Nghiên cứu khoa học công nghệ<br />
<br />
THIẾT KẾ PHẦN CỨNG BỘ TẠO NHIỄU GAUSS TƯƠNG QUAN,<br />
ỨNG DỤNG TRONG HỆ THỐNG KIỂM TRA VÀ ĐÁNH GIÁ CHẤT<br />
LƯỢNG CÁC BỘ PHÁT HIỆN RA ĐA<br />
Phạm Văn Hùng1*, Phạm Văn Toàn1, Nguyễn Đức Minh2, Nguyễn Trọng Lực3<br />
Tóm tắt: Bài báo này phân tích mô hình nhiễu Gauss tương quan chủ yếu được<br />
ứng dụng trong việc mô hình hóa hệ thống ra đa có độ phân giải thấp dưới sự tác<br />
động của nhiễu đất và nhiễu biển (nhiễu bề mặt). Từ việc phân tích ảnh hưởng của<br />
nhiễu dưới các điều kiện môi trường, chúng tôi thấy rằng ảnh hưởng của sự tương<br />
quan trong nhiễu đến chất lượng các bộ phát hiện là đáng kể. Từ đó, bài báo đề<br />
xuất phương án thiết kế một bộ tạo nhiễu Gauss tương quan sử dụng công nghệ<br />
FPGA, ứng dụng trong hệ thống kiểm tra và đánh giá chất lượng các bộ phát hiện<br />
trong ra đa, đặc biệt là ra đa có độ phân giải thấp. Kết quả đầu ra bộ tạo nhiễu<br />
được so sánh với lý thuyết cho thấy sự phù hợp cả về mặt thống kê biên độ, tương<br />
quan nhiễu và có chất lượng tốt hơn khi so sánh với một số bộ tạo nhiễu dựa trên<br />
phần cứng khác.<br />
Từ khóa: Ra đa; Bộ phát hiện; Nhiễu ra đa; Tương quan; FPGA.<br />
<br />
1. ĐẶT VẤN ĐỀ<br />
Các mô hình toán học của nhiễu, đặc biệt là nhiễu nền và nhiễu biển được sử dụng<br />
trong hầu hết các quá trình phát triển hệ thống ra đa. Các nghiên cứu chỉ ra rằng: Mô hình<br />
nhiễu Gauss là phù hợp hơn khi mô hình hóa tạp nhiệt, nhiễu đất và nhiễu biển đối với các<br />
đài ra có độ phân giải thấp [2, 8, 22], trong khi đó đối với các đài ra đa có độ phân giải<br />
cao, sử dụng nén xung và có góc chiếu xạ nhỏ (đối với ra đa biển) thì nhiễu Gauss không<br />
còn phù hợp, khi đó các mô hình nhiễu không Gauss: mô hình nhiễu LogNormal, mô hình<br />
nhiễu Weibull, mô hình nhiễu K [7, 18, 22], và các mô hình nhiễu có sự kết hợp của nhiều<br />
phân bố như trong [3, 16].<br />
Các đài ra đa có độ phân giải thấp tuy có hạn chế về mặt phân biệt cự ly, nhưng nó<br />
vẫn có những thuận lợi nhất định như giá thành không quá cao mà vẫn đáp ứng được yêu<br />
cầu trong nhiều nhiệm vụ như các đài ra đa thời tiết, các đài ra đa cảnh giới biển, ra đa<br />
hàng hải,...<br />
Đánh giá chất lượng các bộ phát hiện luôn là một phần quan trọng trong thiết kế và<br />
phát triển các hệ thống ra đa [24], từ đó các ra đa thành phẩm có được chất lượng theo một<br />
tiêu chuẩn định sẵn (tiêu chuẩn chống nhiễu là một ví dụ). Việc tạo ra một hệ thống có<br />
chất lượng như vậy chỉ có thể đạt được bằng các thử nghiệm dựa trên một số các điều kiện<br />
mô phỏng chặt chẽ như chế độ hoạt động, các tham số tín hiệu, tham số mục tiêu và các<br />
điều kiện nhiễu [14]. Việc mô hình hóa hệ thống phải được thực hiện: trước tiên, trên các<br />
máy tính có cấu hình mạnh với sự giúp đỡ của các công cụ phần mềm toán học chuyên<br />
dụng nhằm đánh giá về mặt lý thuyết toàn bộ thiết kế hệ thống nói chung và cấu trúc các<br />
bộ phát hiện nói riêng; sau đó, toàn bộ hệ thống sẽ được kiểm tra đánh giá tiếp tục với các<br />
điều kiện tín hiệu và nhiễu thực tế trước khi đưa vào sử dụng hoặc thương mại hóa sản<br />
phẩm. Do đó, việc nghiên cứu các bộ tạo nhiễu nói chung và nhiễu tương quan nói riêng<br />
vẫn luôn nhận được sự quan tâm của nhiều nhà nghiên cứu [5, 17, 22].<br />
Mục đích của bài báo này là đề xuất một bộ tạo nhiễu Gauss tương quan có khả năng<br />
ứng dụng trong quá trình đánh giá chất lượng các bộ phát hiện trong các đài ra đa có độ<br />
phân giải thấp, đồng thời nó cũng là cơ sở cho quá trình nghiên cứu và phát triển các bộ<br />
tạo nhiễu không Gauss tương quan – mô hình tổng quát nhất cho nhiễu ra đa [25, 26]. Bố<br />
cục của bài báo như sau: mục 2 trình bày mô hình nhiễu Gauss tương quan trong ra đa và<br />
<br />
<br />
