Rapid Adaptive Matched Filter for Detecting Radar Targets with Unknown Velocity

Resumo Técnico: Filtro Adaptativo Rápido de Correspondência para Detecção de Alvos de Radar com Velocidade Desconhecida

Enunciado do Problema
O artigo aborda o desafio fundamental de detectar alvos de radar com velocidades desconhecidas em ambientes de clutter severamente heterogêneos, não estacionários e não homogêneos. Uma restrição primária nestes cenários é a disponibilidade limitada de dados de treinamento necessários para estimar estatísticas de clutter desconhecidas. Detectores adaptativos clássicos, como o teste da Razão de Verossimilhança Generalizada (GLR) e o Filtro Adaptativo de Correspondência (AMF), tipicamente requerem um tamanho de conjunto de dados de treinamento de pelo menos $4N$ (onde $N$ é o número de pulsos) para alcançar desempenho próximo ao ótimo. Em ambientes não homogêneos, tais grandes conjuntos de dados são frequentemente indisponíveis, tornando as implementações clássicas no domínio do tempo ineficazes.

Tentativas anteriores de resolver isso via processamento Localizado no Domínio Doppler (DDL), especificamente o detector DDL-GLR baseado em RODI, introduziram o conceito de "Regiões de Melhoria de Detecção" (RODI). No entanto, o artigo identifica falhas significativas na abordagem RODI:

1. Requer medições auxiliares para determinar o número e as localizações das RODIs, o que é computacionalmente intensivo e complexo, especialmente com múltiplos tipos de clutter (por exemplo, solo, mar, clima).
2. Seu desempenho degrada-se significativamente quando a frequência Doppler do alvo é desconhecida ou quando o alvo cai em frequências fora da grade.
3. Baseia-se no conhecimento de parâmetros do espectro do clutter para definir RODIs, que frequentemente estão indisponíveis em ambientes operacionais.

Metodologia
A solução proposta é uma nova implementação DDL do detector AMF clássico no domínio do tempo, denominada detector DDL-AMF baseado em RPTD. A metodologia central desloca o paradigma de identificar regiões onde a melhoria de detecção é necessária (baseada em espectros de clutter) para identificar regiões onde a potência do sinal do alvo está concentrada.

Componentes metodológicos chave incluem:

• Região de Detecção Possível do Alvo (RPTD): Em vez de RODIs, o detector utiliza uma RPTD, definida como um pequeno conjunto de $n$ bins Doppler ($n \ll N$) que captura a maior parte da potência do sinal do alvo. Esta região é determinada com base no espectro do sinal do alvo, e não no espectro do clutter.
• Grade de Doppler de Máxima Verossimilhança (MLD): Para lidar com velocidades de alvo desconhecidas, o artigo propõe uma grade Doppler não uniforme. Esta grade é construída identificando picos locais em perfis de potência Doppler derivados de células de alcance representativas. Um estimador Doppler fino (usando interpolação quadrática em dados de FFT) é aplicado a esses picos para gerar estimativas precisas de frequência Doppler ($\hat{F}$).
• Identificação da RPTD: Para cada frequência Doppler estimada, a RPTD é definida selecionando os $n$ bins Doppler centrados ao redor do pico do espectro de potência do alvo. Isso garante que o processamento adaptativo se concentre nos bins contendo a maior energia do sinal.
• Formulação do Detector: O detector DDL-AMF calcula a estatística de teste usando a matriz de covariância amostral de tamanho $n \times n$ derivada de vetores de treinamento restritos aos bins da RPTD. A estatística de teste é formulada como:
  $$\tilde{\Lambda}_{AMF_m} = \frac{|\tilde{\mathbf{t}}_m^H \tilde{\mathbf{\Phi}}_m^{-1} \tilde{\mathbf{y}}_m|^2}{\tilde{\mathbf{t}}_m^H \tilde{\mathbf{\Phi}}_m^{-1} \tilde{\mathbf{t}}_m}$$
  onde $\tilde{\mathbf{y}}_m$ é o vetor CUT DDL, $\tilde{\mathbf{t}}_m$ é a estimativa do vetor de guiamento baseada em $\hat{F}$, e $\tilde{\mathbf{\Phi}}_m$ é a matriz de covariância DDL estimada.
• Aproximação do Limiar: Para facilitar a implementação em tempo real, o artigo fornece uma fórmula de aproximação computacionalmente simples e precisa para o limiar de detecção, evitando iterações numéricas demoradas exigidas pela solução integral exata.

