном диапазоне

GPS-информатор
Работает с помощью базы камер и радаров на картах России и СНГ. Используется для определения устройств, не посылающих сигналы, а также для информирования о скоростном режиме.

Тройная защита от ложных срабатываний


Сигнатурная часть определяет тип радара и точно знает, идет ли замер скорости. Отсекает ложные сигналы в К-диапазоне, сравнивая входящий сигнал с современной, обновляющейся базой сигнатур.

GPS-сопровождение фильтрует срабатывания по скорости — если вы едете с нормальной скоростью, режим Smart отключит лишние уведомления о радарах. Еженедельно обновляемые базы GPS (радары и камеры) и сигнатур.

Система Anti-CAS (Collision Avoiding System) фильтрует сигналы различных систем, установленных в автомобилях (парктроники, круиз-контроль и другие частые источники помех)

Тройная защита от ложных срабатываний


• Качественная сборка и материалы, благодаря которым устройство приятно взять в руки, а кнопки податливы, надежны, хорошо фиксируются.
• Завод-производитель осуществляет сборку на автоматизированных конвейерных линиях, что исключает возможность ошибки при производстве.
• Ультрасовременный дизайн, разработанный с максимальным учетом эргономики радар-детекторов и последних тенденций промышленного дизайна.
• Удобный дисплей и интуитивное управление делают использование устройства максимально удобным и понятным.
• Богатый опыт корейских и российских инженеров, позволяющий моментально вносить изменения в ПО по мере появления новых запросов от пользователей.

SilverStone F1 R-BOT — совершенные технологии на страже вашей безопасности!


Комплектация

  • Яркая упаковка с выдвигающейся внутренней частью
  • OLED-дисплей с универсальным креплением/li>
  • Блок управления
  • Радарный блок
  • GPS-антенна
  • Соединительные шнуры
  • USB-удлинитель
  • Набор аксессуаров для крепления радарного блока, OLED-дисплея и блока управления
  • Адаптер питания от бортовой сети
  • Руководство пользователя (инструкция по эксплуатации)

Радар-детектор Neoline X-COP S300 (разнесенная установка)

Neoline X-COP S300 – уникальный радарный комплекс скрытой установки с новейшим дальнобойным сверхчувствительным модулем EXD и уникальным фильтром Z сигнатур. Имеет внешнюю GPS антенну и идеально подходит для автомобилей с атермальными лобовыми стеклами.

СКРЫТАЯ УСТАНОВКА

Радарный комплекс Neoline X-COP S300 состоит из коммутатора, радарного блока, OLED дисплея, внешней GPS антенны. Все элементы радарного комплекса органично устанавливаются в салон автомобиля и подкапотное пространство. Надежное кабельное соединение гарантирует стабильную работу всего устройства.При отсутствии навыков подключения электрооборудования в автомобиле обратитесь в сервисный установочный центр. Перечень сервисных установочных центров вы можете найти ниже на этой странице.

ФИЛЬТР Z СИГНАТУР

Уникальная технология, разработанная компанией Neoline для снижения кол-ва ложных срабатываний. Своевременно распознает и блокирует ложные срабатывания от Датчиков Мертвых (Слепых) Зон автомобилей с системами: «Blind Spot Monitoring», «Side Assist», «Blind Spot Detection»

Существенное отличие данной технологии от других сигнатурных технологий, в том, что при использовании Фильтра Z сигнатур не будут блокированы настоящие полицейские радары, в частности, но не ограничиваясь:

  • Стационарный и мобильный комплекс «АРЕНА»
  • Ручной радар «ВИЗИР» 
  • Комплекс фиксации нарушений ПДД «КРЕЧЕТ» 
  • Фоторадарный комплекс «КОРДОН»

GPS БАЗА И МОДУЛЬ «СТРЕЛКА»

Neoline X-COP S300 содержит точки полицейских радаров 45 стран.

В базу GPS также внесены точки камер системы контроля средней скорости «АВТОДОРИЯ». Данная система не излучает радиосигналы, обнаружить ее можно только благодаря установленным в GPS базе координатам.

X-COP S300 предупредит вас о таких камерах и проинформирует на дисплее и звуковым оповещением, если вы превысите разрешенную среднюю скорость на участке дороги.

В радарный блок также установлен модуль «Стрелка», который позволяет детектировать сигналы одноименного полицейского радара.

МИНИАЛИЗМ В САЛОНЕ АВТОМОБИЛЯ

Единственный элемент радарного комплекса Neoline X-COP S300, который будет виден в салоне автомобиля это миниатюрный контрастный OLED дисплей.

На дисплей выводится максимум информации: 

  • схематическое изображение типа полицейского радара
  • разрешенная скорость на участке дороги
  • тип поступающего сигнала
  • мощность сигнала
  • текущая скорость автомобиля
  • средняя скорость автомобиля
  • расстояние до точки GPS
  • текущее время

ГОЛОСОВОЕ ОПОВЕЩЕНИЕ О 45 ТИПАХ ПОЛИЦЕЙСКИХ РАДАРОВ

Neoline X-COP S300 оповестит о типе полицейского радара, разрешенной скорости на участке дороги, выдаст информацию о расстоянии к радару и средней скорости (в случае детектирования «Автодории»).

В базу занесены 45 различных типов радаров, такие как «Стрелка», «Робот», «Кордон», «Крис», «Кречет», «Автодория» и др. Каждый новый полицейский радар оперативно добавляется в базу и доступен в новых прошивках.

НОВЫЙ РЕЖИМ X-COP

В радарный комплекс X-COP S300 интегрирован обновленный автоматический режим Х-СОР

Описание:

  1. Передвижение в пробках. Скорость от 0-40 км/ч.
    Максимально тихий режим: выключен Стрелка и К диапазон, без звука и голосовых оповещений, Максимальный режим фильтрации Z сигнатур
  2. Передвижение в небольших населенных пунктах. Скорость от 41-60 км/ч.
    Тихий режим: режим «Город», Максимальный режим фильтрации Z сигнатур
  3. Передвижение в городах и на трассе. Скорость от 61-80 км/ч. 
    Комфортный режим: режим «Город», Минимальный режим фильтрации Z сигнатур
  4.  Передвижение на трассе. Скорость от 81-110 км/ч. 
    Чувствительный режим: режим «Трасса», Минимальный режим фильтрации Z сигнатур
  5. Передвижение по автомагистралям. Скорость от 110-130 км/ч. 
    Дальнобойный режим: режим «Турбо», Минимальный режим фильтрации Z сигнатур 
  6. Передвижение по автомагистралям и автобанам. Скорость от 130 км/ч и более. 
    Сверхчувствительный режим без фильтрации: режим «Турбо»

ДАЛЬНОСТЬ GPS ОПОВЕЩЕНИЙ

Дальность оповещений к полицейским радарам в базе GPS может быть установлена исходя из ваших предпочтений:

  1. По значению в базе – каждой камере в базе GPS производителем присвоено свое значения в метрах, за которое начнется оповещение.
  2. По установленному значению в настройках – каждой камере в базе GPS присваивается значение на выбор: 300 м — 900 м
  3. По текущей скорости автомобиля – чем выше скорость, тем за большее расстояние вы узнаете об установленном полицейском радаре.


Технические характеристики:

  • Дальнобойный сверхчувствительный радарный модуль EXD (X, K, Ka, Laser)
  • Режимы фильтрации Z сигнатур
  • GPS-база полицейских радаров и камер 45-ти стран (РФ, ЕС, Белоруссия, Казахстан, Узбекистан, Киргизия, Азербайджан, Армения, Грузия и др.)
  • Интеллектуальная обработка камер системы «Автодория»
  • Радиомодуль обнаружения полицейских радаров «Стрелка»
  • Оповещение о камерах контроля ПДД (выделенная полоса, фотофиксация «в спину», обочина, перекресток, светофор, пешеходный переход)
  • Голосовое оповещение о 45 типах стационарных радаров
  • OLED дисплей
  • Отображение на дисплее текущего расстояния до полицейского радара / скорости / разрешенной скорости / средней скорости / мощности сигнала / названия полицейского радара
  • Режимы Город / Трасса / Турбо / Х-СОР
  • Добавление Опасных и Ложных зон
  • Установка радиуса Опасных и Ложных зон
  • Режим Тишины
  • Приоритет GPS
  • Максимальная скорость / Допустимое превышение скорости
  • Голосовые подсказки на русском языке
  • Звуковое оповещение
  • Автоприглушение звука
  • Настройка громкости / яркости
  • Демо режим
  • Дальность обнаружения до 2,5 км
  • Защита от обнаружения VG-2 / Spectre 4
  • Обновление прошивки через порт USB
  • Входное напряжение 12-24 В

Фотонный радар на основе когерентного обнаружения для автономных транспортных средств в различных погодных условиях

Abstract

Автономные транспортные средства рассматриваются как будущие транспортные механизмы, которые управляют транспортными средствами без участия водителей. Радарная технология на основе фотоники является многообещающим кандидатом для предоставления привлекательных приложений для автономных транспортных средств, таких как помощь при самостоятельной парковке, навигация, распознавание дорожной обстановки и т. д. С другой стороны, микроволновые радары не в состоянии удовлетворить спрос на автономные транспортные средства следующего поколения. из-за ограниченной пропускной способности.Кроме того, характеристики микроволновых радаров ограничены атмосферными колебаниями, которые вызывают сильное затухание на более высоких частотах. В этой работе мы разработали когерентный фотонный радар с частотной модуляцией для обнаружения целей на большем расстоянии. Кроме того, исследуются характеристики предлагаемого фотонного радара при воздействии различных атмосферных погодных условий, в частности тумана и дождя. Представленные результаты показывают достижение значительного отношения сигнал-шум (SNR) и принимаемой мощности отраженных эхо-сигналов от цели для предлагаемого фотонного радара в условиях неблагоприятных погодных условий.Кроме того, обычный радар предназначен для определения эффективности предлагаемого фотонного радара с учетом аналогичных параметров, таких как частота и время развертки.

Образец цитирования: Чаудхари С., Вуттиситтикулки Л., Саади М., Шарма А., Аль Отайби С., Небхен Дж. и др. (2021) Фотонный радар на основе когерентного обнаружения для автономных транспортных средств в различных погодных условиях. ПЛОС ОДИН 16(11): е0259438. https://doi.org/10.1371/journal.pone.0259438

Редактор: Xuejian Wu, Университет Рутгерса, Ньюарк, США

Получено: 2 августа 2021 г.; Принято: 19 октября 2021 г .; Опубликовано: 15 ноября 2021 г.

Авторское право: © 2021 Chaudhary et al.Это статья с открытым доступом, распространяемая в соответствии с условиями лицензии Creative Commons Attribution License, которая разрешает неограниченное использование, распространение и воспроизведение на любом носителе при условии указания автора и источника.

Доступность данных: Все соответствующие данные содержатся в рукописи и файлах вспомогательной информации.

Финансирование: Этот исследовательский проект поддерживается Фондом второго века (C2F), Университет Чулалонгкорн, Таиланд.Эта исследовательская работа также финансируется Фондом TSRI (CU_FRB640001_01_21_8). Спонсоры не участвовали в разработке исследования, сборе и анализе данных, принятии решения о публикации или подготовке рукописи.

Конкурирующие интересы: Авторы заявили об отсутствии конкурирующих интересов.

1 Введение

В последнее десятилетие наблюдается значительный рост применения фотонных радаров для обнаружения целей на большом расстоянии, классификации изображений и военного наблюдения, наблюдения за затопляемыми территориями и использования в космосе [1].Фотонный радар используется в качестве основного метода обнаружения целей в любых погодных условиях. Одним из ключевых применений фотонных радаров является производство автономных транспортных средств (AV) из-за его многочисленных преимуществ, таких как помощь при парковке, обнаружение полосы движения, мониторинг слепых зон и обнаружение нескольких целей [2]. Автономные автомобили могут быть интегрированы с фотонными радарами, чтобы избежать столкновений, а также для обнаружения различных вывесок, пешеходов, деревьев, зданий и т. д. Фотонные радары могут извлекать информацию о целях (такую ​​как скорость, изображение, расстояние и высота), модулируя радиочастоту на оптический сигнал, который может быть передан в свободное пространство оптическим передатчиком [3, 4].Затем он может собирать отраженный сигнал (эхо) с помощью приемника. Эти отраженные сигналы дополнительно обрабатываются для извлечения необходимой информации. С другой стороны, микроволновые радары, использующие излучение радиочастот, сильно страдают от узкой полосы пропускания, низкой скорости и низкого разрешения [5–7]. Это делает обычные микроволновые радары неподходящим выбором для AV-индустрии. На рис. 1 показано графическое представление микроволнового радара и фотонного радара в приложениях для автономных транспортных средств.Расходимость луча (определяемая как отношение длины волны к диаметру апертуры передатчика) для микроволновых радаров обычно велика, что затрудняет различение двух автомобилей. В то время как фотонный радар имеет низкую расходимость луча из-за узкой ширины линии, обеспечиваемой работающим лазером, что делает его отличным выбором для автономных транспортных средств [8].

