2007/1–2 - Széchenyi István Egyetem

A határozatlansági testet frekvenciaspektrum segítségével is
felírhatjuk, felhasználva a Fourier-integrált:
ρ τ , Ω
94
( ) =
∞
∫
−∞
S ( jω )⋅ S ⎡⎣ j ( ω − Ω)
⎤⎦ exp(
jω ⋅τ
) dω
∞
∫
−∞
( )
S jω dω
(110)
A határozatlansági test – amennyiben számítható – térfogata
függetlenül a jel alakjától mindig egyenlő 1-gyel.
V 2
ρ ( τ ,Ω)
=
1
(111)
A moduláció módjának változtatásával a határozatlansági testet
csak deformálni lehet, de térfogatát megváltoztatni nem. Ez azt
jelenti, ha növeljük a távolság szerinti felbontó képességet, akkor
csökken a sebesség szerinti felbontó képesség és fordítva. Általában
azonban nem a határozatlansági testet, hanem annak metszetét
használjuk, mert átláthatóbb és kényelmesebb a kezelése.
Két metszési mód van:
1) Függőleges síkú metszés
a) τ ≠ 0 és Ω = 0. Ekkor:
( ) =
ρ τ ,0
∞
∫
−∞
∗
S& ( t)⋅ S& ( t −τ
) dt
∞
∫
−∞
( )
2
S t dt
(112)
A korrelációs idő fordítva arányos a jelspektrum szélességével.
Minél szélesebb ∆f, annál kisebb a τ korrelációs idő, így annál
nagyobb a felbontó képesség távolság szerint.
b) τ = 0 és Ω ≠ 0. Ekkor:
( ) =
ρ 0,Ω
∞
∫
−∞
Járműipari innováció
∗
S ( jω )⋅ S ⎡⎣ j ( ω − Ω)
⎤⎦ dω
∞
∫
−∞
( )
2
S jω dω
(113)
Számláló a frekvencia szerint felírt autokorreláció-függvény, ami a
rádiótechnikában a moduláló jel energiaspektrumát jelenti.
2) Vízszintes síkú metszés (ρ(0,0) ≡ 1 minden esetben)
a) 0,5 · ρ(0,0)
Ha ezen belülre esik két cél, akkor nem tudjuk azokat megkülönböztetni.
Ez a terület az erősen korrelált tartomány.
b) 0,1 · ρ(0,0)
Ez az alacsonyan korrelált tartomány. Ekkor két célt meg tudunk
különböztetni egymástól. Ha ρ < 0,1, akkor jelek nem korreláltak.
2
A felbontó képességet a magasan korrelált tartomány határozza
meg. Széles sávú és nagy időtartamú jeleket kell alkalmazni, ha
a távolsági felbontást növelni akarjuk, vagyis ekkor fennáll az
alábbi feltétel:
∆f · Tc >> 1 (114)
A további részleteket egy későbbi cikkben ismertetjük.
Irodalom
[1] Dr. Tamási Ferenc: Rádiólokátor-technika.
Zrínyi Katonai Kiadó – Műszaki Könyvkiadó. Budapest.
1986.
[2] Arató Mátyás–Knuth Előd: Sztochasztikus folyamatok elemei,
BME. Tankönyvkiadó. Budapest, 1970.
[3] M. Ezekiel–K. A. Fax: Korreláció és regresszió analízis.
Közgazdasági és Jogi Könyvkiadó. Budapest, 1970.
[4] Prékopa András: Valószínűségelmélet.
Műszaki Könyvkiadó. Budapest, 1962.
[5] Reimann József–Tóth Julianna: Valószínűségszámítás és
matematikai statisztika.
Tankönyvkiadó. Budapest, 1985.
[6] Dr. Oláh Ferenc. Válogatott fejezetek a navigációs berendezésekhez.
Tankönyvkiadó. Budapest, 1992.
[7] Ugróczki László–Dr. Oláh Ferenc: Radarberendezések.
Nemzeti Tankönyvkiadó. Budapest, 1993.
[8] Vincze István: Matematikai statisztika.
Műszaki könyvkiadó. Budapest, 1968.
[9] Rényi Alfréd: Valószínűségszámítás.
Tankönyvkiadó. 1966.
[10] Samuel Karlin–Howard M. Taylor: Stochasztikus folyamatok.
Gondolat. Budapest. 1985.
[11] Fazlollah M. Reza: Bevezetés az információelméletbe.
Műszaki Könyvkiadó. Budapest, 1966.
[12] W. Wehrmann: Korrelációs technika.
Műszaki Könyvkiadó. Budapest. 1983.
[13] M. И. Финкельштейн: ОСНОВЫ РАДИЛОКАЦИИ.
Москва. Советское Радио. 1973.
[14] И. А. ЛИПКИН: Основы статической радиотецхники, теории
информации и кодирования. Москва. Советское Радио.
1978.
[15] Werner Wiesbeck: Radar System Engineering.
www. Ihe.uni-karlsruhe.de 2005.
[16] Multifunctional Automotive Radar Network (RadarNet)
Deliverable D40. Final Report. 2004.
[17] Minszki Légvédelmi Rakéta és Rádiótechnikai Egyetem előadásának
anyaga Lokátorelmélet c. tantárgyból.
2007/1–2. A jövő járműve