Contribuições Principais

1. Conceito de RPTD: A introdução do conceito de RPTD, que elimina a necessidade de conhecimento prévio de parâmetros do espectro do clutter ou medições complexas para definir regiões adaptativas.
2. Robustez a Doppler Desconhecido: Diferentemente do detector DDL-GLR baseado em RODI, o detector DDL-AMF baseado em RPTD proposto mantém desempenho próximo ao ótimo mesmo quando a frequência Doppler do alvo é desconhecida e flutua fora da grade DFT.
3. Tratamento de Clutter Multimodal: O método é projetado para funcionar efetivamente em ambientes de clutter com densidades espectrais de potência multimodais (por exemplo, clutter de solo, mar e chuva simultâneos) sem exigir classificação específica do clutter.
4. Eficiência Computacional: O artigo demonstra que o detector DDL-AMF reduz significativamente a carga computacional em comparação com o AMF clássico no domínio do tempo. Ao operar em uma dimensão reduzida $n$ (por exemplo, $n=4$ a $6$) em vez de $N$, o ganho computacional é substancial (por exemplo, um fator de ganho de 31 a 147 para $N=64$ a $256$).
5. Correção de Pressupostos Anteriores: O artigo desafia o pressuposto de que o processamento adaptativo DDL é necessário apenas em regiões de espectro que mudam abruptamente. Resultados mostram que detectores convencionais podem performar mal mesmo em regiões de espectro plano devido à perda de transbordamento (straddling loss), sugerindo que o DDL adaptativo deve ser aplicado em todo o domínio Doppler.

Resultados
Simulações de Monte-Carlo foram conduzidas para avaliar os detectores sob modelos de alvo Swerling I com frequências Doppler conhecidas e desconhecidas em clutter Gaussiano.

• Desempenho com Doppler Conhecido: Tanto os detectores DDL-GLR quanto DDL-AMF baseados em RPTD alcançam desempenho próximo ao ótimo (com perda de 2,5% a 5% na probabilidade de detecção) para $n \geq 4$ e $N \geq 64$, comparável ao detector ótimo de ordem $N$.
• Desempenho com Doppler Desconhecido: O detector DDL-AMF baseado em RPTD prova-se robusto a erros de medição Doppler. Em contraste, o detector DDL-GLR baseado em RPTD sofre degradação severa de desempenho (perda de até 48% na probabilidade de detecção para $n=4$) quando o Doppler do alvo é desconhecido.
• Comparação com Detectores Convencionais: O detector DDL-AMF proposto supera significativamente a FFT tradicional com janela Taylor seguida por CA-CFAR (Cell-Averaging), particularmente na evitação de perdas de transbordamento e na manutenção de desempenho em regiões de espectro plano.
• Clutter Multimodal: O detector mantém desempenho confiável em cenários com múltiplos tipos de clutter sobrepostos, um cenário onde métodos baseados em RODI lutam devido à dificuldade de definir regiões apropriadas.

Significância
O artigo afirma que o detector DDL-AMF baseado em RPTD proposto oferece uma solução "adaptativa rápida" que é prática para sistemas de radar do mundo real. Sua significância reside na capacidade de entregar desempenho de detecção próximo ao ótimo em ambientes de clutter heterogêneos com deficiência de dados, sem exigir estimativa complexa de parâmetros de clutter ou medições para definir regiões adaptativas. Ao reduzir significativamente a carga computacional em comparação com contrapartes no domínio do tempo, o método torna a detecção adaptativa de alto desempenho viável para radares de vigilância aérea e costeira operando sob restrições estritas de tempo real. Os autores notam que a teoria pode ser estendida a distribuições elípticas simétricas complexas (CES), incluindo clutter compound-Gaussian, e para processamento adaptativo espaço-temporal.