Кроме того, фотонный радар имеет низкие требования к входной мощности (≈<20 Вт), так как это одно из важных ключевых требований к автономным транспортным средствам из-за наличия ограниченного источника питания от аккумуляторов [9–11].В [11] авторы подтвердили, что потребляемая мощность RADAR выше, чем потребляемая мощность фотонного радара. Кроме того, радиолокационная промышленность предпочитает миллиметровый диапазон (75–77 ГГц) для достижения высокого разрешения [12]. Однако передача сигналов микроволнового радара в миллиметровом диапазоне страдает от атмосферных колебаний, которые ограничивают возможности обнаружения радара [13, 14]. Эти атмосферные колебания могут увеличить затухание сигнала, что может ухудшить прием сигналов через атмосферу.Другие атмосферные турбулентности, такие как дождь, туман, пыль и т. д., могут повлиять на передачу сигнала от микроволнового радара, что еще больше приведет к ухудшению его характеристик. С другой стороны, миллиметровые диапазоны, передаваемые с помощью фотонных радаров, вызывают меньшее ухудшение состояния окружающей среды, поскольку сигнал передается с помощью световых лучей. Многие исследователи рассчитали влияние атмосферных турбулентностей на работу фотонных радаров. Для достижения дальнего обнаружения цели выбор полосы частот в радарах играет очень важную роль.S-диапазон (2-4 ГГц) обладает высокой устойчивостью к атмосферным затуханиям, тогда как X-диапазон (8-12 ГГц) имеет преимущество узких лучей для отслеживания целей [15]. В 2016 году [16] авторы предложили фотонный приемопередатчик, который может передавать и обнаруживать сигналы S и X диапазонов с помощью аналого-цифрового преобразователя на основе низкой частоты дискретизации. В другой работе [17] авторы предложили фотонный радар на основе линейной частотно-модулированной непрерывной волны (LFMCW) для генерации и обнаружения сигналов S и X диапазонов.Точно так же Ka-диапазон (27–40 ГГц) подвержен высокому затуханию при атмосферном затухании и, следовательно, может использоваться только для приложений малого радиуса действия, например, в аэропортах [18]. Разрешение по дальности и скорости может быть дополнительно улучшено за счет использования оптических сигналов RF-LFM (радиочастотно-линейная частотная модуляция) 77 ГГц для реализации частотно-модулированного фотонного радара с непрерывной длиной волны (FMCW-PHRAD) наряду с длинными оптическими импульсами и низкими требованиями к пиковой мощности. 19, 20]. AV-радары могут работать в диапазонах частот 24 ГГц и 77 ГГц.Это может помочь полосе частот 77 ГГц (≈4 ГГц) достичь более широкой полосы пропускания, чем полоса частот 24 ГГц (≈200 МГц), из-за чего ее предпочитают производители световых радаров. Более широкая полоса пропускания дополнительно улучшает разрешение по дальности и скорости для обнаружения близко расположенных целей и точность радара для дальних целей. В 2018 г. [4] авторы продемонстрировали, что при полосе пропускания 1 ГГц и более разрешение обнаруженной цели значительно улучшается по сравнению с более низкой полосой пропускания (≈200 МГц).В 2019 году [21] авторы представили алгоритм обнаружения движущихся целей с помощью автомобильного радара 77 ГГц. В этой работе авторы использовали постоянную частоту ложных срабатываний (CFAR) и регулируемый коэффициент с использованием метода алгоритма быстрого преобразования Фурье (FFT). Этот метод имеет низкий уровень ложных тревог по сравнению с предыдущими методами.

В этой работе мы разработали когерентный FMCW-PHRAD путем модуляции частоты 77 ГГц с полосой пропускания 600 МГц для реализации приложения для автономных автомобилей.Моделирование передатчика выполняется с помощью программного обеспечения для моделирования OptiSystem TM , тогда как связь в свободном пространстве моделируется с использованием программного обеспечения MATLAB TM . Остальная часть документа структурирована следующим образом: в разделе II представлены принципы работы и моделирование системы, тогда как в разделе III описаны наблюдения и обсуждение результатов. Заключение этой работы представлено в разделе IV.

2 Принцип работы и моделирование системы

На рис. 2 показана конфигурация предлагаемого фотонного радара в топологии когерентного обнаружения, в которой используется метод FMCW, поскольку для автономных автомобилей требуется низкая входная мощность и компактные размеры.Фотонный радар на основе FMCW отвечает всем требованиям автономных автомобилей.

Пилообразный сигнал модулируется с помощью частотного модулятора с центральной частотой 77 ГГц и полосой пропускания 600 МГц для получения низкочастотного радиочастотного (РЧ) сигнала. Частота диапазона f R цели может быть рассчитана следующим образом [22, 23]: (1) где B — ширина полосы, R — расстояние, c — скорость света и T с — время развертки.

Этот радиочастотный сигнал разделен на две части: одна часть предназначена для модуляции оптической несущей, а другая часть смешивается с принятым сигналом от цели для восстановления обнаруженного радиолокационного сигнала. Радиочастотный сигнал 77 ГГц с полосой пропускания 600 МГц модулируется оптической несущей с помощью двухпортового модулятора Mech Zhender (DMZM). ДМЗМ представляет собой модулятор интенсивности, работающий по принципу интерферометрического эффекта. Лазер непрерывного действия с центральной частотой 1550 нм и шириной линии 100 кГц используется для управления модулятором MZM.Мощность лазера установлена ​​на уровне 100 мВт, что соответствует минимальным требованиям к мощности для автономных автомобилей. DMZM работает в конфигурации нулевой передачи для достижения когерентного обнаружения. Он содержит два ответвителя на 3 дБ, которые соединены двумя волноводами одинаковой длины. С помощью электрооптического эффекта показателями преломления волноводов можно управлять, прикладывая внешнее напряжение, что приводит к подавлению боковых полос более высокого порядка. Напряжение смещения переключения и ВЧ-напряжение DMZM установлены на 4 v , тогда как напряжение смещения 1 В и -1 В подается на два плеча модулятора DMZM.Таким образом, мощность модулированного сигнала E(t) на выходе ДМЗМ выражается уравнением 2 [23, 24]: (2) где E L L — это лазерная входная мощность, В 1 (T) и V 2 (T) являются значениями напряжения, применяемые на первом и второе плечо модулятора соответственно, v смещение1 (t) и v смещение2 (t) — значения напряжения смещения первого и второго плеча модулятора соответственно, γ – коэффициент деления мощности [; где эр = .ER — коэффициент ослабления], IL — вносимые потери, В πRF относится к напряжению модуляции переключения, а В πDC относится к напряжению смещения переключения. Выходной сигнал DMZM усиливается с помощью оптического усилителя с плоским коэффициентом усиления с коэффициентом усиления 20 дБ и мощностью шума 5 дБ. Выходное усиление оптического усилителя выражается как [25]: (3) где P out — выходная мощность, P Sin — входная мощность, P ASE — спонтанное усиленное излучение.Оптически усиленный сигнал проецируется на цель по свободному космическому каналу через зрительную трубу с диаметром апертуры 5 см. Канал в свободном пространстве моделируется в программе MATLAB TM с помощью набора инструментов Phase Array . Видимость менее 100 м считается опасной для автономных транспортных средств. Атмосферные турбулентности, особенно дождь и туман, считаются основными проблемами для автономных транспортных средств, которые могут ухудшить работу фотонных радаров, особенно в миллиметровом диапазоне.Однако затухание, вызванное дождем, относительно меньше по сравнению с туманом из-за малой длины волны оптического сигнала по сравнению с дождевой каплей. Ослабление в дожде A в дожде можно рассчитать следующим образом [26]: (4) где интенсивность осадков обозначается как R o в мм/ч, k и α являются степенными факторами, которые зависят от таких переменных, как размер капель, частота и температура, и могут быть рассчитаны с помощью Маршалла-Палмера. распределения [27, 28].Таким образом, значение затухания принимается равным 6,9 дБ/км, 4,6 дБ/км и 2 дБ/км для слабого дождя, среднего дождя и сильного дождя соответственно [29]. Точно так же для вычисления ослабления тумана используется эмпирическая модель рассеяния Ми , которая выражается следующим образом: (5) где λ относится к рабочей длине волны лазера, V к видимости (км) и ρ относится к коэффициенту распределения по размерам рассеяния. Значения параметра видимости V считаются равными 200 м для сильного тумана, 500 м для умеренного тумана и 750 м для условий слабого тумана в соответствии со стандартами ITU [29].Таким образом, из уравнения (5) ослабление для сильного тумана вычисляется как 70 дБ/км, 28,9 дБ/км для умеренного тумана и 18,3 дБ/км для слабого тумана. Отраженные от цели эхо-сигналы регистрируются с помощью приемника, состоящего из балансных PIN-фотодиодов. Для достижения гетеродинного когерентного обнаружения тот же непрерывный лазерный сигнал, который используется на стороне передатчика, должен быть смешан с отраженными от цели эхо-сигналами, как показано на рис. 2.

Принятая мощность эхо-сигнала P r рассчитывается как: (6) Где D является диаметром диаграммы приемника, ρ T — целевая отражательная способность, A T T T τ Opt — потеря передачи в оптическом домен, τ атм — коэффициент атмосферных потерь, A ill — освещенная площадь цели, R — дальность цели.У приемника есть два PIN-кода, и он восстанавливает сигнал базовой полосы (радар RF), за которым следует электрический вычитатель. Падающее оптическое электрическое поле E pd 1 на фотоприемнике 1 определяется выражением [23]: (7) тогда как падающее оптическое электрическое поле E pd 2 на фотодетекторе 2 определяется как: (8)

В уравнениях (8) и (9) E lo ( t ) выражается следующим образом: (9) где θ O O ( T ) является фазовым изменением сигнала (CW-лазер) и P LO — оптическая мощность (CW-лазер) и E REF ( t ) — падающее оптическое поле от цели (отраженные эхо-сигналы), которое можно выразить как [23]: (10) где τ — задержка распространения, определяемая как τ = 2 × R/c ( R относится к дальности, c относится к скорости света), B — ширина полосы модуляции, а T m — продолжительность времени.При дальности 750 м время задержки рассчитывается как 5 мкс при частоте повторения импульсов (ЧПИ) 200 кГц. Выходной ток сбалансированного фотоприемника с чувствительностью ℜ после использования ФНЧ выражается как [23]: (11)

Для получения сигнала биений (( S b ( t )), выход сбалансированного фотоприемника смешивается с РЧ-сигналом радара и затем проходит через фильтр нижних частот, который также определяет частоту диапазона ( f r ), а также доплеровскую частоту ( f d ). S b ( t ) можно выразить следующим образом [23]: (12) где ( f r ) — частота диапазона (уравнение 1), а A lo — амплитуда радиочастотного сигнала радара. Другие параметры, рассматриваемые для моделирования предлагаемого фотонного радара на основе когерентного обнаружения, указаны в таблице 1.

3 Наблюдения и обсуждения

В этом разделе продемонстрировано всестороннее обсуждение результатов, полученных в результате моделирования предлагаемого фотонного радара на основе когерентного обнаружения.Предполагается, что мерцания в свободном космическом канале находятся в идеальном состоянии. Всего при моделировании учтено 8192 образца. Обнаружение отраженных эхосигналов от цели, находящейся на дальности 750 м, представлено на рис. 3. Атмосферные условия предполагаются ясными погодными условиями. В этих условиях пик отраженных эхо-сигналов обнаруживается на частоте 300 МГц, когда время развертки установлено на 10 мкс с порогом мощности -24 дБм. Аналогично, когда время развертки сдвинуто на 20 мкс , отраженные эхо-сигналы обнаруживаются на частоте диапазона ( f R ) 150 МГц с пороговой мощностью -19 дБм.Частота отраженного эха изменяется до 100 МГц с пороговой мощностью -17 дБм, когда время развертки изменяется до 30 мкс. Это удовлетворяет теоретическому уравнению (1).

Влияние неблагоприятных погодных условий, турбулентности, особенно дождя и тумана, на отраженные эхо-сигналы представлено на рис. 4 и 5 соответственно.

На рис. 4 показано влияние тумана (слабого, среднего и сильного на основе уравнений (5) и (6)) на эффективность обнаружения целей предлагаемым фотонным радаром при различном временном сканировании.При установке временной развертки на 10 мкс мощность отраженного эха от цели измеряется как -24 дБм с частотой диапазона 300 МГц в условиях легкого тумана. Однако, когда атмосферный туман меняется на средний туман и сильный туман, мощность отраженного эха измеряется как -38 дБм и -44 дБм соответственно. Аналогично, в диапазоне времени развертки 20 мкс мощность отраженного эхо-сигнала вычисляется как -36 дБм в условиях слабого тумана. В случае смены атмосферных условий на средний и сильный туман резко снижает мощность отраженного эха, которая рассчитывается как -42 дБм и -78 дБм соответственно при частоте диапазона 150 МГц.Аналогичным образом, когда время развертки установлено на 30 мкс , отраженный эхо-сигнал обнаруживается с мощностью -32 дБм, -39 дБм и -70 дБм при воздействии слабого, среднего и сильного тумана соответственно с частотой диапазона 100 МГц.

На рис. 5 показано влияние дождя (уравнение 4) на эхосигналы, отраженные от цели. Под воздействием небольшого, среднего и сильного дождя при времени развертки 10 мкс регистрируется отраженное эхо с мощностью -26 дБм, -27 дБм и -29 дБм соответственно.При дальнейшем изменении времени развертки до 20 мкс отраженные эхосигналы при воздействии небольшого дождя, среднего дождя и сильного дождя обнаруживаются с мощностью -23 дБм, -24 дБм и -25 дБм соответственно. Кроме того, при изменении времени развертки на 30 мкс регистрируется отраженный эхосигнал с мощностью -19 дБм, -22 дБм и -23 дБм при воздействии небольшого дождя, среднего дождя и сильного дождя соответственно. При воздействии тумана и дождя отношение сигнал-шум (SNR) используется для измерения характеристик предлагаемого фотонного радара.

SNR для схемы когерентного гетеродинного обнаружения можно измерить как [23]: (13) Там, где ℜ repuctive photoDetetector 1 A / W , B RX — это тепловая пропускная способность фотоприемника, которая составляет 410 МГц , T R — это абсолютная температура фотоприемника и оно равно 290 К, а R L — сопротивление нагрузки, установленное на 50 Ом. На рис. 6 показано измеренное значение ОСШ при воздействии атмосферных ослаблений (тумана и дождя).