Tạp chí Nghiên cứu KH&CN quân sự, Số 65, 02 - 2020 73<br />
Kỹ thuật điều khiển & Điện tử<br />
<br />
phương pháp mô phỏng nhiễu; mục 3 trình bày thiết kế phần cứng đề xuất cùng với các cơ<br />
sở xây dựng bộ tạo nhiễu Gauss tương quan trên cơ sở công nghệ FPGA, bao gồm: các bộ<br />
tạo nhiễu phân bố đều, nhiễu phân bố Gauss, tương quan nhiễu dạng mũ; mục 4 là một số<br />
kết quả mô phỏng và thảo luận; cuối cùng, mục 5 là các kết luận và hướng phát triển.<br />
2. MÔ HÌNH VÀ MÔ PHỎNG NHIỄU GAUSS TƯƠNG QUAN<br />
2.1. Mô hình nhiễu Gauss<br />
Ra đa sau khi phát xạ vào không gian, các tín hiệu phản xạ nhận được ở đầu vào máy<br />
thu bao gồm các tín hiệu có ích và nhiễu. Nhiễu là các tín hiệu không mong muốn, được<br />
phân loại gồm nhiễu bề mặt và nhiễu khối (thể tích). Nhiễu bề mặt là các phản xạ từ đất,<br />
cây cối, bề mặt địa hình hoặc bề mặt biển. Nhiễu khối là các phản xạ từ một số lượng lớn<br />
các vật thể gần nhau tạo thành một vùng có thể tích lớn như mây, mưa, đàn chim... Nhiễu<br />
bề mặt thay đổi tương ứng khi các vùng mà nó phản xạ về thay đổi, trong khi nhiễu khối<br />
có thể dự đoán được dựa vào các thuộc tính của vùng phản xạ.<br />
Nhiễu là ngẫu nhiên và các đặc tính có dạng giống như tạp nhiệt bởi các tán xạ độc lập<br />
cả về pha và biên độ [1, 20]. Với các ra đa xung có độ phân giải thấp, tín hiệu phản xạ về<br />
từ một vùng diện tích bề mặt được giả thiết bao gồm một số lượng lớn các tán xạ độc lập<br />
(cỡ từ mười tán xạ) và không có tán xạ nào lớn hơn các tán xạ còn lại. Các tán xạ này có<br />
diện tích phản xạ hiệu dụng i , phân bố không gian đều có pha ngẫu nhiên i . Khi đó<br />
cường độ tín hiệu phản xạ tổng hợp E từ các tán xạ sẽ là [22]:<br />
N<br />
E i e ji (1)<br />
i 1<br />
<br />
E là tín hiệu phức và các thành phần thực và ảo của nó có hàm mật độ xác suất (pdf)<br />
dạng Gauss [22]:<br />
1 ( E 2 /2 s 2 )<br />
p ( Ex , y ) e x,y , Ex , y (2)<br />
2 s<br />
Ở đây, s là độ lệch chuẩn của Ex , y .<br />
Khi đó, hàm mật độ phân bố xác suất đường bao E có dạng [1, 2, 20, 22]:<br />
2<br />
2 E Ex<br />
P( E ) e (3)<br />
x<br />
Với x pc 2 s 2 là công suất tại chỗ trung bình của nhiễu và là tham số duy nhất của<br />
mô hình nhiễu Gauss hay thống kê biên độ Rayleigh.<br />
2.2. Tương quan không gian<br />
Tương quan không gian của các phản xạ từ nhiễu bề mặt có quan hệ chặt chẽ với cấu<br />
trúc của bề mặt. Một sự mô tả tương quan không gian được kết hợp với nhiễu biển, đặc<br />
biệt là sóng biển được đưa ra trong [23]. Theo đó, độ dài tương quan của bề mặt biển<br />
theo hướng cự ly được lấy là một chiều dài đặc trưng của sóng gió theo tốc độ gió W (m/s)<br />
và gia tốc trọng trường g (~9,81 m/s2), và công thức được cho bởi [5]:<br />
W 1/2<br />
<br />
2<br />
<br />
g<br />
3cos 1<br />
2<br />
(4)<br />
<br />
Với là góc giữa hướng chiếu xạ và hướng gió. Độ dài tương quan có thể<br />
được viết theo độ phân giải của ra đa R . Độ dài tương quan tương đối R , số mẫu<br />
<br />
<br />
74 P. V. Hùng, …, N. T. Lực, “Thiết kế phần cứng … chất lượng các bộ phát hiện ra đa.”<br />
Nghiên cứu khoa học công nghệ<br />
<br />
cự ly, được cho bởi công thức [5]:<br />
<br />
R (5)<br />
R<br />
Một vài ví dụ cho R tương ứng với các trạng thái biển khác nhau được cho trong Bảng<br />
1. Trạng thái biển được sử dụng để đặc trưng cho độ ghập ghềnh của bề mặt biển hay là độ<br />
cao của sóng biển dựa theo bảng trạng thái biển Douglas [22].<br />
Bảng 1. Độ dài tương quan không gian của nhiễu biển.<br />
Trạng Tốc độ gió, Độ dài tương Độ dài tương quan tương đối, R<br />
thái biển W (m/s) quan, (m) R 2 R 5 R 10 R 20<br />
1 2.5 2.0 1 0 0 0<br />
2 4.5 6.5 3 1 0 0<br />
3 6.0 11.5 5 2 1 1<br />
4 8.5 23.1 11 4 2 1<br />
5 11.0 38.8 18 8 4 2<br />
6 14.0 62.8 30 12 6 3<br />
