SET-337 Research Lecture Series

Sensoren sind die Grundlage aller modernen kognitiven ESM-Systeme. Signalverarbeitungsmethoden zur Auswertung und Fusion der gesammelten Sensordaten, wie beispielsweise zur Peilung, erfordern jedoch eine exakt modellierte Antwort des Sensor-Arrays, da dieses in der Praxis Positionsfehlern der Sensoren, elektrischen Kabellängendifferenzen, Verkopplungen, Kreuzpolarisationseffekten und anderen nachteiligen Auswirkungen der Sensorplattform und Effekten unterliegt. Diese Effekte können zu erheblichen Abweichungen zwischen der modellierten und der tatsächlichen Antwort des Sensor-Arrays führen, was die Leistung von Array-Signalverarbeitungstechniken erheblich beeinträchtigen und beispielsweise zu »schielenden« Sende-/Empfangskeulen oder systematischen Peilfehlern führen kann. Eine Kalibrierung im laufenden Betrieb des Sensor-Arrays kann diese Fehler abmildern und die »Installed Performance« des Sensors verbessern. Die Vortragsreihe soll das Bewusstsein für das Erfordernis einer Array-Kalibrierung schärfen und detaillierte Einblicke in aktuelle Technologien und Fortschritte auf diesem Forschungsgebiet geben.

Für Signalverarbeitungstechniken für Antennen-Arrays gibt es zahlreiche militärische Anwendungsfelder, einschließlich – aber nicht beschränkt auf – das Senden-/Empfangs-Beamforming für Radar- oder Kommunikationssysteme, die Störungsunterdrückung mittels CRPA-Antennen (Controlled reception pattern antennas), die Funkpeilung und die passive Senderlokalisierung. In militärischen Anwendungsbereichen (air-to-ground, air-to-air, ground-to-air) ist eine präzise und zeitkritische Zielerfassung erforderlich. Daher kommt der präzisen Kalibrierung militärischer Sensorsysteme große Bedeutung zu, um die größtmögliche Genauigkeit zu erreichen. Ziel dieser Vortragsreihe ist es, das Bewusstsein für dieses Thema zu schärfen und die derzeit verfügbaren Methoden und Fortschritte vorzustellen.

Moderne Fusionsalgorithmen verarbeiten riesige Datenmengen von zahlreichen unterschiedlichen aktiven und passiven Sensorsystemen. Dem Sensormodell, welches das physikalische Phänomen mit dem Ausgangssignal des Sensors verknüpft, ist von höchster Relevanz. Häufig versuchen Fusionsalgorithmen, Sensorfehler zu berücksichtigen, die auf zu einfache Modelle oder aber unzureichend kalibrierte Sensoren zurückzuführen sind. Allerdings besteht ein inhärenter Kompromiss zwischen der Genauigkeit und der Komplexität eines Modells. Sind einfache Modelle zwar leicht zu kalibrieren, d. h., die unbekannten Modellparameter lassen sich leicht bestimmen, gelingt es ihnen doch oft nicht, die tatsächliche (komplexe) Sensorantwort vollständig zu erfassen. Diese Diskrepanz zwischen der tatsächlichen und der modellierten Antwort eines Sensors kann zwar durch ein stetig komplexeres Sensormodell verringert werden, allerdings nur mittels aufwendiger Kalibrierungsverfahren. Diese Kosten für die Kalibrierung eines Sensors können enorm sein, sodass Selbstkalibrierungsverfahren, die die Modellabweichungen während des Sensorbetriebs verringern, äußerst wünschenswert sind. Die internationale Information Fusion Community sollte die herausragende Bedeutung geeigneter Sensormodelle und zugehöriger (Selbst-)Kalibrierungsverfahren im Blick behalten.