Universitas Kristen Maranatha
Simulasi Pendeteksian Sinyal Target Tunggal Yang Mengalami
Gangguan Pada Radar
Imanudin Muchtiar / 0122180
Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia
Email : i.muchtiar@gmail.com
ABSTRAK
Radar merupakan singkatan dari “Radio Detection and Ranging”, dan
berkat perkembangan teknologi, radar telah mampu menyediakan informasi mengenai sasaran lebih dari sekedar mendeteksi dan mengukur jarak. Saat ini radar dapat menentukan kecepatan dan posisi sudut suatu target yang dilacak dan juga masih banyak kegunaan lainnya seperti untuk melatih penggunaan radar yang mengalami noise dapat di pakai pada simulasi menggunakan matlab.
Gelombang microwave dikirim oleh transmitter lalu sebuah receiver menerima gelombang pantul yang berasal dari target. Pada pemakian simulasi, sinyal pantul inilah yang digunakan sebagai input pada sistem matlab. Lalu sinyal tersebut diolah dengan menggunakan Kalman filter untuk mendapatkan sinyal tanpa noise.
Hasil yang diperoleh dari simulasi ini berupa grafik yang menampilkan Probabilitas Deteksi, False Alarm yang disebabkan oleh noise yang sudah sudah difilter. Dari grafik dapat disimpulkan bahwa noise pada radar dapat mempengaruhi nilai probabilitas deteksi yang dapat menghasilkan false alarm maka nilai maksimum untuk pendeteksian adalah satu untuk hasil yang kita inginkan.
Universitas Kristen Maranatha
Simulation Of The Detection Of Noise-Interfered Single Targeted
Signal On Radar
Imanudin Muchtiar / 0122180
Department of Electrical Engineering, Faculty of Techniques, Maranatha Christian University
Jalan Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia Email: i.muchtiar@gmail.com
ABSTRACT
Radar is an acronym for "Radio Detection and Ranging", and radar technology, has been of providing information on target, more than detecting and measuring their distances, radar can caculate the speed and angle position of any target that is traced, and there are many more its other applications such as in training using radar by using matlab simulation.
Microwave is transmitted by transmitter and then reflecting wave from the target received by receiver. During the simulation application, it is the reflecting signal that was used as input in a matlab system. Then, signal was processed by using Kalman filter to receive signal without noise.
The results of simulation was in form of graphics presenting detection probability, False Alarm caused by filtered noise. From the graphics it could be concluded that noise on radar could influence detection probability that may produce alarm false, and thus the maximum value of detection is a desired result.
Universitas Kristen Maranatha DAFTAR ISI
Halaman
ABSTRAK ... i
ABSTRACT ... ii
KATA PENGANTAR ... iii
DAFTAR ISI ... v
DAFTAR TABEL... viii
DAFTAR GAMBAR ... ix
BAB I PENDAHULUAN ... 1
1.1 Latar Belakang ... 1
1.2 Perumusan Masalah ... 2
1.3 Tujuan ... 2
1.4 Pembatasan Masalah ... 2