Когда погодные условия меняются на легкий туман, SNR отраженного эхосигнала измеряется как 30 дБ при возможном расстоянии до цели 2000 м, а при умеренном тумане SNR отраженного эхосигнала снижается до 10 дБ на том же расстоянии . В этом случае расстояние до цели уменьшается до 1400 м для достижения SNR 30 дБ. Кроме того, когда погодные условия меняются на сильный туман, целевое расстояние уменьшается до 600 м только для достижения SNR 30 дБ. Точно так же воздействие дождя менее серьезно влияет на работу радара по сравнению с туманом.В случае небольшого дождя отраженный эхо-сигнал достиг SNR 45 дБ на целевом расстоянии 6000 м, тогда как под влиянием среднего дождя SNR снизился до 20 дБ на том же расстоянии. В случае сильного дождя ОСШ снижается до 9 дБ только на 6000 м целевой дистанции. Чтобы продемонстрировать возможности предлагаемого фотонного радара FMCW (время развертки = 30 мкс), работа была дополнительно расширена за счет сравнения с обычным радаром FMCW. На автомобиль, движущийся со скоростью 19,44 м/с, обычно устанавливается обычный FMCW-радар.В этой работе также сообщалось о двух сценариях для радара FMCW, установленного на движущихся автомобилях. В первом сценарии предполагается, что скорость автомобиля-мишени равна скорости автомобиля, оснащенного радаром FMCW (обнаружение), со скоростью 19,44 м/с. Таким образом, относительная скорость целевого автомобиля составляет 0 км/ч по отношению к транспортному средству, оборудованному фотонным радаром, тогда как во втором сценарии скорость целевого автомобиля отличается (ниже), чем у автомобиля, оснащенного FMCW. В случае обоих сценариев расстояние от автомобиля-мишени до фотонного радара принимается равным 50 м.

На рис. 7 показаны два сценария. В первом сценарии скорость автомобиля-мишени и автомобиля с фотонным радаром составляет 19,44 м/с каждый. Следовательно, относительная скорость автомобиля-мишени равна 0 м/с относительно автомобиля, оснащенного фотонным радаром. В случае обоих сценариев расстояние от автомобиля-мишени до фотонного радара принимается равным 50 м.

Максимальная скорость автомобиля-мишени и автомобиля с радаром FMCW принимается равной 41,66 м/с.Для сравнения с предлагаемым фотонным радаром время развертки обычного радара FMCW установлено равным 30 мкс с полосой пропускания 600 МГц. На рис. 8А) показано обнаружение цели путем вычисления отклика радара по дальности относительно относительной скорости. Целевое транспортное средство обнаруживается на расстоянии 50 м от транспортного средства, оснащенного фотонным радаром. Во втором сценарии скорость целевого транспортного средства составляет 13,88 м/с, следовательно, относительная скорость составляет 5,56 м/с по отношению к транспортному средству, оснащенному радаром FMCW. На рис. 8(B) показано обнаружение целевого транспортного средства, которое двигалось с относительной скоростью 5.56 м/с в направлении машины с радаром.

4 Заключение

В этой работе мы разработали когерентный фотонный радар на основе FMCW для автономных транспортных средств. Связь в свободном пространстве моделируется в программе MATLAB TM . Наблюдение показывает успешное обнаружение цели при различных временах развертки 10 мкс, 20 мкс и 30 мкс. Однако отраженный эхо-сигнал имеет максимальную мощность при 30 мкс по сравнению с 10 мкс и 20 мкс. Кроме того, исследуется влияние различных атмосферных погодных условий, особенно дождя и тумана, на характеристики предлагаемого когерентного фотонного радара на основе FMCW.Для достижения SNR 30 дБ целевая дальность увеличивается до 2000 м в условиях слабого тумана и 1400 м в условиях умеренного тумана, тогда как в условиях сильного тумана целевая дальность увеличивается всего до 600 м. Точно так же при воздействии слабого дождя, среднего дождя и сильного дождя целевая дальность увеличивается до 6000 м при SNR 45 дБ, 20 дБ и 9 дБ соответственно. Кроме того, обычный радар на основе FMCW разработан и сравнивается с фотонным радаром на основе FMCW, чтобы установить эффективность предлагаемого когерентного фотонного радара на основе FMCW с учетом тех же параметров.Сообщенные диаграммы дальности и скорости радара показывают успешное обнаружение движущихся транспортных средств-мишеней. В будущем эта работа будет расширена за счет экспериментов в реальном времени со сложными условиями движения.

Благодарности

Авторы хотели бы поблагодарить корпорацию Optiwave, Канада, особенно доктора Ахмада Атьеха за предоставление технической поддержки, а также ценное программное обеспечение OptiSystem TM для проведения этой исследовательской работы.

Каталожные номера

  1. 1.Пан С. и Чжан Ю., «Микроволновые фотонные радары», Journal of Lightwave Technology , vol. 38, pp. 5450–5484, 2020/10/01 2020.
  2. 2. Ши Дж.-В., Го Дж.-И., Кагами М., Суни П. и Циманн О., «Фотонные технологии для автономных автомобилей: знакомство с функциями», Optics Express , vol. 27, стр. 7627–7628, 04.03.2019 04.03.2019. Серафино Г., Скотти Ф., Лембо Л., Хуссейн Б., Порци С., Малакарн А. и др., «На пути к новому поколению радиолокационных систем на основе микроволновых фотонных технологий», Journal of Lightwave Technology , об.2019. 15.01.2019, т. 37, с. 643–650.
  3. 4. Серафино Г., Амато Ф., Мареска С., Лембо Л., Гельфи П. и Богони А., «Фотонный подход к бортовым и наземным радарам в автомобильных приложениях», IET Radar, Sonar & Navigation , vol. . 2018. Т. 12. С. 1179–1186.
  4. 5. Дудек М., Наср И., Божик Г., Хамуда М., Киссинджер Д. и Фишер Г., «Системный анализ радара с фазированной решеткой, использующего адаптивное управление лучом для будущих приложений безопасности автомобилей», IEEE Transactions on Автомобильная техника , том.2014. Т. 64. С. 34–47.
  5. 6. Гелфи П., Лагезза Ф., Скотти Ф., Серафино Г., Пинна С., Онори Д. и др., «Фотоника в радиолокационных системах: интеграция радиочастот для передовой функциональности», IEEE Microwave Журнал , вып. 2015. Т. 16. С. 74–83.
  6. 7. Шарма В., Кбаши Х.Дж. и Сергеев С., «Когерентный фотонный радар с использованием MIMO (MIMO-Co-PHRAD) для обнаружения и измерения дальности», Wireless Networks , vol. 27, стр. 2549–2558, 01.05.2021 01.05.2021.Пиатек С. и Ли Дж., «Руководство по фотонике для рынка автономных транспортных средств», Laser Focus World , vol. 2017. Т. 53. С. 28–31.
  7. 9. Молебный В., «Лазерные радары с псевдонимами», Advanced Optical Technologies , vol. 2019. Т. 8. С. 425–435.
  8. 10. Гелфи П., Лагезза Ф., Скотти Ф., Серафино Г., Каприа А., Пинна С. и др., «Когерентная радиолокационная система, полностью основанная на фотонике», Nature , vol. 507, стр. 341–345, 2014. pmid:24646997
  9. 11.Бакстер Дж. А., Мерсед Д. А., Костинетт Д. Д., Толберт Л. М. и Озпинечи Б., «Обзор электрических архитектур и требований к электропитанию для автоматизированных транспортных средств», в IEEE Transportation Electrification Conference and Expo (ITEC) 2018 г., 2018 г., стр. 944– 949.
  10. 12. Steeg M., Al Assad A. и Stöhr A., ​​«Все фотонные радиолокационные системы, основанные на лазерной частотной развертке и антеннах с утечкой волны», в 2018 International Topical Meeting on Microwave Photonics (MWP) , 2018, стр.1–4.
  11. 13. Шреста С. и Чой Д.-Ю., «Статистика затухания в дожде в миллиметровом диапазоне волн в Южной Корее», Journal of Atmospheric and Solar-Terrestrial Physics , vol. 2017. Т. 152. С. 1–10.
  12. 14. Сайлес Г. А., Риера Дж. М. и Гарсия-дель-Пино П., «Атмосферное затухание в системах беспроводной связи на миллиметровых и терагерцовых частотах [беспроводной угол]», IEEE Antennas and Propagation Magazine , vol. 57, стр. 48–61, 2015.
  13. 15. Ричардс М. А., Шеер Дж., Холм В. А. и Мелвин В. Л., « Принципы современного радара », 2010.
  14. 16. Скотти Ф., Богони А., Лагезза Ф. и Онори Д., «Отслеживание морской цели с помощью двухдиапазонной когерентной радиолокационной системы на основе фотонов», в 2016 IEEE Radar Conference (RadarConf) , 2016, стр. 1–4.
  15. 17. Мэн З., Ли Дж., Инь С., Фань Ю., Инь Ф., Чжоу Ю. и др., «Двухдиапазонный радиолокационный приемник LFMCW с дечирпированием и высоким подавлением изображения с использованием микроволнового фотонного смесителя I/Q», Оптика экспресс , вып.25, стр. 22055–22065, 2017. pmid:2
  16. 95
  17. 18. Скотти Ф., Лагезза Ф., Гелфи П. и Богони А., «Многодиапазонный программно-определяемый когерентный радар на основе одного фотонного приемопередатчика», IEEE Transactions on Microwave Theory and Techniques , vol. 2015. Т. 63. С. 546–552.
  18. 19. Мао X., Иноуэ Д., Като С. и Кагами М., «Лазерный радар с амплитудной модуляцией для измерения дальности и скорости в автомобильных приложениях», IEEE Transactions on Intelligent Transportation Systems , vol.2011. Т. 13. С. 408–413.
  19. 20. Харрис М., Янг Р.И., Кепп Ф., Долфи А. и Кариу Дж.-П., «Обнаружение и мониторинг вихревого следа», Aerospace Science and Technology , vol. 6, стр. 325–331, 01.09.2002/2002.
  20. 21. Мабрук М., Абдулла Х.Х., Хусейн К. и Хусейн А.Х., «Новый алгоритм распознавания движущихся/неподвижных целей в автомобильных радарах с частотой 77 ГГц», в , 2019 г., симпозиум по исследованиям в области фотоники и электромагнетизма, осень (PIERS-Fall) , 2019 г. , стр.128–133.
  21. 22. Гао С. и Хуэй Р., «Лидар непрерывного действия с частотной модуляцией, использующий I/Q модулятор для упрощенного гетеродинного обнаружения», Optics Letters , vol. 37, стр. 2022–2024, 2012. pmid:22660108
  22. 23. Эльгандур А. Х. и Рен К. Д., «Моделирование и сравнительное исследование различных методов обнаружения FMCW LIDAR с использованием оптисистемы», Международный симпозиум по фотоэлектронному обнаружению и визуализации, 2013 г. : Laser Sensing and Imaging and Applications , 2013, с.8

    .
  23. 24. Гултепе И., Тардиф Р., Михаэлидис С., Чермак Дж., Ботт А., Бендикс Дж. и др., «Исследование тумана: обзор прошлых достижений и перспективы на будущее», Чистая и прикладная геофизика , том . 164, стр. 1121–1159, 2007.
  24. 25. Окоши Т., «Точные формулы коэффициента шума для оптических усилителей и каскадных цепей усилитель-волокно», тематическое собрание IEEE/OSA по оптическим усилителям и их приложениям , 1990.
  25. 26.Рашиди Ф., Хе Дж. и Чен Л., «WDM с разделением спектра для систем связи FSO в условиях сильного дождя», Optics Communications , vol. 2017. Т. 387. С. 296–302.
  26. 27. Янган Л., «Статистическая теория распределения капель дождя по Маршаллу-Палмеру», Atmospheric Environment . Часть А . Общие темы , том. 27, стр. 15–19, 1993.
  27. 28. Олсен Р., Роджерс Д.В. и Ходж Д., «Соотношение aR b при расчете затухания в дожде», IEEE Transactions по антеннам и распространению , том.26, стр. 318–329, 1978.
  28. 29. Аван М.С., Лейтгеб Э., Хиллбранд Б., Надим Ф. и Хан М., «Затухание в облаках для оптических линий в свободном пространстве», в , 2009 г., Международный семинар по спутниковой и космической связи, , 2009 г., стр. 274–278. .