Rõ ràng, đối với ra đa có độ phân giải tương đối cao, R 2 , độ dài tương quan tương<br />
đối R có thể lên đến 30 khi trạng thái biển lớn. Trong khi đó, với độ phân giải thấp hơn,<br />
R giảm dần và khi độ phân giải R 30 , thuộc tính tương quan không gian có thể bỏ<br />
qua ngay cả khi ở các trạng thái biển lớn hơn.<br />
2.3. Phương pháp mô phỏng nhiễu Gauss tương quan dạng hàm mũ<br />
Chúng ta biết rằng, tổng của hai biến ngẫu nhiên phân bố Gauss là một biến ngẫu nhiên<br />
phân bố Gauss và nếu cho một quá trình ngẫu nhiên Gauss đi qua bất kỳ phép biến đổi<br />
tuyến tính nào (lọc, tích lũy hay vi phân) thì kết quả đầu ra cũng là một quá trình Gauss,<br />
mặc dù các thuộc tính thống kê và tương quan khác nhau [22]. Do vậy, để có được một<br />
quá trình Gauss mang thuộc tính tương quan xác định trước có thể được thực hiện bằng<br />
các phép biến đổi tuyến tính khi đầu vào là quá trình Gauss độc lập.<br />
Việc xác định thuộc tính tương quan của quá trình ngẫu nhiên qua các phép biến đổi<br />
tuyến tính là khá phức tạp. Tuy nhiên, [26] chỉ ra rằng, tương quan dạng mũ là phù hợp và<br />
đơn giản nhất đối với nhiễu ra đa, đặc biệt là nhiễu biển. Do đó, mục đích của phần này là<br />
làm rõ phương pháp tạo ra nhiễu Gauss tương quan dạng mũ từ các mẫu nhiễu Gauss độc<br />
lập đầu vào. Các kết quả dưới đây dẫn ra từ [5].<br />
Cho g n là chuỗi các thể hiện của biến ngẫu nhiên phân bố chuẩn với kỳ vọng không<br />
E g n 0 , phương sai đơn vị E g n2 1 , hàm mật độ xác xuất có dạng:<br />
<br />
1 x2 <br />
f X gn x exp (6)<br />
2 2<br />
Cho 0 là một số thực và hệ số tương quan được cho bởi:<br />
1<br />
exp (7)<br />
<br />
Chuỗi số rn được xác định một cách đệ quy thông qua:<br />
<br />
<br />
<br />
Tạp chí Nghiên cứu KH&CN quân sự, Số 65, 02 - 2020 75<br />
Kỹ thuật điều khiển & Điện tử<br />
<br />
r0 g0 ; rn1 rn 1 2 g n1 (8)<br />
Hay có thể được viết bởi công thức tổng quát:<br />
n<br />
rn n g 0 1 2 gi n i (9)<br />
i 1<br />
<br />
Tài liệu [5] đã chứng minh rằng, chuỗi số rn cũng có phân bố chuẩn với kỳ vọng không<br />
và phương sai đơn vị vì mỗi thể hiện rn là tổng của các biến ngẫu nhiên phân bố chuẩn<br />
g n . Nếu gọi m là khoảng cách giữa các mẫu của biến ngẫu nhiên rn , thì hệ số tự tương<br />
quan của chuỗi rn , c n; m , là độc lập với n và được cho bởi:<br />
<br />
m<br />
c n; m c m m exp (10)<br />
<br />
Công thức (8) và (10) cho chúng ta một phương pháp để tạo ra chuỗi các số ngẫu nhiên<br />
có phân bố Gauss và tương quan dạng hàm mũ cho trước.<br />
3. THIẾT KẾ PHẦN CỨNG<br />
BỘ TẠO NHIỄU GAUSS TƯƠNG QUAN<br />
3.1. Thiết kế hệ thống đề xuất<br />
Các mẫu nhiễu Gauss tương quan được tạo ra từ 3 phần tử (module) cơ bản sau, được<br />
minh họa trên hình 1:<br />
+ Bộ tạo nhiễu phân bố đều<br />
+ Bộ tạo nhiễu Gauss từ các mẫu phân bố đều<br />
+ Tương quan nhiễu<br />
Out 1 Out 2 Out 3<br />
Bộ tạo nhiễu Bộ tạo nhiễu<br />
Tương quan Đầu<br />
phân bố đều phân bố Gauss<br />
nhiễu ra<br />
(URNG) (GRNG)<br />
<br />
<br />
<br />
<br />
Mẫu nhiễu Mẫu nhiễu Mẫu nhiễu<br />
Clock phân bố đều Gauss độc lập Gauss tương quan<br />
Hệ thống<br />
<br />
Hình 1. Sơ đồ khối bộ tạo nhiễu Gauss tương quan.<br />
Xuất phát từ bộ tạo nhiễu phân bố đều (URNG), các mẫu nhiễu tại đầu ra Out 1 là các<br />
mẫu ngẫu nhiên phân bố đều x U 0,1 . Các mẫu x được cho qua bộ tạo nhiễu phân bố<br />
chuẩn (GRNG). Ở đây, phương pháp nghịch đảo hàm phân bố được sử dụng để tạo ra các<br />
mẫu nhiễu Gauss độc lập ở đầu ra Out 2. Cuối cùng, các mẫu nhiễu Gauss được tương<br />
quan hóa dạng mũ và cho ra các mẫu nhiễu tương quan mong muốn ở đầu ra Out 3.<br />
Ở đây, chúng tôi lựa chọn thiết kế phần cứng trên thiết bị Xillinx Virtex-4 ML402, với<br />
sự hỗ trợ của phần mềm System Generator và Matlab 2016a. Thiết kế chi tiết các module<br />
được miêu tả dưới đây.<br />