1.5 Sistematika Penulisan... 2
BAB II LANDASAN TEORI ... 5
II.1 Deskripsi Radar ... 5
II.2 Frekuensi Radar ... 6
II.3 Radar Cross Section ... 8
II.4 Jenis-Jenis Radar ... 9
II.4.1 Doppler Radar ... 9
II.4.2 Bistatik Radar... ... 9
2.3.3 Penilaian Rentabilitas (Earning)... .... 29
2.3.4 Penilaian Likuiditas (Liquidity)... 30
II.5 Persamaan Radar ... 10
II.6 Macam Informasi yang Dapat Diperoleh Radar ... 14
II.6.1 Jarak Sasaran ke Radar... 15
II.6.2 Kecepatan Target Terhadap Radar ... 16
Universitas Kristen Maranatha
II.7 Filter Kalman ... 20
II.8 White Gaussian Noise ... 21
II.9 Pemograman Matlab ... 21
II.9.1 Fungsi M-File... ... 22
II.9.2 Aturan Dan Sifat M-File... ... 23
BAB III PERANCANGAN SIMULASI ... 25
III.1 Parameter Pendeteksian Radar ... 25
III.2 Probability Of Detection ... 25
III.3 Fungsi Marqum ... 27
III.4 Probability Of False Alarm ... 28
III.5 Deteksi Dalam Kehadiran Noise ... 28
III.6 Integrasi Koheren ... 30
III.7 Integrasi Non-Koheren ... 32
III.8 Deteksi Target-Target Fluktuasi ... 34
III.9 Probabilitas Perhitungan deteksi ... 36
III.9.1 Deteksi Target Swerling V... ... 37
III.9.2 Deteksi Target Swerling I... ... 37
III.9.3 Deteksi Target Swerling II... ... 38
III.9.4 Deteksi Target Swerling III... ... 39
III.9.5 Deteksi Target Swerling IV... ... 39
BAB IV SIMULASI DAN ANALISA ... 43
IV.1 Simulasi Dan Analisa ... 43
IV.2 Data Pengamatan ... 43
IV.2.1.0Sinyal Yang Tidak Dipengaruhi Oleh Noise ... 43
IV.2.1.1Sinyal Yang Dipengaruhi Oleh Noise... 44
IV.2.1.2Kepekatan Probabilitas Rayleigh Dan Gaussian... 45
IV.2.1.3Probabilitas Yang Terjadi Pada Peringatan Palsu ... 46
IV.2.1.4Probabilitas Pendekteksian ... 47
Universitas Kristen Maranatha
IV.2.1.6Perhitungan Probabilitas Deteksi ... 51
BAB V KESIMPULAN DAN SARAN ... 59
5.1 Kesimpulan ... 59
5.2 Analisa... 59
5.3 Saran ... 59
DAFTAR PUSTAKA ... 60 LAMPIRAN (Program Matlab) ... A-1
Universitas Kristen Maranatha DAFTAR TABEL
Tabel 4.1 Parameter Simbol... ... 49
Tabel 4.2 Parameter Simbol X Dan Y... 50
Tabel 4.3 Parameter Simbol ... 51
Tabel 4.4 Parameter Simbol ... 51
Tabel 4.5 Parameter Simbol ... 55
Tabel 4.6 Parameter Simbol ... 56
Universitas Kristen Maranatha DAFTAR GAMBAR
Gambar 2.1 Daerah Frekuensi ... 7
Gambar 2.2 Doppler Radar ... 9
Gambar 2.3 Bistatic Radar ... 10
Gambar 2.4 Deret Pulsa yang Dikirimkan Dan yang Diterima ... 16
Gambar 2.5 Skema Pemantulan Gelombang Oleh Elektromagnetik ... 17
Gambar 2.6 Koordinat Target ... 19
Gambar 2.7 Persoalan Estimasi Menggunakan Filter Kalman ... 21
Gambar 3.1 Diagram Blok Filter Kalman ... 25
Gambar 3.2 Diagram Blok Deteksi Pembungkus Dan Penerima ... 29
Gambar 3.3 Diagram blok sederhana dari detektor hukum kuadrat dan integrasi non-koheren. ... 32
Gambar 3.4 Tampilan fungsi matlab yang terkait dalam program ... 41
Gambar 4.1 Input Lintasan Yang Tidak Dipengaruhi Noise ... 43
Gambar 4.2 Input Lintasan Yang Dipengaruhi Noise... 44
Gambar 4.3 Kepekatan Pobabilitas Rayleigh Dan Gaussian ... 45