Анализ сигнатур радиолокационного сечения различных моделей дронов на частотах миллиметрового диапазона — Ученые Нью-Йоркского университета

@article{c68f73b4e8fb4cd89bb5d9259ff206b8,

title = «Анализ сигнатур радиолокационного сечения различных моделей дронов на частотах миллиметрового диапазона this», 900 = «In the mmWave Frequencies» , мы представляем квазимоностатические измерения поперечного сечения радара различных беспилотных летательных аппаратов в диапазоне 26-40 ГГц.Мы изучаем сигнатуры радиолокационного сечения девяти различных мультироторных платформ, а также одной литий-ионной полимерной батареи. Эти результаты полезны при разработке и тестировании радиолокационных систем, использующих частоты миллиметрового диапазона для превосходного обнаружения дронов. Данные показывают, как радиоволны рассеиваются дронами разных размеров и какое влияние оказывает первичный строительный материал на получаемые сигнатуры радиолокационного сечения. В соответствии с нашей интуицией, измерения подтверждают, что более крупные дроны, сделанные из углеродного волокна, легче обнаружить, тогда как дроны, сделанные из пластика и пенополистирола, менее заметны для радарных систем.Результаты измерений публикуются в виде открытой базы данных, создавая бесценный справочный материал для инженеров, работающих в области обнаружения дронов.»,

ключевых слов = «Обнаружение дронов, миллиметровые волны, радиолокационная диаграмма направленности, беспилотные летательные аппараты»,

автор = «Василий Семкин, Яакко Хаарла, Томас Пайрон, Кристофер Слезак, Сандип Ранган, Вилле Вийкари и Клод Эстгес»,

примечание = «Информация о финансировании: эта работа была частично поддержана проектом MACHAON, финансируемым Бельгийским научным фондом FRS-FNRS (Fonds de la Recherche Scientifique), частично в рамках проекта MUSEWINET в рамках программы EOS Бельгийского научного фонда, а частично в рамках программы COST Action CA15104 IRACON.Работа Кристофера Слезака и Сандипа Рангана была частично поддержана NSF в рамках гранта 1302336, гранта 1564142, гранта 1547332 и гранта 1824434, частично NIST, частично SRC и частично промышленными филиалами NYU WIRELESS. Информация о финансировании: Авторы выражают особую признательность Виктору Насси из Департамента коммуникаций и сетей Университета Аалто, доценту Фемистоклису Хараламбусу из Департамента электротехники и автоматизации Университета Аалто и Антти Липасти из { \textquoteleft}{\textquoteleft}Vertical Hobby{\textquoteright}{\textquoteright} за предоставление моделей дронов для измерений.Авторы признательны за плодотворные обсуждения в COST Action CA15104 IRACON. В. Семкин выражает благодарность Фонду Nokia за грант Йорма Оллила. Авторские права издателя: {\textcopyright} IEEE, 2013.»,

year = «2020»,

doi = «10.1109/ACCESS.2020.2979339»,

language = «English (US)»,

volume = «8» ,

страниц = «48958—48969»,

журнал = «IEEE Access»,

issn = «2169-3536»,

издатель = «Institute of Electrical and Electronics Engineers Inc.»,

}

Frontiers | Грандиозные задачи в области обработки радиолокационных сигналов

Введение

Обработка сигналов для радиолокационных систем — это обширная и увлекательная дисциплина, которая охватывает множество методов и затрагивает множество областей применения. сто лет назад, в 1904 году, когда Кристиан Хюльсмейер продемонстрировал первый экспериментальный радар в Кельне, Германия (Griffiths et al., 2019), берега реки Рейн у кельнского моста Гогенцоллернов стали ареной этого важного изобретения.Позже, в 1920 году, Гульельмо Маркони также наблюдал в своих экспериментах радиообнаружение целей, но только во время Второй мировой войны возникло динамичное развитие радиолокации. С тех пор он превратился в незаменимый всепогодный датчик дальнего действия. Военные и охранные приложения всегда были основными движущими силами развития радаров. Однако в последнее время радар стал ключевой технологией для гражданских приложений, включая управление воздушным, морским и наземным движением, в дополнение к городскому зондированию и мониторингу внутри помещений.Радар не только влияет на наше настоящее во всем мире, но и формирует наше будущее.

Согласно аббревиатуре RAdio Detection And Ranging, классическая задача радара заключается в обнаружении и определении местоположения объектов (Сколник, 2002). С появлением когерентных импульсных радаров стало возможным измерение скорости за счет использования эффекта Доплера (Chen and Ling, 2001). В отличие от изображений с камер и многих других датчиков радар может предоставлять количественные данные о дальности и скорости. Сегодня специализированные радары измеряют дальность, а также азимут и угол места, что позволяет обнаруживать и локализовать цели.С помощью радара с синтезированной апертурой (SAR), обратного SAR (ISAR) или интерферометрического SAR (InSAR) можно получить трехмерное изображение объекта (Melvin and Scheer, 2012; Richards, 2014). В последние годы пассивные радиолокационные системы привлекают все большее внимание как для обнаружения целей, так и для визуализации наземных объектов (Lombardo and Colone, 2012; Blasone et al., 2020). Применение радиолокационных методов простирается от мониторинга океанских течений до цифрового картографирования рельефа Земли, от автомобилестроения до биомедицины, от промышленного мониторинга в сценариях IoT до визуализации сквозь стены (Amin, 2010), от обнаружения жизненно важных показателей и распознавания повседневных действий. (Amin, 2017) для мониторинга БПЛА (см. Theodoridis and Chellappa (2013) и Theodoridis and Chellappa (2017) для общего обзора многих методов и приложений обработки радиолокационных сигналов).Существует также множество ключевых применений радаров в сельском и лесном хозяйстве, мониторинге влажности почвы, геологии, геоморфологии и гидрологии, океанографии, землепользовании, картографировании земного покрова и археологии.

Радар имеет долгую историю, и, судя по растущему применению активного зондирования, его ждет блестящее и яркое будущее. Радарные системы будущего должны эффективно поддерживать огромное количество приложений с новыми аппаратными решениями и инновационными методами обработки сигналов. Несколько серьезных проблем, присущих будущим радиолокационным системам, описаны ниже.

Большие задачи в обработке радиолокационных сигналов

Разреженное обнаружение и проектирование разреженной решетки в радаре

Разреженное обнаружение или сжатое обнаружение (CS) успешно решает проблемы обнаружения, оценки и классификации целей в радиолокационных приложениях. Он сочетает в себе алгоритмы нелинейной реконструкции и псевдослучайные линейные измерения для решения недоопределенных линейных уравнений, которые определяют множество обратных задач (Potter et al., 2010). В своем исследовании (Эндер, 2010) Эндер описывает применение методов CS для сжатия импульсов, радиолокационных изображений и наблюдения за воздушным пространством с помощью антенных решеток.За последнее десятилетие методы CS и реконструкции разреженных сигналов широко применялись для решения традиционных радиолокационных задач, например, для оценки направления прихода цели (DOA) с высоким разрешением (Fortunati et al., 2014), а также для новых задач, например , определение спектра в когнитивном радаре (Aubry et al., 2019). Совсем недавно разреженное зондирование было объединено с машинным обучением для решения проблемы отсутствующих или ограниченных данных (Cheng et al., 2020; Weiß et al., 2020). Методы оптимизации с разреженными регуляризациями и ограничениями применялись как в фазированных решетках, так и в радиолокационных платформах с несколькими входами и несколькими выходами (MIMO) для эффективного проектирования апертуры радара при заданном количестве внешних приемников.Дизайн разреженного массива с различными целевыми функциями и функциями стоимости выиграл от последних достижений в области выпуклой оптимизации и полуопределенного квадратичного программирования (SQP) (Xu et al., 2015). Методы глобальной оптимизации, такие как рои частиц или имитация отжига, применялись для проектирования массивов с гибким размещением антенн. Другим успешным подходом к проектированию является циклический алгоритм (CA), который оптимально согласовывает спроектированные и желаемые диаграммы направленности посредством итерации (Roberts et al., 2011). Разреженная антенная решетка имеет несколько преимуществ в прореженных конфигурациях с высоким разрешением для фазированных решеток и радаров с несколькими входами и несколькими выходами (MIMO) (Roberts et al., 2011). В то время как структурированные разреженные решетки, такие как вложенные и взаимно простые решетки, стремятся увеличить виртуальную апертуру и доступные степени свободы для обработки большего количества источников, чем физические антенны (Wang et al., 2018), конструкция неструктурированной разреженной решетки может меняться во времени. и руководствуется знаниями, полученными из ощущаемой среды (Эльбир и Мишра, 2020). Исследования в области проектирования разреженных массивов — это область, которая действительно вызывает растущий интерес в научном сообществе.

Оптимизация формы сигнала радара

Оптимизация формы сигнала для оценки системных параметров — новая тема в области обработки сигналов с приложениями в радаре и дистанционном зондировании.В радиолокации адаптация формы сигнала в различных областях, таких как пространственная, временная, спектральная и поляризационная, направлена ​​на динамическое улучшение характеристик системы (Aubry et al., 2013). Такая возможность обеспечивается новыми вычислительными архитектурами, высокоскоростными и готовыми процессорами, генераторами сигналов произвольной формы, твердотельными передатчиками и современными фазированными решетками с несколькими каналами передачи и приема и т. д. Оптимизация формы сигнала улучшает радиолокационное обнаружение, классификацию. , идентификация, локализация и отслеживание (Gini et al., 2012; Куи и др., 2020). В настоящее время изучаются новые методы и приемы оптимизации, которые помогут справиться со сложными конструкциями радиолокационных сигналов, включая практические ограничения, такие как постоянный модуль, спектральные ограничения, подобие сигналов и алфавит с конечной или дискретной фазой.

Когнитивный радар

Когнитивный радар — это новая и растущая область исследований, которая дает существенные преимущества для оборонных и гражданских радарных систем (Хайкин, 2006). Хотя многие исследовательские усилия были сосредоточены на циклах восприятия-действия, немногие из них продемонстрировали компонент обучения (Guerci, 2010; Farina et al., 2017; Чарлиш и др., 2018; Греко и др., 2018; Bruggenwirth et al., 2019), и многие аспекты этой области содержат открытые проблемы. Радар, который может выполнять онлайн-обучение для выполнения более эффективных действий и адаптации своих рабочих параметров на основе своей ситуационной осведомленности, может иметь потенциальные преимущества. Кроме того, познание обычно исследуется для одной радиолокационной системы. Однако распределение циклов восприятия-действия по нескольким радиолокационным узлам на разных операционных уровнях, начиная с сигналов и нескольких радиолокационных функций и заканчивая уровнем миссии, имеет огромный исследовательский потенциал.Когнитивные радары должны использовать преимущества всех доступных степеней свободы и источников разнообразия, включая местоположение, частоту, код, диаграммы направленности, время повторного посещения, ЧПИ и поляризацию при выборе будущих действий (Geng et al., 2020; Yan et al., 2020). Эти действия должны учитывать малозаметные цели, беспилотники или рои БПЛА, плотное и оспариваемое использование спектра и действия противника. Наиболее актуальными технологиями для будущего развития когнитивного радара являются адаптивный дизайн сигналов, численная оптимизация, РЧ-система на кристалле (RFSoC), полностью цифровые радарные массивы, машинное обучение и глубокое обучение.

Машинное обучение для радаров

Машинное обучение (МО) достигло больших результатов, что объясняется крупными инвестициями многих стран, а также массовым сотрудничеством между членами международного научного сообщества. В частности, использование методов машинного обучения позволило повысить производительность некоторых методов обработки сигналов, основанных на традиционных подходах, и преодолеть присущие им ограничения. После успешного использования методов машинного обучения во многих областях техники радиолокационное сообщество также начало применять методы машинного обучения для решения классических радиолокационных проблем и решения традиционных задач с новой точки зрения (Carotenuto and De Maio, 2021).Как уже упоминалось, МО является одной из перспективных технологий для новых когнитивных радиолокационных систем, более того, уже ведется обширная разработка алгоритмов обработки сигналов на основе МО, которые нашли применение в различных областях, связанных с радиолокационными системами. Некоторые традиционные приложения больше всего выиграли от использования ML. В частности, радиолокационное изображение и классификация — это область, в которой машинное обучение внесло значительный вклад. В частности, в научной литературе мы можем найти множество применений МО для решения задач, связанных с обработкой радиолокационных сигналов, например.г., для распознавания и классификации радиолокационных излучателей, обработки и классификации радиолокационных изображений, подавления шумов в радиолокационном изображении, автоматического распознавания целей (ATR), обнаружения целей, методов защиты от помех, адаптивного проектирования формы волны, динамического выбора антенной решетки, когнитивная радиоэлектронная борьба (CEW), реконструкция на основе измерений с отсутствующими данными, оценка направления прибытия (DOA) с высоким разрешением и многие другие [см. Zhu et al. (2017) и Ланг и соавт. (2020)] за исчерпывающий и всесторонний анализ современного состояния МО и особенно приложений глубокого обучения (ГО) в области радаров и дистанционного зондирования).Предлагаемые алгоритмы включают обычное машинное обучение, основанное на разработке признаков в сочетании с соответствующими классификаторами, такими как машины опорных векторов (SVM), деревья решений (DT), случайный лес (RF) и методы расширения возможностей. Они также включают автоматическое изучение признаков, такое как глубокое обучение (например, сети глубокого убеждения (DBN), автокодировщик (AE), сверточные нейронные сети (CNN), рекуррентные нейронные сети (RNN), генеративные антагонистические сети (GAN)) (Lang et al. ., 2019). В целом в настоящее время признано, что более высокая степень автоматизации улучшает осведомленность радаров об окружающей среде, независимо от рассматриваемого типа применения.Адаптивность радара как при передаче, так и при приеме должна «разумно» регулироваться за счет точного понимания окружающей среды, которое стало возможным благодаря машинному обучению. Эта область исследований испытала экспоненциальный рост за последние 10 лет и продолжает расширяться; актуальность этих тем подтверждается бурной академической деятельностью и быстро растущим числом публикаций (Ma et al., 2019).