3.2. Bộ tạo nhiễu phân bố đều<br />
Bộ tạo số ngẫu nhiên phân bố đều (URNG) là một phần tử quan trọng trong các ứng<br />
<br />
<br />
76 P. V. Hùng, …, N. T. Lực, “Thiết kế phần cứng … chất lượng các bộ phát hiện ra đa.”<br />
Nghiên cứu khoa học công nghệ<br />
<br />
dụng chạy trên nền tảng phần cứng FPGA. Các nghiên cứu lý thuyết và thực nghiệm [4,<br />
11] cho thấy các bộ URNG dựa trên nguyên lý của các phép đệ quy tuyến tính đơn giản,<br />
như các bộ tạo nhiễu Tausworthe và GFSR dựa trên nguyên lý đa thức có chất lượng thấp.<br />
Một phương pháp khác sử dụng các thanh ghi LFSR 32 bit để tạo ra các mẫu nhiễu phân<br />
bố đều, mặc dù tốc độ tạo nhiễu nhanh (mỗi chu kỳ clock) nhưng hạn chế của phương<br />
pháp này là các mẫu nhiễu lặp lại trong khoảng thời gian ngắn (17 giây) [9]. Thay vào đó,<br />
chúng tôi sử dụng các bộ tạo nhiễu kết hợp, điển hình là lớp các bộ tạo nhiễu Tausworthe<br />
kiểu kết hợp và phân bố đều cực đại (MEC) được giới thiệu trong [21], được kiểm nghiệm<br />
các trường hợp cụ thể trong [11] và một ứng dụng của chúng trong [9]. Nguyên lý của kiến<br />
trúc MEC được mô tả dưới đây.<br />
Mỗi Tausworthe có ba tham số k, q và s, được cài đặt trong mạch logic số theo các<br />
bước dưới đây với A, B, C là các vector nhị phân. C là vector cố định, trong khi A và B<br />
thay đổi sau mỗi vòng lặp. A và B được gieo với các giá trị cấu hình ở thời điểm bắt đầu.<br />
Giá trị cuối cùng ở bước 6 là đầu ra của bộ tạo nhiễu. Một chu kỳ mới được lặp lại với các<br />
giá trị mới của A và B.<br />
Bước 1: B dịch A qua trái q bit<br />
Bước 2: B A B<br />
Bước 3: B dịch B qua phải k bit<br />
Bước 4: A A&C<br />
Bước 5: A dịch A qua trái s bit<br />
Bước 6: A A B<br />
Các bộ Tausworthe MEC cho đầu ra ngẫu nhiên hơn so với các bộ Tausworthe đơn.<br />
Một bộ Tausworthe được tạo ra từ việc kết hợp nhiều kiến trúc Tausworthe với các giá trị<br />
khác nhau của C, k, q, s, các giá trị cấu hình ban đầu và áp dụng một phép XOR cho mỗi<br />
bit của ba đầu ra để đạt được một đầu ra duy nhất. Nếu sử dụng một bộ Tausworthe MEC<br />
32 bit kết hợp 3 bộ Tausworthe đơn thì sẽ đạt được một chu kỳ lặp lại cực đại là 288 [11].<br />
Với tốc độ clock hàng chục MHz của FPGA, chu kỳ này có thể đáp ứng mọi phép thử<br />
nghiệm (hàng tỉ năm).<br />
<br />
<br />
<br />
<br />
Hình 2. Thiết kế của bộ tạo nhiễu phân bố đều Tausworthe đơn.<br />
Một số sự lựa chọn các tham số cho bộ Tausworthe MEC kết hợp từ 3 bộ Tausworthe<br />
đơn được chứng minh và đưa ra trong [11]. Ở đây, chúng tôi lựa chọn các giá trị tham số<br />
cho bộ tạo nhiễu đang xây dựng như trong bảng 2.<br />
<br />
<br />
<br />
Tạp chí Nghiên cứu KH&CN quân sự, Số 65, 02 - 2020 77<br />
Kỹ thuật điều khiển & Điện tử<br />
<br />
Bảng 2. Các tham số cho bộ tạo nhiễu phân bố đều Tausworthe MEC.<br />
k q s A C<br />
Tausworthe 1 19 13 12 0xFFFFFFFF 0xFFFFFFFE<br />
Tausworthe 2 25 2 4 0xCCCCCCCC 0xFFFFFFF8<br />
Tausworthe 3 11 3 17 0x00FF00FF 0xFFFFFFF0<br />
Thiết kế của một Tausworthe đơn có dạng như hình 2.<br />
3.3. Bộ tạo nhiễu phân bố Gauss<br />
Các thiết kế phần cứng của các bộ tạo nhiễu Gauss chủ yếu dựa trên phương pháp<br />
Wallace [19], kiến trúc Box-Muller [9, 13] hay phương pháp nghịch đảo hàm phân bố xác<br />
suất của phân bố chuẩn [10]. Các IP core được các hãng sản xuất phần cứng (Xillinx,<br />
Altera) cung cấp sẵn có chất lượng thấp, không đảm bảo độ chính xác cần thiết và giới hạn<br />
biên của các mẫu nhiễu. Một sự so sánh giữa các IP core với các phương pháp khác được<br />
cho trong [10, 13]. Phương pháp nghịch đảo được cho là phương pháp hiện đại nhất và cho<br />
kết quả cao nhất cả về độ chính xác, sai số tuyệt đối và giới hạn biên của nhiễu. Một ưu<br />
điểm nữa của phương pháp này là nó cho phép tạo ra các mẫu nhiễu có phân bố bất kỳ.<br />