Gambar 4.4 Ambang Diteksi Yang Dinormalisasi Versus Probabilitas False Alarm ... 45
Gambar 4.5 Probabilitas Deteksi Versus Single Pulse SNR ... 46
Gambar 4.5.a Faktor Peningkatan Versus Jumlah Pulse... 47
Gambar 4.5.b Kerugian Integrasi Versus Jumlah Pulse... ... 47
Gambar 4.6 Fungsi Gamma Untuk Empat Nilai Dari N ... 48
Gambar 4.7 Vt Ambang Versus Np ... 49
Gambar 4.8 Probabilitas deteksi Versus SNR ... 50
Gambar 4.9 Probabilitas Deteksi Versus SNR Pfa = 10 -.9 ... 51
Gambar 4.9.a Probabilitas Deteksi Versus SNR... ... 51
Gambar 4.5.b Probabilitas Deteksi Versus SNR... ... 52
Gambar 4.10 Probabilitas Deteksi Versus SNR... 53
Gambar 4.11 Probabilitas Deteksi Versus SNR... 54
A-1
A-2 List Program
1. “maketraj.m”
function [times , trajectory] = maketraj(start_loc, xvelocity, yamp, yperiod, zamp, zperiod, samplingtime, deltat)
% CARA MENGGUNAKAN: [times , trajectory] = maketraj(start_loc, xvelocity, yamp, yperiod, zamp, zperiod, samplingtime, deltat) %
% CATATAN: keterangan dari semua koordinat pada radar. % INPUT
%
% nama dimensi keterangan satuan
%--- --- --- --- % start_loc 3 X 1 lokasi awal target m % xvelocity 1 kecepatan target m/s
% yamp 1 amplituda dari osilasi arah y m % yperiod 1 perioda dari osilasi arah y m % zamp 1 amplituda dari osilasi arah z m % zperiod 1 peroida dari osilasi arah z m % samplingtime 1 waktu jeda lintasan sec % deltat 1 waktu antara sample sec
%
% OUTPUTS %
% nama dimensi keterangan satuan
%--- --- --- ---
% times 1 X samplingtime/deltat vektor dari kores- % ponding ke sample sec
% trajectory 3 X samplingtime/deltat lintasan x,y,z m %
times = 0: deltat: samplingtime ; x = start_loc(1)+xvelocity.*times ; if yperiod~=0
y = start_loc(2)+yamp*cos(2*pi*(1/yperiod).*times) ; else
y = ones(1, length(times))*start_loc(2) ; end
if zperiod~=0
z = start_loc(3)+zamp*cos(2*pi*(1/zperiod).*times) ; else
z = ones(1, length(times))*start_loc(3) ; end
trajectory = [x ; y ; z] ;
2.“addnoise.m”
function [noisytraj ] = addnoise(trajectory, sigmaaz, sigmael, sigmarange ) %
% CARA MENGGUNAKAN: [noisytraj ] = addnoise(trajectory, sigmaaz, sigmael, sigmarange )
% INPUT %
% namA dimensi keterangan satuan %--- --- --- ---
A-3
% sigmaaz 1 standar deviasi dari eror azimuthr radians % sigmael 1 standar deviasi dari eror elevasi radians % sigmarange 1 standar deviatsi dari eror jarak m %
% OUTPUTS %
% nama dimensi keterangan satuan %--- --- --- ---
% noisytraj 3 X POINTS lintasan noise [m;m;m] noisytraj = zeros(3, size(trajectory,2)) ;
for loop = 1 : size(trajectory,2) x = trajectory(1,loop);
y = trajectory(2,loop); z = trajectory(3,loop);
azimuth_corrupted = atan2(y,x) + sigmaaz*randn(1) ;
elevation_corrupted = atan2(z, sqrt(x^2+y^2)) + sigmael*randn(1) ; range_corrupted = sqrt(x^2+y^2+z^2) + sigmarange*randn(1) ;
x_corrupted = range_corrupted*cos(elevation_corrupted)*cos(azimuth_corrupted) ; y_corrupted = range_corrupted*cos(elevation_corrupted)*sin(azimuth_corrupted) ; z_corrupted = range_corrupted*sin(elevation_corrupted) ;