Сосуществование радаров и систем связи

В последние годы наблюдается взрывной рост беспроводной связи, особенно для приложений промышленного Интернета вещей (IIoT).С другой стороны, радиолокационная технология развивалась в направлении постоянного увеличения функциональности. Современная радиолокационная система должна иметь возможность динамически изменять форму волны передачи и рабочую полосу частот в зависимости от конкретной информации, собираемой в режиме реального времени из окружающей среды (Blunt et al., 2010). В связи с быстро растущим спросом на ограниченные спектральные ресурсы также возрастает стремление к лучшему и более гибкому использованию спектра (Aubry et al., 2015). С другой стороны, коммерческая беспроводная индустрия стремится к более широкому доступу к спектру и присматривается и стремится использовать полосы частот, традиционно отведенные для радиолокационных систем, что привело к так называемой проблеме «размывания спектра» (Griffiths et al., 2015; Блант и Перринс, 2018). В рамках поиска эффективного совместного использования ресурсов и новых технологических решений недавно было признано, что конкуренция за полосу пропускания между радарными и коммуникационными системами может быть смягчена путем совместного и оптимального проектирования двух систем, реализации их на единой платформе (Blunt et al. al., 2010; Aubry et al., 2015; Hassanien et al., 2016). В этом отношении платформа представляет собой не просто радар или систему связи, а многофункциональную систему, сигналы и операции которой поддерживают несколько действий и задач одновременно (Chiriyath et al., 2017; Ван и др., 2018). Тема двухфункциональных радиолокационных систем связи привлекла интерес исследователей-теоретиков и практиков как из научного сообщества, занимающегося радиолокацией, так и из области связи (Cohen et al., 2018; Zheng et al., 2019). Проектирование совместных радиолокационных систем связи двойного назначения является актуальной и актуальной темой исследований и требует новых идей и технологических решений (Rahman et al., 2020; Mazahir et al.). Ведущиеся исследования сосредоточены на устоявшихся и новых областях, таких как определение когнитивного спектра для распределения ресурсов в системах связи, проектирование адаптивных сигналов для современных радиолокационных систем, а также проектирование радаров и систем связи MIMO, и это лишь некоторые из них.Примеры открытых проблем и методов можно найти в двух недавних специальных выпусках, в одном из IEEE Trans. об AES , посвященном совместному использованию спектра (Blunt et al., 2019), и другой журнал Elsevier Digital Signal Processing , посвященный сотрудничеству и совместному проектированию систем связи и радиолокации в переполненном спектре (Amin et al. , 2020).

Радар для усовершенствованных систем помощи водителю

Радарная технология является одной из технологий, позволяющих создавать усовершенствованные системы помощи водителю (ADAS) и высокоавтоматизированное вождение (HAD).В последние годы мы стали свидетелями скачка в развитии новых систем и новых методов обработки сигналов, специально предназначенных для автомобильных радаров (Waldschmidt et al., 2021). Хотя современные автомобильные радары по-прежнему основаны почти исключительно на принципе частотно-модулированных непрерывных волн (FMCW), ожидается, что современные автомобильные радары будут более гибкими и будут позволять адаптивный выбор параметров формы сигнала, а также динамическое использование передачи и приема. каналы. Эта гибкость требует многоцелевых радарных датчиков, которые могут выполнять различные функции, от адаптивного круиз-контроля до автоматизированной парковки.Кроме того, реализация расширенных функций автономного вождения требует, чтобы радарные датчики работали в симбиозе с лидаром и камерами. Все это оправдывает растущие исследования и разработки в области автомобильных радиолокационных систем как в промышленности, так и в научных кругах. Например, использование радиолокационных систем SIMO (с одним входом и несколькими выходами) и MIMO (с несколькими входами и несколькими выходами) предоставило автомобильным системам возможность пространственной фильтрации для достижения необходимого пространственного разрешения для определения направления прибытия препятствий (DOA). ) оценки (Энгельс и др., 2017; Чжан и др., 2020). Проблемы, связанные со слепотой цели, снегом, дождем и обнаружением ближнего поля, также остаются актуальными и требуют дальнейшего изучения. Одна из серьезных проблем автомобильных радаров связана с адаптивной фильтрацией для уменьшения помех от различных радиолокационных датчиков (на одном и том же автомобиле или на разных автомобилях) (Alland et al., 2019). Эта проблема будет становиться все более актуальной в ближайшем будущем, учитывая увеличение количества транспортных средств, оснащенных радиолокационными датчиками в условиях интенсивного дорожного движения.Помимо сосуществования нескольких радаров в среде с интенсивным движением, серьезной проблемой также является совместное использование спектра с системами связи (Kumari et al., 2018). Другие проблемы и возможности связаны с феноменологией воспринятых сигналов, архитектурой системы, схемотехническими технологиями, визуализацией автомобильных РСА, идентификацией объектов и передовыми методами обработки сигналов (Saponara et al., 2019). Также ожидается возрастающая роль машинного обучения в алгоритмах обработки сигналов для обнаружения и классификации в автомобильных радарах (Хомчук и др., 2016; Сейфиоглу и др., 2018 г.; Шуманн и др., 2020 г.; Вальдшмидт и др., 2021). Сообщество автомобильных радаров находится в авангарде технологий, которые обещают обеспечить полностью автономное вождение автомобилей, и несколько групп производителей автомобильных радаров (GM, Hertzwell, Zendar, Toyota и т. д.) вкладывают значительные средства в решение этих проблем.

Радар для биомедицины и электронного здравоохранения

Радарные датчики для гражданского или двойного назначения переживают бурный рост благодаря совершенствованию технологии миллиметровых волн, которая позволяет создавать надежные недорогие радарные датчики.Среди областей, которые больше всего выиграли от этих разработок, несомненно, мониторинг здоровья и биомедицина. Действительно, интеллектуальные системы здравоохранения претерпевают стремительную трансформацию от традиционного стиля, ориентированного на специалиста и стационар, к распределенной системе, ориентированной на пациента. Некоторые технологические разработки способствовали этой быстрой эволюции интеллектуальных систем здравоохранения, в том числе связанные с радарными технологиями и методами машинного обучения. Эти технологии вместе с 5G и Интернетом вещей (IoT) имеют решающее значение для развития будущих интеллектуальных медицинских услуг.Существует множество применений радиолокационного зондирования в биомедицине. Например, методы радиолокационной визуализации становятся многообещающей альтернативой или, по крайней мере, дополнительными методами к существующим методам визуализации для выявления рака молочной железы и мониторинга ответа на лечение (Song et al., 2019). Несмотря на то, что уже достигнуто много отличных результатов, остается еще несколько нерешенных проблем, таких как низкое отношение сигнал/шум, неоднородность тканей и низкое разрешение. Дистанционный мониторинг показателей жизнедеятельности человека и активности на основе радара также является прикладной областью, которая вызвала большой исследовательский интерес из-за его потенциального применения для мониторинга состояния здоровья пациентов в больницах, домах престарелых, реабилитационных центрах и учреждениях по уходу (Amin et al., 2016; Ли и др., 2018b; Зайферт и др., 2019 г.; Меркури и др., 2021). Тем не менее, все еще остается много нерешенных проблем, связанных с низким отношением сигнал/шум, большими углами обзора, препятствиями, динамичной средой, распознаванием очень похожих действий, нефокусным движением и масштабным и меняющимся во времени характером человеческой деятельности. . Преодоление проблем в здравоохранении и биомедицинских приложениях требует дальнейшего совершенствования современных методов статистической обработки сигналов и машинного обучения (Maitre et al., 2020).

Микродоплеровский радар

Движущаяся точечная цель вносит частотный сдвиг в обратном сигнале узкополосного радара из-за эффекта Доплера. Однако в реальном мире любая мишень имеет сложную структуру, тело не является полностью жестким, и любой структурный компонент мишени может не следовать идеально прямолинейному движению. В результате движение содержит компонент, называемый микродвижением, который включает в себя эффект вибрации, вращения и ускорения. Микродвижение и вызываемый им микродоплеровский эффект были введены для характеристики движения цели (Chen and Ling, 2001).Таким образом, извлечение и анализ радиолокационных микродоплеровских характеристик стали активной областью исследований. Микродвижение можно наблюдать во многих приложениях, таких как вращающиеся пропеллеры самолетов с неподвижным крылом, вращающиеся лопасти несущего винта вертолета, вибрация, создаваемая двигателем в транспортном средстве, вращающаяся антенна на корабле, раскачивание рук и ног идущего человека. , хлопанье крыльев птицы, сердцебиение и дыхание человека (Chen, 2014). За последние несколько лет было доказано, что микродоплеровские характеристики можно использовать для извлечения сигнатуры цели, и благодаря этому они нашли применение во многих областях, таких как расширенное обнаружение целей, характеристика и отслеживание.Современные радары высокого разрешения, оснащенные усовершенствованными алгоритмами обработки сигналов, лучше способны извлекать микродоплеровские характеристики, что позволяет более эффективно решать классические задачи, такие как несовместное обнаружение и классификация целей (Clemente et al. , 2015; Ричи и др., 2016; Фиоранелли и др., 2020). Это также открывает путь для новых приложений, таких как мониторинг активности человека (Amin, 2017; Shrestha et al., 2020), наблюдение за городом и внутри помещений (Pastina et al., 2015; Seyfioğlu et al., 2018), здравоохранение (Li et al., 2018a; Lang et al., 2019; Seifert et al., 2019), автомобильные приложения (Khomchuk et al., 2016; Duggal et al., 2020), и производство (Zeintl et al., 2019; Izzo et al., 2020). В недавней книге (Fioranelli et al., 2020) были рассмотрены последние разработки в области радиолокационных микродоплеровских сигнатур и некооперативного распознавания движущихся целей, а также определен ряд текущих областей исследований, среди которых пассивные радиолокационные подходы для здравоохранения, мультимодальное зондирование для вспомогательных Жизни с использованием радаров, небольших дронов и извлечения сигнатур птиц, а также извлечения и анализа микродоплеровских сигнатур для автомобильных приложений.

Заключение

Почти каждый день открываются и предлагаются новые радиолокационные технологии и приложения; однако по-прежнему существуют проблемы и пробелы, которые необходимо устранить. В этой редакционной статье мы обрисовали некоторые важные проблемы обработки радиолокационных сигналов, но этот список, безусловно, не является исчерпывающим. Например, методы распределенной обработки сигналов для использования всей информации, доступной во взаимосвязанной и пространственно разнообразной многоплатформенной системе, безусловно, представляют собой область исследований, вызывающую растущий интерес.Фактически, журнал IEEE AES Magazine организует специальный выпуск, посвященный «Многоплатформенным и многофункциональным радиочастотным системам (MPRFS) и (MFRFS)», который будет опубликован в конце 2021 года. Еще одна область применения, не упомянутая выше, касается применения новых радиолокационных технологий и методов для развития науки об атмосфере и климате. Это традиционная область исследований, в которой использование методов машинного обучения, возможно, интегрированных с традиционными методами статистической обработки сигналов, обещает новые горизонты.Кроме того, области, представляющие растущий исследовательский интерес, включают радары терагерцового и миллиметрового диапазона, программно-определяемые радары (SDR) и недорогие радары, а также квантовые радары. Наконец, достижения в технологиях радиолокационного зондирования проложат путь к эффективным решениям Интернета вещей (IoT) и промышленного IoT (IIoT), что повлияет на многие аспекты нашей повседневной жизни. Прогресс в области недорогих датчиков, аппаратных архитектур и алгоритмов обработки сигналов будет способствовать дальнейшему использованию радиолокационных технологий в новых областях гражданского применения.

Вклад авторов

Автор подтверждает, что является единственным автором этой работы и одобрил ее публикацию.

Конфликт интересов

Автор заявляет, что исследование проводилось в отсутствие каких-либо коммерческих или финансовых отношений, которые могли бы быть истолкованы как потенциальный конфликт интересов.

Благодарности

Автор хотел бы поблагодарить Moeness Amin, Antonio De Maio, Alessio Balleri и Fabiola Colone за чтение рукописи и предоставление очень полезных комментариев.

Ссылки

Алланд С., Старк В., Али М. и Хегде М. (2019). Помехи в автомобильных радиолокационных системах: характеристики, методы подавления, а также текущие и будущие исследования. Сигнал IEEE. Обработать. Маг. 36 (5), 45–59. doi:10.1109/msp.2019.24

Полный текст CrossRef | Google Scholar

Амин, М. (2017). Радар для наблюдения внутри помещений: обнаружение, классификация и оценка . 1-е изд. КПР Пресс.

Амин М. (2010). Радиолокационная съемка сквозь стену . 1-е изд. КПР Пресс.

Амин М., Абутаниос Э., Фабрицио Г. А., Хассаниен А. и Ромеро Р. А. (2020). Спецвыпуск о сотрудничестве и совместном проектировании систем связи и радиолокации в переполненном спектре . Цифровая обработка сигналов Elsevier.

Амин, М. Г., Чжан, Ю. Д., Ахмад, Ф., и Хо, К. С. Д. (2016). Обработка сигналов радара для обнаружения падений пожилых людей: будущее домашнего мониторинга. Сигнал IEEE.Обработать. Маг. 33 (2), 71–80. doi:10.1109/msp.2015.2502784

Полный текст CrossRef | Google Scholar

Обри А., Каротенуто В., Де Майо А. и Говони М. А. (2019). Зондирование спектра с несколькими моментальными снимками для когнитивного радара за счет использования блочной разреженности. IEEE Trans. Сигнальный процесс. 67 (6), 1396–1406. doi:10.1109/tsp.2018.2886166

CrossRef Полный текст | Google Scholar

Обри А., Де Майо А., Фарина А. и Уикс М. (2013). Основанный на знаниях (потенциально когнитивный) дизайн передачи сигнала и приема в помехах, зависящих от сигналов. IEEE Trans. Аэрокосмический электрон. Сист. 49 (1), 93–117. doi:10.1109/taes.2013.6404093

Полный текст CrossRef | Google Scholar

Обри А., Де Майо А., Хуанг Ю., Пьеццо М. и Фарина А. (2015). Новый алгоритм проектирования радиолокационных сигналов с улучшенной возможностью спектрального сосуществования. IEEE Trans. Аэросп. Электрон. Сист. 51 (2), 1029–1038. doi:10.1109/taes.2014.140093

CrossRef Полный текст | Google Scholar

Blasone, G. P., Colone, F., Ломбардо П., Воячек П. и Кристаллини Д. (2020). Схемы пассивного радиолокатора DPCA с адаптивной калибровкой канала. IEEE Trans. Аэросп. Электрон. Сист. 56 (5), 4014–4034. doi:10.1109/TAES.2020.2987478

CrossRef Full Text | Google Scholar

Блант С. и Перринс Э. (2018). Совместное использование радиолокационных и коммуникационных частот (электромагнитные и радиолокационные) . Роли, Северная Каролина: Scitech Publishing.