Kiến trúc của phương pháp nghịch đảo kết hợp phân đoạn thứ bậc được miêu tả dưới đây<br />
[6, 10].<br />
Hình 3 minh họa hàm phân bố tích lũy nghịch đảo của phân bố chuẩn, với x là một số<br />
ngẫu nhiên phân bố đều và y là mẫu nhiễu của phân bố chuẩn.<br />
<br />
y F 1 x 2erf 1 2 x 1 (11)<br />
<br />
<br />
<br />
<br />
Hình 3. Hàm phân bố tích lũy nghịch đảo của phân bố Gauss.<br />
Phương pháp nghịch đảo sử dụng hàm phân bố tích lũy nghịch đảo (ICDF) để chuyển<br />
đổi các mẫu x của một biến ngẫu nhiên phân bố đều khoảng [0,1) thành các mẫu của biến<br />
ngẫu nhiên phân bố chuẩn (hoặc một phân bố bất kỳ) thông qua y F 1 x . Để thực<br />
hiện điều này, ta chia ICDF thành các đoạn không đều để xấp xỉ đa thức từng phần [15].<br />
Xác định mô hình phân đoạn thích hợp với mỗi hàm cho trước đóng một vai trò rất<br />
quan trọng. Chọn mô hình sai với một hàm nào đó có thể dẫn đến việc phân đoạn không<br />
hiệu quả hoặc tạo ra một số lượng lớn các đoạn không thực sự cần thiết. Việc sử dụng<br />
phương pháp phân đoạn không đều hoặc tối ưu làm giảm bộ nhớ ROM lưu trữ các đoạn và<br />
nó cũng sẽ đặc biệt hữu ích đối với các phân bố không Gauss khác.<br />
<br />
<br />
78 P. V. Hùng, …, N. T. Lực, “Thiết kế phần cứng … chất lượng các bộ phát hiện ra đa.”<br />
Nghiên cứu khoa học công nghệ<br />
<br />
index C2 C1 C0<br />
x0 x1 x2 0<br />
Bx2<br />
Bx1<br />
1 ROM1<br />
...<br />
Bx0 index Bx1 offset<br />
0 +<br />
Lựa chọn ...<br />
Bit 1 ROM0<br />
M-1<br />
...<br />
addr BC2 BC1 BC0<br />
Λ0 P2S<br />
Bx0 Bx^ 0<br />
× +<br />
BD2 BD1<br />
s0-1<br />
y<br />
× +<br />
BD0 By<br />
<br />
Hình 4. Kiến trúc phần cứng mô hình phân đoạn tối ưu.<br />
Một ví dụ kiến trúc phần cứng của một mô hình phân đoạn tối ưu tính giá trị của một<br />
hàm số bằng phương pháp xấp xỉ đa thức theo (11) và được cho trong hình 4. Ở đây,<br />
chúng tôi lựa chọn đa thức bậc 2 với 3 tham số C0 , C1 và C2 để thực hiện việc xấp xỉ,<br />
nếu sử dụng đa thức bậc cao hơn thì kích thước bộ nhớ ROM1 lưu trữ các giá trị này sẽ<br />
phải tăng lên.<br />
y Cd x Cd 1 x ... x C0 (12)<br />
Với x là đầu vào, d và C0,...,d lần lượt là bậc và các hệ số của đa thức xấp xỉ. Khối<br />
P2S tính toán phân đoạn tối ưu theo sai số định trước và khối Lựa chọn Bit thực hiện việc<br />
lựa chọn số lượng các bít của x0 , x1 và x2 thích hợp, đồng thời xác định địa chỉ để truy<br />
xuất các giá trị offset đã được tính toán và lưu trước vào trong các bộ nhớ ROM0 và<br />
ROM1. Để giảm kích thước của các bộ nhớ, phương pháp này sử dụng x2 để thay thế cho<br />
x trong công thức (11) và các giá trị offset được sử dụng để xác định các đoạn tương ứng<br />
được lưu trữ trong bộ nhớ ROM0 [12].<br />
Hình 5-7 lần lượt minh họa các thiết kế phần cứng thực hiện kiến trúc trên.<br />
<br />
<br />
<br />
<br />
Hình 5. Module tính toán hàm icdf(‘Normal’, 0, 1).<br />
<br />
<br />
<br />
<br />
Hình 6. Module Address Decoding.<br />
<br />
<br />
Tạp chí Nghiên cứu KH&CN quân sự, Số 65, 02 - 2020 79<br />
Kỹ thuật điều khiển & Điện tử<br />
<br />
<br />
<br />
<br />
Hình 7. Module tính giá trị f x2 .<br />
3.4. Tương quan nhiễu<br />
Ta có thể xây dựng các bộ lọc số FIR hoặc ứng dụng thuật toán FFT để thiết kế tương<br />
quan cho nhiễu Gauss đầu ra. Tuy nhiên như đã phân tích trong mục 2.3, để đảm bảo toàn<br />
vẹn tính thống kê và tương quan nhiễu ở đầu vào và đầu ra các bộ lọc, ta xác định mô<br />
phỏng nhiễu Gauss tương quan dạng mũ. Hình 8 là một thiết kế phần cứng đơn giản đáp<br />
ứng yêu cầu trên dựa theo công thức đệ quy (8).<br />
<br />
<br />
<br />
<br />
Hình 8. Thiết kế phần cứng tương quan nhiễu dạng mũ.<br />
4. KẾT QUẢ MÔ PHỎNG VÀ THẢO LUẬN<br />
4.1. Sơ đồ khối mô phỏng bộ tạo nhiễu<br />
<br />
<br />
<br />
<br />
Hình 9. Mô phỏng bộ tạo nhiễu.<br />