noisytraj(:,loop) = [x_corrupted ; y_corrupted; z_corrupted ] ; end % loop berikutnya
3. “Rayleigh dan Gaussian”
clear all
close all
xg = linspace(-6,6,1500); % randowm variable between -4 and 4 xr = linspace(0,6,1500); % randowm variable between 0 and 8 mu = 0; % zero mean Gaussain pdf mean
sigma = 1.5; % standard deviation (sqrt(variance)
ynorm = normpdf(xg,mu,sigma); % use MATLAB funtion normpdf yray = raylpdf(xr,sigma); % use MATLAB function raylpdf
plot(xg,ynorm,'k',xr,yray,'k-.'); grid
legend('Gaussian pdf','Rayleigh pdf') xlabel('x')
A-4
4 “ Peringatan palsu”
close all
clear all
logpfa = linspace(.01,250,1000); var = 10.^(logpfa ./ 10.0); vtnorm = sqrt( log (var)); semilogx(logpfa, vtnorm,'k') grid
5 “Deteksi”
clear all
pfa = 1e-9; nfa = log(2) / pfa; index = 0;
for snr = -10:.5:30 index = index +1;
prob1(index) = pd_swerling3 (nfa, 1, snr); prob10(index) = pd_swerling3 (nfa, 10, snr); prob50(index) = pd_swerling3(nfa, 50, snr); prob100(index) = pd_swerling3 (nfa, 100, snr);
end
x = -10:.5:30;
plot(x, prob1,'k',x,prob10,'k:',x,prob50,'k--', ...
x, prob100,'k-.'); axis([-10 30 0 1]) xlabel ('SNR - dB')
ylabel ('Probability of detection')
legend('np = 1','np = 10','np = 50','np = 100') grid
A-5
6 “Peningkatan Pulse Integration Non Koheren”
clear all
ylabel ('Improvement factor in dB')
legend ('pd=.5, nfa=e+2','pd=.8, nfa=e+6','pd=.95, nfa=e+10','pd=.999, nfa=e+13'); grid
7 “Kerugian Pulse Integration Non Koheren”
A-6
plot(xx,val1,'k',xx,val2,'k:',xx,val3,'k--',xx,val4,'k-.') legend('N = 1','N = 3','N = 6','N = 10')
xlabel('x')
A-7
9 “Batas Ambang Versus np”
clear all
legend('nfa=1000','nfa=10000','nfa=500000') grid
10 “Deteksi Versus SNR”
close all
A-8
ylabel ('Probability of detection') legend('Swerling V','Swerling I') grid prob100(index) = pd_swerling1 (nfa, 100, snr);
end
ylabel ('Probability of detection')
A-9 prob1(index) = pd_swerling2 (nfa, 1, snr); prob10(index) = pd_swerling2 (nfa, 10, snr); prob50(index) = pd_swerling2 (nfa, 50, snr); prob100(index) = pd_swerling2 (nfa, 100, snr);
end
ylabel ('Probability of detection')
legend('np = 1','np = 10','np = 50','np = 100') prob50(index) = pd_swerling3(nfa, 50, snr); prob100(index) = pd_swerling3 (nfa, 100, snr);
end
ylabel ('Probability of detection')
A-10 prob1(index) = pd_swerling4 (nfa, 1, snr); prob10(index) = pd_swerling4 (nfa, 10, snr); prob50(index) = pd_swerling4(nfa, 50, snr); prob100(index) = pd_swerling4 (nfa, 100, snr);
end
x = -10:.5:30;
plot(x, prob1,'k',x,prob10,'k:',x,prob50,'k--', ...
x, prob100,'k-.'); axis([-10 30 0 1.1]) xlabel ('SNR - dB')
ylabel ('Probability of detection')
legend('np = 1','np = 10','np = 50','np = 100') grid
Bab I Pendahuluan
1 Universitas Kristen Maranatha
BAB I
PENDAHULUAN
Pada bab ini akan dibahas mengenai latar belakang, identifikasi masalah, perumusan masalah, tujuan masalah, pembatasan masalah dan sistematika penulisan tugas akhir.
