Robust Target Characterization for Fast Radar Signature Simulation in Multiple Frequencies

Abstract

Tutkakohteiden reaaliaikainen tunnistaminen tutkapoikkipinta-alan (RCS – radar cross section) perusteella vaatii laajan signatuurikirjaston, joka voi perustua mitattuun tai simuloituun dataan. Mitatun datan etuna on sen todenmukaisuus, mutta siihen perustuvan kirjaston kokoaminen on valtava urakka, joka vaatii paljon aikaa. Simulointi ei välttämättä vastaa täysin todellisuutta, mutta sillä voidaan tuottaa RCS-arvoja myös harvoin tavattaville kohteille, joille kattavan mittauskokoelman muodostaminen olisi hankalaa. Erityisesti viholliskohteiden tapauksessa tunnistuksen tulisi toimia mahdollisimman nopeasti, ja käyttämällä RCS-simulointimenetelmää, joka toimii reaaliajassa, voidaan välttyä tarpeelta tallentaa ja laskea signatuureja etukäteen. RCS-simulointimenetelmiä on useita ja yleensä mitä tarkemmasta menetelmästä on kyse, sitä hitaampi menetelmä on ja täten soveltuu huonosti reaaliaikaiseen simulointiin. Erityisen nopeat RCS-simulointimenetelmät puolestaan ovat yleensä ottaen melko yksinkertaisia ja vaste on vähemmän todenmukainen.

Toinen asia, joka pitää ottaa huomioon nopeuden ja aitouden lisäksi on simuloinnissa käytettävien 3D-mallien oikeellisuus. 3D-mallien esitystapoja on monia erilaisia ja jokaisella on omat hyvät ja huonot puolensa. Yksi yleisesti käytössä olevista esitystavoista on kolmio- tai monikulmioverkko. Monikulmioverkot ovat kätevä tapa mallintaa kulmikkaita muotoja, mutta pyöreiden muotojen esittäminen on haastavaa. Pyöreisiin muotoihin päästään pienentämällä monikulmioita ja täten kasvattamalla monikulmioiden määrää, mikä yleensä hidastaa laskentaa. Sovelluskohteesta riippuu, kuinka helposti malli saadaan näyttämään pyöreältä, mutta tosiasiassa pinta on edelleen kulmikas. Tutkakohteina mielenkiintoisia ovat mm. autot ja lentävät laitteet; tällaisissa kohteissa on paljon pyöreitä muotoja. Tutkimuksessamme käytimme ilmaisia 3Dmalleja, joita ei ollut varta vasten suunniteltu RCS-simulointia varten. Mitä suurempi on tutkan taajuus, sitä armottomampi RCS on mallissa oleville eroille; senttimetrien erot saavat RCS:n käyttäytymään kaoottisesti. Vaikka mallit näyttivät silmämääräisesti oikeilta, pelkästään mallia katsomalla on vaikea arvioida sen soveltuvuudesta RCS-mallinnukseen. Pienet virheet 3D-mallissa ovat kohtalokkaita joillekin RCS-simulointimenetelmille.

Ottaen nämä asiat huomioon, tarvitsimme RCS-simulointimenetelmän, joka olisi riittävän nopea toimiakseen reaaliajassa ja lisäksi tuottaisi myös tarpeeksi aidon kaltaista tutkavastetta niin, että verrattaessa tunnistettavan kohteen mittausta simuloituun vasteeseen, kohde kyettäisiin tunnistamaan oikein ja erityyppiset kohteet pystyttäisiin erottamaan toisistaan. Menetelmän pitää myös toimia luotettavasti välittämättä mahdollisista pienistä virheistä 3D-mallissa. Koska ilmaisten 3D-mallien laatu on kyseenalainen, pitää hyväksyä se, että sellaisella mallilla ei voida tuottaa vastetta, joka vastaisi täydellisesti aitoa mittausta. Täten kannattaa hylätä hienostuneimmat menetelmät ja keskittyä olennaiseen; ei kannata käyttää resursseja turhaan simuloiden yksityiskohtia, jotka eivät vastaa todellisuutta.