4.2. Một số kết quả<br />
Hình 10 là một so sánh giữa tín hiệu và phổ biên độ của đầu ra bộ tạo nhiễu không<br />
tương quan (hình bên trái) và tương quan với độ dài tương quan tương đối (hình bên phải).<br />
<br />
<br />
80 P. V. Hùng, …, N. T. Lực, “Thiết kế phần cứng … chất lượng các bộ phát hiện ra đa.”<br />
Nghiên cứu khoa học công nghệ<br />
<br />
Cả tín hiệu đầu ra và phổ biên độ đều cho sự khác biệt về tương quan của nhiễu ở hai đầu<br />
ra bộ tạo nhiễu.<br />
<br />
<br />
<br />
<br />
Hình 10. Biên độ và mật độ phổ tín hiệu đầu ra bộ tạo nhiễu.<br />
Để kiểm tra thuộc tính thống kê biên độ các mẫu nhiễu ở hai đầu ra của bộ tạo nhiễu, ta<br />
sử dụng phép tích lũy mẫu theo biểu đồ Histogram để chia các mẫu nhiễu thành các 100<br />
cột và lưu giá trị tần suất vào trong đó. Hình 11 là một sự so sánh giữa hai đầu ra của bộ<br />
tạo nhiễu. Rõ ràng, tính thống kê ngẫu nhiên (hình bên trên) của các mẫu nhiễu ở đầu vào<br />
và đầu ra của module tương quan là không thay đổi.<br />
<br />
<br />
<br />
<br />
Hình 11. So sánh tính thống kê và tương quan nhiễu ở hai đầu ra.<br />
Sử dụng hàm autocorr.m trong Matlab để tính hàm tự tương quan của các mẫu nhiễu tại<br />
hai đầu ra của bộ tạo nhiễu. Hình 11 (hình bên dưới) là hàm tự tương quan của các mẫu<br />
nhiễu ở hai đầu ra. Hình bên trái cho thấy rằng, đầu ra thứ nhất của bộ tạo nhiễu là hoàn<br />
toàn không tương quan, trong khi hình bên phải cho thấy sự tương quan trong các mẫu<br />
nhiễu ở đầu ra cuối cùng của bộ tạo nhiễu. So sánh giữa lý thuyết (đường nét liền) và thực<br />
tế đầu ra của bộ tạo nhiễu (biểu đồ cột) cho chúng ta thấy một sự tương đồng về sự tương<br />
<br />
<br />
Tạp chí Nghiên cứu KH&CN quân sự, Số 65, 02 - 2020 81<br />
Kỹ thuật điều khiển & Điện tử<br />
<br />
quan trong các mẫu nhiễu.<br />
Tần suất mẫu<br />
<br />
<br />
<br />
<br />
Tần suất mẫu<br />
Hình 12. Hàm mật độ phân bố nhiễu ở vùng biên độ lớn.<br />
Hình 12 thể hiện sự phân bố của các mẫu nhiễu tương quan ở đầu ra tương ứng với<br />
vùng nhiễu có biên độ lớn. Một sự phù hợp giữa nhiễu mô phỏng và lý thuyết thể hiện rõ<br />
trên hình. So sánh với kết quả mà [9] sử dụng các hàm sin, cos và log có sẵn trong thư<br />
viện phần cứng cho thiết kế Box-Muller dạng Fixed-Point và Float-Point, thì thiết kế này<br />
cho thấy sự phù hợp hơn rất nhiều.<br />
Nhiễu tương quan (R=12) Nhiễu tương quan (R=6)<br />
Thực tế Thực tế<br />
0.8 Lý thuyết 0.8 Lý thuyết<br />
<br />
0.6 0.6<br />
<br />
0.4 0.4<br />
<br />
0.2 0.2<br />
<br />
0 0<br />
<br />
-0.2 -0.2<br />
0 10 20 30 40 0 10 20 30 40<br />
Số xung Số xung<br />
<br />
Hình 13. Mô phỏng nhiễu với các sự tương quan khác nhau.<br />
Hình 13 cho ta một mô phỏng khác khi thay đổi độ dài tương quan tương đối R 12<br />
và R 6 . Chúng ta cũng thấy được rằng, khi R giảm ( R tăng) thì sự tương quan trong<br />
nhiễu đầu ra giảm, và ngược lại. Như đã phân tích ở trên, khi R tăng dần đến 30 (khi đó<br />
R 1 ) thì sẽ không còn sự tương quan trong nhiễu ở đầu ra.<br />
Một số kết quả thực tế sau khi nạp chương trình trên phần cứng Xillinx Virtex-4<br />
ML402 với sự hỗ trợ của công nghệ ChipScope Pro cho phép quan sát tín hiệu đầu ra dạng<br />
số ngay trên phần mềm của hãng.<br />
<br />
<br />
<br />
<br />
Hình 14. Nhiễu không tương quan thực tế.<br />
<br />
<br />
82 P. V. Hùng, …, N. T. Lực, “Thiết kế phần cứng … chất lượng các bộ phát hiện ra đa.”<br />
Nghiên cứu khoa học công nghệ<br />
<br />
Các kết quả trên hình 14 (đối với nhiễu không tương quan) và hình 15 (đối với nhiễu<br />
tương quan có R=20) cho thấy sự phù hợp về thuộc tính tương quan so với các kết quả mô<br />
phỏng trước đó.<br />
<br />
<br />
<br />
<br />
Hình 15. Nhiễu tương quan (R=20) thực tế.<br />
5. KẾT LUẬN<br />
Bài báo này đã đề xuất thiết kế một bộ tạo nhiễu Gauss trên cơ sở phần cứng FPGA,<br />