1.1 Latar Belakang
Radar (yang dalam bahasa inggris merupakan singkatan dari radio detection and ranging) adalah suatu sistem gelombang elektromagnetik yang berguna untuk mendeteksi,mengukur jarak dan membuat map benda-benda seperti pesawat terbang, berbagai kendaraan bermotor dan informasi cuaca (hujan).
Bab I Pendahuluan 2
Universitas Kristen Maranatha
1.2 Perumusan Masalah
• Bagaimana prinsip kerja gangguan pada radar atau“Noise”,
mempengaruhi pendeteksian pada radar yang menyebabkan terjadinya “False Alarm” dan cara mengatasinya?
• Bagaimana membuat simulasi pendeteksian RADAR?
1.3 Tujuan
Membuat sebuah simulasi pendeteksian pada RADAR yang mengalami adanya gangguan atau“Noise” sehingga menyebabkan terjadinya “False Alarm” atau peringatan palsu pada radar.
1.4 Pembatasan Masalah
• Tugas akhir ini hanya sebatas simulasi.
• Simulasi yang dibuat hanya untuk target tunggal. • Software yang digunakan adalah Matlab
1.5 Sistematika Penulisan
Bab I Pendahuluan 3
Universitas Kristen Maranatha
BAB I PENDAHULUAN
Bab ini berisi latar belakang tugas akhir, identifikasi masalah, perumusan masalah, tujuan tugas akhir, pembatasan masalah, dan sistematika penulisan.
BAB II TEORI PENUNJANG
Bab ini menjelaskan tentang landasan teori yang berkaitan denagn Tugas Akhir ini, seperti dasar teori radar, persamaan radar, magnetron, efek dopler, RCS.
BAB III PERANCANGAN DAN SIMULASI SISTEM
Berisi tentang perancangan perangkat lunak dari pelacakan sudut dan pelacakan jarak.
BAB IV PENGUJIAN SISTEM DAN DATA PENGAMATAN
Bab I Pendahuluan 4
Universitas Kristen Maranatha
BAB V KESIMPULAN DAN SARAN
Bab v Kesimpulan dan Saran
59 Universitas Kristen Maranatha
BAB V
KESIMPULAN DAN SARAN
V.1 Kesimpulan
Bedasarkan hasil dan pengamatan dan analisa yang telah dilakukan, dapat disimpulkan bahwa :
1. Simulasi sistem pendeteksian sinyal yang mengalami gangguan dengan menggunakan program matlab telah berhasil dioperasikan.
2. Probabilitas deteksi sangat di pengaruhi oleh SNR (signal to noise ratio). 3. Nilai maksimum dari pendeteksian atau probabilitas deteksi adalah 1. V.2 Analisa
1. Dari data percobaan maka probabilitas deteksi adalah merupakan fungsi dari SNR dimana untuk swerling satu sampai lima membutuhkan SNR yang lebih banyak agar mencapai probabilitas deteksi yang baik.
2. Semakin kecil jumlah pulsa yang terintergrasi maka semakin baik probabilitas deteksinya.
V.3 Saran
Adapun saran yang dapat berguna bagi pengembangan Tugas Akhir ini selanjutnya adalah sebagai berikut.
Daftar pustaka
60 Universitas Kristen Maranatha
DAFTAR PUSTAKA
1. Barton, David K, Radar System Analysis, Englewood Cliffs, New York, 1964. 2. Bierson, George, Optimal Radar Tracking System, Jhon Willey and son, New
York, 1990.
3. Dwi, Endiek Adi Moelyono, Optimasi Sistem Tracking Radar Dengan
Bantuan Kalman Filter, Bandung, 1993.
4. Mahafza, Bassem R, MATLAB Simulations For Radar Systems Design, Bassem R. Mahafza, Atef Z. Elsherbeni,2003.