Jotta RCS voitaisiin simuloida nopeasti, mahdollisimman suuri osa laskennasta olisi hyvä suorittaa etukäteen erillisessä vaiheessa ja näin tuotettujen välitulosten pitäisi olla mahdollisimman monikäyttöisiä varsinaisessa simulointivaiheessa. Jos välitulokset eivät ole monikäyttöisiä, ei saavuteta mitään etua valmiiksi laskettuihin signatuureihin nähden. Tutkan valaisemien osien määrittäminen on aikaa vievää ja vaikutti sellaiselta asialta, jota ei kannattaisi laskea uudelleen jokaisella simulointikerralla. Olettaen, että tutkan lähettämät radioaallot käyttäytyvät kuin näkyvä valo, tutkan valaisemat osat voitaisiin määrittää 3D-mallista säteenjäljityksen avulla taajuusriippumattomasti.

Lopputuloksena syntyi RCS-simulointimenetelmä SPURT (Signature Production Using Ray Tracing – signatuurin tuottaminen käyttäen säteenjäljitystä), joka koostuu kahdesta erillisestä vaiheesta. Ensimmäinen ns. hidas vaihe muuttaa tarkasteltavan kohteen kolmioverkon uudenlaiseksi malliksi, jota käyttämällä voidaan toisessa ns. nopeassa vaiheessa tuottaa RCS-lukemia jopa reaaliaikaisesti. Tämä väitöskirja keskittyy hitaan vaiheen toteutukseen. Toinen vaihe on esitelty vain pintapuolisesti, jotta kokonaisuus olisi hahmotettavissa.

To recognize a radar target using the radar cross section (RCS) demands a vast signature collection that can be based on measurements or simulations. The measurements have the advantage of corresponding to the reality, but the construction of such a signature collection by measurement is an arduous task which takes time. The simulation has a weaker correspondence to the reality than the measurement, but it can be used to produce the RCS of targets that are rarely seen, which would not be easy only by measuring. Especially in a case of hostile targets, the recognition should be done as fast as possible, and a RCS simulation method that is able to produce RCS in real-time, eliminates the need to calculate and store the signatures beforehand. There are several different RCS simulation methods and usually the more sophisticated ones are the slower ones and do not operate in real-time. The ones that could operate in real-time are usually simplistic and thus, the results are less accurate that with the more sophisticated ones.

In addition to speed and accuracy, one must consider the validity of the 3D models in use. There are several formats for 3D models with their own pros and cons. The polygon mesh is a popular format and a convenient way to represent angular shapes but has limitations concerning round surfaces. Using a larger number of smaller polygons makes the surfaces rounder, but it slows down the computation when operating polygon by polygon. It depends on the application, how easy it is to make the model look round, but in reality, a polygon mesh is always angular. As radar targets, the objects of interest include ground vehicles and aircraft, which have plenty of round surfaces. In our research, we used free 3D models that were not specifically designed for RCS simulation. The RCS is unforgiving to the small differences in the 3D model and higher the radar carrier frequency, the more apparent it becomes. Even the differences of few centimeters on the model surface can cause chaotic behavior in the RCS. Even though the 3D models look decent enough, it is difficult to evaluate their suitability in RCS simulation just by visual inspection. Small errors in 3D models are fatal to some RCS simulation methods.

The aforementioned points considered, there was a need for a RCS simulation method that was fast enough to operate in real time but accurate enough to produce such radar response that would correspond to an actual measurement and distinguish different kinds of targets from each other. In addition, the quality of the 3D models should be considered; the method should operate reliably even with slightly faulty 3D models. Since the quality of the free 3D models is questionable, we need to accept the fact that the perfect simulated RCS matching the measurement cannot be achieved by using these models. Thus, the most sophisticated methods are not the most suitable ones for this purpose. There is no need to spend the available resources to simulate the smallest details that do not correspond the reality.

To be able to produce RCS fast, most of the heavy calculation should be done in advance producing intermediate results that are versatile and easy to use in the RCS simulation. If the intermediate results are not versatile enough, there is no advantage to pre-calculated signatures. Calculating the parts of an object that are illuminated by the radar is time consuming and it seemed like a problem that would not need to be solved on every simulation time. With the assumption that radio waves behave like visible light, it could be solved using ray tracing independently of frequency.

This point of view resulted in a RCS simulation method SPURT (Signature Production Using Ray Tracing), which consists of two separate stages. In the slow first stage, the triangle mesh is used to create a new kind of target characterization, which is then utilized in the fast second stage to produce RCS values even in realtime. This thesis concentrates on the implementation of the first, target characterization stage. The second stage is described briefly to enable the understanding of the whole application.