với đặc tính tương quan dạng mũ. Bộ tạo nhiễu này có khả năng ứng dụng trong hệ thống<br />
kiểm tra và đánh giá chất lượng của hệ thống ra đa nói chung và chất lượng các bộ phát<br />
hiện nói riêng. Ở đây, thiết kế này đã sử dụng bộ tạo nhiễu phân bố đều kiểu Tausworthe<br />
kết hợp có chất lượng tốt, sử dụng mô hình phân đoạn tối ưu để thực hiện chuyển hóa các<br />
mẫu nhiễu phân bố đều thành các các mẫu nhiễu phân bố Gauss độc lập thông quan hàm<br />
phân bố tích lũy nghịch đảo. Cuối cùng, các mẫu nhiễu được đưa qua bộ tương quan dạng<br />
mũ để có được đặc tính tương quan ở đầu ra. Các mô phỏng cho thấy sự phù hợp của kết<br />
quả đầu ra so với lý thuyết và có chất lượng tốt hơn so với một số bộ tạo nhiễu khác. Các<br />
kết quả thực tế cũng đã được đưa ra cho thấy sự phù hợp giữa nhiễu thực tế và mô phỏng.<br />
Thiết kế này là cơ sở cho sự phát triển các bộ tạo nhiễu không Gauss (phân bố Log-<br />
Normal, Weibull, K) dựa trên FPGA để đánh giá toàn diện hơn chất lượng của các bộ phát<br />
hiện trong ra đa.<br />
TÀI LIỆU THAM KHẢO<br />
[1]. P. N. Anh, P. V. Hùng, N. M. Cường, "Xây dựng biểu thức toán mô tả phân bố nhiễu<br />
trong các vùng biển Việt Nam", Tạp chí Nghiên cứu KH&CN quân sự, Số 52<br />
(12/2017), tr. 60-67.<br />
[2]. P. N. Anh, P. V. Hùng, N. M. Cường, "Tính toán chỉ tiêu chất lượng phát hiện của<br />
một số chủng loại ra đa theo các điều kiện biển Việt Nam", Tạp chí Khoa học và Kỹ<br />
thuật, Số 187 (2017), tr. 140-153.<br />
[3]. A. Balleri, A. Nehorai, J. Wang, "Maximum likelihood estimation for compound-<br />
gaussian clutter with inverse gamma texture", IEEE Transactions on Aerospace and<br />
Electronic Systems, Vol 43 (2007), pp. 775 - 779.<br />
[4]. D. Biebighauser, "Testing Random Number Generators", University of Minnesota<br />
(2000).<br />
[5]. A. ÇETİN, "CFAR Detection In K-Distributed Sea Clutter", A Thesis Of Middle East<br />
Technical University (2008).<br />
[6]. R. C. C. Cheung, D. U. Lee, W. Luk, J. D. Villasenor, "Hardware Generation of<br />
Arbitrary Random Number Distributions From Uniform Distributions Via the<br />
Inversion Method", IEEE Transactions on Very Large Scale Integration (VLSI)<br />
Systems, Vol. 15 (2007), pp. 952-962.<br />
[7]. E. Conte, A. D. Maio, C. Galdi, "Statistical Analysis of Real Clutter at Different<br />
<br />
<br />
Tạp chí Nghiên cứu KH&CN quân sự, Số 65, 02 - 2020 83<br />
Kỹ thuật điều khiển & Điện tử<br />
<br />
Range Resolutions", IEEE Transactions on Aerospace and Electronic Systems, Vol<br />
40 (2004), pp. 903-918.<br />
[8]. Y. Dong, "Models of Land Clutter vs Grazing Angle, Spatial Distribution and<br />
Temporal Distribution – L-Band VV Polarisation Perspective", DSTO Systems<br />
Sciences Laboratory (2004).<br />
[9]. K. L. Fitch, K. A. Gillis, A. W. Harrison, "Digital Programmable Gaussian Noise<br />
Generator", WPI – MIT Lincoln Laboratory (2015).<br />
[10]. R. Gutierrez, V. Torres, a. J. Valls, "Hardware Architecture of a Gaussian Noise<br />
Generator Based on the Inversion Method", IEEE Transactions on Circuits and<br />
Systems, Vol. 59 (2012), pp. 501-505.<br />
[11]. P. L’ECUYER, "Maximally Equidistributed Combined Tausworthe Generators",<br />
Mathematics of Computation, Vol 65 (1996), pp. 203-213.<br />
[12]. D. U. Lee, R. C. C. Cheung, W. Luk, J. D. Villasenor, "Hierarchical Segmentation<br />
for Hardware Function Evaluation", IEEE Transactions on Very Large Scale<br />
Integration (VLSI) Systems, Vol. 17 (2009), pp. 103-116.<br />
[13]. D. U. Lee, J. D. Villasenor, W. Luk, P. H. W. Leong, "A Hardware Gaussian Noise<br />
Generator Using the Box-Muller Method and Its Error Analysis", IEEE Transactions<br />
on Computers, Vol. 55 (2006), pp. 659-671.<br />