Блант, С. Д., Адве, Р., Блисс, Д. В., Карран, Дж., и Рой, С.(2019). Специальный выпуск о совместном использовании спектра: приглашенная редакция. IEEE Trans. Аэросп. Электрон. Сист. 55 (3). doi:10.1109/taes.2019.2917993

CrossRef Full Text | Google Scholar

Блант, С. Д., Ятам, П., и Стайлз, Дж. (2010). Внутриимпульсная радиолокационная связь. IEEE Trans. Аэросп. Электрон. Сист. 46 (3), 1185–1200. doi:10.1109/taes.2010.5545182

Полный текст CrossRef | Google Scholar

Брюггенвирт С., Хейзинг А. и Чарлиш А.(2019). Когнитивный радар, специальный выпуск, часть 1. IEEE Aerosp. Электрон. Сист. Маг. 34 (12), 4–5. doi:10.1109/maes.2019.2959869

Полный текст CrossRef | Google Scholar

Каротенуто, В., и Де Майо, А. (2021). Кластерный подход к классификации помеховой среды. IEEE Trans. Аэросп. Электрон. Сист. 1. doi:10.1109/TAES.2021.3050655

CrossRef Full Text | Google Scholar

Чарлиш А., Белл К., Гудман Н. и Смит Г. Э.(редакторы) (2018). Спецвыпуск о когнитивном радаре. ИЭТ Радар. Сонар Навигация. 12 (12), 1361–1475.

Google Scholar

Чен, В. К. (2014). «Достижения в области применения радиолокационных микродоплеровских сигнатур», в Proceeding. Конференция IEEE, Приложения для измерения антенн (CAMA), Антиб-Жуан-ле-Пен, Франция, 16–19 ноября 2014 г., стр. 1–4.

Google Scholar

Чен В. К. и Линг Х. (2001). Частотно-временные преобразования для радиолокационных изображений и анализа сигналов .Дом Артек.

Ченг К., Ихалаге А. А., Лю Ю. и Хао Ю. (2020). Радарное изображение с компрессионным зондированием с использованием сверточных нейронных сетей. Доступ IEEE 8, 212917–212926. doi:10.1109/access.2020.3040498

CrossRef Полный текст | Google Scholar

Чирият А. Р., Пол Б. и Блисс Д. В. (2017). Конвергенция радара и связи: сосуществование, сотрудничество и совместное проектирование. IEEE Trans. Познан. коммун. Сеть 3 (1), 1–12. doi:10.1109/tccn.2017.2666266

Полнотекстовая перекрестная ссылка | Google Scholar

Клементе К., Паллотта Л., Де Майо А., Сораган Дж. Дж. и Фарина А. (2015). Новый алгоритм радиолокационной классификации на основе доплеровских характеристик с использованием ортогональных полиномов псевдо-Цернике. IEEE Trans. Аэросп. Электрон. Сист. 51 (1), 417–430. doi:10.1109/taes.2014.130762

CrossRef Полный текст | Google Scholar

Коэн Д., Мишра К. В. и Эльдар Ю. К. (2018). Радар совместного использования спектра: сосуществование через xampling. IEEE Trans. Аэросп. Электрон. Сист. 54 (3), 1279–1296. doi:10.1109/taes.2017.2780599

CrossRef Full Text | Google Scholar

Цуй Г., Де Майо А., Фарина А. и Ли Дж. (Соредакторы) (2020). Расчет формы сигнала радара на основе теории оптимизации . Стивенидж, Соединенное Королевство: Институт инженерии и технологий, Scitech Publishing.

Дуггал Г., Вишвакарма С., Мишра К.В. и Рам А.С.С. (2020). Автомобильная совместная радиолокационная система связи ультракороткого радиуса действия на основе 802.11ad, устойчивая к доплеру. IEEE Trans. Аэрокосмический электрон. Сист. 56 (5), 4035–4048. doi:10.1109/taes.2020.29

CrossRef Full Text | Google Scholar

Эльбир А. М. и Мишра К. В. (2020). Выбор разреженного массива для сенсоров произвольной геометрии с глубоким обучением переносу. IEEE Trans. Познан. коммун. Сеть 1. doi:10.1109/TCCN.2020.2999811

CrossRef Full Text | Google Scholar

Ender, JHG (2010). О компрессионном зондировании применительно к радару. Сигнал. Обработать. 90 (5), 1402–1414. doi:10.1016/j.sigpro.2009.11.009

CrossRef Full Text | Google Scholar

Энгельс Ф., Хайденрайх П., Зубир А. М., К. Йондрал Ф. и Винтермантель М. (2017). Достижения в области автомобильных радаров: основа для вычислительно эффективной оценки частоты с высоким разрешением. Сигнал IEEE. Обработать. Маг. 34 (2), 36–46. doi:10.1109/msp.2016.2637700

Полный текст CrossRef | Google Scholar

Фарина А., Де Майо А.и Хайкин С. (соредакторы) (2017). Влияние познания на радиолокационные технологии , Эдисон, Нью-Джерси: SciTech.

Фиоранелли Ф., Гриффитс Х.Д., Ричи М. и Баллери А. (соредакторы) (2020). Микродоплеровский радар и его приложения , Стивенидж, Соединенное Королевство: Scitech Publishing.

Фортунати, С., Грассо, Р., Джини, Ф., Греко, М.С., и ЛеПейдж, К. (2014). Оценка DOA для одного снимка с использованием сжатого сканирования. EURASIP J. Adv. Сигнальный процесс. 2014, 120. doi:10.1186/1687-6180-2014-120

CrossRef Полный текст | Google Scholar

Генг Б., Брахма С., Вималаджива Т., Варшни П. К. и Рангасвами М. (2020). Перспектива теоретической полезности, основанная на принятии решений человеком в многоагентных системах. IEEE Trans. Сигнал. Обработать. 68 (1), 1091–1104. doi:10.1109/tsp.2020.2970339

CrossRef Полный текст | Google Scholar

Джини Ф., Де Майо А. и Паттон Л. (соредакторы) (2012 г.). Дизайн и разнообразие форм сигналов для усовершенствованного радара , Стивенидж, Соединенное Королевство: Серия Inst of Engineering and Technology, Radar, Sonar and Navigation.

Греко М., Джини Ф., Стинко П. и Белл К. (2018). Когнитивные радары: на пути к реальности. Сигнал IEEE. Обработать. Маг. 35 (4). 112–125. doi:10.1109/MSP.2018.2822847

CrossRef Полный текст | Google Scholar

Griffiths, H.D., Cohen, L., Watts, S., Mokole, E., Baker, C., Wicks, M., et al. (2015). Разработка радиолокационного спектра и управление им: технические и нормативные вопросы. Проц. IEEE 103 (1), 85–102. doi:10.1109/jproc.2014.2365517

Полный текст CrossRef | Google Scholar

Гриффитс, Х., Нотт П. и Кох В. (2019). Кристиан Хюльсмейер: изобретение и демонстрация радара, 1904 г. IEEE Aerosp. Электрон. Сист. Маг. 34 (9), 56–60. doi:10.1109/maes.2019.2934814

CrossRef Полный текст | Google Scholar

Guerci, JR (2010). Когнитивный радар: полностью адаптивный подход на основе знаний . Норвуд: Дом Артек.

CrossRef Полный текст

Хассаниен А., Амин М. Г., Чжан Ю. Д. и Ахмад Ф. (2016). Стратегии сигнализации для радиолокационной связи двойного назначения: обзор. IEEE Aerosp. Электрон. Сист. Маг. 31 (10), 36–45. doi:10.1109/maes.2016.150225

CrossRef Полный текст | Google Scholar

Хайкин С. (2006). Когнитивный радар: путь в будущее. Сигнал IEEE. Обработать. Маг. 23, 30–40. doi:10.1109/msp.2006.1593335

Полный текст CrossRef | Google Scholar

Иззо, А., Осиелло, Л., Клементе, К., и Сораган, Дж. Дж. (2020). Анализ громкоговорителей: подход, основанный на радаре. Датчики IEEE J. 20 (3), 1–15.doi:10.1109/jsen.2019.2946987

Полный текст CrossRef | Google Scholar

Хомчук П., Стаинвас И. и Билик И. (2016). Оценка направления движения пешеходов с использованием смоделированного автомобильного радара MIMO. IEEE Trans. Аэросп. Электрон. Сист. 52 (3), 1132–1145. doi:10.1109/taes.2016.140682

Полный текст CrossRef | Google Scholar

Кумари П., Чо Дж., Гонсалес-Прелчич Н. и Хит Р. В. (2018). Радар на основе IEEE 802.11ad: подход к объединенной автомобильной радиолокационной системе связи. IEEE Trans. Автомобильная техника. 67 (4), 3012–3027. doi:10.1109/TVT.2017.2774762

CrossRef Полный текст | Google Scholar

Ланг П., Фу Х., Марторелла М., Донг Дж., Цинь Р., Мэн Х. и др. (2020). Всесторонний обзор машинного обучения, применяемого к обработке радиолокационных сигналов. архив: 2009.13702.

Google Scholar

Ланг Ю., Ван К., Ян Ю., Хоу К., Лю Х. и Хе Ю. (2019). Совместная классификация движения и идентификация человека с помощью многозадачного обучения для умных домов. IEEE Internet Things J. 6 (6), 9596–9605. doi:10.1109/jiot.2019.2929833

Полный текст CrossRef | Google Scholar

Ли, В., Тан, Б., и Пехоцкий, Р. (2018a). Пассивный радар для оперативного мониторинга в приложениях электронного здравоохранения. IEEE J. Перевод. англ. Здоровье Мед. 6, 2800210. doi:10.1109/jtehm.2018.2791609

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Li, W., Tan, B., Xu, Y., and Piechocki, RJ (2018b). Пассивное радиочастотное зондирование с логарифмической вероятностью кластеризации для распознавания активности в жилых помещениях.Датчики IEEE J. 18 (13), 5413–5421. doi:10.1109/jsen.2018.2834739

CrossRef Полный текст | Google Scholar

Ломбардо П. и Колоне Ф. (2012). «Расширенные методы обработки для пассивных бистатических радиолокационных систем», в Принципах современной радиолокации: передовые методы . Редакторы У. Л. Мелвин и Дж. А. Шеер (SciTech), 739–821.

Google Scholar

Ma, L., Liu, Y., Zhang, X., Ye, Y., Yi, G., and Johnson, B. A. (2019). Глубокое обучение в приложениях дистанционного зондирования: метаанализ и обзор.IPRS J. Photogramm. Дистанционные датчики 152, 166–177.

Полнотекстовая перекрестная ссылка | Google Scholar

Мэтр Дж., Бушар К. и Габури С. (2020). «Обнаружение падения с помощью сверхширокополосных радаров и архитектуры CNN-lstm», в журнале IEEE по биомедицинской и медицинской информатике (ранний доступ), 1. doi:10.1109/JBHI.2020.3027967

CrossRef Полный текст | Google Scholar

Мазахир С., Ахмед С. и Алуини М.-С. (2020). Обзор совместных систем связи и радиолокации. ТехРксив .Препринт. doi:10.36227/techrxiv.13041887.v1

Полный текст CrossRef | Google Scholar

Мелвин, В.Л., и Шеер, Дж.А. (соредакторы) (2012). Принципы современной радиолокации: передовые методы . Научные технологии.

Mercuri, M., Sacco, G., Hornung, R., Zhang, P., Visser, H., Hijdra, M., et al. (2021). Двухмерная локализация, угловое разделение и мониторинг показателей жизнедеятельности с использованием радара SISO FMCW для интеллектуальных сред долгосрочного мониторинга состояния здоровья», в журнале IEEE по биомедицинской и медицинской информатике (ранний доступ), 1.doi:10.1109/JIOT.2021.3051580

CrossRef Полный текст | Google Scholar

Пастина Д., Колоне Ф., Мартелли Т. и Фальконе П. (2015). Паразитическая эксплуатация сигналов Wi-Fi для внутреннего радиолокационного наблюдения. IEEE Trans. Автомобильная техника. 64 (4), 1401–1415. doi:10.1109/tvt.2015.2392936

CrossRef Полный текст | Google Scholar

Поттер, Л. К., Эртин, Э., Паркер, Дж. Т., и Цетин, М. (2010). Разреженность и сжатое восприятие в радиолокационных изображениях. Проц.IEEE 98 (6), 1006–1020. doi:10.1109/jproc.2009.2037526

Полный текст CrossRef | Google Scholar

Rahman, Md.L., Zhang, J.A., Wu, K., Huang, X., Guo, Y.J., Chen, S., et al. (2020). Включение совместной связи и радиозондирования в мобильных сетях: обзор. архив: 2006.07559.

Google Scholar

Ричардс, М. (2014). Основы обработки радиолокационных сигналов . 2-е изд. Образование Макгроу-Хилл.