[14]. B. R. Mahafza, "Radar Signal Analysis and Processing Using MATLAB", Chapman<br />
and Hall/CRC (2016).<br />
[15]. J. Muller, "Elementary Functions: Algorithms and Implementation", Berlin,<br />
Germany: Birkhauser Verlag AG (2005).<br />
[16]. E. Ollila, D. E. Tyler, V. Koivunen, H. V. Poor, "Compound-Gaussian Clutter<br />
Modeling With an Inverse Gaussian Texture Distribution", IEEE Signal Processing<br />
Letters, Vol 19 (2012), pp. 876-879.<br />
[17]. M. RANGASWAMY, D. WEINER, A. O. URK, "Computer Generation of<br />
Correlated Non-Gaussian Radar Clutter", IEEE Transactions on Aerospace and<br />
Electronic Systems, Vol. 31 (1993), pp. 106-116.<br />
[18]. S. Sayama, H. Sekine, "Weibull, log-Weibull and K-distributed ground clutter<br />
modeling analyzed by AIC", IEEE Transactions on Aerospace and Electronic<br />
Systems, Vol 37 (2001), pp. 1108-1113.<br />
[19]. M. J. Schulte, E. E. Swartzlander, "Hardware Designs for Exactly Rounded<br />
Elementary Functions", IEEE Transactions on Computers, Vol. 43 (1994), pp.<br />
946-973.<br />
[20]. M. I. Skolnik, "Introduciton To Radar Systems", McGraw-Hill (2001).<br />
[21]. S. Tezuka, "Random number generation based on polynomial arithmetic modulo<br />
two", IBM TRL Research Report (1989).<br />
[22]. K. Ward, R. Tough, S. Watts, "Sea Clutter: Scattering, the K Distribution and Radar<br />
Performance", The Institution of Engineering and Technology (2013).<br />
[23]. S. Watts, "Cell-averaging CFAR gain in spatially correlated K-distributed clutter",<br />
IEE Proceedings - Radar, Sonar and Navigation, Vol. 143 (10/1996), pp. 321-327.<br />
[24]. S. Watts, "A Practical Approach to the Prediction and Assessment of Radar<br />
Performance in Sea Clutter", IEEE Proceedings International Radar Conference,<br />
(1995), pp. 181-186.<br />
[25]. S. Watts, "Radar Sea Clutter: Recent Progress and Future Challenges", 2008<br />
International Conference on Radar, Vol. 1 (2008), pp. 10-16.<br />
[26]. S. Watts, K. Ward, G. Maria, "Radar Performance in Clutter - Modelling, Simulation<br />
and Target Detection Methods", The 13th European Radar Conference (2016).<br />
<br />
<br />
84 P. V. Hùng, …, N. T. Lực, “Thiết kế phần cứng … chất lượng các bộ phát hiện ra đa.”<br />
Nghiên cứu khoa học công nghệ<br />
<br />
ABSTRACT<br />
THE HARDWARE-BASED DESIGN OF CORRELATED GAUSSIAN CLUTTER<br />
GENERATOR APPLYING IN THE TESTING AND ASSESSMENT SYSTEM<br />
OF RADAR DETECTORS’ PERFORMANCE<br />
This article analyzes the model of correlated Gaussian clutter applied mainly in<br />
modelling of low-resolution radar systems with the effects of land and sea clutter<br />
(surface clutter). By analyzing the environmental conditions, we see that the impacts<br />
of correlation in the clutter on radar detectors’ performance are significant. Thus,<br />
the article proposes a design of correlated Gaussian clutter generator based on<br />
FPGA, which can apply in the testing and assessment systems of radar detectors’<br />
performance, particularly low-resolution radar systems. The results in the output of<br />
the clutter generator compared with theory indicated the compatibility with both<br />
amplitude statistics and clutter correlation, and the performance of this generator is<br />
better compared with different based-hardware Gaussian clutter generators.<br />
Keywords: Radar; Detector; Radar Clutter; Correlation; FPGA.<br />
<br />
Nhận bài ngày 23 tháng 8 năm 2019<br />
Hoàn thiện ngày 25 tháng 11 năm 2019<br />
Chấp nhận đăng ngày 17 tháng 02 năm 2020<br />
<br />
Địa chỉ: 1 Học viện Kỹ thuật quân sự;<br />
2<br />
Học viện Bưu chính Viễn thông;<br />
3<br />
Học viện Phòng không Không quân.<br />
*<br />
Email: hungpv_k31@lqdtu.edu.vn.<br />
<br />
<br />
<br />
<br />
Tạp chí Nghiên cứu KH&CN quân sự, Số 65, 02 - 2020 85<br />