Ричи, М., Фиоранелли, Ф., Боррион, Х.и Гриффитс, Х. (2016). Извлечение характеристик мультистатического микродоплеровского радара для классификации незагруженных/загруженных микродронов. ИЭТ Радар. Сонар Навигация. 11, 116–124. doi:10.1049/iet-rsn.2016.0063

Полный текст CrossRef | Google Scholar

Робертс В., Сюй Л., Ли Дж. и Стойка П. (2011). Конструкция разреженной антенной решетки для приложений активного зондирования MIMO. IEEE Trans. Распространение антенн. 59 (3), 846–858. doi:10.1109/tap.2010.2103550

Полный текст CrossRef | Google Scholar

Сапонара С., Греко, М., и Джини, Ф. (2019). Радар на кристалле / в корпусе в автономных транспортных средствах и интеллектуальных транспортных системах: возможности и проблемы. Сигнал IEEE. Обработать. Маг. 36 (5), 71–84. doi:10.1109/msp.2019.2

4

Полный текст CrossRef | Google Scholar

Шуман О., Ломбахер Дж., Хан М., Вёлер К. и Дикманн Дж. (2020). понимание сцены с помощью автомобильного радара. IEEE Trans. Интел. Транспортные средства 5 (2), –203. doi:10.1109/tiv.2019.2955853

CrossRef Полный текст | Google Scholar

Зайферт, А.-К., Амин, М.Г., и Зубир, А.М. (2019). На пути к ненавязчивому домашнему анализу походки на основе радиолокационных микродоплеровских сигнатур. IEEE Trans. Биомед. англ. 66 (9), 2629–2640. doi:10.1109/tbme.2019.2893528

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Сейфиоглу, М.С., Озбайоглу, А.М., и Гюрбюз, С.З. (2018). Глубокий сверточный автоэнкодер для радиолокационной классификации аналогичных действий человека с помощью и без помощи. IEEE Trans. Аэросп. Электрон.Сист. 54 (4), 1709–1723. doi:10.1109/taes.2018.2799758

CrossRef Full Text | Google Scholar

Шреста А., Ли Х., Ле Кернек Дж. и Фиоранелли Ф. (2020). Непрерывная классификация деятельности человека с помощью радара FMCW с сетями Bi-lstm. Датчики IEEE J. 20 (22), 13607–13619. doi:10.1109/jsen.2020.3006386

Полный текст CrossRef | Google Scholar

Скольник М.И. (2002). Введение в радиолокационные системы . 3-е изд. Образование Макгроу-Хилл.

Сонг Х., Сасада С., Масумото Н., Кадоя Т., Широма Н., Орита М. и др. (2019). Обнаружение опухолей молочной железы в иссеченных тканях молочной железы тотальной мастэктомии с помощью детектора рака молочной железы на основе ИК-СШП-радара. IEEE Trans. Биомед. англ. 66 (8), 2296–2305. doi:10.1109/tbme.2018.2887083

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Теодоридис, С., и Челлаппа, Р. Редакторы (2013). Библиотека академической прессы по обработке сигналов: связь и обработка радиолокационных сигналов, Vol.2 . 1-е изд. Академическая пресса.

Теодоридис, С., и Челлаппа, Р. Редакторы (2017). Библиотека академической прессы по обработке сигналов: массив, радиолокация и техника связи, Vol. 7 , 1-е изд. Академическая пресса.

Вальдшмидт, К., Хаш, Дж., и Менцель, В. (2021). Автомобильный радар: от первых попыток до будущих систем. IEEE J. Microwaves 1 (1), 135–148. doi:10.1109/jmw.2020.3033616

CrossRef Full Text | Google Scholar

Ван, Х., Хассаниен, А., и Амин, М. Г. (2018). Конструкция разреженной передающей решетки для двухфункциональной радиолокационной связи за счет выбора антенны. Цифровой сигнал. Обработать. 83, 223–234. doi:10.1016/j.dsp.2018.08.016

CrossRef Full Text | Google Scholar

Вайсс М., Колер М., Саам А. и Вормс Дж. (2020). «Комбинированные методы CS и DL для DOA с линзой Ротмана», в Proc. О радиолокационной конференции IEEE 2020 г. (RadarConf20), Флоренция, Италия, 21–25 сентября 2020 г. doi: 10.1109/RadarConf2043947.2020.9266463

Полнотекстовая перекрестная ссылка | Google Scholar

Сюй Х., Блюм Р.С., Ван Дж. и Юань Дж. (2015). Совместно расположенная форма сигнала радара MIMO для формирования диаграммы направленности передачи. IEEE Trans. Аэросп. Электрон. Сист. 51 (2), 1558–1568. doi:10.1109/taes.2014.140249

CrossRef Полный текст | Google Scholar

Ян Дж., Пу В., Ма С., Чжоу С., Лю Х. и Греко М. С. (2020). Оптимальное распределение ресурсов для асинхронного сопровождения нескольких целей в гетерогенной радиолокационной сети. IEEE Trans. Сигнальный процесс. 68, 4055–4068. doi:10.1109/TSP.2020.3007313

CrossRef Полный текст | Google Scholar

Цайнтль, К., Эйбенштайнер, Ф., и Лангер, Дж. (2019). «Оценка FMCW-радара для обнаружения вибрации в промышленных условиях», Материалы 29-й международной конференции «Радиоэлектроника», Пардубице, Чехия, 16–18 апреля 2019 г. doi:10.1109/RADIOELEK.2019.8733410

CrossRef Полный текст | Google Scholar

Чжан В., Ван П., Хе, Н., и Хе, З. (2020). DOA сверхвысокого разрешения на основе относительного движения для автомобильного радара FMCW. IEEE Trans. Автомобильная техника. 69 (8), 8698–8709. doi:10.1109/tvt.2020.2999640

CrossRef Полный текст | Google Scholar

Чжэн Л., Лопс М., Эльдар Ю. К. и Ван Х. (2019). Сосуществование радара и связи: обзор: обзор последних методов. Процесс обработки сигналов IEEE. Маг. 36 (5), 85–99. doi:10.1109/msp.2019.2

9

CrossRef Полный текст | Google Scholar

Zhu, X.X., Tuia, D., Mou, L., Xia, G.-S., Zhang, L., Xu, F., et al. (2017). Глубокое обучение дистанционному зондированию: всесторонний обзор и список ресурсов. IEEE Geosci. Дистанционный датчик Mag. 5 (4), 8–36. doi:10.1109/mgrs.2017.2762307

CrossRef Полный текст | Google Scholar

Когерентный фотонный радар с использованием MIMO (MIMO-Co-PHRAD) для обнаружения и измерения дальности

  • Мухтар, А., Ся, Л., и Тан, Т. Б. (2015). Методы обнаружения транспортных средств для систем предотвращения столкновений: обзор. IEEE Transactions on Intelligent Transport Systems, 16 (5), 2318–2338. https://doi.org/10.1109/tits.2015.2409109.

    Артикул Google ученый

  • Чжоу Х., Цао П. и Чен С. (2016). Новый дизайн формы сигнала для обнаружения нескольких целей в автомобильном радаре FMCW. На радиолокационной конференции IEEE . https://doi.org/https://doi.org/10.1109/radar.2016.7485315

  • Ског И.и Гендель, П. (2009). Технологии автомобильного позиционирования и навигации — обзор. IEEE Transactions of Intelligent Transport Systems, 10 , 4–21.

    Артикул Google ученый

  • Маутц, Р. (2008 г.). Сочетание внутреннего и наружного позиционирования. В Материалы 1-й международной конференции по управлению машинами и наведению (стр. 79–87).

  • Кутила М., Пюйконен П., Риттер В., Саваде О. и Шойфеле Б. (2016). Сценарии разработки автомобильных фотонно-радиолокационных датчиков для суровых погодных условий. В материалах 19-й международной конференции IEEE по интеллектуальным транспортным системам (ITSC) (стр. 265–270).

  • Дудек М., Наср И., Божик Г., Хамуда М., Киссинджер Д. и Фишер Г. (2015). Системный анализ радара с фазированной антенной решеткой, использующего адаптивное управление лучом для будущих приложений безопасности автомобилей. IEEE Transactions on Vehicular Technology, 64 (1), 34–47.

    Артикул Google ученый

  • Рамасубраманиан, К., и Рамая, К. (2018). Переход от устаревшего радара 24 ГГц к современному радару 77 ГГц. ATZ Elektronik Worldwide, 13 , 46–49. https://doi.org/10.1007/s38314-018-0029-6.

    Артикул Google ученый

  • Шарма В., Сергеев С., Кумар Л. и Кбаши Х. Дж. (2020). Измерение скорости дальности и классификации автомобильных целей с использованием фотонного радара. Оптическая и квантовая электроника, 52 , 438. https://doi.org/10.1007/s11082-020-02557-5.

    Артикул Google ученый

  • МСЭ-R P.838-3. (2005). Конкретная модель затухания в дожде для использования в методах прогнозирования.

  • Вэй В., Джинсон Д. и Цзе Г. (2018). Метод обнаружения нескольких целей, основанный на последовательности чирпов с переменной несущей частотой. Датчики , 18 , 3386.

    Артикул Google ученый

  • Ху, К., Лю, Ю., Мэн, Х., и Ван, Х. (2014). Радиолокатор FMCW с рандомизированной переключаемой антенной решеткой для автомобильных приложений. IEEE Transactions on Vehicular Technology, 63 (8), 3624–3641.

    Артикул Google ученый

  • Патоле С.М., Торлак М., Ван Д. и Али М. (2017). Автомобильные радары: обзор методов обработки сигналов. Журнал обработки сигналов IEEE, 34 (2), 22–35.

    Артикул Google ученый

  • Шарма В. и Сергеев С. (2020). Оценка дальности обнаружения фотонных радаров при неблагоприятных погодных условиях. Optics Communications, 472 , 125891. https://doi.org/10.1016/j.optcom.2020.125891.

    Артикул Google ученый

  • Бутейр, Д., Канат Г., Валла М., Ожер Б., Бессон К., Гулар Д., Ломбард Л., Кариу Ж.-П., Дюрю А., Флери Д., Бриктё , Л., Брусмиш, С., Луган, С., и Мак, Б. (2009). Импульсный лидар 1,5 мкм для обнаружения осевого вихревого следа самолета на основе оптоволоконного усилителя высокой яркости с большой сердцевиной. IEEE Journal of Selected Topics of Quantum Electronics, 15 , 441–450.

    Артикул Google ученый

  • Гао, С.и Хуэй, Р. (2012). Частотно-модулированный лидар непрерывного действия с I/Q-модулятором для упрощения гетеродинного обнаружения. Optics Letters, 37 (11), 2022–2024 гг.

    Артикул Google ученый

  • МСЭ-R P.676-11. (2016). Ослабление атмосферными газами.

  • Пейно, Т., Андервуд, Дж., и Шединг, С. (2009). На пути к надежному восприятию беспилотных наземных транспортных средств в сложных условиях.В материалах международной конференции IEEE/RSJ по интеллектуальным роботам и системам (стр. 1170–1176).

  • Хасирлиоглу С., Ринер А., Рубер В. и Винтерсбергер П. (2017). Влияние выхлопных газов на качество данных лазерного сканера при низких температурах окружающей среды. В материалах симпозиума по интеллектуальным транспортным средствам IEEE (стр. 1708–1713).

  • Биелич, М., Грубер, Т., и Риттер, В. (2018). Эталон для фотонных радарных датчиков в тумане: ломается ли обнаружение? В материалах Proceedings of IEEE Intelligent Vehicles Symposium (IV) (стр.760–767).

  • Хайнцлер Р., Шиндлер П., Сикирхер Дж., Риттер В. и Сторк В. (2019). Влияние погоды и классификация с помощью автомобильных лидарных датчиков. На симпозиуме IEEE по интеллектуальным транспортным средствам 2019 г. (IV) (стр. 1527–1534).

  • Филгейра, А., Гонсалес-Хорхе, Х., Лагуэла, С., Диас-Вилариньо, Л., и Ариас, П. (2017). Количественная оценка влияния дождя на производительность LiDAR. Измерение, 95 , 143–148.

    Артикул Google ученый

  • Алдаэль, О., Монга, В., и Рангасвами, М. (2017). Удобная конструкция диаграммы направленности MIMO для передачи при постоянном ограничении по модулю. IEEE Transactions on Signal Processing, 65 (10), 2588–2599.

    MathSciNet Статья Google ученый

  • Ма, К., Йео, Т.С., Чжао, Ю., и Фэн, Дж. (2014). Радарное трехмерное изображение MIMO на основе комбинированной функции стоимости амплитуды и полной вариации с отрицательной экспоненциальной формой последовательного порядка один. IEEE Transactions on Image Processing, 23 (5), 2168–2183.

    MathSciNet Статья Google ученый

  • Яо, Т., Чжу, Д., Бен, Д., и Пан, С. (2015). Распределенный хаотический радар MIMO на основе технологии мультиплексирования с разделением по длине волны. Optics Letter, 40 (8), 1631–1634.

    Артикул Google ученый

  • Ян, Х.и Чун, Дж. (2016). Улучшенное алгебраическое решение для локализации движущихся целей в некогерентных радиолокационных системах MIMO. IEEE Transactions on Signal Processing, 64 (1), 258–270.

    MathSciNet Статья Google ученый

  • Беккерман И. и Табрикян Дж. (2006). Обнаружение и локализация целей с помощью радаров и гидролокаторов MIMO. IEEE Transactions on Signal Processing, 54 (10), 3873–3883.

    Артикул Google ученый

  • Ли, Дж., и Стойка, П. (2007). Радар MIMO с совмещенными антеннами. Журнал обработки сигналов IEEE, 24 (5), 106–114.

    Артикул Google ученый

  • Чжан Ф., Гао Б. и Пан С. (2018). Радар MIMO на основе фотоники с высоким разрешением и возможностью быстрого обнаружения. Optics Express, 26 , 17529–17540.

    Артикул Google ученый

  • Гельфи П., Лагезза Ф., Скотти Ф., Серафино Г., Каприа А., Пинна С., Онори Д., Порци К., Скаффарди М., Малакарн , А., и Верчези, В. (2020). Когерентная радиолокационная система, полностью основанная на фотонике. Природа, 507 , 341–345. https://doi.org/10.1038/nature13078.

    Артикул Google ученый

  • Севиньи, П.(2009). MIMO-радар: обзор литературы за период с 2003 г. по сентябрь 2008 г. . . ДРЦ.

    Google ученый

  • Чжоу П., Чжан Ф. и Пан С. (2018). Генерация линейных частотно-модулированных сигналов оптоэлектронным генератором с перестройкой частоты. Journal of Lightwave Technology, 36 (18), 3927–3934.

    Артикул Google ученый

  • Варшней П.К. и Масазаде Э. (2014). Библиотека академической прессы по обработке сигналов .

  • Agrawal, GP (2012). Волоконно-оптические системы связи . (Том 222). Уайли.

    Google ученый

  • Эльгандур, А. Х., и Рен, К. Д. (2013). Моделирование и сравнительное исследование различных методов обнаружения FMCW-фотонных радаров с использованием оптисистемы. В Материалы SPIE 8905, международного симпозиума по фотоэлектронному обнаружению и визуализации : Лазерное зондирование и визуализация .

  • Эльгандур, А., и Дианрен, К. (2012). Исследование методов определения расстояния и скорости с помощью лидара с чирпированием. В 2012 г. состоялась международная конференция по оптоэлектронике и микроэлектронике (стр. 354–358).

  • Рашиди Ф., Цзин Х. и Чен Л. (2017). Нарезка спектра WDM для систем связи FSO в условиях сильного дождя. Optics Communications, 387 , 296–302.

    Артикул Google ученый

  • Олсен Р.Л., Роджерс, Д.В., и Ходж, Д.Б. (1978). Соотношение aR b при расчете затухания в дожде. Транзакции IEEE по антеннам и распространению, 26 , 318–329.

    Артикул Google ученый

  • Гультепе И., Тардиф Р., Михаэлидис С.К., Чермак Дж., Ботт А., Бендикс Дж., Мюллер МД, Паговски М., Хансен Б., Эллрод Г. ., & Джейкобс, В. (2007). Исследование тумана: обзор прошлых достижений и перспективы на будущее. Чистая и прикладная геофизика, 164 (6–7), 1121–1159.

    Артикул Google ученый

  • Каушал, Х., Джайн, В.К., и Кар, С. (2017). Оптическая связь в открытом космосе , 1-е изд. (стр. 41–86). Спрингер. ISBN 978-81-322-3691-7. https://doi.org/https://doi.org/10.1007/978-81-322-3691-7

  • Ким И.И. и Кореваар Э. Доступность оптики свободного пространства (FSO) и гибридной системы ФСО/РЧ. Технический отчет Light Point. www.opticalaccess.com

  • Шарма В., Сергеев С. и Каур Дж. (2020). Адаптивный MIMO 2 × 2 использует вейвлет-OFDM-радио по оптоволокну. IEEE Access, 8 , 23336–23345. https://doi.org/10.1109/ACCESS.2020.2970085.

    Артикул Google ученый

  • Ван, С., Патель, В. М., и Петропулу, А. (2017). Радар MIMO-RSFT: радар MIMO уменьшенной сложности, основанный на разреженном преобразовании Фурье.На радиолокационной конференции IEEE 2017 г. (RadarConf) (стр. 0885–0890). https://doi.org/https://doi.org/10.1109/RADAR.2017.7944328

  • Вождение с миром, обновление 2017 г.

    предусмотрено законом. К сожалению, вы не останетесь незамеченными, так как есть интеллектуальные устройства, которые смогут отслеживать вашу скорость без вмешательства человека. Однако, к счастью, есть способ легко определить, есть ли впереди радар, следящий за вашей скоростью.

    Это правила штатов, касающиеся использования радар-детекторов.

    Чтобы избежать проблем, которые могут возникнуть, когда водители хотят использовать радар-детектор и скорость, во многих штатах действуют правила, предотвращающие несчастные случаи. Тем не менее, радар-детектор разрешен к использованию во многих штатах. Если вы ищете хороший радар-детектор, продолжайте читать, чтобы узнать больше.

    Вот краткий список радар-детекторов, о которых вам может быть интересно узнать больше. Нажмите кнопку обзора, если хотите узнать больше.

    Как выбрать лучший радар-детектор

    Чтобы вам было легче выбрать правильный радар-детектор для ваших нужд, ниже приведены некоторые из наиболее важных факторов, которые вы должны учитывать:

    1. Тип радар-детектора

    Прежде всего необходимо решить, какой тип радар-детектора вам больше подходит. В этом случае у вас будут два варианта:

    Также следует отдавать предпочтение моделям с удобными функциями.Например, вы должны быть в состоянии легко выполнить установку. Производитель должен предоставить пошаговые инструкции по сборке. Более того, элементы управления также должны быть стратегически расположены, чтобы вы могли быстро настроить устройство.

    3. Режимы работы

    Хорошим выбором для радар-детектора является тот, который поставляется с несколькими режимами, которые обеспечивают высокий уровень надежности, независимо от того, где вы будете водить машину. Если вы едете в городской черте, режим «Город» будет уместен.В противном случае вы должны иметь возможность установить его в режим шоссе. Под последним у него более высокая чувствительность, потому что на трассах больше скоростных радаров.

    4. Возможности обнаружения

    Ваш радар-детектор будет бесполезен, если у него плохие возможности обнаружения радаров скорости на пути. При этом взгляните на диапазон, который будет указывать на расстояние до радара, которое детектор сможет обнаружить. Кроме того, убедитесь, что он способен обнаруживать радары под углом 360 градусов.

    Более того, ищите продукт, который сможет обнаруживать даже те, которые не излучают сигналы, например, камеры красного света. Это будет хорошим способом обеспечить вам душевное спокойствие, уменьшив вероятность того, что вас оштрафуют за нарушение правил дорожного движения.

    5. Местные законы

    Прежде чем купить радар-детектор, имейте в виду, что есть некоторые штаты или города, где использование такого устройства запрещено законом. Попадание будет считаться нарушением правил дорожного движения.При этом будет хорошо выбрать низкопрофильный радар-детектор или, по крайней мере, такой, который не могут обнаружить детекторы, которые используются полицией.

    6. Встроенный GPS

    В последние годы многие производители предлагают более инновационные опции, поэтому они интегрировали GPS в свои радар-детекторы. С последним вы сможете наслаждаться многофункциональным устройством, так как оно также может быть полезно для наземной навигации. С помощью GPS вы также сможете определить точное местоположение радара.

    7. Предупреждения и уведомления

    Также важно учитывать, как вы будете предупреждены, когда устройство сможет обнаружить датчик скорости. Лучшие из них уведомят вас звуковыми и визуальными предупреждениями. Если есть цифровой дисплей, убедитесь, что он остается четким и легко читаемым даже в жаркий день. С другой стороны, если есть звуковые оповещения, позаботьтесь о том, чтобы они были достаточно громкими, чтобы их было легко услышать.

    8. Гарантия

    Если вам нужна максимальная отдача от вложенных средств и душевное спокойствие, выберите радар-детектор, на который распространяется обширная гарантия.Это означает, что производитель защитит вас в течение гарантийного срока, при условии, что проблема не является результатом вашей небрежности. В случае обнаружения дефекта они предоставят бесплатный ремонт и замену деталей, если это необходимо.

    Выбор лучших радар-детекторов

    Не знаете, какие из них сделают лучший выбор? Продолжайте читать оставшуюся часть этого раздела, и мы сообщим вам о некоторых из лучших вариантов, доступных в настоящее время на рынке.

    В сочетании с патентами и патентными заявками на системы лучистой энергии различного типа (класс 342/52)

    Номер патента: 51

    Abstract: Описана наземная система Smart-Sensor и несколько системных архитектур для обнаружения, отслеживания и классификации людей и транспортных средств автоматически и в режиме реального времени для наблюдения за границей, собственностью и объектами.Предпочтительный вариант предлагаемой системы Smart-Sensor состоит из (1) недорогого некогерентного радара, функция которого заключается в обнаружении и отслеживании людей по отдельности или группами, а также различных транспортных средств, которые могут включать автомобили. , животных или летательных аппаратов, по отдельности или группами, и указать (2) оптический датчик, такой как датчик длинноволнового инфракрасного излучения (LWIR), функция которого состоит в классификации идентифицированных целей и создании видеоклипов для проверки и использования оператором, и (3) суперкомпьютер IBM CELL для обработки собранных данных в режиме реального времени.Система Smart Sensor может быть реализована в башенной или мобильной архитектуре или в комбинированной архитектуре. Радар также может работать как автономная система.

    Тип: Грант

    Файл: 10 декабря 2012 г.

    Дата патента: 12 мая 2015 г.

    Правопреемник: Виста Рисерч, Инк.

    Изобретателей: Филип А. Фокс, Джозеф В. Мареска-младший.

    Риск прилова странствующих альбатросов в результате обнаружения радаром

    Число странствующих альбатросов в Южной Георгии катастрофически сократилось с 1960-х годов из-за побочной смертности (прилова) при промысле (Pardo et al.2017) [1]. Это привело к разработке Плана действий по сохранению правительством Южной Георгии и Южных Сандвичевых островов (GSGSSI) и внесению их в список приоритетных популяций в соответствии с Соглашением о сохранении альбатросов и буревестников (ACAP).

    С 2014 г. прилов морских птиц сократился до незначительного уровня на промыслах вокруг Южной Георгии из-за правил, введенных в рамках Конвенции о сохранении морских живых ресурсов Антарктики (АНТКОМ).Однако в других частях южного полушария сохраняющиеся плохие методы и слабое соблюдение или отсутствие соблюдения правил означают, что прилов по-прежнему представляет собой серьезную угрозу для странствующих альбатросов, а также для многих других популяций морских птиц (Phillips et al., 2016; Dias et al. , 2019) [2][3]. Ограниченный мониторинг с судов показывает два района с особо высоким риском появления странствующих альбатросов: патагонский шельф и субтропическую фронтальную зону Южной Атлантики. Риски усугубляются незаконным, несообщаемым и нерегулируемым (ННН) промыслом — крупной, но не поддающейся количественной оценке угрозой в океанах.Выявление областей и периодов, когда птицы разного возраста и пола наиболее подвержены прилову, является важной информацией для заинтересованных сторон и лиц, определяющих политику, и используется для улучшения правил, целевых программ наблюдения за приловом и мониторинга соблюдения рекомендуемых мер по сокращению прилова.

    Общая цель этого проекта состоит в том, чтобы связать предпочитаемую среду обитания, модели активности в море и данные обнаружения с помощью новых бортовых радаров для птиц, чтобы количественно оценить взаимодействия отслеживаемых странствующих альбатросов с законными и ННН-промысловыми судами.Это значительно улучшит ранее проведенный крупномасштабный анализ перекрытия с промысловым усилием, чтобы четко определить районы и периоды наибольшей восприимчивости к прилову для различных классов жизненного цикла (возраст, пол, статус размножения). Это инновационный проект, который может изменить правила игры, учитывая способность идентифицировать ННН суда с помощью бортового радара птиц и возможное расширение этого подхода на другие виды в будущем. Работа проводится Британской антарктической службой в партнерстве с BirdLife International и финансируется Darwin PLUS.

    Сезон 2020-2021

    В декабре 2020 года спутниковые метки (РТТ) производства Sextant Technology были прикреплены к птенцам странствующих альбатросов перед их отлетом с острова Птиц, а также к птицам, находящимся в творческом отпуске – тем, которые ранее размножались, но не занимаются так в этом сезоне. Места показаны на следующей карте. Метки используют систему Argos и имеют встроенный GPS и датчик для обнаружения радиолокационных излучений с судов (все суда используют радар по соображениям безопасности и эксплуатации). Близость птицы к судну обозначается цветными точками – желтыми (далеко), оранжевыми (среднее расстояние), красными (близко).Неравномерность линий трека является особенностью потока необработанных данных GPS.

    Нажмите на трек, чтобы узнать, как далеко птица улетела от Птичьего острова.

    Сезон 2019-2020

    В декабре 2019 года спутниковые метки (PTT), изготовленные компанией Sextant Technology, были прикреплены к птенцам странствующего альбатроса перед их отлетом с острова Птиц, и их местонахождение показано на следующей карте.
    К сожалению, аккумуляторы не заряжались должным образом от солнечных панелей на устройствах, а последние локации были получены в начале февраля 2020 года.

    Нажмите на трек, чтобы узнать, как далеко птица улетела от Птичьего острова.

    Дополнительная литература

    [1] Пардо, Д., Форкада, Дж., Вуд, А.Г., Так, Г.Н., Айрленд, Л., Прадел, Р., Кроксалл, Дж.П. и Филлипс, Р.А. (2017). Аддитивное воздействие климата и рыболовства приводит к продолжающемуся сокращению численности многих видов альбатросов. Труды Национальной академии наук Соединенных Штатов Америки 114, E10829-E10837.

    [2] Филипс Р.А., Гейлз Р., Бейкер Г.Б., Дабл М.С., Фаверо М., Кинтана Ф., Таскер М.Л., Веймерскирх Х., Ухарт М., Вольфардт А.(2016). Статус сохранения и приоритеты для альбатросов и крупных буревестников. Биологическая охрана, 201:169-83.

    [3] Dias MP, Martin R, Pearmain EJ, Burfield IJ, Small C, Phillips RA, Yates O, Lascelles B, Borboroglu PG, Croxall JP. (2019). Угрозы морским птицам: глобальная оценка. Биологическая консервация 237. 10.1016/j.biocon.2019.06.033.

    Общая цель этого проекта состоит в том, чтобы связать предпочтения среды обитания, модели активности в море и данные обнаружения с помощью новых бортовых радаров для птиц, чтобы количественно оценить взаимодействие отслеживаемых странствующих альбатросов с законными и незаконными, незарегистрированными и нерегулируемыми (ННН) промысловыми судами.

    Добавить комментарий

    Ваш адрес email не будет опубликован.